一种基于柔性传感器的人体坐姿识别方法及其系统技术方案

本发明专利技术公开了一种基于柔性传感器的人体坐姿识别方法，先采集用户背部的弯曲数据，并对弯曲数据进行预处理以及特征提取，接着利用已训练好的误差反向传播的人工神经网络对特征向量进行识别即可得到识别结果，然后可以将识别结果传输到用户的智能终端；本发明专利技术的一种基于柔性传感器的人体坐姿识别系统，采用柔性传感器对用户背部的弯曲数据进行检测，利用设置了误差反向传播的人工神经网络的分类识别单元对处理后的弯曲数据进行识别即可得到最终的识别结果，并通过无线通信单元将识别结果传输到用户的智能终端，由于采用柔性传感器进行检测，结构简单，检测方便。

A human body sitting posture recognition method based on flexible sensor and its system

The invention discloses a method for human sitting posture recognition based on a flexible sensor. First, the bending data of a user's back is collected, and the bending data is pre-processed and the feature is extracted. Then, the recognition result can be obtained by using the trained artificial neural network of error back propagation to recognize the feature vector. In order to transmit the recognition result to the user's intelligent terminal, a human sitting posture recognition system based on flexible sensor is proposed, which uses flexible sensor to detect the bending data of the user's back and uses the classification and recognition unit of artificial neural network with error back propagation to recognize the processed bending data. Otherwise, the final recognition result can be obtained, and the recognition result can be transmitted to the user's intelligent terminal through the wireless communication unit. Because the flexible sensor is used to detect, the structure is simple and the detection is convenient.

【技术实现步骤摘要】
一种基于柔性传感器的人体坐姿识别方法及其系统
本专利技术涉及传感器技术应用领域，特别是一种基于柔性传感器的人体坐姿识别方法及其系统。
技术介绍
坐姿状态是学生群体、办公人群绝大部分时间所处的状态，而不良坐姿会对人们的身体健康造成很大的影响，青少年在学习和生活当中，往往不能很好地注意保持正确身姿，而家长和老师又不能每时每刻在身边提醒，时间一长就形成近视和驼背；对于上班族来说，随着生活节奏加快以及工作压力日益增加，越来越多的成年人需要长时间面对电脑，由于坐姿不正确，常常会引起职业性肌肉骨骼疾患和下背痛等症状，不良坐姿对健康造成的负面影响，不仅会严重影响患者的身心健康和工作能力，也为医疗保健带来严重的经济负担，因此，针对人体坐姿识别的研究对人们的身体健康有着非常重要的意义。传统的方法主要是基于计算机视觉等技术，通过图像和视频信息获取人体坐姿信息，此类识别方法一般需要配有照相机、摄像头、摄像机等硬件设备，这类识别装置往往价格昂贵，易受光照、人体着装、成像设备的精度等因素影响，对于用户坐姿的数据采集存在一定的误差，导致最终的坐姿识别结果不太准确。
技术实现思路
为解决上述问题，本专利技术的目的在于提供一种基于柔性传感器的人体坐姿识别方法及其系统，通过柔性传感器来检测人体背部的弯曲数据，结合神经网络对坐姿进行辨识，识别较为准确，同时用户可以通过智能终端接收自身的坐姿数据。本专利技术解决其问题所采用的技术方案是：一种基于柔性传感器的人体坐姿识别方法，包括以下步骤：A、柔性传感器采集用户背部的弯曲数据；B、对用户背部的弯曲数据进行预处理；C、对处理后的弯曲数据进行特征提取并组成特征向量；D、将特征向量分为训练集和测试集，构建误差反向传播的人工神经网络模型，利用训练集以及测试集对误差反向传播的人工神经网络进行训练；E、利用已训练好的误差反向传播的人工神经网络对待识别用户背部的弯曲数据的特征向量进行识别，并得到识别结果；F、将识别结果传输到智能终端。进一步，所述步骤B中对用户背部的弯曲数据进行预处理，利用算术平均法对用户背部的弯曲数据进行过滤处理。进一步，所述步骤C中对处理后的弯曲数据进行特征提取并组成特征向量，提取处理后的弯曲数据的时域特征，并将时域特征组成特征向量，其中时域特征包括均值、标准值、最大值和最小值。进一步，所述步骤D中将特征向量分为训练集和测试集，其中将特征向量以4：1的比例分成训练集和测试集。进一步，所述步骤D中构建误差反向传播的人工神经网络模型，其中误差反向传播的人工神经网络包括三层，第一层为具有4个神经元的输入层，第二层为具有4个神经元的隐含层，第三层为具有3个神经元的输出层。一种基于柔性传感器的人体坐姿识别系统，包括用于采集用户背部的弯曲数据的测量单元以及对弯曲数据进行处理和识别的识别单元，所述测量单元包括用于采集用户背部的弯曲数据的柔性传感器、将柔性传感器采集的弯曲数据转换成电压分配值的微控制器以及将识别结果发送到用户智能终端的无线通信单元，所述识别单元包括对弯曲数据进行预处理的预处理单元、对处理后的数据进行特征提取的特征提取单元以及设置有误差反向传播的人工神经网络模型的分类识别单元，所述柔性传感器、微控制器、预处理单元以及特征提取单元依次连接，所述分类识别单元对特征提取单元输出的特征向量进行识别，并将识别结果传输到所述微控制器中，所述微控制器通过无线通信单元发送识别结果。进一步，所述柔性传感器上设置有将其固定在用户背部的运动贴布，所述柔性传感器包括由硅酮-镍纳米复合材料构成的应变片以及分压电阻，所述应变片与分压电阻分别连接到微控制器。进一步，所述测量单元还包括便携式壳体，所述微控制器设置于便携式壳体内，所述便携式壳体上设置有用于将其固定在用户衣服或腰带上的夹子或别针。进一步，所述无线通信单元为蓝牙通信模块。本专利技术的有益效果是：本专利技术采用的一种基于柔性传感器的人体坐姿识别方法，通过对用户背部的弯曲数据进行采集，并将采集的弯曲数据进行预处理和特征提取，然后利用提取到的特征向量对误差反向传播的人工神经网络进行训练，训练完成的误差反向传播的人工神经网络即可以对待识别用户背部的弯曲数据进行识别，并将识别结果发送到用户的智能终端上，使用户可以了解到自己当前的坐姿情况；本专利技术的一种基于柔性传感器的人体坐姿识别系统，采用柔性传感器对用户背部的弯曲数据进行采集，结构简单，识别精确，可以根据用户背部弯曲的不同角度输出不同的值到微控制器中，最后在通过识别单元对弯曲数据进行识别得到识别结果，然后通过无线通信单元将识别结果发送到用户智能终端，使用户可以随时了解到自身的坐姿情况，采用柔性传感器作为坐姿的检测装置，相比于传统的通过压力传感器检测压力值而言，结构更加简单。附图说明下面结合附图和实例对本专利技术作进一步说明。图1是本专利技术一种基于柔性传感器的人体坐姿识别方法的流程框图；图2是本专利技术一种基于柔性传感器的人体坐姿识别系统的原理框图；图3是误差反向传播的人工神经网络的网络模型结构图。具体实施方式参照图1，本专利技术的一种基于柔性传感器的人体坐姿识别方法，包括以下步骤：A、柔性传感器11采集用户背部的弯曲数据；B、对用户背部的弯曲数据进行预处理；C、对处理后的弯曲数据进行特征提取并组成特征向量；D、将特征向量分为训练集和测试集，构建误差反向传播的人工神经网络模型，利用训练集以及测试集对误差反向传播的人工神经网络进行训练；E、利用已训练好的误差反向传播的人工神经网络对待识别用户背部的弯曲数据的特征向量进行识别，并得到识别结果；F、将识别结果传输到智能终端。本专利技术在采集用户的坐姿数据时，和传统的通过压力检测器检测各个检测点的压力值不同，而是采集用户背部的弯曲数据作为坐姿数据，由于各个用户的体重、身材不同，所以传统的使用压力检测器检测就存在一定的误差，不能准确且全方位的检测，检测的数据和坐姿数据也很难对应起来，而本专利技术将用户背部的弯曲数据作为坐姿数据是较为合理的，背部弯曲的不同程度可以转换成不同的坐姿数据，在进行后续的计算和识别中也较为方便。具体地，在对背部的弯曲数据进行预处理中，利用的是算术平均法进行的过滤处理，由于人体坐姿信号在某一特定范围内上下浮动，并且受到的信号干扰随机性较强，所以采用算术平均法对坐姿信号进行过滤，本专利技术的采样频率设定为50Hz，每种坐姿维持60秒，所以在每一次采样中，每种坐姿都有3000个采样点，对于任意一个采样点，对其连续的100个采样点进行算术平均运算，用计算得到的值代替该点的采样值。具体地，提取处理后的弯曲数据的时域特征，并将时域特征组成特征向量，其中时域特征包括均值、标准值、最大值和最小值。具体地，在对误差反向传播的人工神经网络模型进行训练前，首先将特征向量分为训练集和测试集，其中将特征向量以4：1的比例分成训练集和测试集，训练集用于对误差反向传播的人工神经网络模型进行训练，测试集用于对训练好的误差反向传播的人工神经网络模型进行测试。本专利技术所采用的误差反向传播的人工神经网络，包括三层，第一层为具有4个神经元的输入层，第二层为具有4个神经元的隐含层，第三层为具有3个神经元的输出层，如图3所示，其中201为输入层、202为隐含层、203为输出层，整个网络的工作过程分为两个部分：第一部分正向传播过程输入信息从本文档来自技高网...

【技术保护点】
1.一种基于柔性传感器的人体坐姿识别方法，其特征在于：包括以下步骤：A、柔性传感器(11)采集用户背部的弯曲数据；B、对用户背部的弯曲数据进行预处理；C、对处理后的弯曲数据进行特征提取并组成特征向量；D、将特征向量分为训练集和测试集，构建误差反向传播的人工神经网络模型，利用训练集以及测试集对误差反向传播的人工神经网络进行训练；E、利用已训练好的误差反向传播的人工神经网络对待识别用户背部的弯曲数据的特征向量进行识别，并得到识别结果；F、将识别结果传输到智能终端。

【技术特征摘要】
1.一种基于柔性传感器的人体坐姿识别方法，其特征在于：包括以下步骤：A、柔性传感器(11)采集用户背部的弯曲数据；B、对用户背部的弯曲数据进行预处理；C、对处理后的弯曲数据进行特征提取并组成特征向量；D、将特征向量分为训练集和测试集，构建误差反向传播的人工神经网络模型，利用训练集以及测试集对误差反向传播的人工神经网络进行训练；E、利用已训练好的误差反向传播的人工神经网络对待识别用户背部的弯曲数据的特征向量进行识别，并得到识别结果；F、将识别结果传输到智能终端。2.根据权利要求1所述的一种基于柔性传感器的人体坐姿识别方法，其特征在于：所述步骤B中对用户背部的弯曲数据进行预处理，利用算术平均法对用户背部的弯曲数据进行过滤处理。3.根据权利要求1所述的一种基于柔性传感器的人体坐姿识别方法，其特征在于：所述步骤C中对处理后的弯曲数据进行特征提取并组成特征向量，提取处理后的弯曲数据的时域特征，并将时域特征组成特征向量，其中时域特征包括均值、标准值、最大值和最小值。4.根据权利要求1所述的一种基于柔性传感器的人体坐姿识别方法，其特征在于：所述步骤D中将特征向量分为训练集和测试集，其中将特征向量以4：1的比例分成训练集和测试集。5.根据权利要求1所述的一种基于柔性传感器的人体坐姿识别方法，其特征在于：所述步骤D中构建误差反向传播的人工神经网络模型，其中误差反向传播的人工神经网络包括三层，第一层为具有4个神经元的输入层，第二层为具有4个神经元的隐含层，第三层为具有3个神经元的输出层。6.一种应用权利要求1-5任一所述基于柔性传感器的人体坐姿识别方法的系统，...

【专利技术属性】
技术研发人员：钱哲，万嘉，刘伟，张东，安东·埃迪斯·博登，
申请(专利权)人：佛山市顺德区中山大学研究院，广东顺德中山大学卡内基梅隆大学国际联合研究院，中山大学，
类型：发明
国别省市：广东,44