System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及人工智能,尤其涉及一种基于智能坐垫的健康坐姿监控方法、装置、设备及计算机可读存储介质。
技术介绍
1、随着电子产品的增多,人们户外活动逐渐减少,坐着的时间越来越长,无论大人小孩都更加容易产生脊柱侧弯,腰部劳损等情况,因此,人们越来越注重坐姿习惯及腰部健康。
2、如今健康坐姿监控方法主要通过工位识别的方式获取用户的坐姿从而进行监督,然而这种方式不仅精准度低,而且容易造成隐私泄露。
技术实现思路
1、本专利技术提供一种基于智能坐垫的健康坐姿监控方法、装置、设备及存储介质,其主要目的在于在信息采集安全的环境下,高精准度对用户坐姿进行监控。
2、为实现上述目的,本专利技术提供的一种基于智能坐垫的健康坐姿监控方法,包括:
3、利用预构建的智能坐垫中的压力传感器,获取初始压力矩阵及实时的压力值分布矩阵,并对所述压力值分布矩阵进行特征提取,得到压力特征序列;
4、对所述压力值分布矩阵进行边界截取操作,得到压力分布区域,并对所述压力分布区域进行基于区域外形的区域识别操作,并根据所述区域识别的结果,对所述压力特征序列进行部位特征拼接操作,得到多部位压力特征序列;
5、根据预设的稳定性判定策略,判断所述多部位压力特征序列的稳定性,当所述多部位压力特征序列稳定时,开始记录所述多部位压力特征序列的稳定持续时间;
6、利用预训练的压力坐姿监控模型及所述初始压力矩阵,对所述多部位压力特征序列进行坐姿检测识别,得到坐姿识别结果
7、根据预设的动作腰部劳损列表,获取所述姿势正确度对应的腰部劳损系数,并根据所述腰部劳损系数及所述稳定持续时间,计算腰部损伤值,并将所述坐姿识别结果及对应的腰部损伤值存储至预构建的坐姿动作数据库中;
8、获取所述坐姿动作数据库各个所述腰部损伤值的累计腰损值,并判断所述累计腰损值是否大于预设的警戒阈值;
9、当所述累计腰损值大于所述警戒阈值时,生成腰部活动报警提示信息。
10、可选的,所述根据预设的稳定性判定策略,判断所述多部位压力特征序列的稳定性,当所述多部位压力特征序列稳定时,开始记录所述多部位压力特征序列的稳定持续时间,包括:
11、获取时刻的多部位压力特征序列为第一压力特征序列及时刻的多部位压力特征序列为第二压力特征序列,利用所述第二压力特征序列与所述第一压力特征序列进行对位元素相减,得到差值矩阵;
12、将所述差值矩阵中各元素数值进行平方操作,得到平方矩阵;
13、对所述平方矩阵中各个元素进行加和与平均计算,得到压力方差;
14、判断所述压力方差是否大于预设的稳定阈值;
15、当所述压力方差小于所述稳定阈值时,记录所述第一压力特征序列在时刻到时刻的稳定持续时间。
16、可选的,所述利用预训练的压力坐姿监控模型及所述初始压力矩阵,对所述多部位压力特征序列进行坐姿检测识别,得到坐姿识别结果,包括:
17、利用所述压力坐姿监控模型,对所述多部位压力特征序列进行基于坐姿的分类判断,得到第一坐姿识别结果;
18、对所述初始压力矩阵进行特征提取操作,得到初始压力特征序列,根据所述多部位压力特征序列与初始压力特征序列的对比,得到变化特征序列;
19、根据所述变化特征序列对预构建的默认初始坐姿进行姿势变动预测,得到第二坐姿识别结果;
20、对所述第一坐姿识别结果与所述第二坐姿识别结果进行加权平均计算,得到坐姿识别结果。
21、可选的,所述对所述压力值分布矩阵进行特征提取,得到压力特征序列,包括:
22、对所述压力值分布矩阵进行最大外接截取操作,得到初级压力值分布矩阵;
23、对所述初级压力值分布矩阵进行高斯滤波处理,得到降噪压力值分布矩阵;
24、对所述降噪压力值分布矩阵进行热力统计,得到降噪压力热力图;
25、对所述降噪压力热力图进行卷积操作,并对卷积结果进行平均池化操作,得到池化特征矩阵集合;
26、对所述池化特征矩阵集合进行扁平化特征拼接操作,得到压力特征序列。
27、可选的,所述对所述压力分布区域进行基于区域外形的区域识别操作,包括:
28、对所述压力分布区域进行特征提取,得到特征序列集合;
29、对所述特征序列集合进行基于臀部与腿部的特征分类操作,得到区域识别结果。
30、可选的,所述利用预训练的压力坐姿监控模型之前,所述方法还包括:
31、获取预构建的压力坐姿监控模型及训练样本集合;
32、依次从所述训练样本中提取一个目标样本,利用所述压力坐姿监控模型对所述目标样本进行正向网络计算,并根据预设的中间层输出接口,得到预测坐姿识别结果;
33、根据交叉熵损失算法,计算所述预测坐姿识别结果与所述目标样本对应的真实坐姿标签之间的损失值,并最小化所述损失值,得到所述损失值最小时的网络模型参数,并对所述网络模型参数进行网络逆向参数更新,得到更新压力坐姿监控模型;
34、判断所述损失值的收敛性;
35、当所述损失值未收敛时,返回上述依次从所述训练样本中提取一个目标样本的操作步骤,对所述更新压力坐姿监控模型进行迭代优化;
36、当所述损失值收敛时,停止训练过程,得到训练完成的压力坐姿监控模型。
37、可选的,所述生成腰部活动报警提示信息之后,所述方法还包括:
38、利用预设埋点,根据所述腰部活动报警提示信息,生成智能坐垫震动指令,以及发送所述腰部活动报警提示信息至预构建的健康坐姿应用软件,提示用户进行腰部活动。
39、为了解决上述问题,本专利技术还提供一种基于智能坐垫的健康坐姿监控装置,所述装置包括:
40、智能坐垫压力特征提取模块,用于利用预构建的智能坐垫中的压力传感器,获取初始压力矩阵及实时的压力值分布矩阵,并对所述压力值分布矩阵进行特征提取,得到压力特征序列,及对所述压力值分布矩阵进行边界截取操作,得到压力分布区域,并对所述压力分布区域进行基于区域外形的区域识别操作,并根据所述区域识别的结果,对所述压力特征序列进行部位特征拼接操作,得到多部位压力特征序列;
41、坐姿时间获取模块,用于根据预设的稳定性判定策略,判断所述多部位压力特征序列的稳定性,当所述多部位压力特征序列稳定时,开始记录所述多部位压力特征序列的稳定持续时间;
42、坐姿识别模块,用于利用预训练的压力坐姿监控模型及所述初始压力矩阵,对所述多部位压力特征序列进行坐姿检测识别,得到坐姿识别结果,并计算所述坐姿识别结果对应的姿势正确度;
43、腰部疲劳累计模块,用于根据预设的动作腰部劳损列表,获取所述姿势正确度对应的腰部劳损系数,并根据所述腰部劳损系数及所述稳定持续时间,计算腰部损伤值,并将所述坐姿识别结果及对应的腰部本文档来自技高网...
【技术保护点】
1.一种基于智能坐垫的健康坐姿监控方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于智能坐垫的健康坐姿监控方法,其特征在于,所述根据预设的稳定性判定策略,判断所述多部位压力特征序列的稳定性,当所述多部位压力特征序列稳定时,开始记录所述多部位压力特征序列的稳定持续时间,包括:
3.如权利要求1所述的基于智能坐垫的健康坐姿监控方法,其特征在于,所述利用预训练的压力坐姿监控模型及所述初始压力矩阵,对所述多部位压力特征序列进行坐姿检测识别,得到坐姿识别结果,包括:
4.如权利要求1所述的基于智能坐垫的健康坐姿监控方法,其特征在于,所述对所述压力值分布矩阵进行特征提取,得到压力特征序列,包括:
5.如权利要求1所述的基于智能坐垫的健康坐姿监控方法,其特征在于,所述对所述压力分布区域进行基于区域外形的区域识别操作,包括:
6.如权利要求1所述的基于智能坐垫的健康坐姿监控方法,其特征在于,所述利用预训练的压力坐姿监控模型之前,所述方法还包括:
7.如权利要求1所述的基于智能坐垫的健康坐姿监控方法,其特征在于,所述
8.一种基于智能坐垫的健康坐姿监控装置,其特征在于,所述装置包括:
9.一种电子设备,其特征在于,所述电子设备包括:
10.一种计算机可读存储介质,存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的基于智能坐垫的健康坐姿监控方法。
...【技术特征摘要】
1.一种基于智能坐垫的健康坐姿监控方法,其特征在于,所述方法包括:
2.如权利要求1所述的基于智能坐垫的健康坐姿监控方法,其特征在于,所述根据预设的稳定性判定策略,判断所述多部位压力特征序列的稳定性,当所述多部位压力特征序列稳定时,开始记录所述多部位压力特征序列的稳定持续时间,包括:
3.如权利要求1所述的基于智能坐垫的健康坐姿监控方法,其特征在于,所述利用预训练的压力坐姿监控模型及所述初始压力矩阵,对所述多部位压力特征序列进行坐姿检测识别,得到坐姿识别结果,包括:
4.如权利要求1所述的基于智能坐垫的健康坐姿监控方法,其特征在于,所述对所述压力值分布矩阵进行特征提取,得到压力特征序列,包括:
5.如权利要求1所述的基于...
【专利技术属性】
技术研发人员:谢俊,曹可萌,
申请(专利权)人:亿慧云智能科技深圳股份有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。