智能坐垫的健康坐姿监控方法、装置、设备及存储介质

专利名称：智能坐垫的健康坐姿监控方法、装置、设备及存储介质

专利类型：发明专利

专利申请号：CN202410258456.1

专利申请（专利权）人：亿慧云智能科技(深圳)股份有限公司
权利人地址：广东省深圳市南山区粤海街道高新区社区科技南路18号深圳湾科技生态园12栋B1座2410-2412

专利发明（设计）人：谢俊,曹可萌

专利摘要：本发明涉及人工智能技术，揭露了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。所述方法包括：获取初始压力矩阵及实时的压力值分布矩阵，对压力值分布矩阵进行特征提取得到压力特征序列；对压力特征序列进行部位识别，并将识别结果进行特征拼接得到多部位压力特征序列；利用压力坐姿监控模型及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，并计算坐姿识别结果对应的姿势正确度；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，根据腰部劳损系数及所述稳定持续时间计算腰部损伤值，并根据累计腰损值监控坐姿。本发明可以在信息采集安全的环境下，高精准度对用户坐姿进行监控。

主权利要求：
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：
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；
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；
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；
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；
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；
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；
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，
其中，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：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；
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；
对所述平方矩阵中各个元素进行加和平均计算，得到压力方差；
判断所述压力方差是否大于预设的稳定阈值；
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；
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：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：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；
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；
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；
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；
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：
获取预构建的压力坐姿监控模型及训练样本集合；
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；
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；
判断所述损失值的收敛性；
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；
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。
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：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；
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；
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；
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；
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。
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：对所述压力分布区域进行特征提取，得到特征序列集合；
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。
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，所述生成腰部活动报警提示信息之后，所述方法还包括：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。
5.一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：
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；
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，包括：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；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；对所述平方矩阵中各个元素进行加和平均计算，得到压力方差；判断所述压力方差是否大于预设的稳定阈值；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；
坐姿识别模块，用于获取预构建的压力坐姿监控模型及训练样本集合；
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；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；判断所述损失值的收敛性；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；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，利用所述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：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；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；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；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；并计算所述坐姿识别结果对应的姿势正确度；
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损伤值存储至预构建的坐姿动作数据库，及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，及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。
6.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至4中任意一项所述的基于智能坐垫的健康坐姿监控方法。
7.一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4中任意一项所述的基于智能坐垫的健康坐姿监控方法。 说明书 : 智能坐垫的健康坐姿监控方法、装置、设备及存储介质技术领域[0001] 本发明涉及人工智能技术领域，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。背景技术[0002] 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。[0003] 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。发明内容[0004] 本发明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。[0005] 为实现上述目的，本发明提供的一种基于智能坐垫的健康坐姿监控方法，包括：[0006] 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；[0007] 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；[0008] 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；[0009] 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；[0010] 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；[0011] 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；[0012] 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。[0013] 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：[0014] 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；[0015] 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；[0016] 对所述平方矩阵中各个元素进行加和平均计算，得到压力方差；[0017] 判断所述压力方差是否大于预设的稳定阈值；[0018] 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。[0019] 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：[0020] 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；[0021] 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；[0022] 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；[0023] 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。[0024] 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：[0025] 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；[0026] 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；[0027] 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；[0028] 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；[0029] 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。[0030] 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：[0031] 对所述压力分布区域进行特征提取，得到特征序列集合；[0032] 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。[0033] 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：[0034] 获取预构建的压力坐姿监控模型及训练样本集合；[0035] 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；[0036] 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；[0037] 判断所述损失值的收敛性；[0038] 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；[0039] 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。[0040] 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：[0041] 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。[0042] 为了解决上述问题，本发明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：[0043] 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；[0044] 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；[0045] 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；[0046] 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损伤值存储至预构建的坐姿动作数据库，及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，及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。[0047] 为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：[0048] 至少一个处理器；以及，[0049] 与所述至少一个处理器通信连接的存储器；其中，[0050] 所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的基于智能坐垫的健康坐姿监控方法。[0051] 为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的基于智能坐垫的健康坐姿监控方法。[0052] 本发明实施例采用智能坐垫中的压力传感器获取压力值分布矩阵，从而获取压力特征序列，并将压力值对应的臀部、腿部等身体部位进行特征拼接，得到较为全面的压力特征，不仅提高后续身体姿态检测的准确性，还能有效避免用户信息泄露；然后本发明通过压力坐姿监控模型对稳定的坐姿进行姿态检测，其中姿态检测包括压力自身进行姿势检测与压力变化引起的姿势变化的检测，从两个方面提高身体姿势的识别准确度，从而实现对腰部劳损情况进行准确评估。因此，本发明实施例提供的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，能够在信息采集安全的环境下，高精准度对用户坐姿进行监控。附图说明[0053] 图1为本发明一实施例提供的基于智能坐垫的健康坐姿监控方法的流程示意图；[0054] 图2为本发明一实施例提供的基于智能坐垫的健康坐姿监控方法中一个步骤的详细流程示意图；[0055] 图3为本发明一实施例提供的基于智能坐垫的健康坐姿监控方法中一个步骤的详细流程示意图；[0056] 图4为本发明一实施例提供的基于智能坐垫的健康坐姿监控装置的功能模块图；[0057] 图5为本发明一实施例提供的实现所述基于智能坐垫的健康坐姿监控方法的电子设备的结构示意图。[0058] 本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。具体实施方式[0059] 应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。[0060] 本申请实施例提供一种基于智能坐垫的健康坐姿监控方法。本申请实施例中，所述基于智能坐垫的健康坐姿监控方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于智能坐垫的健康坐姿监控方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(ContentDeliveryNetwork，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。[0061] 参照图1所示，为本发明一实施例提供的基于智能坐垫的健康坐姿监控方法的流程示意图。在本实施例中，所述基于智能坐垫的健康坐姿监控方法包括：[0062] S1、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。[0063] 本发明实施例中所述压力传感器可以均匀分布在智能坐垫的各个部位，保证精准获取用户坐姿的压力信息。[0064] 本发明实施例中根据所述压力传感器实时获取压力值分布矩阵，并可以将第一次处于稳定状态的压力值分布矩阵作为初始压力矩阵。所述稳定是指所述压力值分布矩阵在预设时间段内，如几秒内的矩阵方差小于预设数值。[0065] 进一步地，本发明实施例中，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：[0066] 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；[0067] 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；[0068] 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；[0069] 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；[0070] 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。[0071] 本发明实施例中首先通过最大外接截取的方式最大限度降低无效数据，然后通过高斯滤波进行降噪操作，使得压力值分布矩阵不受到衣服、裤子褶皱等因素的干扰，提高压力检测准确性。然后本发明实施例通过热力图分布提取压力值分布矩阵中各点压力的压力重心与压力分布情况，从而为压力值分布矩阵增加重心特征。最后通过卷积、池化及扁平化操作实现特征提取操作，得到压力特征序列。[0072] S2、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。[0073] 本发明实施例中将所述压力值分布矩阵中为零或小于预设数值的元素值进行遮蔽，得到压力分布区域，根据所述压力分布区域可以通过特征识别的方法得到各个压力分布矩阵的位置信息，例如前后左右、腿、臀部等信息。[0074] 具体的，本发明实施例中，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：[0075] 对所述压力分布区域进行特征提取，得到特征序列集合；[0076] 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。[0077] 本发明实施例中可以通过简单的图像识别模型对压力分布区域进行图像识别，从而得到区域识别结果。其中，包括前、后、侧臀区域、左右腿部区域。[0078] S3、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。[0079] 本发明实施例中，所述稳定性判定策略是指对多部位压力特征序列的前后时刻的方差大小保持在一定范围内，则表明稳定。[0080] 详细地，参考图2所示，本发明实施例中，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：[0081] S31、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；[0082] S32、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；[0083] S33、对所述平方矩阵中各个元素进行加和平均计算，得到压力方差；[0084] S34、判断所述压力方差是否大于预设的稳定阈值，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。[0085] 所述稳定阈值可以根据智能坐垫使用场景、实验数值等信息进行调整，本发明实施例中，根据上述方法计算压力特征序列随时间变化的压力方差，当压力方差大于所述稳定阈值时，可以判定多部位压力特征序列稳定性时效。此外，本发明实施例中所述稳定持续时间小于预设数值，例如3秒则不视为稳定的多部位压力特征序列。[0086] S4、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。[0087] 本发明实施例中，所述压力坐姿监控模型是一种基于Transformer的神经网络模型，其中包括坐姿识别网络与腰部劳损累计网络，所述坐姿识别网络需要进行模型训练，所述腰部劳损累计网络为无训练输出层网络。[0088] 详细地，参考图3所示，本发明实施例中，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：[0089] S41、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；[0090] S42、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对比得到变化特征序列；[0091] S43、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；[0092] S44、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。[0093] 本发明实施例中所述多部位压力特征序列中可能包括臀部、腿部在坐垫上的方向信息、倾角信息、平衡信息，从而可以推算出用户的基本坐姿，得到第一坐姿识别结果。[0094] 此外，本发明实施例中以默认用户初次稳定得座到坐垫上时，是以正坐姿势为标准，因此可以将当时的初始压力矩阵与预设的默认初始坐姿进行对应，进而当对比现在的多部位压力特征序列与初始压力特征序列时，可以得到默认初始坐姿的变化特征序列，从而推算出用户的动作幅度，例如靠前、靠后或伸腰等信息，从而推算出第二坐姿识别结果。本发明实施例中经过模型训练会使第一第二坐姿识别结果相近，但又不会完全一致，可以通过加权平均的方式对坐姿识别结果进行调整。[0095] 进一步地，本发明实施例中，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：[0096] 获取预构建的压力坐姿监控模型及训练样本集合；[0097] 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；[0098] 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；[0099] 判断所述损失值的收敛性；[0100] 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；[0101] 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。[0102] 本发明实施例中，所述压力坐姿监控模型中只有坐姿识别网络部分需要训练，因此通过预构建的中间层输出接口，获取坐姿识别网络的输出信息，得到预测坐姿识别结果，再通过交叉熵损失算法对模型进行训练，得到更新压力坐姿监控模型。后为保证训练效果，采用损失值收敛性的方法对模型进行监督，保证模型避免过拟合现象。[0103] 本发明实施例中，根据上述训练完成的模型，可以得到准确的坐姿识别结果，本发明实施例中通过与正常姿势进行对比，将所述坐姿识别结果进行腰部损害等级划分，得到姿势正确度，其等级越高，越不利于腰部健康。[0104] S5、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。[0105] 本发明实施例中，所述动作腰部劳损列表是指专业医护人员，以实际经验及科学解释得到的各个坐姿姿势在长久保持情况下的身体损害幅度值，并进行归一化操作得到的评判标准。[0106] 本发明实施例中，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。应当知道，根据时间顺序，可以得到各个姿势与腰部损伤值构建的键值对，而本发明实施例中，除了对各个姿势对应的腰部损伤值进行累计外，还可以配置随时间变化的权重矩阵，例如整个坐姿的时间越长，后面坐姿的权重越大，前面坐姿的权重越小，从而更合人体结构。[0107] S6、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。[0108] 本发明实施例中通过各个所述腰部损伤值的累计腰损值，实时了解人体腰部的承受能力。[0109] 当所述累计腰损值小于或等于所述警戒阈值时，继续获取实时的压力值分布矩阵，对所述累计腰损值进行持续计算。[0110] 当所述累计腰损值大于所述警戒阈值时，S7、生成腰部活动报警提示信息。[0111] 详细地，本发明实施例中，所述生成腰部活动报警提示信息之后，所述方法还包括：[0112] 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。[0113] 本发明实施例中，上述S1 S7的操作步骤可以在所述智能坐垫中进行边缘计算，减~少坐垫实时产生的压力数据的传输压力，提高处理效率。此外，还可以在智能坐垫中加装震动装置，用来提示用户或缓解用户疲劳。而且本发明实施例中所述智能坐垫可以与预构建的健康坐姿应用软件进行协同使用，从而让用户更加准确地了解用疲劳程度，帮助用户养成健康的工作学习习惯，合理地安排工作。[0114] 本发明实施例采用智能坐垫中的压力传感器获取压力值分布矩阵，从而获取压力特征序列，并将压力值对应的臀部、腿部等身体部位进行特征拼接，得到较为全面的压力特征，不仅提高后续身体姿态检测的准确性，还能有效避免用户信息泄露；然后本发明通过压力坐姿监控模型对稳定的坐姿进行姿态检测，其中姿态检测包括压力自身进行姿势检测与压力变化引起的姿势变化的检测，从两个方面提高身体姿势的识别准确度，从而实现对腰部劳损情况进行准确评估。因此，本发明实施例提供的一种基于智能坐垫的健康坐姿监控方法，能够在信息采集安全的环境下，高精准度对用户坐姿进行监控。[0115] 如图4所示，是本发明一实施例提供的基于智能坐垫的健康坐姿监控装置的功能模块图。[0116] 本发明所述基于智能坐垫的健康坐姿监控装置100可以安装于电子设备中。根据实现的功能，所述基于智能坐垫的健康坐姿监控装置100可以包括智能坐垫压力特征提取模块101、坐姿时间获取模块102、坐姿识别模块103及腰部疲劳累计模块104。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。[0117] 在本实施例中，关于各模块/单元的功能如下：[0118] 所述智能坐垫压力特征提取模块101，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；[0119] 所述坐姿时间获取模块102，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；[0120] 所述坐姿识别模块103，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；[0121] 所述腰部疲劳累计模块104，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损伤值存储至预构建的坐姿动作数据库，及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，及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。[0122] 详细地，本申请实施例中所述基于智能坐垫的健康坐姿监控装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于智能坐垫的健康坐姿监控方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。[0123] 如图5所示，是本发明一实施例提供的实现基于智能坐垫的健康坐姿监控方法的电子设备1的结构示意图。[0124] 所述电子设备1可以包括处理器10、存储器11、通信总线12以及通信接口13，还可以包括存储在所述存储器11中并可在所述处理器10上运行的计算机程序，如基于智能坐垫的健康坐姿监控程序。[0125] 其中，所述处理器10在一些实施例中可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器（CentralProcessingUnit，CPU）、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述处理器10是所述电子设备1的控制核心（ControlUnit），利用各种接口和线路连接整个电子设备的各个部件，通过运行或执行存储在所述存储器11内的程序或者模块（例如执行基于智能坐垫的健康坐姿监控程序等），以及调用存储在所述存储器11内的数据，以执行电子设备的各种功能和处理数据。[0126] 所述存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、移动硬盘、多媒体卡、卡型存储器（例如：SD或DX存储器等）、磁性存储器、磁盘、光盘等。所述存储器11在一些实施例中可以是电子设备的内部存储单元，例如该电子设备的移动硬盘。所述存储器11在另一些实施例中也可以是电子设备的外部存储设备，例如电子设备上配备的插接式移动硬盘、智能存储卡（SmartMediaCard，SMC）、安全数字（SecureDigital，SD）卡、闪存卡（FlashCard）等。进一步地，所述存储器11还可以既包括电子设备的内部存储单元也包括外部存储设备。所述存储器11不仅可以用于存储安装于电子设备的应用软件及各类数据，例如基于智能坐垫的健康坐姿监控程序的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。[0127] 所述通信总线12可以是外设部件互连标准（Peripheral ComponentInterconnect，简称PCI）总线或扩展工业标准结构（ExtendedIndustryStandardArchitecture，简称EISA）总线等。该总线可以分为地址总线、数据总线、控制总线等。所述总线被设置为实现所述存储器11以及至少一个处理器10等之间的连接通信。[0128] 所述通信接口13用于上述电子设备1与其他设备之间的通信，包括网络接口和用户接口。可选地，所述网络接口可以包括有线接口和/或无线接口（如WI‑FI接口、蓝牙接口等），通常用于在该电子设备与其他电子设备之间建立通信连接。所述用户接口可以是显示器（Display）、输入单元（比如键盘（Keyboard）），可选地，用户接口还可以是标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED（OrganicLight‑EmittingDiode，有机发光二极管）触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在电子设备中处理的信息以及用于显示可视化的用户界面。[0129] 图5仅示出了具有部件的电子设备，本领域技术人员可以理解的是，图5示出的结构并不构成对所述电子设备1的限定，可以包括比图示更少或者更多的部件，或者组合某些部件，或者不同的部件布置。[0130] 例如，尽管未示出，所述电子设备1还可以包括给各个部件供电的电源（比如电池），优选地，电源可以通过电源管理装置与所述至少一个处理器10逻辑相连，从而通过电源管理装置实现充电管理、放电管理、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述电子设备1还可以包括多种传感器、蓝牙模块、Wi‑Fi模块等，在此不再赘述。[0131] 应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。[0132] 所述电子设备1中的所述存储器11存储的基于智能坐垫的健康坐姿监控程序是多个指令的组合，在所述处理器10中运行时，可以实现：[0133] 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；[0134] 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；[0135] 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；[0136] 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；[0137] 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；[0138] 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；[0139] 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。[0140] 具体地，所述处理器10对上述指令的具体实现方法可参考附图对应实施例中相关步骤的描述，在此不赘述。[0141] 进一步地，所述电子设备1集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读存储介质中。所述计算机可读存储介质可以是易失性的，也可以是非易失性的。例如，所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器（ROM，Read‑OnlyMemory）。[0142] 本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：[0143] 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；[0144] 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；[0145] 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；[0146] 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；[0147] 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；[0148] 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；[0149] 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。[0150] 在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。[0151] 所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。[0152] 另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。[0153] 对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。[0154] 因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。[0155] 本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。[0156] 本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能（ArtificialIntelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。[0157] 此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。[0158] 最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

专利地区：广东

专利申请日期：2024-03-07

专利公开日期：2024-06-18

专利公告号：CN117838107B