[發明專利]基于座椅使用習慣的建模方法、裝置、設備及存儲介質

在審

• 申請號: 202010610488.5
• 申請日: 2020-06-29
• 公開（公告）號: CN111766793A
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 陳海寶;趙玉艷;趙亭;趙生慧;趙亮
• 申請（專利權）人: 滁州學院
• 主分類號: G05B15/02
• 分類號: G05B15/02;G05B19/418
• 代理公司: 北京久維律師事務所 11582
• 代理人: 邢江峰

1.一種基于座椅使用習慣的建模方法，其特征在于，所述基于座椅使用習慣的建模方法包括：

獲取接入同一網絡的多個用戶使用座椅的實時數據，并將所述實時數據存儲至預置數據庫，得到座椅原始數據；

通過預置座椅狀態變化檢測算法對所述座椅原始數據進行計算，得到座椅狀態數據；

對所述座椅狀態數據進行特征提取，得到所述座椅狀態數據的數據特征；

通過高斯分布建立模型，并通過所述模型對所述座椅狀態數據的數據特征進行學習，確定對應的座椅使用習慣模型。

2.根據權利要求1所述的基于座椅使用習慣的建模方法，其特征在于，在所述通過預置座椅狀態變化檢測算法對所述座椅原始數據進行計算，得到座椅狀態數據之前，還包括：

根據預設座椅狀態指數函數，計算所述座椅原始數據的座椅狀態指數；

根據所述座椅狀態指數，判斷所述座椅上是否為目標用戶；

若是，則執行通過預置座椅狀態變化檢測算法對所述座椅原始數據進行計算，得到座椅狀態數據的步驟。

3.根據權利要求2所述的基于座椅使用習慣的建模方法，其特征在于，在所述根據所述座椅狀態指數，判斷所述座椅上是否為目標用戶之后，還包括：

根據所述座椅狀態指數，確定所述座椅上是否有物體；

若所述座椅狀態指數等于預設第一閾值，則確定所述座椅上有物體；

判斷所述物體是否為目標用戶；

若所述座椅狀態指數小于預設第二閾值，則確定所述物體為重物；

若所述座椅狀態指數大于預設第二閾值，則確定所述物體為目標用戶。

4.根據權利要求1所述的基于座椅使用習慣的建模方法，其特征在于，所述對所述座椅狀態數據進行特征提取，得到所述座椅狀態數據的數據特征包括：

獲取所述座椅狀態數據的時間標簽；

根據所述時間標簽選取所述座椅狀態數據中的目標狀態數據；

對所述目標狀態數據進行特征提取，得到所述目標狀態數據的數據特征。

5.根據權利要求1所述的基于座椅使用習慣的建模方法，其特征在于，在所述通過高斯分布建立模型，并通過所述模型對所述座椅狀態數據的數據特征進行學習，確定對應的座椅使用習慣模型之后，還包括：

接收目標用戶使用座椅的實時數據；

將所述實時數據輸入所述座椅使用習慣模型，得到所述目標用戶的健康評估信息，其中，所述健康評估信息包括所述目標用戶使用座椅的時長和頻率。

6.一種基于座椅使用習慣的建模裝置，其特征在于，所述裝置包括：

存儲模塊，用于獲取接入同一網絡的多個用戶使用座椅的實時數據，并將所述實時數據存儲至預置數據庫，得到座椅原始數據；

第一計算模塊，用于通過預置座椅狀態變化檢測算法對所述座椅原始數據進行計算，得到座椅狀態數據；

特征提取模塊，用于對所述座椅狀態數據進行特征提取，得到所述座椅狀態數據的數據特征；

學習模塊，用于通過高斯分布建立模型，并通過所述模型對所述座椅狀態數據的數據特征進行學習，確定對應的座椅使用習慣模型。

7.如權利要求6所述的基于座椅使用習慣的建模裝置，其特征在于，所述裝置還包括：

第二計算模塊，用于根據預設座椅狀態指數函數，計算所述座椅原始數據的座椅狀態指數；

判斷模塊，用于根據所述座椅狀態指數，判斷所述座椅上是否為目標用戶。

8.如權利要求6所述的基于座椅使用習慣的建模裝置，其特征在于，所述特征提取模塊具體用于：

獲取所述座椅狀態數據的時間標簽；

根據所述時間標簽選取所述座椅狀態數據中的目標狀態數據；

對所述目標狀態數據進行特征提取，得到所述目標狀態數據的數據特征。