[發明專利]一種坐姿檢測方法、系統、終端和存儲介質

有效

• 申請號: 202011279754.7
• 申請日: 2020-11-16
• 公開（公告）號: CN112773356B
• 公開（公告）日: 2023-05-09
• 發明（設計）人: 王偉;周奎
• 申請（專利權）人: 深圳數聯天下智能科技有限公司
• 主分類號: A61B5/11
• 分類號: A61B5/11
• 代理公司: 深圳中細軟知識產權代理有限公司 44528
• 代理人: 袁文英

1.一種坐姿檢測方法，其特征在于，應用于坐姿檢測設備，所述坐姿檢測設備包括N*M個矩陣排列的壓力傳感器，其中，N和M為任意正整數；

所述坐姿檢測方法包括：

檢測到用戶坐下時，獲取所述N*M個壓力傳感器的當前特征數據，所述當前特征數據包括每個所述壓力傳感器檢測到的當前壓力值和每個所述壓力傳感器的坐標值；

對所述當前特征數據進行特征提取，獲取所述當前特征數據的當前高階數據，所述當前高階數據用于表示所述當前特征數據的分布特征；

將所述當前特征數據和所述當前高階數據輸入預訓練的目標坐姿檢測神經網絡的不同層中，獲取所述用戶坐下時的當前坐姿；

所述將所述當前特征數據和所述當前高階數據輸入預訓練的目標坐姿檢測神經網絡的不同層中，包括：將所述當前特征數據輸入所述預訓練的目標坐姿檢測神經網絡的第一層；將所述當前高階數據輸入所述預訓練的目標坐姿檢測神經網絡的第三層。

2.根據權利要求1所述的坐姿檢測方法，其特征在于，所述對所述當前特征數據進行特征提取，獲取所述當前特征數據的當前高階數據的步驟，包括：

將所述N*M個壓力傳感器劃分為至少一個傳感器檢測組，每個所述傳感器檢測組包括n*m個壓力傳感器，其中，n小于或等于N，m小于或等于M；

獲取每個所述傳感器檢測組中所述n*m個壓力傳感器的當前特征數據中的特征分布數據，所述特征分布數據包括所述n*m個壓力傳感器的當前壓力值中的壓力特征值和所述壓力特征值對應的壓力傳感器的坐標值，所述壓力特征值包括每個所述傳感器檢測組中所述n*m個壓力傳感器的當前壓力值中最大值和/或至少一個1/R分位值，其中，R為大于1的任意正整數。

3.根據權利要求2所述的坐姿檢測方法，其特征在于，所述對所述當前特征數據進行特征提取，獲取所述當前特征數據的當前高階數據的步驟，還包括：

獲取每個所述傳感器檢測組中預設范圍內的當前壓力值的均值和方差，所述預設范圍內的當前壓力值屬于所述n*m個壓力傳感器的當前壓力值。

4.根據權利要求3所述的坐姿檢測方法，其特征在于，所述預設范圍內的當前壓力值包括n*m個壓力傳感器的當前壓力值中大于或等于1/R分位值的當前壓力值，其中，R為大于的任意正整數；和/或

所述預設范圍內的當前壓力值包括所述n*m個壓力傳感器的當前壓力值中的全部當前壓力值。

5.根據權利要求1所述的坐姿檢測方法，其特征在于，所述將所述當前特征數據和所述當前高階數據輸入預訓練的目標坐姿檢測神經網絡中的步驟之前，包括：

當實驗用戶以實驗坐姿坐下時，獲取所述N*M個壓力傳感器的原始特征數據，所述原始特征數據包括每個所述壓力傳感器檢測到的原始壓力值和每個所述壓力傳感器的坐標值；

對所述原始特征數據進行特征提取，獲取所述原始特征數據的原始高階數據，所述原始高階數據用于表示所述原始特征數據的分布特征；

將所述原始特征數據和所述原始高階數據添加所述實驗坐姿的標簽后，分別輸入預設神經網絡的不同層進行訓練，獲取所述目標坐姿檢測神經網絡。

6.根據權利要求5所述的坐姿檢測方法，其特征在于，所述將所述原始特征數據和所述原始高階數據添加所述實驗坐姿的標簽后，分別輸入預設神經網絡的不同輸入層進行訓練的步驟之前，包括：

對所述原始特征數據和所述原始高階數據進行標準歸一化運算。