技术领域
[0001] 本
发明涉及智能交互领域，更具体地说，涉及一种坐姿监测坐垫，以及基于坐垫进行坐姿检测的方法，以及与坐垫智能交互的交互装置。
背景技术
[0002] 随着社会的进步，儿童的学习压
力也越来越大，长时间的坐着已经成为一种常态。而不良的坐姿，导致越来越多的儿童出现不同程度的视力下降、驼背、脊柱损伤等，严重影响儿童的身心发育。
[0003] 常见的儿童坐姿检测方法从形态上主要有穿戴式、距离检测式、红外检测式、双目摄像头式；常见的坐姿提示或反馈方法有振动、声光、灯光、屏幕显示等。但是由于穿戴的不便捷性及易丢失等特点，不适合儿童活跃的活动及心理状态。已有的坐姿的检测及
传感器技术相对已成熟，但针对儿童群体来说，如何达到坐姿的精准监测，以及如何通过一种新兴的交互设计来迎合儿童的喜好和心理需求，另使用者在使用坐姿检测装置时有相互激励的效应。
发明内容
[0004] 本发明要解决的技术问题在于，针对
现有技术的需要配备深度摄像头采集坐姿数据，大多适用于办公人员，不适合儿童使用，以及需要佩戴在儿童身上采集相关数据，限制了儿童的行动，容易产生不舒适感觉，提供一种儿童坐姿检测坐垫，该坐垫包括坐垫本体，坐垫内设有测量监测模
块、以阵列形式分布在坐垫内的多个
压力传感器和数据传输模块；其中：
[0005] 所述多个压力传感器以n行m列的阵列形式，均匀布置在坐垫内，用于监测人体坐姿压力分布的数据；
[0006] 所述测量监测模块包括依次连接的控
制芯片和传感器测量
电路；其中：所述传感器测量电路一端连接到压力传感器阵列，另一端连接到控制芯片，用于对压力传感器阵列传输的反映人体坐姿压力分布数据的电
信号进行接收，并将其进一步传输到控制芯片；
[0007] 所述控制芯片用于针对接收到的压力阵列数据，一方面在将其还原为压力分布图后，利用卷积
算法对压力分布图数据进行建模；另一方面，针对输入的人体坐姿压力分布数据，利用建模模型，得到用户的坐姿姿势数据，其中，建模过程中，根据不同使用者的具体坐姿情况进行自动标注和参数调整，对生成的压力分布图进行准确的坐姿分类，减少系统的误判率；其中，得到的用户坐姿姿势数据，将进一步通过数据传输模块，传输到与坐垫交互的装置中，做进一步处理。
[0008] 本发明中，不同于其他的散个
数据处理的方法，利用卷积算法对接收到的
电子数据处理，无需对传感器检测到的数据人为找特征建立模型，本发明直接用卷积算法直接对电子数据进行智能建模，不需要人为干预；将卷积算法应用于电子数据，其中，电子数据可以摆成图像阵列的情况进行处理，进一步体现了
深度学习的智能性和匹配性的优势。
[0009] 构建
卷积神经网络模型，快速训练坐垫所检测到的数据，用于分析和判断儿童坐姿情况。这种深度学习算法具有“学习”功能，在使用过程中能够根据不同使用者的具体坐姿情况进行自动标注和参数调整，对生成的压力分布图进行准确的坐姿分类，减少系统的误判率。
[0010] 进一步的，所述测量监测模块与压力传感器阵列之间通过排线
接口，进行连接，进一步保证了数据传输的
稳定性。
[0011] 进一步的，控制芯片中设置有
数据采集模块；
[0012] 所述数据采集模块，用于对压力分布图数据进行采集，并基于采集到的数据，建立坐姿数据样本库；
[0013] 控制芯片中还设置有坐姿
姿态识别模块；所述坐姿姿态识别模块用于基于卷积算法，构建坐姿姿态识别模型；其中，以坐姿数据样本库中的数据，作为训练样本，对坐姿姿态识别模块进行训练；
[0014] 控制芯片中还设置有姿态数据输出模块，用于利用训练得到的坐姿姿态识别模型，针对接收到的压力阵列数据，得到用户的坐姿姿态数据，所述用户的坐姿姿态将进一步传输到数据传输模块。
[0015] 进一步的，基于卷积算法，构建坐姿姿态识别模型的过程包括：
[0016] S1、从坐姿数据样本库中收集坐姿压力分布图样本，按照人体不同的坐姿姿势进行分类，并进一步构建训练集和测试集；
[0017] S2、在当前构建的坐姿姿态识别模型中，使用训练集样本进行一次正向传播；在经过卷积层提取特征、
池化层降低数据维度和全连接层再次提取特征后，输出坐姿状态，其中，根据输出的坐姿状态与实际的坐姿状态之间的误差，进行网络参数的更新；当前步骤下，反复
迭代直到输出的坐姿状态与实际的坐姿状态一致时，停止网络训练；
[0018] S3、输入测试集到步骤S2训练得到的坐姿姿态识别模型中，进行测试；在测试分类准确度未达到预设的标准值时，重复执行步骤S2和步骤S3；其中，在最终的数据分类准确度达到预设的标准值时，将当前所得的坐姿姿态识别模型作为
基础算法模型；并应用与姿态数据输出模块。
[0019] 其中，考虑到电子数据可以摆成图像阵列的情况，进一步将深度学习应有与处理电子数据，不同于传统的散个数据处理方法，利用卷积算法直接对数据进行智能建模，不需要人为干预，有效的节省了人力的投入。
[0020] 本发明提供的一种与坐垫交互的装置，该装置用于对用户的坐姿姿态数据进行接收；该装置包括用于数据收、传模块、主控芯片和视、音频解码模块；其中：
[0021] 所述数据收、传模块，用于对坐姿姿态数据进行接收并将其进一步传输到主控芯片；
[0022] 所述主控芯片，用于在接收到数据后，判断接收的是不良坐姿信息时，开启定时模式，在检测到的不良坐姿持续时间超过预设的时间
阈值后，控制视、音频解码模块发出振动提醒，和/或者做出视、音频提醒。
[0023] 本发明提供的一种与坐垫交互的智能化装置，进一步可以在监测到儿童维持不良坐姿超过一定时间的时候，有效的进行提醒。
[0024] 进一步的，该装置还包括显示屏幕，所述显示屏幕连接到主控芯片，用于进行实时的数据展示。
[0025] 进一步的，该平台还包括SD卡储存模块，所述SD卡储存模块分别连接到视、音频解码模块和主控芯片，用于存储视、音频解码模块输出的视、音频数据。
[0026] 本发明中，以SD卡储存模块作为资源库，储存视音频。主控模块通过
访问SD卡的数据选择播放相关的视频和音频。
[0027] 进一步的，所述主控芯片连接到
云服务器端，将其处理的数据进一步上传到云服务器端做存储。
[0028] 本发明提供的一种坐姿监测方法，基于如上述的儿童坐姿检测坐垫，以及如上述的与坐垫交互的装置进一步实现，包括以下步骤：
[0029] A1、用户开始使用坐垫，通过坐垫中设有的传感器测量电路，进行压力传感器阵列数据的检测；
[0030] A2、坐垫中设有的控制芯片，采集传感器测量电路传输的数据；其中，针对接收到的压力阵列数据，控制芯片内首先基于数据采集模块，对压力分布图数据进行采集；
[0031] 其次，基于坐姿姿态识别模块，该模块下，以坐姿数据样本库中的数据，作为训练样本，通过卷积算法，构建坐姿姿态识别模型；
[0032] 最后，基于姿态数据输出模块，将训练得到的坐姿姿态识别模型作为基础算法模型，得到用户姿态数据；所述用户姿态数据将进一步通过数据传输模块，传输到与坐垫交互的装置中；
[0033] A3、通过装置中设有的所述数据收、传模块对坐姿姿态数据进行接收并将其进一步传输到主控芯片；
[0034] A4、主控芯片在接收到坐姿姿态数据后，一方面将数据上传到云服务器端；另一方面，在判断接收的是不良坐姿信息，开启定时模式，在检测到的不良坐姿持续时间超过预设的时间阈值后，控制视、音频解码模块发出振动提醒和/或者视、音频提醒。
[0035] 进一步的，云服务器端每隔一段时间t，将用户的坐姿状态信息上传至
网站或APP。
[0036] 在本发明所述的儿童坐姿检测坐垫、与坐垫交互的装置以及坐姿监测方法中，带来的实际效果为：
[0037] 1、采用坐垫式设计，将压力传感器检测部分放置在可拆卸、可更换的坐垫中，使用时只需放置在座椅上即可，同时此设计便于携带；
[0038] 2、采用低成本的压力传感器实现坐姿检测，性价比高。
[0039] 3、采用带有显示装置的与坐垫交互的装置，显示坐姿检测和处理结果，同时完成模式选择和纠正提醒等功能；
[0040] 4、利用卷积算法对接收到的电子数据处理，无需对传感器检测到的数据人为找特征建立模型，本发明直接用卷积算法直接对电子数据进行智能建模，不需要人为干预；
[0041] 5、将卷积算法应用于电子数据，其中，电子数据可以摆成图像阵列的情况进行处理，进一步体现了深度学习的智能性和匹配性的优势。
附图说明
[0042] 下面将结合附图及
实施例对本发明作进一步说明，附图中：
[0043] 图1是坐垫内设有的装置分布结构图；
[0044] 图2是压力传感器的分布示意图；
[0046] 图4是坐垫内设有的装置的程序运行流程图；
[0047] 图5是与坐垫交互的装置结构图；
[0048] 图6是坐垫和与该坐垫交互的装置的程序流程示意图。
具体实施方式
[0049] 为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
[0050] 部分现有坐姿检测产品是物理作用的，需要按要求佩戴，限制了儿童的行动，容易产生不舒适感觉。另有部分相关坐姿检测产品具备智能化，但存在一些技术
缺陷。主要体现在以下几个部分：
[0051] (1)需要配备深度摄像头采集坐姿数据，系统复杂，占空间大，不适合儿童学习场景。
[0052] (2)需要佩戴在儿童身上采集相关数据，限制了儿童的行动，容易产生不舒适感觉。
[0053] (3)检测坐姿的准确度不高，容易出现误检的情况。
[0054] (4)采用交互平台为个人手机或
平板电脑，应用场景不符合教室、机房等学习环境。
[0055] (5)价格昂贵，不适用于普及。
[0056] 本发明的目的是设计一种高准确度、强趣味性、适用于儿童多场景使用的坐姿检测坐垫、与坐垫交互的智能交互系统和坐姿检测方法。本发明带来的有益效果具体为：
[0057] (1)本发明只采用低成本的压力传感器实现坐姿检测，性价比高。
[0058] (2)采用坐垫式设计，将压力传感器检测部分放置在可拆卸、可更换的坐垫中，使用时只需放置在座椅上即可，同时此设计便于携带。
[0059] (3)将压力传感器阵列数据转化为坐姿压力分布图，使用深度学习卷积神经网络进行样本训练，构建具有“学习”效果的算法模型，高效分类坐姿状态，提升坐姿检测的准确度。
[0060] (4)本发明以交互平台设计，完成模式选择和纠正提醒等功能。
[0061] (5)根据儿童心理活动特点，设计具有强趣味性的音视频内容，同时设置外放、震动等多种模式，可适用于各种环境，特别是教室、机房等学习环境。
[0062] 实施例1：
[0063] 本发明提供的一种儿童坐姿检测坐垫，该坐垫包括坐垫本体，坐垫内设有测量监测模块L1、以阵列形式分布在坐垫内的多个压力传感器L2和数据传输模块L3；其中(坐垫内设有的装置分布结构图请参考图1)：
[0064] 所述多个压力传感器以36行36列布置为压力传感器阵列L2，均匀布置在坐垫内，监测人体坐姿压力分布的数据；(压力传感器的分布示意图请参考图2)；其中每个小方块，例如方块“1”代表的是6行6列的压力传感器阵列。
[0065] 所述测量监测模块L1包括依次连接的控制芯片L11和传感器测量电路L12；本实施例中，所述测量监测模块L1与压力传感器阵列L2之间通过排线接口，进行连接。其中：
[0066] 所述传感器测量电路L12一端连接到压力传感器阵列L2，另一端连接到控制芯片L11，对压力传感器阵列L2传输的反映人体坐姿压力分布数据的
电信号进行接收，并将其进一步传输到控制芯片L11；
[0067] 所述控制芯片L11针对接收到的压力阵列数据，一方面在将其还原为压力分布图后，利用卷积算法对压力分布图数据进行建模；另一方面，针对输入的人体坐姿压力分布数据，利用建模模型，得到用户的坐姿姿势数据，其中，建模过程中，根据不同使用者的具体坐姿情况进行自动标注和参数调整，对生成的压力分布图进行准确的坐姿分类，减少系统的误判率；其中，得到的用户坐姿姿势数据，将进一步通过数据传输模块L3，传输到与坐垫交互的装置中，做进一步处理。
[0068] 本实施例中，控制芯片L11中设置有数据采集模块L111；
[0069] 所述数据采集模块L111用于对压力分布图数据进行采集，并基于采集到的数据，建立坐姿数据样本库；
[0070] 控制芯片L11中还设置有坐姿姿态识别模块L112；所述坐姿姿态识别模块L112用于基于卷积算法，构建坐姿姿态识别模型；其中，以坐姿数据样本库中的数据，作为训练样本，对坐姿姿态识别模块进行训练；其中：
[0071] 1、坐姿姿态识别模型的生成原理为：
[0072] 首先采用较密集的压力传感器组成阵列，用来采集用户臀部的坐压信息。将每一个压力传感器的数据视为一个
像素，则可将压力传感器阵列每一次采集的所有数据视为一张坐姿压力分布图；
[0073] 寻找出坐姿状态与坐姿压力分布图之间的关系，便可由坐姿压力分布图反推出坐姿类型。本系统使用卷积神经网络的方法构建训练模型，通过提取坐姿压力分布图的特征，对坐姿进行“左倾”、“右倾”、“正常”、“靠前”、“靠后”五种状态的分类。先收集大量不同人群的坐姿压力分布图样本进行训练，得到一个基本具备坐姿分类功能的基础模型。待用户使用时，系统收集用户的实际坐姿数据，对基础模型进行反复训练调整。用户使用时间越长，算法拟合度越高，最终能够达到较高的分类准确度。
[0074] 2、基于卷积算法，构建坐姿姿态识别模型的过程包括(具体可参考图3)：
[0075] S1、从坐姿数据样本库中收集坐姿压力分布图样本，按照人体不同的坐姿姿势进行分类，并进一步构建训练集和测试集；其中，可以收集大量不同人群的坐姿压力分布图样本，按照“左倾”、“右倾”、“正常”、“靠前”、“靠后”进行分类，
整理出具有一定比例的训练集和测试集，作为神经网络的输入数据。
[0076] S2、在当前构建的坐姿姿态识别模型中，使用训练集样本进行一次正向传播；在经过卷积层提取特征、池化层降低数据维度和全连接层再次提取特征后，输出坐姿状态，其中，根据输出的坐姿状态与实际的坐姿状态之间的误差，进行网络参数的更新；当前步骤下，反复迭代直到输出的坐姿状态与实际的坐姿状态一致时，停止网络训练；
[0077] S3、输入测试集到步骤S2训练得到的坐姿姿态识别模型中，进行测试；在测试分类准确度未达到预设的标准值时，重复执行步骤S2和步骤S3；其中，在最终的数据分类准确度达到预设的标准值时，将当前所得的坐姿姿态识别模型作为基础算法模型；并应用与姿态数据输出模块；
[0078] 用户开始使用时，先使用系统输入自身的坐姿样本。系统将在基础算法模型的基础上，使用本用户的自身坐姿数据训练算法模型，以提高系统对用户自身坐姿检测的准确度。使用过程中，用户也可主动进行校准，上传自身的坐姿样本。系统构建用户个人
数据库，持续训练
优化算法。
[0079] 控制芯片L11中还设置有姿态数据输出模块L113，用于利用训练得到的坐姿姿态识别模型，针对接收到的压力阵列数据，得到用户的坐姿姿态数据，所述用户的坐姿姿态将进一步传输到数据传输模块L3，所述数据传输模块L3不限于有线、无线、或以蓝牙连接方式，进行相应的数据传输。
[0080] 本实施例中，通过在坐垫内布置压力传感器阵列，结合深度学习算法，以压力传感器阵列输出的压力分布图作为
训练数据，构建基础算法模型，进一步对用户的坐姿姿态进行预判和输出，有效的提高了最后的数据输出精确度。
[0081] 请参考图4，其为坐垫内设有的装置的程序运行流程图，图中可知，基于主控芯片(相当于上述的控制芯片L11)，对压力传感器阵列输出的数据、数据库样本输出的训练数据(压力分布图)进行接收、处理后，进一步判断人体的坐姿，其中，判断所得的输出通过无线数传模块(相当于上述的数据传输模块，只是本实施例中，将其传输方式设定为无线传输)输出到终端显示设备、或与其进行数据交互的只能装置，样本数据库中，为了丰富样本数据库，分别输入的是个人坐姿数据、多人坐姿数据进行存储；其中，通过算法模型将人体坐姿分为“左倾”、“右倾”、“正常”、“靠前”、“靠后”五种状态。算法模型通过深度学习神经网络方法训练大量样本数据得到，使用时，也可以使用云服务器为用户分配个人数据库，依据用户反馈或自行校准的数据不断对算法模型进行训练、优化。
[0082] 实施例2：
[0083] 本发明公开了一种与坐垫交互的装置，通过该装置，可以将坐垫检测到的数据，进一步反馈到用户。
[0084] 该装置包括了数据收、传模块A1、主控芯片A2和视、音频解码模块A3(具体的装置结构图请参考图5)；其中：
[0085] 所述数据收、传模块A1连接到主控芯片A2，用于对坐姿姿态数据进行接收并将其进一步传输到主控芯片A2；
[0086] 所述主控芯片A2连接到视、音频解码模块A3，用于在接收到数据后，判断接收的是不良坐姿信息时，开启定时模式，在检测到的不良坐姿持续时间超过预设的时间阈值后，控制视、音频解码模块A3发出振动提醒，和/或者做出视、音频提醒。
[0087] 为了进一步对数据进行实时的显示，该装置中还设置显示屏幕A4，所述显示屏幕A4连接到主控芯片A2用于进行实时的数据展示。
[0088] 为了进一步对视、音频解码模块A3输出的视、音频数据进行存储，该装置还包括SD卡储存模块A5，所述SD卡储存模块A5分别连接到视、音频解码模块A3和主控芯片A2，来存储视、音频解码模块输出的视、音频数据。
[0089] 本实施例中，所述主控芯片A2连接到云服务器端，将其处理的数据进一步上传到云服务器端做存储。
[0090] 请参考图6，其为本发明实施例1和实施例2公开的坐垫和与该坐垫交互的装置的程序流程示意图，图中，所述该坐垫交互的装置设定为交互式平台(
手表)，将交互平台设计成手表样式，便于儿童佩戴在手上。同时，具备多种可调的模式，可在不同场景中使用和携带，特别适合于教室、机房等不能使用个人手机和平板电脑这类电子设备的环境，选取震动的模式实现坐姿提醒，实施过程中，将用户目标设定为儿童，通过压力传感器阵列采集儿童的坐姿数据，当前监测到的坐姿数据经过低通滤波(避免噪音数据的干扰)后，传输到坐垫中设置的控制芯片，控制芯片中基于卷积算法得到的基础坐姿判断模型，进一步进行坐姿结构的判断；随后判断结果将进一步以无线的方式传输到手表，通过手表的显示屏幕显示用户的坐姿状态，通过手表中设定的视、音频模块，按照用户的设置，进一步达到提醒的作用。
[0091] 本实施例中，利用坐垫上坐姿压力分布图具有整体面积大小固定和受力面积大致相同的特点，采用手表式交互平台设计，以2.8寸
液晶显示屏作为终端设备，显示坐姿检测和处理结果，同时完成模式选择和纠正提醒等功能；其中，首次采用基于卷积神经网络的算法，对
微处理器快速采集的大量样本进行训练和验证，精确检测用户的坐姿状况。
[0092] 本实施例中，用到的卷积算法具有“学习”功能，能够根据系统的数据反馈情况自行调整相关参数，自动标注分类模型。
[0093] 本发明提供的儿童坐姿检测方法，可适合不同身型的的儿童使用，也有利于快速生长发育的同一用户使用；本发明提供的儿童坐姿检测方法，也可以根据儿童心理活动特点，设计具有强趣味性的音视频内容，同时设置外放、震动等多种模式，可适用于各种环境，特别是教室、机房等学习环境。
[0094] 实施例3：
[0095] 本实施例，将进一步实施例1提供的一种儿童坐姿检测坐垫，以及实施例2提供的一种与坐垫交互的装置，进一步实现儿童坐姿检测，具体包括以下步骤：
[0096] 1、用户开始使用坐垫，通过坐垫中设有的传感器测量电路，进行压力传感器阵列数据的检测；
[0097] 2、坐垫中设有的控制芯片，采集传感器测量电路传输的数据；其中，针对接收到的压力阵列数据，控制芯片内首先基于数据采集模块，对压力分布图数据进行采集；
[0098] 其次，基于坐姿姿态识别模块，该模块下，以坐姿数据样本库中的数据，作为训练样本，通过卷积算法，构建坐姿姿态识别模型；
[0099] 最后，基于姿态数据输出模块，将训练得到的坐姿姿态识别模型作为基础算法模型，得到用户姿态数据；所述用户姿态数据将进一步通过数据传输模块，传输到与坐垫交互的装置中；
[0100] 3、通过装置中设有的所述数据收、传模块对坐姿姿态数据进行接收并将其进一步传输到主控芯片；
[0101] 4、主控芯片在接收到坐姿姿态数据后，一方面将数据上传到云服务器端；另一方面，在判断接收的是不良坐姿信息，开启定时模式，在检测到的不良坐姿持续时间超过预设的时间阈值后，控制视、音频解码模块发出振动提醒和/或者视、音频提醒。其中，云服务器端每隔一段时间t，将用户的坐姿状态信息上传至网站或APP。
[0102] 本实施例中，儿童坐在坐姿检测垫上，可以在坐垫上设置电源
开关、自检灯，在按下电源开关时，坐垫内作用的零部件进入到运行模块。此时，坐姿检测垫开始自检，等待自检正常灯亮起，即可正常使用；
[0103] 本实施例中，使用者可通过手表式交互平台设置选择提醒模式为振动提醒模式或者视音频提醒模式，增加了交互平台的娱乐性。
[0104] 本实施例中，还可以对坐姿检测垫的压力传感器阵列采集的坐姿压力数据，进行低通滤波处理，滤除干扰噪声。
[0105] 本实施例中，可以在数据上传到云服务器后，在云服务器内将数据还原为压力分布图，当前算法模型可以从云服务器获取到训练数据和测试数据，进一步进行网络训练；用户可可以通过手表式交互平台反馈坐姿检测效果至云服务器，云服务器依据用户反馈数据，持续的对数据进行更新。
[0106] 上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和
权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
