摘要：针对传统坐姿识别系统中传感器数量多和系统较复杂导致成本过高等问题,设计一种基于少量体压传感器和支持向量机(SVM)算法的坐姿识别方法.首先,设计一种由少量薄膜压力传感器构成的体压传感阵列,将其置于坐垫内部;然后,利用该传感阵列采集不同坐姿的体压数据,并绘制相应的体压分布等高线图;最后,以体压数据作为特征向量,结合支持向量机算法建模,以实现坐姿分类自动识别.测试结果表明:少量体压传感器也能获取不同坐姿的体压分布特征;SVM坐姿分类模型在熟悉样本下的坐姿识别准确率达98.3%,在陌生样本下的坐姿识别准确率达92.5%.

摘要：对溶液流延法和静电纺丝法制备出的聚偏二氟乙烯(PVDF)/钛酸钡(BaTiO_(3))复合薄膜进行压电性能分析,并且对不同质量分数BaTiO_(3)的压电复合薄膜进行性能测试,确定最佳的掺杂比例,使用丝网印刷方法制备出传感器阵列。设计信号转换电路、复位电路、供电电路、多路选通电路,使用PyQt5编写上位机图形可视化界面。在坐姿的识别过程中对五种不同的坐姿(左倾、右倾、正常、前倾、后倾)进行数据采集,对采集到的数据进行线性插值滤波,使用支持向量机(SVM)对数据进行分类,通过添加不同的核函数进行对比分析,实验结果表明识别准确率达到88.33%。

摘要：为了解决目前使用的坐姿识别技术存在成本高、操作复杂等问题,设计一种柔性传感单元并制成柔性传感阵列坐垫,提出了一种深度学习网络结构,通过实验对5种不同的坐姿进行识别,平均准确率达到98.46%。该方法将柔性传感坐垫与深度学习结合,提供了一种成本低、普适性强的方案,有助于提示青少年及久坐人群的坐姿问题,从而改善因坐姿问题导致的并发症。

摘要：为解决当前坐姿检测存在的特征利用不充分、识别效率较低等问题,设计一种基于注意力机制的深度学习坐姿检测与识别方法。利用坐姿智能检测系统采集压力数据并进行预处理,构建坐姿数据集。采用卷积神经网络初步提取坐姿关键特征,引入轻量化注意力机制重新调配特征权重,以提高特征提取效果。最后使用极限学习机对提取的特征进行高效坐姿分类。实验结果表明,群体数据集上的6倍交叉验证平均准确率达94.83%,相比卷积神经网络提高了4.28%,单样本检测速度仅为3.205×10-4s,满足实时检测需求。上述模型能为坐姿图像分类提供有效的方法,且网络在保证预测速度的基础上,提升了算法的预测准确率和模型泛化能力。

摘要：为了能够实时准确地检测出驾驶员的疲劳状态及驾驶行为,保障汽车前排驾乘人员的安全驾驶,设计了一种面部与坐姿智能识别方法,用于实时判定前排驾乘人员的疲劳状态及驾驶行为。基于不同结构的神经网络,捕捉面部和行为特征,定位头部位置和行为状态,推断疲劳程度和全身坐姿。实验结果表明,打哈欠疲劳测试结果准确率高于长时间闭眼;My_Dense模型测试识别优于其他两种坐姿检测模型。因此,面部与坐姿智能识别方法能够有效地判定驾驶员的疲劳状态及驾驶行为,提供精准辅助与安全预警。

摘要：坐姿正确与否与青少年的健康状况紧密相关,长时间坐姿不良将引发颈椎病,甚至加大近视和脊柱侧弯等疾病的发病概率。利用OpenPose建立人体骨骼模型并计算关节夹角,通过坐姿检测确定标准坐姿阈值、建立姿态匹配库,实现坐姿识别。在坐姿识别基础上添加灯光自调功能,以创造舒适的书写环境,进一步促进青少年养成良好的坐姿习惯,健康成长。

摘要：针对上班族而设计了智能坐垫。坐垫是在实现生物特征身份识别的基础上,利用分布式薄膜压力传感器进行坐姿识别,同时,针对不健康姿势设计了久坐提醒功能,并利用微信小程序进行信息查询。解决了久坐问题,实现非静态生活方式,也可以提供一种全新的身份认证手段。

摘要：目前,有很多基于机器学习的坐姿监测系统对用户的不规范坐姿进行预警,以减少由于不良坐姿造成颈肩腰椎发病问题。本文主要设计一种坐姿监测信息采集系统采集用于机器学习训练的数据,通过以坐在椅子上的用户作为对象,采用STM32为主控的压力传感器获取用户施加在椅子上的压力值,摄像头实时获取用户的坐姿视频流,识别人体关键点,收集人体姿态关键点的数据集,两种数据同时在基于树莓派的Pyqt界面上采集与整合。在获取不同坐姿情况下的传感数据的同时,用户可以借助视频画面中识别出的身体各部位关键点的实时位置,及时地将坐姿调整为本次采集数据对应的坐姿,避免在采集坐姿数据时,采集的数据并非用户此时对应的坐姿数据,从而确保采集的数据更加准确有效。结果表明,本系统结合传感器和视频流两种方式相较于仅使用单个采集数据可以更加快速、精确地采集用户坐姿信息数据。

摘要：为提高轮椅的安全性和舒适性,设计一种智能轮椅控制系统,基于使用者驾驶行为习惯(坐姿)辅助控制轮椅,同时监测周围环境信息进行自主避障。通过合理布局单点式压力传感器,利用支持向量机(support vector machine,SVM)实现坐姿识别;通过融合激光雷达与超声波传感器监测周围环境;最终以坐姿类别、环境类别、障碍物距离为输入,轮椅速度与转角为输出,设计三维模糊控制器,实现轮椅自主避障。经实验验证,该系统识别准确率高、避障控制稳定性好,可为用户提供一种安全、舒适、智能的轮椅控制方案。

摘要：针对不良坐姿可能对学生身体肌肉骨骼等造成的伤害,采用Kinect运动捕捉设备和Open-Pose实时多人2D人体姿态检测系统,搭建一个坐姿监测系统,用于实时检测和评估学生学习过程中的坐姿。通过实验对比Kinect SDK V2、OpenPose、人工检测数据,论证OpenPose进行坐姿识别的可行性、有效性和可靠性。具体阐述了该监测系统框架的构建及实现坐姿判别的方法和过程,实验结果证明,该坐姿监测系统能够准确获取学生动态坐姿中的身体关键角度及视距变化等数据,实现坐姿监测与评估功能。