本發(fā)明涉及智能分析領(lǐng)域，特別是涉及一種坐墊及坐姿分析方法。

背景技術(shù)：

人體最常見的姿勢有三種：站、躺、坐。在人們的日常生活中，通常保持坐姿的時間相對較長，坐姿是人體最自然的姿勢之一。對于計算機(jī)工作站的工作者、辦公室一族來說，他們通常工作時間長期保持坐姿，導(dǎo)致身體存在不同程度的不適，長此以往，還會導(dǎo)致一些疾病。坐姿在一定程度上決定著我們的健康，在無法避免保持坐姿的情況下，改善我們的坐姿，可以有效的改善我們的身體健康狀態(tài)，減輕一些疾病的癥狀。

現(xiàn)有的測量坐姿的坐墊通常采用電容傳感技術(shù)，利用兩個帶電體作為電極構(gòu)成電容器，通過測量坐墊中的電容值變化獲得坐墊受力的相關(guān)參數(shù)。由于人體接觸坐墊的電容器中的極板，通常會產(chǎn)生相應(yīng)的寄生電容，導(dǎo)致測量結(jié)果不準(zhǔn)確。而對于能夠避免寄生電容的坐墊，通常成本非常高。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種坐墊及坐姿分析方法，以解決現(xiàn)有技術(shù)中坐姿測量結(jié)果不準(zhǔn)確的問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了如下方案：

一種坐墊，所述坐墊包括：m×n的壓力傳感器陣列，所述壓力傳感器陣列包括列導(dǎo)線層、導(dǎo)電纖維層和行導(dǎo)線層，所述導(dǎo)電纖維層設(shè)于所述列導(dǎo)線層與所述行導(dǎo)線層之間；所述列導(dǎo)線層布設(shè)有m條平行的列導(dǎo)線；所述行導(dǎo)線層布設(shè)有n條平行的行導(dǎo)線；所述行導(dǎo)線與所述列導(dǎo)線交叉，且每一條所述行導(dǎo)線通過所述導(dǎo)電纖維層與每一條所述列導(dǎo)線連通，構(gòu)成一個壓力傳感器。

可選的，所述導(dǎo)電纖維為涂覆有壓電的纖維基紗線聚合物。

可選的，所述行導(dǎo)線與所述列導(dǎo)線相互垂直。

一種坐姿分析裝置，所述裝置包括坐墊、第一模擬開關(guān)、第二模擬開關(guān)、單片機(jī)、上位機(jī)；

所述坐墊包括：m×n的壓力傳感器陣列，所述壓力傳感器陣列包括列導(dǎo)線層、導(dǎo)電纖維層和行導(dǎo)線層，所述導(dǎo)電纖維層設(shè)于所述列導(dǎo)線層與所述行導(dǎo)線層之間；所述列導(dǎo)線層布設(shè)有m條平行的列導(dǎo)線；所述行導(dǎo)線層布設(shè)有n條平行的行導(dǎo)線；所述行導(dǎo)線與所述列導(dǎo)線交叉，且每一條所述行導(dǎo)線通過所述導(dǎo)電纖維層與每一條所述列導(dǎo)線連通，構(gòu)成一個壓力傳感器；

所述單片機(jī)的第一輸出端通過所述第一模擬開關(guān)的控制端連接所述列導(dǎo)線層的條平行的列導(dǎo)線；所述單片機(jī)的第二輸出端通過所述第二模擬開關(guān)的控制端連接所述行導(dǎo)線層的條平行的行導(dǎo)線；所述單片機(jī)的輸入端連接所述第二模擬開關(guān)的輸出端，用于采集所述個壓力傳感器的電壓值數(shù)據(jù)；所述單片機(jī)的第三輸出端與所述上位機(jī)連接，用于向所述上位機(jī)傳輸采集的電壓值數(shù)據(jù)；

所述上位機(jī)用于根據(jù)所述電壓值數(shù)據(jù)分析坐墊使用者的坐姿。

可選的，所述裝置還包括：模數(shù)轉(zhuǎn)換器，所述單片機(jī)的輸入端通過所述模數(shù)轉(zhuǎn)換器連接所述第二模擬開關(guān)的輸出端，所述模數(shù)轉(zhuǎn)換器用于對采集的電壓值數(shù)據(jù)進(jìn)行模數(shù)轉(zhuǎn)換，生成數(shù)字信號。

可選的，所述導(dǎo)電纖維為涂覆有壓電的纖維基紗線聚合物。

一種坐姿分析方法，所述方法包括：

采集坐墊中個壓力傳感器的電壓值數(shù)據(jù)，所述坐墊包括：m×n的壓力傳感器陣列，所述壓力傳感器陣列包括列導(dǎo)線層、導(dǎo)電纖維層和行導(dǎo)線層，所述導(dǎo)電纖維層設(shè)于所述列導(dǎo)線層與所述行導(dǎo)線層之間；所述列導(dǎo)線層布設(shè)有m條平行的列導(dǎo)線；所述行導(dǎo)線層布設(shè)有n條平行的行導(dǎo)線；所述行導(dǎo)線與所述列導(dǎo)線交叉，且每一條所述行導(dǎo)線通過所述導(dǎo)電纖維層與每一條所述列導(dǎo)線連通，構(gòu)成一個壓力傳感器；

將所述電壓值數(shù)據(jù)轉(zhuǎn)換為數(shù)字信號；

根據(jù)所述數(shù)字信號獲得坐墊受力圖像；

對所述數(shù)字信號進(jìn)行小波分解，提取特征，獲得分解后的數(shù)據(jù)；

利用bp神經(jīng)網(wǎng)絡(luò)對所述分解后的數(shù)據(jù)進(jìn)行坐姿分析，得到坐墊使用者的坐姿類型，所述坐姿類型包括：右部偏姿、左部偏姿、前部偏姿、后部偏姿和均勻坐姿。

可選的，所述根據(jù)所述數(shù)字信號獲得坐墊受力圖像，具體包括：

根據(jù)所述數(shù)字信號生成座墊受力初始圖像；

用不同的顏色標(biāo)識所述初始圖像中不同受力值對應(yīng)的壓力傳感器位置；

采用插值算法將所述初始圖像中沒有壓力傳感器的區(qū)域填充顏色；

獲得最終的所述坐墊受力圖像。

可選的，所述利用bp神經(jīng)網(wǎng)絡(luò)對所述分解后的數(shù)據(jù)進(jìn)行坐姿分析，得到坐墊使用者的坐姿類型，具體包括：

構(gòu)建bp神經(jīng)網(wǎng)絡(luò)坐姿識別模型；

根據(jù)所述分解后的數(shù)據(jù)和坐姿類型個數(shù)確定所述bp神經(jīng)網(wǎng)絡(luò)坐姿識別模型中隱含層的個數(shù)；

將所述分解后的數(shù)據(jù)輸入所述bp神經(jīng)網(wǎng)絡(luò)坐姿識別模型的輸入層；

根據(jù)所述bp神經(jīng)網(wǎng)絡(luò)坐姿識別模型確定所述坐姿使用者的坐姿類型。

可選的，所述構(gòu)建bp神經(jīng)網(wǎng)絡(luò)坐姿識別模型，具體包括：

將分解后的數(shù)據(jù)作為bp神經(jīng)網(wǎng)絡(luò)的輸入端，坐姿類型作為輸出端，構(gòu)建bp神經(jīng)網(wǎng)絡(luò)初步模型；

利用q個樣本對所述bp神經(jīng)網(wǎng)絡(luò)初步模型進(jìn)行訓(xùn)練；

計算所述q個樣本的訓(xùn)練誤差；

判斷所述訓(xùn)練誤差是否小于設(shè)定誤差閾值，得到第一判斷結(jié)果；

當(dāng)所述第一判斷結(jié)果表示所述訓(xùn)練誤差小于設(shè)定誤差閾值時，確定所述bp神經(jīng)網(wǎng)絡(luò)初步模型為bp神經(jīng)網(wǎng)絡(luò)坐姿識別模型。

根據(jù)本發(fā)明提供的具體實(shí)施例，本發(fā)明公開了以下技術(shù)效果：

準(zhǔn)確度高：本發(fā)明采用壓力傳感器陣列來測量坐墊壓力信息，傳感點(diǎn)相對較多，加上與算法相結(jié)合能實(shí)現(xiàn)較高的分辨率，且坐墊壓力的變化直接影響壓力傳感器中導(dǎo)電纖維層的內(nèi)部壓力，導(dǎo)電纖維層內(nèi)部壓力越大，阻值越小，從而使得壓力傳感器的輸出有變化，在測量過程中不受外界其他因素的影響，測量結(jié)果的準(zhǔn)確度不受壓力影響，因此準(zhǔn)確度高。

工藝簡單：本坐墊只需由上中下三部分組成，上層是鋪有縱向?qū)Ь€的普通織物涂布，下層是鋪有橫向?qū)Ь€的普通織物涂布，中間層是電阻可隨壓力改變的導(dǎo)電纖維，制作工藝相對簡單，此三個部分都是比較容易制作加工的。

結(jié)構(gòu)簡單：此系統(tǒng)雖然有m×n個傳感器點(diǎn)，但所需的信號線只有m+n根，相較于用其它傳感器，如壓阻傳感器，若用m×n個傳感器，每個傳感器有兩根信號線，因此總共需2m×n根信號線。

附圖說明

為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實(shí)施例中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1為本發(fā)明坐墊的結(jié)構(gòu)圖；

圖2為本發(fā)明坐姿分析裝置的結(jié)構(gòu)圖；

圖3為本發(fā)明坐姿分析裝置中傳感器與模擬開關(guān)連接電路圖；

圖4為本發(fā)明坐姿分析方法的流程圖。

具體實(shí)施方式

下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。

為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合附圖和具體實(shí)施方式對本發(fā)明作進(jìn)一步詳細(xì)的說明。

圖1為本發(fā)明坐墊的結(jié)構(gòu)圖。如圖1所示，所述坐墊包括：m×n的壓力傳感器陣列，m和n均為大于零的整數(shù)，例如，m＝5、n＝6，此時構(gòu)成5×6的壓力傳感器陣列；m＝8、n＝8，此時構(gòu)成8×8的壓力傳感器陣列；m＝10、n＝10，此時構(gòu)成10×10的壓力傳感器陣列。具體壓力傳感器陣列的大小，根據(jù)實(shí)際需求可作調(diào)節(jié)。所述壓力傳感器陣列包括列導(dǎo)線層101、導(dǎo)電纖維層102和行導(dǎo)線層103；

所述導(dǎo)電纖維層102設(shè)于所述列導(dǎo)線層101與所述行導(dǎo)線層103之間；導(dǎo)電纖維層102是基于導(dǎo)電纖維的材料，其是涂覆有壓電的纖維基紗線聚合物，在沒有外力的作用下，導(dǎo)電纖維內(nèi)部的阻值是很大的，當(dāng)有外力施加在坐墊表面時，導(dǎo)電纖維的內(nèi)部被擠壓，其電阻就會變得很小。其在同一側(cè)的任意兩點(diǎn)之間的電阻可以被看作是無限的。因此，我們可以采取這個特點(diǎn)設(shè)計高密度和低成本壓力傳感器陣列。

所述列導(dǎo)線層101為普通織物均勻涂布上布設(shè)有m條平行的列導(dǎo)線1011；所述行導(dǎo)線層103為普通織物均勻涂布上布設(shè)有n條平行的行導(dǎo)線1013；所述行導(dǎo)線與所述列導(dǎo)線交叉，且每一條所述行導(dǎo)線通過所述導(dǎo)電纖維層102與每一條所述列導(dǎo)線連通，構(gòu)成一個壓力傳感器。此時，行導(dǎo)線與列導(dǎo)線之間的夾層導(dǎo)電纖維層即為電阻，行導(dǎo)線與列導(dǎo)線的每個交點(diǎn)變?yōu)閴毫γ舾须娮?，形成壓力傳感器。在具體實(shí)施時，行導(dǎo)線與列導(dǎo)線垂直，此時坐墊上m×n個壓力傳感器分布均勻。

圖2為本發(fā)明坐姿分析裝置的結(jié)構(gòu)圖。如圖2所示，所示裝置包括：坐墊201、第一模擬開關(guān)202、第二模擬開關(guān)203、單片機(jī)204、上位機(jī)205；

坐墊201采用圖1所示的坐墊結(jié)構(gòu)，包括m×n的壓力傳感器陣列，所述壓力傳感器陣列為三層夾層結(jié)構(gòu)，包括列導(dǎo)線層2011、導(dǎo)電纖維層2012和行導(dǎo)線層2013。

所述單片機(jī)204的第一輸出端通過所述第一模擬開關(guān)202的控制端連接所述列導(dǎo)線層2011的m條平行的列導(dǎo)線；

所述單片機(jī)204的第二輸出端通過所述第二模擬開關(guān)203的控制端連接所述行導(dǎo)線層2013的n條平行的行導(dǎo)線；

所述單片機(jī)204的輸入端連接所述第二模擬開關(guān)203的輸出端，用于采集所述m×n個壓力傳感器的電壓值數(shù)據(jù)；

所述單片機(jī)204的第三輸出端與所述上位機(jī)205連接，用于向所述上位機(jī)205傳輸采集的電壓值數(shù)據(jù)；單片機(jī)204的作用是對測量到的壓力信號進(jìn)行采集和進(jìn)行一定相應(yīng)的處理，然后通過單片機(jī)204與上位機(jī)205的串行通信接口用一定的方法將采集處理后的壓力數(shù)據(jù)傳輸?shù)缴衔粰C(jī)205上。

所述上位機(jī)205用于根據(jù)所述電壓值數(shù)據(jù)分析坐墊使用者的坐姿。主要找出特定的幾種典型坐姿與其相對應(yīng)的壓力分布情況，對特定的坐姿進(jìn)行判別，將采集到的人體坐姿壓力分布數(shù)據(jù)實(shí)現(xiàn)可視化。

所述裝置還包括：模數(shù)轉(zhuǎn)換器，所述單片機(jī)204的輸入端通過所述模數(shù)轉(zhuǎn)換器連接所述第二模擬開關(guān)203的輸出端，所述模數(shù)轉(zhuǎn)換器用于對采集的電壓值數(shù)據(jù)進(jìn)行模數(shù)轉(zhuǎn)換，生成數(shù)字信號。

本發(fā)明的坐姿分析裝置具有以下優(yōu)點(diǎn)：

工藝簡單：坐墊只需由上中下三部分組成，上層是鋪有縱向?qū)Ь€聚丙烯塑料板(或者普通織物均勻涂布)，下層是鋪有橫向?qū)Ь€聚丙烯塑料板(或者普通織物均勻涂布)，中間一層電阻可隨壓力改變的導(dǎo)電纖維層，制作工藝相對簡單，此三個部分都是比較容易制作加工的。國內(nèi)進(jìn)行坐姿識別使用較多的是pvdf壓力傳感器，這種傳感器國內(nèi)的技術(shù)比較成熟，由于能做的廠家較少，所以價格相對昂貴一些。本發(fā)明的坐墊采用分布式的傳感器陣列，成本相對低廉好多。

結(jié)構(gòu)簡單：此系統(tǒng)雖然有m×n個傳感器點(diǎn)，但所需的信號線只有m+n根，相較于用其它傳感器，如壓阻傳感器，若用m×n個傳感器，每個傳感器有兩根信號線，因此總共需2m×n根信號線。

圖3為本發(fā)明坐姿分析裝置中傳感器與模擬開關(guān)連接電路圖。如圖3所示，頂層列導(dǎo)線層的每個導(dǎo)電總線通過模擬開關(guān)s1連接到電源vcc。底部行導(dǎo)線層的每個導(dǎo)電總線通過模擬開關(guān)s2連接到模數(shù)轉(zhuǎn)換器(analogtodigitalconverter，adc)并通過偏移電阻r0接地，r0也有一定的分壓作用。s1和s2都由微控制器控制。當(dāng)控制s1選擇連接到頂部的一個總線i時電壓供應(yīng)，s2中通道j的讀數(shù)為傳感器vij。借助外圍電路，微控制器(單片機(jī))可以訪問此數(shù)組中的任意傳感器的電壓值。

單片機(jī)首先控制多路模擬開關(guān)電路，負(fù)責(zé)選擇切換m×n路坐姿壓力分布信號。單片機(jī)控制s1輪流一次給每根導(dǎo)線加3.3v電壓，當(dāng)s1選擇連接到頂部的一個總線i時電壓供應(yīng)，s1中通道j的讀數(shù)為傳感器vij，借助外圍電路，微控制器可以訪問此數(shù)組中每一個傳感器的電壓值。對于采集到的數(shù)據(jù)需要進(jìn)行a/d轉(zhuǎn)換才能發(fā)送給計算機(jī)，本系統(tǒng)選擇單片機(jī)上自帶的a/d轉(zhuǎn)換模塊能滿足需要，也可以選擇單獨(dú)的a/d轉(zhuǎn)換器進(jìn)行模數(shù)轉(zhuǎn)換。

圖4為本發(fā)明坐姿分析方法的流程圖。如圖4所示，所述方法包括：

步驟401：采集坐墊中壓力傳感器數(shù)據(jù)。壓力傳感器數(shù)據(jù)為電壓值數(shù)據(jù)。坐墊為采用圖1所示的坐墊結(jié)構(gòu)，坐墊包括m×n的壓力傳感器陣列，所述壓力傳感器陣列為三層夾層結(jié)構(gòu)，包括列導(dǎo)線層、導(dǎo)電纖維層和行導(dǎo)線層。

步驟402：將電壓值數(shù)據(jù)轉(zhuǎn)換為數(shù)字信號。由于步驟401采集的是壓力分布的模擬信號，因此進(jìn)行模數(shù)轉(zhuǎn)換，并將模數(shù)轉(zhuǎn)換后的數(shù)字信號進(jìn)行保存來等待后續(xù)的一系列處理工作。

步驟403：獲得坐墊受力圖像。根據(jù)所述數(shù)字信號，根據(jù)壓力分布獲得坐墊受力圖像。由于接收的數(shù)字信號是代表不同壓力大小的數(shù)字信號，運(yùn)用開發(fā)工具matlab自帶的配色方案將不同的壓力傳感器采集到的代表不同壓力大小的位置用不同的顏色來代表它的大小，對于沒有壓力傳感器的位置采取用插值算法合理補(bǔ)充其顏色。如此，gui界面上就會出現(xiàn)一幅代表坐姿壓力分布的壓力分布圖，不同顏色代表不同的壓力大小。具體過程為：

根據(jù)所述數(shù)字信號中的壓力分布信息生成座墊受力初始圖像；

用不同的顏色標(biāo)識所述初始圖像中不同受力值對應(yīng)的壓力傳感器位置；

采用插值算法將所述初始圖像中沒有壓力傳感器的區(qū)域填充顏色；

獲得最終的所述坐墊受力圖像。

步驟404：獲得分解后的數(shù)據(jù)。對所述數(shù)字信號進(jìn)行小波分解，提取特征，獲得分解后的數(shù)據(jù)。小波分解是通過時頻域下的一系列小波基函數(shù)，對壓力信號進(jìn)行分段的一種信號處理手段。它能夠通過對不同小波基函數(shù)的選取，去完成不同頻率段信號的分解和重構(gòu)，最終得到被細(xì)致分析后的、剔除了部分噪聲的波形。從數(shù)學(xué)的角度看，即通過時域一維信號到時頻域二維空間的轉(zhuǎn)換，最終達(dá)到多分辨率分析的目的。

步驟405：利用bp神經(jīng)網(wǎng)絡(luò)進(jìn)行坐姿分析，獲得坐姿類型。利用bp神經(jīng)網(wǎng)絡(luò)對所述分解后的數(shù)據(jù)進(jìn)行坐姿分析，得到坐墊使用者的坐姿類型，所述坐姿類型包括：右部偏姿、左部偏姿、前部偏姿、后部偏姿和均勻坐姿。具體過程為：

構(gòu)建bp神經(jīng)網(wǎng)絡(luò)坐姿識別模型。結(jié)合坐姿壓力分布信息對bp網(wǎng)絡(luò)的結(jié)構(gòu)、輸入輸出以及各種參數(shù)進(jìn)行設(shè)計，構(gòu)建基于bp神經(jīng)網(wǎng)絡(luò)的坐姿識別模型；

根據(jù)所述分解后的數(shù)據(jù)和坐姿類型個數(shù)確定所述bp神經(jīng)網(wǎng)絡(luò)坐姿識別模型中隱含層的個數(shù)。隱含層神經(jīng)元個數(shù)對bp神經(jīng)網(wǎng)絡(luò)的性能影響較大。若隱含層神經(jīng)元的個數(shù)較少，則網(wǎng)絡(luò)不能充分描述輸入和輸出變量之間的關(guān)系；相反若隱含層神經(jīng)元的個數(shù)較多，則會導(dǎo)致網(wǎng)絡(luò)的學(xué)習(xí)時間變長，甚至出現(xiàn)過擬合的問題。目前還沒有確定隱含層神經(jīng)元個數(shù)的統(tǒng)一方法，一般可以參考經(jīng)驗(yàn)公式其中p為隱含層神經(jīng)元個數(shù)，n為輸入層神經(jīng)元個數(shù)(本發(fā)明中n＝m×n)，q為輸出層神經(jīng)元個數(shù)(即坐姿分類的數(shù)量)，a取為0到10之間的常數(shù)。為了獲得最佳的隱含層神經(jīng)元個數(shù)，可在上述經(jīng)驗(yàn)公式的基礎(chǔ)上，選取不同的隱含層神經(jīng)元數(shù)目分別進(jìn)行測試，分別記錄每種情況下訓(xùn)練后網(wǎng)絡(luò)的實(shí)際輸出與期望輸出的均方誤差大小及訓(xùn)練步數(shù),綜合考慮誤差較小而且訓(xùn)練步數(shù)較少的網(wǎng)絡(luò)，從而確定更為合適的隱含層神經(jīng)元個數(shù)。在本網(wǎng)絡(luò)中，選取隱含層神經(jīng)元為12個。

將所述分解后的數(shù)據(jù)輸入所述bp神經(jīng)網(wǎng)絡(luò)坐姿識別模型的輸入層。本發(fā)明中將m×n維的壓力傳感信號作為bp神經(jīng)網(wǎng)絡(luò)的輸入，即輸入神經(jīng)元的個數(shù)為m×n個。

根據(jù)所述bp神經(jīng)網(wǎng)絡(luò)坐姿識別模型確定所述坐姿使用者的坐姿類型。將相應(yīng)的坐姿類型作為輸出結(jié)果。輸出層為坐姿類別，分別為右部偏姿、左部偏姿、前部偏姿、后部偏姿和均勻坐姿，分別定義為1，2，3，4，5，輸出層節(jié)點(diǎn)數(shù)為1。

其中，構(gòu)建bp神經(jīng)網(wǎng)絡(luò)坐姿識別模型的過程為：

將分解后的數(shù)據(jù)作為bp神經(jīng)網(wǎng)絡(luò)的輸入端，坐姿類型作為輸出端，構(gòu)建bp神經(jīng)網(wǎng)絡(luò)初步模型；

利用q個樣本對所述bp神經(jīng)網(wǎng)絡(luò)初步模型進(jìn)行訓(xùn)練；

計算所述q個樣本的訓(xùn)練誤差；

判斷所述訓(xùn)練誤差是否小于設(shè)定誤差閾值，得到第一判斷結(jié)果；

當(dāng)所述第一判斷結(jié)果表示所述訓(xùn)練誤差小于設(shè)定誤差閾值時，確定所述bp神經(jīng)網(wǎng)絡(luò)初步模型為bp神經(jīng)網(wǎng)絡(luò)坐姿識別模型。

例如：將壓力傳感信號作為神經(jīng)網(wǎng)絡(luò)的輸入端，將相應(yīng)的坐姿類別作為輸出端，構(gòu)建7*12*1的bp網(wǎng)絡(luò)，并對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，選擇260個樣本作為訓(xùn)練樣本，一個樣本作為測試樣本構(gòu)建bp神經(jīng)網(wǎng)絡(luò)坐姿識別模型。通過matlab自帶神經(jīng)網(wǎng)絡(luò)工具箱對其進(jìn)行訓(xùn)練，設(shè)定的訓(xùn)練次數(shù)為1000次，訓(xùn)練誤差目標(biāo)為0.0001，學(xué)習(xí)率為0.05，當(dāng)訓(xùn)練誤差小于訓(xùn)練誤差目標(biāo)(設(shè)定誤差閾值)時，則符合要求，bp神經(jīng)網(wǎng)絡(luò)坐姿識別模型構(gòu)建成功。

該方法基本上是可以反映出人體坐姿的壓力分布情況的并可以判別出五種坐姿類型。根據(jù)可視化界面所顯示出來的壓力分布圖的不同顏色，可以定性的判別出各傳感點(diǎn)處的壓力大小，進(jìn)而可以估計出人體坐姿壓力的分布情況。通過神經(jīng)網(wǎng)絡(luò)對訓(xùn)練數(shù)據(jù)的訓(xùn)練可以判斷出測試數(shù)據(jù)的坐姿類型。以上的所有測試均驗(yàn)證了該系統(tǒng)設(shè)計方案的可行性。

具體實(shí)施過程：

選擇五個志愿測試者用本發(fā)明進(jìn)行體壓分布測量及坐姿判別。一共安排五個測試者做兩組測試，第一組是讓他們隨意坐下，采取平時習(xí)慣的姿勢就坐，沒有特意安排測試者的坐姿。第二組是規(guī)定五個人的坐姿，讓他們分別采取之前訓(xùn)練所涉及到的五個坐姿，即后部偏姿(lb)、左部偏姿(rol)、右部偏姿(lor)、前部偏姿(sfe)、均勻坐姿(upright)。五名測試者的信息如下：

測試者a：25歲，女性，身高162cm，平時習(xí)慣坐椅子比較靠前的位置。第一組測試的時候處于正常坐姿sfe狀態(tài)，第二組測試的時候規(guī)定他處于蹺二郎腿rol狀態(tài)。

測試者b：26歲，女性，身高160cm，平時喜歡蹺二郎腿坐。做第一組測試的時候處于蹺二郎腿lor的姿勢，做第二組測試的時候規(guī)定她處于upright的坐姿狀態(tài)。

測試者c：24歲，男性，身高172cm，坐姿習(xí)慣良好。第一組測試的時候處于正常upright姿態(tài)，做第二組測試的時候規(guī)定他處于lor的坐姿狀態(tài)。

測試者d：23歲，女性，身高167cm，平時喜歡靠著椅子背坐著。第一組測試的時候處于lb的狀態(tài)，做第二組測試的時候規(guī)定她處于sfe的坐姿狀態(tài)。

測試者e：29歲，男性，身高176cm，平時喜歡蹺二郎腿。第一組測試的時候處于rol的狀態(tài)，做第二組測試的時候規(guī)定他處于lb的坐姿狀態(tài)。

兩組測試的結(jié)果如下：

在第一組中，測試者a習(xí)慣坐在椅子的靠前部位，陣列傳感器只有前部受力，后面并沒有受到力的作用，這樣的坐姿還是很健康的。測試者b由于平時的習(xí)慣是蹺二郎腿坐著，在測試當(dāng)中是左腿放在了右腿上蹺二郎腿，導(dǎo)致右側(cè)的受力面積明顯比左側(cè)的受力面積要大很多，坐姿壓力分布不平衡。測試者c由于習(xí)慣的是正常的直立的坐姿習(xí)慣，坐姿壓力分布的比較均勻，比較健康。測試者d由于喜歡靠著椅背坐，這樣導(dǎo)致他的中心靠后，傳感器后部受力較大，前部受力較小，身體呈現(xiàn)后傾癱坐的姿勢。測試者d平時也喜歡蹺二郎腿坐，在測試時是右腿放在了左腿上蹺二郎腿，導(dǎo)致左側(cè)的受力面積明顯比右側(cè)的受力面積要大。

第二組測試所得到的壓力分布圖也符合預(yù)先的設(shè)定?？偨Y(jié)以上的壓力分布圖可以看出，壓力分布圖的結(jié)果均符合事實(shí)以及人的直觀認(rèn)知。

lb型坐姿導(dǎo)致壓力重心靠后，傳感器后部的壓力遠(yuǎn)遠(yuǎn)大于前部的壓力，

lor型坐姿導(dǎo)致傳感器左側(cè)的壓力明顯比右側(cè)的要大一些，

rol型坐姿導(dǎo)致傳感器右側(cè)的壓力明顯比左側(cè)的要大一些，

sfe型坐姿導(dǎo)致壓力全都分布在傳感器的前部而后部沒有受力，并且在前部分布的較均勻，

upright型坐姿壓力分布就比較均勻，大致就是前后左右四個區(qū)域均勻分布。

本說明書中各個實(shí)施例采用遞進(jìn)的方式描述，每個實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處，各個實(shí)施例之間相同相似部分互相參見即可。對于實(shí)施例公開的系統(tǒng)而言，由于其與實(shí)施例公開的方法相對應(yīng)，所以描述的比較簡單，相關(guān)之處參見方法部分說明即可。

本文中應(yīng)用了具體個例對本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實(shí)施方式及應(yīng)用范圍上均會有改變之處。綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。