[发明专利]一种坐姿识别方法、装置、设备及存储介质

说明书

本发明为解决现有技术中坐姿识别精度较低的问题，提出一种坐姿识别方法、装置、设备及存储介质，其中坐姿识别方法包括以下步骤：采集大量坐姿数据，并对所述坐姿数据进行预处理，得到训练数据集；对所述训练数据集采用聚类算法进行训练，构建坐姿识别模型；采用压力传感器采集当前坐姿数据，输入完成训练的坐姿识别模型中，输出得到识别的坐姿类别标签。本发明使用聚类算法预训练一个算法模型，然后使用已训练好的该算法模型对未知的坐姿数据进行类别判定，能够有效提高坐姿识别精度，且能够有效降低计算资源开销。

技术领域

本发明涉及人工智能技术领域，更具体地，涉及一种坐姿识别方法、装置、设备及存储介质。

背景技术

随着社会不断进步，生活和工作节奏不断加快，大部分人工作学习，休闲娱乐，社交等活动都在座位上度过，人们日常花在座位上的时间越来越长。其中，不正确的坐姿产生了许多健康问题，对于每天长期坐在椅子上学习的学生来说，不正确的坐姿会对其视力和脊椎造成不良影响。对于工作的人来说，也会导致脊柱侧弯，肌肉骨骼疾患，颈椎疼痛等疾病。

目前，随着计算机科学技术的发展，有不少采用视觉和图像处理技术进行坐姿识别，如公开号为CN110717392A(公开日2020-01-21)提出的一种坐姿检测与纠正方法，通过获取目标对象当前所处座位的环境信息和所述目标对象的属性信息作为拍摄参数，获取目标对象的图像进行上半身追踪分析处理，从而确定所述目标对象当前所处坐姿的姿态信息。但采用图像处理技术的坐姿识别方法需要成本较高的硬件支持，而且由于所采集的图像的噪音影响，例如衣服、障碍物等，其识别结果存在精度较低的问题。

发明内容

本发明为解决上述现有技术所述的坐姿识别精度较低的问题，提供一种坐姿识别方法、装置、设备及存储介质。

为解决上述技术问题，本发明的技术方案如下：

一种坐姿识别方法，包括以下步骤：

S1：采集大量坐姿数据，并对所述坐姿数据进行预处理，得到训练数据集；

S2：对所述训练数据集采用聚类算法进行训练，构建坐姿识别模型；

S3：采用压力传感器采集当前坐姿数据，输入完成训练的坐姿识别模型中，输出得到识别的坐姿类别标签。

作为优选方案，所述聚类算法包括K均值聚类算法、均值漂移聚类算法、基于密度的聚类方法、基于高斯混合模型的最大期望聚类算法、凝聚层次聚类算法中的一种或多种。

作为优选方案，对所述训练数据集采用K均值聚类算法进行拟合训练构建坐姿识别模型的步骤包括：

S21：从所述训练数据集中选取前k条坐姿数据作为初始聚类质心，所述初始聚类质心分别形成簇；其中k为正整数；

S22：计算其余坐姿数据样本到每个聚类质心的距离，并将其分配到距离最近的簇中；

S23：判断当前坐姿数据样本所属的簇是否发生变化，若是，则更新质心，并跳转执行S22步骤；若否，则完成坐姿识别模型的构建。

作为优选方案，对所述坐姿数据进行预处理的步骤包括：清洗数据；对所述坐姿数据分别人工标注坐姿类别标签。

作为优选方案，所述坐姿类别标签包括前倾、后仰、左倾、右倾、正坐。

本发明还提出了一种坐姿识别装置，包括坐垫、压力传感器组和坐姿识别模块，其中，所述压力传感器组设置在所述坐垫上，所述压力传感器组的输出端与所述坐姿识别模块的输入端连接；所述坐姿识别模块存储有基于聚类算法构建的坐姿识别模型，所述压力传感器组采集的坐姿数据输入所述坐姿识别模块中，所述坐姿识别模块将所述坐姿数据输入完成训练的坐姿识别模型中得到坐姿类别标签。