一种基于BP神经网络的坐姿检测方法及系统技术方案

本发明专利技术涉及一种基于BP神经网络的坐姿检测方法及系统，其方法包括以下步骤：S1，构建BP神经网络,利用已知的多种坐姿下的坐姿数据对BP神经网络进行训练,得出BP神经网络程序；S2，通过BP神经网络程序对在未知坐姿下的坐姿数据进行辨识，并输出辨识结果，得出未知坐姿的坐姿种类。BP神经网络中的系数不需要手动调节，BP神经网络大大减少了计算量和调节量，对于用户而言，给定一个输入，能得到一个输出就足够，所以神经网络自身是个黑盒，但是其内部工作原理，就是调整系数，然后调用已经确定的系数，进行分类，预测；本发明专利技术简化了调节系数的过程，提高了识别度。

【技术实现步骤摘要】
一种基于BP神经网络的坐姿检测方法及系统
本专利技术涉及一种坐姿检测方法及系统，具体涉及一种基于BP神经网络的坐姿检测方法及系统。
技术介绍
对于坐姿的检测，传统的方法是通过建立数据模型来实现检测的目的，即输入一组数据通过运算输出结果，在运算的过程中，是采用加权和加层，可以达到区分的目的；以六输入两层数据模型为例，如图1所示，图1中的每条线都对应有一个权值K(系数)，通过修改K可以调节系统的识别度，从而对不同的输入，给出不同的输出判别。需要修改的个数为“层数*36+输入个数”，2层需要78个系数，3层需要114个系数……。采用此种方法的识别度在一定范围内可观，但是调整系数的过程，很麻烦，甚至会出现一些无论怎么调整，都分离不开不同输入对应输出的类型的情况，通过试凑法，始终不能完美地分离不同坐姿。
技术实现思路
本专利技术所要解决的技术问题是提供一种简化调节系数过程，提高了识别度的基于BP神经网络的坐姿检测方法及系统。本专利技术解决上述技术问题的技术方案如下：一种基于BP神经网络的坐姿检测方法，包括以下步骤：S1，构建BP神经网络,利用已知的多种坐姿下的坐姿数据对BP神经网络进行训练,得出BP神经网络程序；S2，通过BP神经网络程序对在未知坐姿下的坐姿数据进行辨识，并输出辨识结果，得出未知坐姿的坐姿种类。本专利技术的有益效果是：本专利技术一种基于BP神经网络的坐姿检测方法中构件的BP神经网络中的系数不需要手动调节，BP神经网络大大减少了计算量和调节量，对于用户而言，给定一个输入，能得到一个输出就足够，所以BP神经网络自身是个黑盒，但是其内部工作原理，就是调整系数，然后调用已经确定的系数，进行分类，预测；基于上述原理，本专利技术一种基于BP神经网络的坐姿检测方法通过构建BP神经网络,利用已知的多种坐姿下的坐姿数据对BP神经网络进行训练,得出BP神经网络程序，然后利用BP神经网络程序对在未知坐姿下的坐姿数据进行辨识，并输出辨识结果，得出未知坐姿的坐姿种类，其简化了调节系数的过程，提高了识别度。在上述技术方案的基础上，本专利技术还可以做如下改进。进一步，步骤S1具体为，S11，采集已知的多种坐姿下的多组压力数据，分别对多组压力数据进行归一化处理并按坐姿进行分类保存，得到每种坐姿下的BP神经网络训练数据；S12，设置BP神经网络结构，在BP神经网络结构中嵌入BP神经网络算法，通过BP神经网络结构利用BP神经网路算法分别对每种坐姿下的BP神经网络训练数据进行BP神经网络训练，得出BP神经网络程序。进一步，步骤S11具体为：S111，在坐姿检测平台上选取一个以上的预设点作为压力检测点；S112，分别采集不同体型和体重的人在坐姿检测平台上“正坐”、“前倾”、“后倾”、“左倾”和“右倾”时各个压力检测点的压力值；S113，将每个人在每种坐姿下的各个压力检测点的压力值作为一组数据进行保存，并对每组数据进行归一化处理；S114，将每个人经过归一化处理后的每组数据按坐姿进行分类保存，得到每种坐姿下的BP神经网络训练数据。进一步，步骤S12中对BP神经网络训练数据进行BP神经网络训练的具体过程为，S121，通过BP神经网络结构利用BP神经网路算法分别对每种坐姿下的部分BP神经网络训练数据进行BP神经网络训练，得出初始BP神经网络程序；S122，利用每种坐姿下的剩余部分BP神经网络训练数据对初始BP神经网络程序进行检测，得出辨识结果，如果辨识结果不在对应的预设坐姿结果的范围之内，则跳转至步骤S121；S123，循环执行步骤S121和步骤S122，直至辨识结果在对应的预设坐姿结果的范围之内，并保存此时的BP神经网络程序，得到最终用于坐姿检测的BP神经网络程序。采用上述进一步方案的有益效果是：BP神经网络中的系数不需要手动调节，使用部分数据作为“训练”(教学)，部分数据作为“检测”(检验)，来判断一个神经网络系统是否配置完好，以及识别率的高低；BP神经网络大大减少了计算量和调节量，对于系数的调整，是在“训练”阶段自动完成的；其内部工作原理，就是调整系数，然后调用已经确定的系数，进行分类，预测；其简化了调节系数的过程，提高了识别度。进一步，在步骤S123中，还包括对最终用于坐姿检测的BP神经网络程序的精度进行计算，其计算的过程具体为，采集一组以上已知坐姿下且未用于BP神经网络训练和BP神经网络程序检测的压力数据，通过最终用于坐姿检测的BP神经网络程序分别对一组以上已知坐姿下且未用于BP神经网络训练和BP神经网络程序检测的压力数据进行辨识，并输出辨识结果，将输出的辨识结果与对应的预设坐姿结果的范围进行比对，得出BP神经网络程序的精度数值。进一步，步骤S2具体为，采集一组未知坐姿下的待测压力数据，通过最终用于坐姿检测的BP神经网络程序对待测压力数据进行辨识，并输出辨识结果，将输出的辨识结果与预设坐姿结果的范围进行比对，得出未知坐姿的坐姿种类。进一步，所述BP神经网络结构与所述压力检测点的个数相匹配，所述压力检测点设有六个，所述神经网络结构为：6输入，1输出，神经元50层。进一步，对多组压力数据进行归一化处理的具体过程为，将每组压力数据中的最小非零数值变为1，每组压力数据中的其余数值以归一化的倍率做等量变换。采用上述进一步方案的有益效果是：对数据进行归一化的目的是消除不同人之间的数据量范围差异，提高BP神经网络训练的精度。基于上述一种基于神经网络的坐姿检测方法，本专利技术还提供一种基于神经网络的坐姿检测系统。一种基于BP神经网络的坐姿检测系统，利用上述所述的一种基于BP神经网络的坐姿检测方法进行检测，包括BP神经网络模块，所述BP神经网络模块用于利用已知的多种坐姿采样数据对BP神经网络进行训练,得出BP神经网络程序；并通过BP神经网络程序对在未知坐姿下采集的坐姿数据进行辨识，并输出辨识结果，得出未知坐姿的坐姿种类。本专利技术的有益效果是：本专利技术一种基于BP神经网络的坐姿检测系统中构件的BP神经网络中的系数不需要手动调节，BP神经网络大大减少了计算量和调节量，对于用户而言，给定一个输入，能得到一个输出就足够，所以BP神经网络自身是个黑盒，但是其内部工作原理，就是调整系数，然后调用已经确定的系数，进行分类，预测；基于上述原理，本专利技术一种基于BP神经网络的坐姿检测方法通过构建BP神经网络,利用已知的多种坐姿下的坐姿数据对BP神经网络进行训练,得出BP神经网络程序，然后利用BP神经网络程序对在未知坐姿下的坐姿数据进行辨识，并输出辨识结果，得出未知坐姿的坐姿种类，其简化了调节系数的过程，提高了识别度。在上述技术方案的基础上，本专利技术还可以做如下改进。进一步，所述BP神经网络模块包括坐姿检测平台、压力采集单元、归一化处理单元、分类单元、BP神经网络训练单元、BP神经网络程序检测单元和坐姿检测单元，所述坐姿检测平台，其用于提供一个以上的预设点作为压力检测点；所述压力采集单元，其用于分别采集不同体型和体重的人在坐姿检测平台上“正坐”、“前倾”、“后倾”、“左倾”和“右倾”时各个压力检测点的压力值；所述归一化处理单元，其用于将每个人在每种坐姿下的各个压力检测点的压力值作为一组数据进行保存，并对每组数据进行归一化处理；所述分类单元，其用于将所有人经过归一化处理后的每组数据按坐姿进行分类保存本文档来自技高网...

【技术保护点】
一种基于BP神经网络的坐姿检测方法，其特征在于：包括以下步骤，S1，构建BP神经网络,利用已知的多种坐姿下的坐姿数据对BP神经网络进行训练,得出BP神经网络程序；S2，通过BP神经网络程序对在未知坐姿下的坐姿数据进行辨识，并输出辨识结果，得出未知坐姿的坐姿种类。

【技术特征摘要】
1.一种基于BP神经网络的坐姿检测方法，其特征在于：包括以下步骤，S1，构建BP神经网络,利用已知的多种坐姿下的坐姿数据对BP神经网络进行训练,得出BP神经网络程序；S2，通过BP神经网络程序对在未知坐姿下的坐姿数据进行辨识，并输出辨识结果，得出未知坐姿的坐姿种类。2.根据权利要求1所述的一种基于BP神经网络的坐姿检测方法，其特征在于：步骤S1具体为，S11，采集已知的多种坐姿下的多组压力数据，分别对多组压力数据进行归一化处理并按坐姿进行分类保存，得到每种坐姿下的BP神经网络训练数据；S12，设置BP神经网络结构，在BP神经网络结构中嵌入BP神经网络算法，通过BP神经网络结构利用BP神经网路算法分别对每种坐姿下的BP神经网络训练数据进行BP神经网络训练，得出BP神经网络程序。3.根据权利要求2所述的一种基于BP神经网络的坐姿检测方法，其特征在于：步骤S11具体为：S111，在坐姿检测平台上选取一个以上的预设点作为压力检测点；S112，分别采集不同体型和体重的人在坐姿检测平台上“正坐”、“前倾”、“后倾”、“左倾”和“右倾”时各个压力检测点的压力值；S113，将每个人在每种坐姿下的各个压力检测点的压力值作为一组数据进行保存，并对每组数据进行归一化处理；S114，将每个人经过归一化处理后的每组数据按坐姿进行分类保存，得到每种坐姿下的BP神经网络训练数据。4.根据权利2所述的一种基于BP神经网络的坐姿检测方法，其特征在于：步骤S12中对BP神经网络训练数据进行BP神经网络训练的具体过程为，S121，通过BP神经网络结构利用BP神经网路算法分别对每种坐姿下的部分BP神经网络训练数据进行BP神经网络训练，得出初始BP神经网络程序；S122，利用每种坐姿下的剩余部分BP神经网络训练数据对初始BP神经网络程序进行检测，得出辨识结果，如果辨识结果不在对应的预设坐姿结果的范围之内，则跳转至步骤S121；S123，循环执行步骤S121和步骤S122，直至辨识结果在对应的预设坐姿结果的范围之内，并保存此时的BP神经网络程序，得到最终用于坐姿检测的BP神经网络程序。5.根据权利要求4所述的一种基于BP神经网络的坐姿检测方法，其特征在于：在步骤S123中，还包括对最终用于坐姿检测的BP神经网络程序的精度进行计算，其计算的过程具体为，采集一组以上已知坐姿下且未用于BP神经网络训练和BP神经网络程序检测的压力数据，通过最终用于坐姿检测的BP神经网络程序分别对一组以上已知坐姿下且未用于BP神经网络训练和BP神经网络程序检测的压力数据进行辨识，并输出辨识结果，将输出的辨识结果与对应的预设坐姿结果的范围进行比对，得出BP神经网络程序的精度数值。6.根据权利要求4或5所述的一种基于BP神经网络的坐姿检测方法，其特征在于：步骤S2具体为，采集一组未知...

【专利技术属性】
技术研发人员：华云飞，陈再闯，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北,42