座椅角度调节方法、装置、存储介质及电子设备制造方法及图纸

本申请涉及数据处理技术领域，具体涉及一种座椅角度调节方法、装置、存储介质及电子设备，解决了相关技术中由于只采用应变片或压力传感器采集数据，且未对数据进行处理就直接进行神经网络模型训练，导致该方法对坐姿类别判断不准确，误差较大的问题。该方法包括：采集用户的当前人体坐姿数据；生成当前三维立体坐姿画像；根据训练后的神经网络模型对当前三维立体坐姿画像进行坐姿类别识别，得到当前坐姿类别；基于预设正常坐姿进行座椅角度调节。本方法通过建立三维立体坐姿画像，使采集到的人体坐姿数据更准确、误差更小；神经网络通过三维立体坐姿画像进行训练，得到的神经网络模型更接近人体真实坐姿，能够更准确的判断坐姿类别。

【技术实现步骤摘要】
座椅角度调节方法、装置、存储介质及电子设备
本申请涉及数据处理
，特别地涉及一种座椅角度调节方法、装置、存储介质及电子设备。
技术介绍
坐姿是人体最常见的姿势之一，人体的大部分时间都是以坐姿的状态度过的，糟糕的是大部分时间人们的坐姿都是不正确的,长时间如此会给身体带来不适,同时还会引发一些疾病的发生，最高发的疾病当属颈椎病和腰间盘突出，会严重的降低了生活质量。然而在日常生活中，大多数人在工作学习的时候基本上很难注意到自己的坐姿是否正确，很难有意识去纠正错误坐姿，由此引入了对坐姿类别判断并进行纠正的研究。现有的座椅角度调节方法，是使用应变片或压力传感器采集数据，然后将采集的数据直接进行训练神经网络模型，通过训练好的神经网络模型对坐姿类别进行判断。由于只采用应变片或压力传感器采集数据，且未对数据进行处理就直接进行神经网络模型训练，导致该方法对坐姿类别判断不准确，误差较大。
技术实现思路
针对上述问题，本申请提供一种座椅角度调节方法、装置、存储介质及电子设备，解决了相关技术中由于只采用应变片或压力传感器采集数据，且未对数据进行处理就直接进行神经网络模型训练，导致该方法对坐姿类别判断不准确，误差较大的技术问题。第一方面，本申请提供了一种座椅角度调节方法，所述方法包括：采集用户的当前人体坐姿数据；根据所述当前人体坐姿数据，生成当前三维立体坐姿画像；根据训练后的神经网络模型对所述当前三维立体坐姿画像进行坐姿类别识别，得到当前坐姿类别；所述神经网络模型通过所述用户的历史人体坐姿数据训练得到；根据预设坐姿类别集判断所述当前坐姿类别是否属于正常坐姿；所预设坐姿类别集包括所述神经网络模型基于所述历史人体坐姿数据识别得到的所有坐姿类别，所述所有坐姿类别包括预设正常坐姿和预设非正常坐姿；若判定所述当前坐姿类别属于非正常坐姿，则从所述预设坐姿类别集中找寻与所述当前坐姿类别最相似的预设正常坐姿，并基于所述预设正常坐姿进行座椅角度调节。可选的，所述座椅角度调节方法，还包括：若判定所述当前坐姿类别属于正常坐姿，则不调节座椅角度。可选的，所述根据预设坐姿类别集判断所述当前坐姿类别是否属于正常坐姿，包括：将所述当前坐姿类别与所述预设坐姿类别集中的所有预设坐姿类别作比较，判断所述预设坐姿类别集中是否存在与所述当前坐姿类别相同的坐姿类别；若判定所述预设坐姿类别集中存在与所述当前坐姿类别相同的坐姿类别，则判断与所述当前坐姿类别相同的预设坐姿类别是否属于正常坐姿，若判定所述与所述当前坐姿类别相同的预设坐姿类别属于正常坐姿，则判定所述当前坐姿类别属于正常坐姿；若判定所述与所述当前坐姿类别相同的预设坐姿类别属于非正常坐姿，则判定所述当前坐姿类别属于非正常坐姿。可选的，所述方法包括对所述神经网络模型进行训练过程如下：根据所述用户的历史人体坐姿数据，生成历史三维立体坐姿画像；以所述历史三维立体坐姿画像作为输入，进行神经网络模型训练，得到所述训练后的神经网络模型。可选的，所述采集用户的当前人体坐姿数据，包括：通过压力传感器和红外线传感器采集用户的当前人体坐姿数据，所述当前人体坐姿数据包括基于所述人体不同部位的压力值构建的压力向量集和基于所述人体不同部位与所述座椅之间的不同距离构建的距离向量集。可选的，所述根据所述当前人体坐姿数据，生成当前三维立体坐姿画像，包括：将所述当前人体坐姿数据映射到三维坐标上，生成当前三维坐标数据；根据所述当前三维坐标数据，建立所述当前三维立体坐姿画像。可选的，在所述将所述当前人体坐姿数据映射到三维坐标上，生成当前三维坐标数据之前，还包括：对所述当前人体坐姿数据进行清洗和过滤，得到处理后的当前人体坐姿数据。可选的，基于所述预设正常坐姿进行座椅角度调节之后，还包括：重新采集座椅角度调节之后的当前人体坐姿数据，并基于所述座椅角度调节之后的当前人体坐姿数据和所述神经网络模型对所述座椅角度进行调节，直到判定所述用户的当前坐姿类别属于正常坐姿。可选的，一种座椅角度调节装置，所述装置包括：采集单元，用于采集用户的当前人体坐姿数据；生成单元，用于根据所述当前人体坐姿数据，生成当前三维立体坐姿画像；识别单元，用于根据训练后的神经网络模型对所述当前三维立体坐姿画像进行坐姿类别识别，得到当前坐姿类别；所述神经网络模型通过所述用户的历史人体坐姿数据训练得到；判断单元，用于根据预设坐姿类别集判断所述当前坐姿类别是否属于正常坐姿；所预设坐姿类别集包括所述神经网络模型基于所述历史人体坐姿数据识别得到的所有坐姿类别，所述所有坐姿类别包括预设正常坐姿和预设非正常坐姿；调节单元，用于若判定所述当前坐姿类别属于非正常坐姿，则从所述预设坐姿类别集中找寻与所述当前坐姿类别最相似的预设正常坐姿，并基于所述预设正常坐姿进行座椅角度调节。第三方面，一种存储介质，该存储介质存储的计算机程序，可被一个或多个处理器执行，可用来实现如上述第一方面所述的座椅角度调节方法。第四方面，一种电子设备，包括存储器和处理器，所述存储器上存储有计算机程序，所述存储器和所述处理器之间互相通信连接，该计算机程序被所述处理器执行时，执行如上述第一方面所述的座椅角度调节方法。本申请提供的一种座椅角度调节方法、装置、存储介质及电子设备，相交于现有技术的有益效果包括：1、通过建立三维立体坐姿画像，使采集到的人体坐姿数据更准确、误差更小；2、神经网络通过三维立体坐姿画像进行训练，得到的神经网络模型更接近人体真实坐姿，能够更准确的判断坐姿类别。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。图1为本申请实施例提供的一种座椅角度调节方法的流程示意图；图2为本申请实施例提供的一种座椅角度调节装置的结构示意图；图3为本申请实施例提供的一种电子设备的连接框图。具体实施方式以下将结合附图及实施例来详细说明本申请的实施方式，借此对本申请如何应用技术手段来解决技术问题，并达到相应技术效果的实现过程能充分理解并据以实施。本申请实施例以及实施例中的各个特征，在不相冲突前提下可以相互结合，所形成的技术方案均在本申请的保护范围之内。由
技术介绍
可知，现有的座椅角度调节方法，是使用应变片或压力传感器采集数据，然后将采集的数据直接进行训练神经网络模型，通过训练好的神经网络模型对坐姿类别进行判断。由于只采用应变片或压力传感器采集数据，且未对数据进行处理就直接进行神经网络模型训练，导致该方法对坐姿类别判断不准确，误差较大。有鉴于此，本申请提供一种座椅角度调节方法、装置、存储介质及电子设备本文档来自技高网...

【技术保护点】
1.一种座椅角度调节方法，其特征在于，所述方法包括：/n采集用户的当前人体坐姿数据；/n根据所述当前人体坐姿数据，生成当前三维立体坐姿画像；/n根据训练后的神经网络模型对所述当前三维立体坐姿画像进行坐姿类别识别，得到当前坐姿类别；所述神经网络模型通过所述用户的历史人体坐姿数据训练得到；/n根据预设坐姿类别集判断所述当前坐姿类别是否属于正常坐姿；所预设坐姿类别集包括所述神经网络模型基于所述历史人体坐姿数据识别得到的所有坐姿类别，所述所有坐姿类别包括预设正常坐姿和预设非正常坐姿；/n若判定所述当前坐姿类别属于非正常坐姿，则从所述预设坐姿类别集中找寻与所述当前坐姿类别最相似的预设正常坐姿，并基于所述预设正常坐姿进行座椅角度调节。/n

【技术特征摘要】
1.一种座椅角度调节方法，其特征在于，所述方法包括：
采集用户的当前人体坐姿数据；
根据所述当前人体坐姿数据，生成当前三维立体坐姿画像；
根据训练后的神经网络模型对所述当前三维立体坐姿画像进行坐姿类别识别，得到当前坐姿类别；所述神经网络模型通过所述用户的历史人体坐姿数据训练得到；
根据预设坐姿类别集判断所述当前坐姿类别是否属于正常坐姿；所预设坐姿类别集包括所述神经网络模型基于所述历史人体坐姿数据识别得到的所有坐姿类别，所述所有坐姿类别包括预设正常坐姿和预设非正常坐姿；
若判定所述当前坐姿类别属于非正常坐姿，则从所述预设坐姿类别集中找寻与所述当前坐姿类别最相似的预设正常坐姿，并基于所述预设正常坐姿进行座椅角度调节。


2.根据权利要求1所述的方法，其特征在于，还包括：
若判定所述当前坐姿类别属于正常坐姿，则不调节座椅角度。


3.根据权利要求1所述的方法，其特征在于，所述根据预设坐姿类别集判断所述当前坐姿类别是否属于正常坐姿，包括：
将所述当前坐姿类别与所述预设坐姿类别集中的所有预设坐姿类别作比较，判断所述预设坐姿类别集中是否存在与所述当前坐姿类别相同的坐姿类别；
若判定所述预设坐姿类别集中存在与所述当前坐姿类别相同的坐姿类别，则判断与所述当前坐姿类别相同的预设坐姿类别是否属于正常坐姿，
若判定所述与所述当前坐姿类别相同的预设坐姿类别属于正常坐姿，则判定所述当前坐姿类别属于正常坐姿；
若判定所述与所述当前坐姿类别相同的预设坐姿类别属于非正常坐姿，则判定所述当前坐姿类别属于非正常坐姿。


4.根据权利要求1所述的方法，其特征在于，所述方法包括对所述神经网络模型进行训练过程如下：
根据所述用户的历史人体坐姿数据，生成历史三维立体坐姿画像；
以所述历史三维立体坐姿画像作为输入，进行神经网络模型训练，得到所述训练后的神经网络模型。


5.根据权利要求1所述的方法，其特征在于，所述采集用户的当前人体坐姿数据，包括：
通过压力传感器和红外线传感器采集用户的当前人体坐姿数据，所述当前人体坐姿数据包括基于所述人体不同部位的压力值构建的压力向量集和基于所述人体不同部位与所述座椅之间...

【专利技术属性】
技术研发人员：史培荣，向林，苏世艳，蔺烜，白金蓬，黎清顾，
申请(专利权)人：珠海格力电器股份有限公司，珠海联云科技有限公司，
类型：发明
国别省市：广东;44