CN107684430A - 基于Curie模块人体姿态检测纠正装置及其使用方法 - Google Patents
基于Curie模块人体姿态检测纠正装置及其使用方法 Download PDFInfo
- Publication number
- CN107684430A CN107684430A CN201710911992.7A CN201710911992A CN107684430A CN 107684430 A CN107684430 A CN 107684430A CN 201710911992 A CN201710911992 A CN 201710911992A CN 107684430 A CN107684430 A CN 107684430A
- Authority
- CN
- China
- Prior art keywords
- state
- posture
- curie
- circulation
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
- A61B5/1116—Determining posture transitions
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/7455—Details of notification to user or communication with user or patient ; user input means characterised by tactile indication, e.g. vibration or electrical stimulation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Veterinary Medicine (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Dentistry (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明基于Curie模块人体姿态检测纠正装置及其使用方法,涉及人体姿态监测技术领域。本发明由主控器(1),纠正姿态模块(2)及姿态错误识别微动开关(3)组成,以电信号方式连接,通过人体姿态检测App(4)实时显示;其中,纠正姿态模块(2)、微动开关(3)与主控器(1)连接;手机人体姿态检测App(4)通过主控器(1)自带蓝牙,可实时动态显示人体姿态变化。本发明装置:具有学习功能,采集使用者个性化数据,可自由定义服饰,自由定义设计,适合各种人群需求。装置具有互联意识,使用者自己数据可以与多人数据对比,数据上传云端得到更加精准纠正分析。装置为健康产业,特别为人体姿势纠正市场需求提供技术物质基础。
Description
技术领域
本发明涉及人体姿态监测技术领域,具体指一种基于Curie模块智能学习的人体姿态检测纠正装置及其使用方法。
背景技术
现代人往往不注意站、坐姿的规范,学生、办公室白领都不太注意坐姿。身体歪扭、弓背伸头的坐姿,会导致颈腰肌劳损、脊柱弯曲等问题。还有不少年轻人上班时弯着背、伸着脖子看显示器,长时间坐在电脑屏幕前,这会导致颈椎、肩膀前屈,压迫脊神经,诱发严重的腰、背、颈椎疼痛。此外,诸如歪身站立、含胸屈颈、双肩耷拉会造成腰椎两侧受力不均匀导致腰背疼痛,甚至会导致颈椎骨质增生、椎间盘退化等颈腰椎疾病,长时间保持站姿容易疲劳。
在信息化时代背景下,人们往往采用通过视频、书籍的方式自学舞蹈、或进行形体训练。不少年轻白领会使用KEEP软件进行健身,但是自我健身时根据***内的语音提示进行改进姿势,该方式并非按使用者实时状况提示,只是进行***化提示,没有做到与使用者实时互动并纠正。这种方式无法做到实时互动,动作规范难以保证。形体教练进行一对多教学时,难以保证每个个体的精细动作的规范。
与此同时,基于加速度传感器的人体姿势检测装置的创新点与产品层出不穷,满足了生活上方方面面的需求——机器人、无人机姿态检测、惯性导航、虚拟现实装置、老人跌倒检测装置等。
随之,人体姿势纠正装置的研究也日趋成熟,多数基于加速度传感器与陀螺仪的原理,在市场上以产品化方式流通。普遍使用的几种应用如下:矫姿带,耳挂式坐姿提醒器,坐姿纠正仪。其特点在于:目前大多数姿势纠正产品集中于站、坐姿纠正,且多数属于强制纠正,没有考虑到个体差异。包括使用微软Kinect,即Xbox传感器通过捕捉骨骼节点识别姿势是否标准。但是这种方式没有办法实现实时互动纠正,只知道当时姿势正确与否。其缺陷在于装置较大,无法形成可穿戴产品。凡此种种,一种通过设备智能学习的方式,熟悉使用者个人的生理身体数据,进行有效调节和改正坐站姿的更个性化的技术装置,成为市场需求的热点。
发明内容
本发明的目的在于克服现有技术存在的缺失和不足,提出一种通过设备智能学习的方式,实时结合标准动作和个性化的熟悉使用者个人坐立习惯、生理身体数据,进行有效调节和姿势纠正装置。
本发明一种基于Curie模块人体姿态检测纠正装置,其特点在于,由主控器,纠正姿态模块及姿态错误识别微动开关组成,以电信号方式连接,通过人体姿态检测App实时显示;
其中,纠正姿态模块、微动开关与主控器连接;主控器的自带蓝牙,可在手机的人体姿态检测App实时动态显示姿态变化。
所述主控器为支持神经网络算法的Curie可穿戴模块Curie Nano,或内含Curie可穿戴姿态识别模块的开发板Arduino101/Genuino101。
所述纠正姿态模块为振动传感器,如振动片。
所述微动开关,如轻触点或轻触开关。
所述人体姿态检测App为用户界面,其中,一个为主页面,显示当前状态与本次使用的连续状态变化;另一个为历史记录页面,显示历史使用的纠正状态变化与姿态准确率;本地数据储存于Flash之中,通过交互界面的C键可清除Flash中原有数据。
本发明一种基于Curie模块人体姿态检测纠正装置的使用方法,其基于Arduino1.6.12环境的Curie模块姿态学习,并设置以下三种串口监视数据:
设置正常状态为motion category 1;
设置中等状态为motion category 2;
设置较差状态为motion category 3;
当主控器识别为正常状态时,纠正姿态模块的振动片正常保持静止;
当主控器识别为中等状态时,纠正姿态模块的振动片轻度振动;
当主控器识别为较差状态是,纠正姿态模块的振动片强烈振动;
其中,包括坐姿纠正,站姿走姿纠正,健身姿势纠正,连续动作纠正。
本发明创新点在于采集使用者个性化数据;装置具有学习功能,使用时间越长,越适应个人。与此同时,装置还具有互联意识,使用者自己数据可以与多人数据对比,数据上传云端得到更加精准纠正分析。通过蓝牙上传数据至手机,可以利用神经元网络进行数据优化等。通过装置实现产品化,可以利用大数据实现更精准的姿势分析,通过对大量用户姿势信息的数据分析,可以挖掘大量有用的商业市场信息。
附图说明
图1为本发明基于Curie模块人体姿态检测纠正装置结构示意框图;
图2为本发明纠正装置实施例的坐姿程序流程图;
图3为本发明纠正装置实施例的坐姿装置结构示意图;
图4为本发明纠正装置实施例的坐姿装置优化结构示意图;
图5为本发明纠正装置实施例的坐姿学习人体姿态示意图;
图6为本发明纠正装置实施例的站姿走姿学习人体姿态示意图;
图7为本发明纠正装置实施例的健身动作程序流程图;
图8为本发明纠正装置实施例的健身动作装置结构示意图;
图9为本发明纠正装置实施例的健身动作装置优化结构示意图;
图10为本发明纠正装置实施例的健身动作学习人体姿态示意图;
图11为本发明纠正装置实施例连续动作纠正装置正面设计图;
图12为本发明纠正装置实施例连续动作纠正装置背面设计图;
图13为本发明纠正装置实施例人体姿态检测App显示界面;
图14为本发明纠正装置实施例人体姿态检测App主页面显示实例;
图15为本发明纠正装置实施例人体姿态检测App历史记录页面显示实例。
具体实施方式
以下结合附图和实施例对本发明作进一步的描述。
实施例,以T恤作为纠正装置结构(如附图1所示)采用Curie模组的产品Arduino101/Genuino101,标准动作的学习纠正装置为CurieNano模块。
实施例中使用的主控器1为近年推出的Genuino 101学习开发板。
它基于Intel Curie模组,集成了低功耗蓝牙(BLE)和六轴姿态传感器(IMU)功能,借助Curie进行机器学习操作。
它内部使用了神经网络算法,可以通过自主学习得到最优解。
A.坐姿纠正
所述坐姿纠正,使用开发板Arduino101,按如下三种不同状态的姿势进行测定纠正:
甲.为正常状态,此时振动片不振动,使用者脊背挺直;该状态可以由医生或者纠正坐姿的指导者提供最初训练数据,确保甲状态的设置正确。
乙.为中等状态,此时振动片轻度振动,使用者脊背稍弯,处于无意识松懈,可以由自身或者身边的人提供训练辅助得到数据,确保乙状态的设置在范围内。
丙.为较差状态,此时振动片强烈振动,使用者脊背弯曲程度大,处于完全松懈,改状态个人可以自行训练,范围大,准确性要求低。
当使用者呈现乙、丙两种状态姿态时,通过纠正姿态模块的振动片的振动提醒其纠正坐姿。
其程序流程(如附图2所示):
姿态识别开始后,通过主控器中内含得Curie可穿戴姿态识别模块获取6轴加速度传感器数据;
如果收到学习指令,则根据学习指令学习对应坐姿,学习后继续获取6轴加速度传感器数据,进入循环;
如果没有收到学习指令,则将获取得到的6轴加速度传感器数据通过神经网络分类;
如果识别为标准坐姿,则继续获取6轴加速度传感器数据,进入循环;
如果识别为不标准坐姿,则继续识别;
如果识别为是乙状态坐姿,则振动片低强度振动;
如果在5秒内有微动开关信号,则把此动作数据作为正确坐姿再次学习,接着继续获取6轴加速度传感器数据,进入循环;
如果在5秒内无微动开关信号,则继续获取6轴加速度传感器数据,进入循环;
如果识别为不是乙状态坐姿,则振动片高强度振动;
如果在5秒内有微动开关信号,则把此动作数据作为正确坐姿再次学习,接着继续获取6轴加速度传感器数据,进入循环;
如果在5秒内无微动开关信号,则继续获取6轴加速度传感器数据,进入循环;
最后,断开电源,跳出循环,纠正结束。
因而可以使坐姿纠正获得最准确的范围。
通过Curie内置的加速度计、陀螺仪以及其他外置的传感器数据来训练Curie进行模式分类。同时设备可以对新的模式进行实时的分类,并报告新状态或异常状态。
当上传到云端时备份硬件神经元内部的训练数据或者将训练数据移植到其他的Curie模组上,将形成巨大数据库。
动作识别传感器使用的是Curie Nano模块,该传感器用以纠正装置的姿态识别错误,对新的模式进行实时的分类,并报告新状态或异常状态。
坐姿纠正装置结构(如附图3所示)。
为了设计成美观的成品,把线路排布于衣服内部,使用Curie或者CurieNano模块进行姿态识别。
优选坐姿纠正装置(如附图4所示),使用的是Arduino101开发板,使用轻触开关代替轻触点,线路排布于衣物外部。测试效果优秀。
坐姿学习人体姿态(如附图5所示)。
B.站姿走姿纠正
所述站姿走姿纠正,使用开发板Arduino101,按如下三种不同状态的姿势进行测定纠正:
甲.为正常状态,此时振动片不振动,使用者脊背挺直;该状态可以由医生或者纠正站姿走姿的指导者提供最初训练数据,确保状态甲的设置正确;
乙.为中等状态,此时振动片轻度振动,使用者脊背稍弯,处于无意识松懈,可以由自身或者身边的人提供训练辅助得到数据,确保状态乙的设置在范围内;
丙.为较差状态,此时振动片强烈振动,使用者脊背弯曲程度大,处于完全松懈,改状态个人可以自行训练,范围大,准确性要求低;
当使用者呈现乙、丙两种状态姿态时,通过纠正姿态模块的振动片的振动提醒其纠正站姿走姿;
如有识别错误,可以按下微动开关将归类错误的状态识别为正常状态;
站姿、走姿纠正状态的三种状态(如附图6所示)
其程序流程如下:
姿态识别开始后,通过主控器中内含得Curie可穿戴姿态识别模块获取6轴加速度传感器数据;
如果收到学习指令,则根据学习指令学习对应站姿走姿,学习后继续获取6轴加速度传感器数据,进入循环;
如果没有收到学习指令,则将获取得到的6轴加速度传感器数据通过神经网络分类;
如果识别为标准站姿走姿,则继续获取6轴加速度传感器数据,进入循环;
如果识别为不标准站姿走姿,则继续识别;
如果识别为是乙状态站姿走姿,则振动片低强度振动;
如果在5秒内有微动开关信号,则把此动作数据作为正确站姿走姿再次学习,接着继续获取6轴加速度传感器数据,进入循环;
如果在5秒内无微动开关信号,则继续获取6轴加速度传感器数据,进入循环;
如果识别为不是乙状态站姿走姿,则振动片高强度振动;
如果在5秒内有微动开关信号,则把此动作数据作为正确站姿走姿再次学习,接着继续获取6轴加速度传感器数据,进入循环;
如果在5秒内无微动开关信号,则继续获取6轴加速度传感器数据,进入循环;
最后,断开电源,跳出循环,纠正结束。
C.健身姿势纠正
所述健身姿势纠正,如俯卧撑等健身动作的纠正,使用Curie或者CurieNano模块更加小巧,更加灵敏地识别姿态,适合可穿戴。使用微动开关纠正姿态识别错误;
其中,微动开关3,如轻触点,是更加舒适的、适合人体的。
健身姿势纠正流程(如附图7所示):
姿态识别开始后,通过主控器中内含得Curie可穿戴姿态识别模块获取6轴加速度传感器数据;
如果识别为标准状态,则继续获取6轴加速度传感器数据,进入循环;
如果识别为较差状态,则振动片振动0.5s,继续获取6轴加速度传感器数据,进入循环;
最后,断开电源,跳出循环,纠正结束。
健身姿态纠正装置结构(如附图8、9所示)
本发明以T恤作为示例装置,为了设计成美观的成品,将把线路排布于衣服内部,使用Curie或者CurieNano模块进行姿态识别。
健身姿态学习时的两种状态(如附图10所示)
甲为规范状态,此时振动片不振动,使用者动作规范。该状态可以由医生或者纠正坐姿的指导者提供最初训练数据,确保状态1的设置正确。
乙为不规范状态,此时振动片轻度振动,使用者动作不规范,处于松懈状态,可以由自身或者身边的人提供训练辅助得到数据,确保状态乙的设置在范围内。
从得到两种类型的姿势,通过使用过程中数据完善,提高姿势识别的准确性。通过连接振动模块,在使用者呈现乙、丙两种姿态时,将会振动以提醒其纠正站走姿。
如有识别错误,可以按下轻触开关,将归类错误的状态识别为规范状态。
D.连续动作纠正
连续动作纠正装置着眼于一连串动作的纠正,该纠正装置适用于广播操,健身动作或者舞蹈自学,适用范围广。
连续动作纠正装置结构(如附图11、12所示)
连续动作纠正装置的振动片与识别器的个数根据个人需求与装置功能而定。本发明以鞠躬动作为示例。
其程序流程如下:
姿态识别开始后,从Flash中获取上次学习的数据,初始化蓝牙功能;
通过主控器中内含得Curie可穿戴姿态识别模块获取6轴加速度传感器数据;
如果收到学习指令,则根据学习指令学习对应连续动作,学习后继续获取6轴加速度传感器数据,进入循环;
如果没有收到学习指令,则将获取得到的6轴加速度传感器数据通过神经网络分类;
如果识别得到当前姿态为上一个姿态后的规定动作,则继续获取6轴加速度传感器数据,进入循环;
如果识别得到当前姿态不为上一个姿态后的规定动作,则振动片振动0.5s,继续获取6轴加速度传感器数据,进入循环;
最后,断开电源,跳出循环,纠正结束。
E.人体姿态检测App显示界面(如附图13所示)
通过人体姿态检测App图形化界面显示得到实时状态、历史状态记录与姿态准确率,具有互动性,可以使用户更加清晰直观认识到自己的目前姿态状态以及历史使用情况,本地数据储存于Flash之中,通过交互界面的C键清除Flash中原有数据。
人体姿态检测App主要分为两个页面,一个为主页面,显示当前状态与本次使用的连续状态变化。目前设置的是A、B、C、D、E五种状态以实现本课题所展示的纠正功能。另一个为历史记录页面,可以最多显示历史N次使用的纠正状态变化与姿态准确率,页面显示的姿态准确率是对于连续动作纠正状态的轨迹重合度主页面显示,实例为判断站坐走姿时的状态。A状态为正常状态,B状态为一般状态,C状态为较差状态。A,B,C,D,E分别为对应的五个动作位置截点的状态。
实例(如附图14所示)
左图为主页面显示,实例为判断站坐走姿时的状态。A状态为正常状态,B状态为一般状态,C状态为较差状态。
右图为历史记录页面显示,显示最近十次纠正状态,并以此判断与标准状态或者轨迹的重合率,页面显示的是对于连续动作纠正状态的轨迹重合度,第一次为54%,第二次为83%。A,B,C,D,E分别为对应的五个连续动作位置截点。本状态模拟的是舞蹈动作手腕处一个八拍的重复与运动过程。(如附图15所示)
综上所述,本发明的基于Curie模块人体姿态检测纠正装置及其使用方法,具有主要特点如下:
第一、不只基于加速度传感器与陀螺仪的原理,而是使用支持神经网络算法的Curie可穿戴模块,支持神经网络算法,用训练代替编程,具有自学习功能。
第二、以T恤作为实施例(装置),针对站、坐姿纠正,走姿纠正,健身姿势纠正与-连续动作纠正进行纠正。装置特点是可以通过声光或振动效果与人多种感觉(触觉视觉)实时互动。是一款实时结合标准动作和个人生理习惯的个性化姿势纠正装置。同时可以通过上传测得的数据至互联网,形成大的数据库。
第三、本发明运用了神经网络算法在自动化领域的智能学习特性,而使人体姿势纠正装置更加个性化,普遍适用于不同人群,得到更加准确有效的纠正。并通过人体姿态检测App图形化界面显示,得到当前状态下使用者的姿态分类,本次使用的姿态分类变化过程以及历史使用情况的记录与姿态准确率,通过A、B、C状态分类。
第四、装置可以自由定义服饰,进行自定义设计,适合各种人群需求,应用前景广泛。为健康产业,特别为人体姿势纠正市场需求提供技术物质基础。
Claims (7)
1.一种基于Curie模块人体姿态检测纠正装置,其特征在于,由主控器(1),纠正姿态模块(2)及姿态识别错误微动开关(3)组成,以电信号方式连接,通过人体姿态检测App(4)实时显示;
其中,纠正姿态模块(2)、微动开关(3)与主控器(1)连接;手机人体姿态检测App(4)通过主控器(1)自带蓝牙,可实时动态显示姿态变化。
2.如权利要求1所述的一种基于Curie模块人体姿态检测纠正装置,其特征在于,所述主控器(1)为支持神经网络算法的Curie可穿戴模块Curie Nano,或内含Curie可穿戴姿态识别模块的开发板Arduino101/Genuino101;
所述纠正姿态模块(2)为振动传感器,如振动片;
所述微动开关(3)为轻触点或轻触开关;
所述人体姿态检测App(4)为用户界面,其中,一个为主页面,显示当前状态与本次使用的连续状态变化;另一个为历史记录页面,显示历史使用的纠正状态变化与姿态准确率;本地数据储存于Flash之中,通过交互界面的C键可清除Flash中原有数据。
3.一种基于Curie模块人体姿态检测纠正装置的使用方法,其特征在于,其基于Arduino1.6.12环境的Curie模块姿态学习,并设置以下三种串口监视数据:
设置正常状态为motion category 1;
设置中等状态为motion category 2;
设置较差状态为motion category 3;
当主控器识别为正常状态时,纠正姿态模块的振动片不振动;
当主控器识别为中等状态时,纠正姿态模块的振动片轻度振动;
当主控器识别为较差状态是,纠正姿态模块的振动片强烈振动;
其中,包括坐姿纠正,站姿走姿纠正,健身姿势纠正,连续动作纠正。
4.如权利要求3所述的一种基于Curie模块人体姿态检测纠正装置的使用方法,其特征在于,所述坐姿纠正,使用开发板Arduino101,按如下三种不同状态的姿势进行测定纠正:
甲.为正常状态,此时振动片不振动,使用者脊背挺直;该状态可以由医生或者纠正坐姿的指导者提供最初训练数据,确保状态甲的设置正确;
乙.为中等状态,此时振动片轻度振动,使用者脊背稍弯,处于无意识松懈,可以由自身或者身边的人提供训练辅助得到数据,确保状态乙的设置在范围内;
丙.为较差状态,此时振动片强烈振动,使用者脊背弯曲程度大,处于完全松懈,改状态个人可以自行训练,范围大,准确性要求低;
当使用者呈现乙、丙两种状态姿态时,通过纠正姿态模块的振动片的振动提醒其纠正坐姿;
其程序流程如下:
姿态识别开始后,通过主控器中内含得Curie可穿戴姿态识别模块获取6轴加速度传感器数据;
如果收到学习指令,则根据学习指令学习对应坐姿,学习后继续获取6轴加速度传感器数据,进入循环;
如果没有收到学习指令,则将获取得到的6轴加速度传感器数据通过神经网络分类;
如果识别为是标准坐姿,则继续获取6轴加速度传感器数据,进入循环;
如果识别为不是标准坐姿,则继续识别;
如果识别为是中等坐姿,则振动片低强度振动;
如果在5秒内有微动开关信号,则把次动作数据作为正确坐姿再次学习,接着继续获取6轴加速度传感器数据,进入循环;
如果在5秒内无微动开关信号,则继续获取6轴加速度传感器数据,进入循环;
如果识别为不是中等坐姿,则振动片高强度振动;
如果在5秒内有微动开关信号,则把次动作数据作为正确坐姿再次学习,接着继续获取6轴加速度传感器数据,进入循环;
如果在5秒内无微动开关信号,则继续获取6轴加速度传感器数据,进入循环;
电源断开则跳出循环,纠正结束。
5.如权利要求3所述的一种基于Curie模块人体姿态检测纠正装置的使用方法,其特征在于,所述站姿走姿纠正,使用开发板Arduino101,按如下三种不同状态的姿势进行测定纠正:
甲.为正常状态,此时振动片不振动,使用者脊背挺直;该状态可以由医生或者纠正站走姿的指导者提供最初训练数据,确保状态甲的设置正确;
乙.为中等状态,此时振动片轻度振动,使用者脊背稍弯,处于无意识松懈,可以由自身或者身边的人提供训练辅助得到数据,确保状态乙的设置在范围内;
丙.为较差状态,此时振动片强烈振动,使用者脊背弯曲程度大,处于完全松懈,改状态个人可以自行训练,范围大,准确性要求低;
当使用者呈现乙、丙两种状态姿态时,通过纠正姿态模块的振动片的振动提醒其纠正站姿走姿;
如有识别错误,可以按下微动开关将归类错误的状态识别为正常状态;
其程序流程如下:
姿态识别开始后,通过主控器中内含得Curie可穿戴姿态识别模块获取6轴加速度传感器数据;
如果收到学习指令,则根据学习指令学习对应站姿走姿,学习后继续获取6轴加速度传感器数据,进入循环;
如果没有收到学习指令,则将获取得到的6轴加速度传感器数据通过神经网络分类;
如果识别为标准站姿走姿,则继续获取6轴加速度传感器数据,进入循环;
如果识别为不是标准站姿走姿,则继续识别;
如果识别为中等站姿走姿,则振动片低强度振动;
如果在5秒内有微动开关信号,则把次动作数据作为正确站姿走姿再次学习,接着继续获取6轴加速度传感器数据,进入循环;
如果在5秒内无微动开关信号,则继续获取6轴加速度传感器数据,进入循环;
如果识别为不是中等站姿走姿,则振动片高强度振动;
如果在5秒内有微动开关信号,则把次动作数据作为正确站姿走姿再次学习,接着继续获取6轴加速度传感器数据,进入循环;
如果在5秒内无微动开关信号,则继续获取6轴加速度传感器数据,进入循环;
最后,断开电源,跳出循环,纠正结束。
6.如权利要求3所述的一种基于Curie模块人体姿态检测纠正装置的使用方法,其特征在于,所述健身姿势纠正使用Curie或者CurieNano模块进行姿态识别,使用开发板Arduino101,使用微动开关纠正姿态识别错误;
甲.为正常状态,此时振动片不振动,使用者动作规范;该状态由设置者提供数据分类,确保状态甲的设置正确;
乙.为较差状态,此时振动片轻度振动,使用者动作不规范;
当使用者呈现乙状态姿态时,通过纠正姿态模块的振动片的振动提醒其纠健身姿势;
如有识别错误,可以按下微动开关,将归类错误的状态识别为规范状态;
其程序流程如下:
姿态识别开始后,通过主控器中内含得Curie可穿戴姿态识别模块获取6轴加速度传感器数据;
如果识别为是标准状态,则继续获取6轴加速度传感器数据,进入循环;
如果识别为不是标准状态,则振动片振动0.5s,继续获取6轴加速度传感器数据,进入循环;
最后,断开电源,跳出循环,纠正结束。
7.如权利要求3所述的一种基于Curie模块人体姿态检测纠正装置的使用方法,其特征在于,所述连续动作纠正装置采用Curie Nano模块的振动片与主控器的个数根据个人需求与产品功能而定;
其程序流程如下:
姿态识别开始后,从Flash中获取上次学习的数据,初始化蓝牙功能;
通过主控器中内含得Curie可穿戴姿态识别模块获取6轴加速度传感器数据;
如果收到学习指令,则根据学习指令学习对应连续动作,学习后继续获取6轴加速度传感器数据,进入循环;
如果没有收到学习指令,则将获取得到的6轴加速度传感器数据通过神经网络分类;
如果识别得到当前姿态是为上一姿态后的规定动作,则继续获取6轴加速度传感器数据,进入循环;
如果识别得到当前姿态不是为上一姿态后的规定动作,则振动片振动0.5s,继续获取6轴加速度传感器数据,进入循环;
最后,断开电源,跳出循环,纠正结束。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710911992.7A CN107684430A (zh) | 2017-09-29 | 2017-09-29 | 基于Curie模块人体姿态检测纠正装置及其使用方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710911992.7A CN107684430A (zh) | 2017-09-29 | 2017-09-29 | 基于Curie模块人体姿态检测纠正装置及其使用方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107684430A true CN107684430A (zh) | 2018-02-13 |
Family
ID=61153862
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710911992.7A Pending CN107684430A (zh) | 2017-09-29 | 2017-09-29 | 基于Curie模块人体姿态检测纠正装置及其使用方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107684430A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108542568A (zh) * | 2018-04-20 | 2018-09-18 | 上海澄潭网络科技有限公司 | 一种用于调整腰背支撑装置的方法与设备 |
CN108710901A (zh) * | 2018-05-08 | 2018-10-26 | 广州市新苗科技有限公司 | 一种基于深度学习的脊柱畸形筛查***及方法 |
CN109620244A (zh) * | 2018-12-07 | 2019-04-16 | 吉林大学 | 基于条件生成对抗网络和svm的婴儿异常行为检测方法 |
CN110432910A (zh) * | 2019-09-18 | 2019-11-12 | 杨焕琦 | 姿态校正***和穿戴式治疗衣 |
-
2017
- 2017-09-29 CN CN201710911992.7A patent/CN107684430A/zh active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108542568A (zh) * | 2018-04-20 | 2018-09-18 | 上海澄潭网络科技有限公司 | 一种用于调整腰背支撑装置的方法与设备 |
CN108710901A (zh) * | 2018-05-08 | 2018-10-26 | 广州市新苗科技有限公司 | 一种基于深度学习的脊柱畸形筛查***及方法 |
CN108710901B (zh) * | 2018-05-08 | 2022-03-01 | 广州市新苗科技有限公司 | 一种基于深度学习的脊柱畸形筛查***及方法 |
CN109620244A (zh) * | 2018-12-07 | 2019-04-16 | 吉林大学 | 基于条件生成对抗网络和svm的婴儿异常行为检测方法 |
CN110432910A (zh) * | 2019-09-18 | 2019-11-12 | 杨焕琦 | 姿态校正***和穿戴式治疗衣 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | Interactive wearable systems for upper body rehabilitation: a systematic review | |
US11037369B2 (en) | Virtual or augmented reality rehabilitation | |
CN105688396B (zh) | 运动信息显示***和运动信息显示方法 | |
CN107684430A (zh) | 基于Curie模块人体姿态检测纠正装置及其使用方法 | |
TWI669681B (zh) | 提供人體姿勢保健資訊的電子計算裝置、系統與方法 | |
US8162857B2 (en) | Limb movement monitoring system | |
JP2021535465A (ja) | 神経筋信号のカメラ誘導による解釈 | |
CN108885500A (zh) | 触觉信息转换装置、触觉信息转换方法、及触觉信息转换程序 | |
CN109074157A (zh) | 触觉信息转换装置、触觉信息转换方法、及触觉信息转换程序、以及元件配置结构体 | |
WO2016128778A2 (en) | Smart apparel for running | |
CN111539245B (zh) | 一种基于虚拟环境的cpr技术训练评价方法 | |
CN108236468A (zh) | 身体动作分析***、便携式装置以及身体动作分析方法 | |
JP2022546644A (ja) | 人間-ロボット混在製造プロセスにおける自動異常検出のためのシステムおよび方法 | |
CN109766782A (zh) | 基于svm的实时肢体动作识别方法 | |
Santos | Beyond cognitive and affective issues: Designing smart learning environments for psychomotor personalized learning | |
JP6884306B1 (ja) | システム、方法、情報処理装置 | |
Minaoglou et al. | A review on wearable product design and applications | |
Skach et al. | Sensing social behavior with smart trousers | |
Basmaji et al. | Posture detection framework using the internet of wearable things | |
CN109993037A (zh) | 动作识别方法、装置、穿戴设备及计算机可读存储介质 | |
Wang | Designing smart garments for rehabilitation | |
Visser | Haptic feedback in a posture correcting wearable | |
Bleser et al. | Human motion capturing and activity recognition using wearable sensor networks | |
JP7445933B2 (ja) | 情報処理装置、情報処理方法及び情報処理プログラム | |
Jensen | Design Considerations and Application Examples for Embedded Classification Systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180213 |
|
WD01 | Invention patent application deemed withdrawn after publication |