申请/专利权人：安徽农业大学

申请日：2021-08-23

公开（公告）日：2024-05-31

公开（公告）号：CN113688720B

主分类号：G06V40/20

分类号：G06V40/20;G06V10/774;G06V40/10;G06V10/82;G06N3/02;G06N3/082

优先权：

专利状态码：有效-授权

法律状态：2024.05.31#授权;2021.12.10#实质审查的生效;2021.11.23#公开

摘要：本发明提供了一种基于神经网络识别的预测睡姿的方法，通过实验床具系统测量并获取人‑床界面压力分布或压陷形状；利用神经网络，通过获取的人‑床界面压力矩阵或压陷量矩阵监督识别训练，构建精准的仰卧、左侧卧、右侧卧和俯卧四种睡姿的识别准则，即建立睡姿识别的神经网络基础计算矩阵；在对睡眠姿势进行识别时，配置神经网络节点，采用Levenberg‑Marquardt算法，完成训练器配置和校准，当训练器经配置和校准后，误差处于设定范围内时，训练器更新形成预测分类器，通过预测分类器输入预测数据得到识别结果。本发明通过误差逆传播算法训练的多层网络模型结构，输入通过获取的人‑床界面压力矩阵或压陷量矩阵监督识别训练，预测睡姿的准确率高，为实现智能化的床具或床垫系统的设计提供了技术支持。

主权项：1.一种基于神经网络识别的预测睡姿的方法，其特征在于，所述方法包括以下步骤：S1、特征提取：通过实验床具系统测量并获取人-床界面压力分布或压陷形状；S2、睡姿的分类：利用神经网络，通过获取的人-床界面压力分布或压陷形状监督识别训练，构建精准的仰卧、左侧卧、右侧卧和俯卧四种睡姿的识别准则，即建立睡姿识别的神经网络基础计算矩阵；所述睡姿的分类包括以下步骤：S21、通过采集的训练样本目标人群仰卧、左侧卧、右侧卧、俯卧条件下人-床界面压力分布或压陷形状计算出人-床界面压力或压陷量矩阵的总压陷量或总压力T、最大值Max、平均值Ave、曲率K、侧向不对称系数C、侧向不对称压力或压陷量TC六项指标表征；S22、六项指标表征的计算过程如下： ；其中，总压力或压陷量T即整个床垫表面的总压力或压陷量；最大值Max为整个床垫表面压力或压陷量的最大值；平均值Ave为整个床垫表面压力或压陷量的平均值；曲率K为头部压力或压陷量最大值至颈部压力或压陷量最大值的斜率；侧向不对称系数C为头部、臀部压陷或压力对称中心曲线CL至该曲线起止点连线距离的平均值；侧向不对称压力或压陷量TC为头部、臀部压陷对称中心曲线CL两侧压力或压陷量总量之差的绝对值，Z为床垫压力或压陷量矩阵，为头部压力或压陷量矩阵，为臀部压力或压陷量矩阵，m为侧向压力或压陷量测试点数，n为纵向压力或压陷量测试点数，L为压力或压陷量数值从小到大排列的矩阵；为头部最大值所在的侧向测试点行数，为臀部最大值所在的侧向测试点行数；为头部、臀部压陷对称中心曲线CL上任意一点i，j至该曲线起止点连线的距离，为头部、颈部纵向总压力或压陷量测试点数；S23、计算出睡姿识别的神经网络基础计算矩阵：将以上六项指标表征数据通过神经网络进行识别训练，以此，构建出精准的仰卧、左侧卧、右侧卧和俯卧四种睡姿的识别准则S3、睡姿的识别：在对睡眠姿势进行识别时，配置神经网络节点，采用Levenberg-Marquardt算法，完成训练器配置和校准，当训练器经配置和校准后，误差处于设定范围内时，训练器更新形成预测分类器，通过预测分类器输入预测数据得到识别结果。

全文数据：

权利要求：

百度查询： 安徽农业大学 一种基于神经网络识别的预测睡姿的方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD