申请/专利权人：安徽农业大学

申请日：2021-08-23

公开（公告）日：2024-06-07

公开（公告）号：CN113688718B

主分类号：G06V10/774

分类号：G06V10/774;G06V10/764;G06V40/10;G06T17/20;G06F30/23

优先权：

专利状态码：有效-授权

法律状态：2024.06.07#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枕头有限元分析的无干扰自适应睡姿识别方法，包括以下步骤：S1、通过枕具系统获取人‑枕界面的压力分布或压陷形状；S2、使用有限元分析采集的人‑枕界面压力分布或压陷形状并构建人–枕界面压力矩阵或压陷量矩阵数据；S3、通过支持向量机多分类器对人–枕界面压力或压陷量矩阵样本数据进行相应的训练，从而构建精准的识别准则；S4、通过识别准则对待预测的人体睡姿数据进行识别分类，得到分类结果。本发明在不影响真实睡眠的情况下准确识别睡姿，使用人‑枕界面压力分布或压陷形状和有限元分析以及支持向量机多分类器中的最优分类超平面分析，有效地对睡姿进行识别分类，为评价人体睡眠质量，实现枕头的智能化设计、定制化生产提供了技术支持。

主权项：1.一种基于枕头有限元分析的无干扰自适应睡姿识别方法，其特征在于，所述方法包括以下步骤：S1、通过枕具系统获取人-枕界面的压力分布或压陷形状；所述枕具系统包括枕头（1）、压力传感器或位移传感器阵列（4）、受试者（5）、信息数据采集器（6）、电脑主机（7）以及显示器（8），所述枕头（1）包括内、外层的填充层（2）以及裥花层（3），所述压力传感器或位移传感器阵列（4）设置于填充层（2）中用于测量受试者（5）在枕头（1）上的人-枕界面压力分布或压陷形状的相关数据，所述电脑主机（7）通过信息数据采集器（6）接收压力传感器或位移传感器阵列（4）的测试实时数据，所述显示器（8）与电脑主机（7）相连用于显示数据测量情况；S2、使用有限元分析采集的人-枕界面压力分布或压陷形状并构建人–枕界面压力矩阵或压陷量矩阵数据；S3、通过支持向量机多分类器对人–枕界面压力或压陷量矩阵样本数据进行相应的训练，从而构建精准的识别准则；具体包括以下步骤：S31、利用支持向量机对人–枕界面压力或压陷量矩阵数据进行分类训练，识别仰卧、左侧卧、右侧卧和俯卧四种睡姿，采用一对多方式算法，其中的分类器i是将i类数据设置为类1，其它所有m-1个i类以外的类共同设置为类2，这样，针对每一个类训练一个二类分类器，最终，获得了4个支持向量机分类器，再针对每个样本构建对应的支持向量机特征矩阵，特征矩阵包括人-枕界面压力或压陷量矩阵的总压力或压陷量T、最大值max、平均值ave、第75百分位P75、第50百分位P50、曲率K、左右侧不对称系数C、左右侧不对称压力或压陷量TC八项指标；其中，总压力或压陷量T即整个枕头表面的总压力或压陷量；最大值max为整个枕头表面压力或压陷量的最大值；平均值ave为整个枕头表面压力或压陷量的平均值；第75百分位P75为将人–枕界面压力或压陷量矩阵的数值从小到大排列，处于75%位置的值；第50百分位P50为将人–枕界面压力或压陷量矩阵的数值从小到大排列，处于50%位置的值；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；左右侧不对称系数C是对压力对称性的衡量，为头部、颈部下陷对称中心曲线CL至该曲线起止点连线距离的平均值；左右侧不对称压力或压陷量TC为头部、颈部下陷对称中心曲线CL两侧下陷总量之差的绝对值，表达式分别为： （1） （2） （3） （4） （5） （6） （7） （8）其中，Z为枕头压力或压陷量矩阵，为头部压力或压陷量矩阵，为颈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，为颈部最大值所在的侧向测试点行数；为头部、颈部下陷对称中心曲线CL上任意一点i，j至该曲线起止点连线的距离，l为头部、颈部纵向总压力或压陷量测试点数；S32、自动识别之前，利用支持向量机，在有限样本D监督识别训练的基础上构建精准的识别准则；S4、通过识别准则对待预测的人体睡姿数据进行识别分类，得到分类结果。

全文数据：

权利要求：

百度查询： 安徽农业大学 一种基于枕头有限元分析的无干扰自适应睡姿识别方法

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