一种坐姿识别方法、装置、设备及存储介质与流程

技术特征：
1.一种坐姿识别方法，其特征在于，包括以下步骤：s1：采集大量坐姿数据，并对所述坐姿数据进行预处理，得到训练数据集；s2：对所述训练数据集采用聚类算法进行训练，构建坐姿识别模型；s3：采用压力传感器采集当前坐姿数据，输入完成训练的坐姿识别模型中，输出得到识别的坐姿类别标签。2.根据权利要求1所述的坐姿识别方法，其特征在于，所述聚类算法包括k均值聚类算法、均值漂移聚类算法、基于密度的聚类方法、基于高斯混合模型的最大期望聚类算法、凝聚层次聚类算法中的一种或多种。3.根据权利要求2所述的坐姿识别方法，其特征在于，对所述训练数据集采用k均值聚类算法进行训练并构建坐姿识别模型的步骤包括：s21：从所述训练数据集中选取前k条坐姿数据作为初始聚类质心，所述初始聚类质心分别形成簇；其中k为正整数；s22：计算其余坐姿数据样本到每个聚类质心的距离，并将其分配到距离最近的簇中；s23：判断当前坐姿数据样本所属的簇是否发生变化，若是，则更新质心，并跳转执行s22步骤；若否，则完成坐姿识别模型的构建。4.根据权利要求1所述的坐姿识别方法，其特征在于，对所述坐姿数据进行预处理的步骤包括：清洗数据；对所述坐姿数据分别人工标注坐姿类别标签。5.根据权利要求1所述的坐姿识别方法，其特征在于，所述坐姿类别标签包括前倾、后仰、左倾、右倾、正坐。6.一种坐姿识别装置，其特征在于，包括坐垫、压力传感器组和坐姿识别模块，其中，所述压力传感器组设置在所述坐垫上，所述压力传感器组的输出端与所述坐姿识别模块的输入端连接；所述坐姿识别模块存储有基于聚类算法构建的坐姿识别模型，所述压力传感器组采集的坐姿数据输入所述坐姿识别模块中，所述坐姿识别模块将所述坐姿数据输入完成训练的坐姿识别模型中得到坐姿类别标签。7.根据权利要求6所述的坐姿识别装置，其特征在于，所述压力传感器组包括电阻式薄膜传感器阵列。8.根据权利要求7所述的坐姿识别装置，其特征在于，还包括通信模块，所述通信模块的输入端与所述坐姿识别模块的输出端连接，所述通信模块将所述坐姿识别模块输出的坐姿类别标签传输至外接终端。9.一种坐姿识别设备，其特征在于，包括一个或多个处理器；存储器；以及一个或多个应用程序；其中所述一个或多个应用程序被存储于所述存储器中，并配置为由所述处理器执行如权利要求1～5中任一项所述方法的操作。10.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，所述计算机程序被处理器进行加载，以执行如权利要求1～5中任一项所述方法的操作。

技术总结
本发明为解决现有技术中坐姿识别精度较低的问题，提出一种坐姿识别方法、装置、设备及存储介质，其中坐姿识别方法包括以下步骤：采集大量坐姿数据，并对所述坐姿数据进行预处理，得到训练数据集；对所述训练数据集采用聚类算法进行训练，构建坐姿识别模型；采用压力传感器采集当前坐姿数据，输入完成训练的坐姿识别模型中，输出得到识别的坐姿类别标签。本发明使用聚类算法预训练一个算法模型，然后使用已训练好的该算法模型对未知的坐姿数据进行类别判定，能够有效提高坐姿识别精度，且能够有效降低计算资源开销。够有效降低计算资源开销。够有效降低计算资源开销。


技术研发人员：黄岳 黄宏兴 罗小梅 郑志君 陈荣军 赵慧民 崔怀林
受保护的技术使用者：广东技术师范大学
技术研发日：2021.06.24
技术公布日：2021/11/8