一种注意力分析方法、智能终端、智能坐垫以及系统与流程

1.本发明涉及电子信息技术领域，特别涉及一种注意力分析方法、智能终端、智能坐垫以及系统。


背景技术：

2.目前主要利用摄像头或人工智能监控的方法来判断听讲人注意力是否集中。当前的方法要么需要人工判断，要么需要依靠拍照捕捉人体姿态，需要比较大地设备成本，且后端分析识别注意力是否集中又需要极为繁琐的视频逐帧定位，比较复杂。
3.并且，当需要同时获取多个听讲人注意力集中情况时，会存在部分拍照捕捉不到位的问题，以至于不能获得准确的听讲人注意力集中结果。


技术实现要素：

4.本发明实施例提供一种注意力分析方法、智能终端、智能坐垫以及系统，通过本发明实施例能够提高用户注意力分析检测的准确率。
5.第一方面，本发明实施例提供了一种注意力分析方法，该方法包括：
6.连接至少一个智能坐垫，并获取所述智能坐垫的位置信息；
7.分析并获取所述智能坐垫对应的用户的坐姿信息，所述坐姿信息包括坐姿类型、坐姿变化频率以及坐姿变化幅度；
8.获取所述用户的身份信息；
9.根据所述位置信息、所述坐姿类型、所述坐姿变化频率、所述坐姿变化幅度以及所述身份信息，分析所述用户的注意力。
10.可选的，所述分析并获取所述智能坐垫对应的用户的坐姿信息，所述坐姿信息包括坐姿类型、坐姿变化频率和坐姿变化幅度，包括：
11.获取坐姿压力信息；
12.根据坐姿位图和所述坐姿压力信息，获取所述用户当前的坐姿类型；
13.根据所述坐姿类型和所述坐姿压力信息，统计预设时间内所述用户的坐姿变化信息；
14.根据所述坐姿变化信息获取所述坐姿变化频率和所述坐姿变化幅度。
15.可选的，所述方法还包括：
16.根据预设米字型模型建立所述坐姿位图。
17.可选的，所述根据所述位置信息、所述坐姿类型、所述坐姿变化频率、所述坐姿变化幅度以及所述身份信息，分析所述用户的注意力，包括：
18.基于所述智能坐垫的所述位置信息和所述用户的所述身份信息，预设注意力计算方法；
19.根据所述注意力计算方法，分别计算所述用户的所述坐姿类型、所述坐姿变化频率以及所述坐姿变化幅度的分数；
20.计算所述坐姿类型、所述坐姿变化频率以及所述坐姿变化幅度的和，获得目标注意力分数。
21.可选的，在所述智能坐垫包括多个时，所述方法还包括：
22.根据获得的用户的注意力信息，生成所述多个智能坐垫对应的用户注意力程度热图，以根据所述用户注意力程度热图分析注意力变化趋势。
23.第二方面，本发明实施例还提供了一种智能终端，包括：
24.至少一个处理器；
25.以及与所述至少一个处理器通信连接的存储器；
26.其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器执行上述任意一种方法。
27.第三方面，本发明还提供了一种智能坐垫，包括坐垫本体，所述坐垫本体内设置有：中央处理单元、压力传感单元和无线通信单元；
28.所述压力传感单元，用于采集用户坐于所述智能坐垫时的坐姿压力信息；
29.所述中央处理单元，用于控制所述无线通信单元发送所述坐姿压力信息发送至如上述智能终端，以使所述智能终端根据所述坐姿压力信息进行注意力分析。
30.可选的，多个所述压力传感单元均匀分布在所述智能坐垫上，组成压力矩阵，依据用户的坐姿类型将所述压力矩阵分为不同的区域，根据所述区域采集所述坐姿压力信息。
31.可选的，所述智能坐垫还包括：控制单元、存储单元以及时钟单元，所述控制单元、所述存储单元以及所述时钟单元均设置在所述坐垫本体内；
32.所述控制单元，用于控制所述智能坐垫工作的开启和关闭；
33.所述存储单元，用于存储所述智能坐垫采集的数据；
34.所述时钟单元，用于校准时间信息。
35.第四方面，本发明实施例还提供了一种注意力分析系统，包括：
36.如上述所述的智能终端；
37.如上述任意一种智能坐垫；
38.以及云服务器，所述智能终端分别与所述智能坐垫和所述云服务器通信连接。
39.与现有技术相比，本发明的有益效果是：区别于现有技术的情况，本发明实施例提供的注意力分析方法、智能终端、智能坐垫以及系统。所述注意力分析方法包括：连接至少一个智能坐垫，并获取所述智能坐垫的位置信息；分析并获取所述智能坐垫对应的用户的坐姿信息，所述坐姿信息包括坐姿类型、坐姿变化频率以及坐姿变化幅度；获取所述用户的身份信息；根据所述位置信息、所述坐姿类型、所述坐姿变化频率、所述坐姿变化幅度以及所述身份信息，分析所述用户的注意力。本发明提供的方法能够根据用户的坐姿情况分析用户的注意力专注程度，提高了用户注意力分析检测的准确率。
附图说明
40.一个或多个实施例通过与之对应的附图进行示例性说明，这些示例性说明并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。
41.图1是本发明实施例提供的一种注意力分析系统的结构示意图；
42.图2是本发明实施例提供的一种智能终端10的硬件结构示意图；
43.图3是本发明实施例提供的一种智能坐垫20的结构示意图；
44.图4是本发明实施例提供的一种注意力分析方法的流程示意图；
45.图5是本发明实施例提供的一种注意力分析方法中分析并获取智能坐垫对应的用户的坐姿信息的流程示意图；
46.图6是本发明实施例提供的一种智能坐垫的坐姿位图；
47.图7是本发明实施例提供的一种注意力分析方法中根据位置信息、坐姿类型、坐姿变化频率、坐姿变化幅度以及身份信息，分析用户的注意力的流程示意图。
具体实施方式
48.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
49.需要说明的是，如果不冲突，本发明实施例中的各个特征可以相互组合，均在本发明的保护范围之内。另外，虽然在装置示意图中进行了功能模块的划分，在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于装置示意图中的模块划分，或流程图中的顺序执行所示出或描述的步骤。
50.除非另有定义，本说明书所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。在本发明的说明书中所使用的术语只是为了描述具体的实施方式的目的，不是用于限制本发明。本说明书所使用的术语“和/或”包括一个或多个相关的所列项目的任意的和所有的组合。
51.图1是本发明实施例提供的一种注意力分析系统的示意图。请参阅图1，该系统100包括智能终端10、智能坐垫20以及云服务器30。
52.在本实施例中，智能终端10可以是任何类型，与用户进行交互或者为用户提供服务的终端设备，其包括手机、平板电脑、智能手环等。该智能终端10能够与至少一个智能坐垫20建立网络连接，从而直接控制智能坐垫20中的一些参数的设置，并且能够接收智能坐垫20采集的坐姿信息，分析处理该坐姿信息。该智能终端10还可以访问云服务器30，与云服务器30进行数据通信。
53.图2是本发明实施例提供的一种智能终端10的硬件结构示意图。
54.请参阅图2，该智能终端10包括：
55.一个或多个处理器101以及存储器102，图2中以一个处理器101为例。
56.处理器101和存储器102可以通过总线或者其他方式连接，图2中以通过总线连接为例。
57.存储器102作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块。处理器101通过运行存储在存储器102中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现下述方法实施例的注意力分析方法。
58.存储器102可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据闹钟响铃装置的使用所创建
的数据等。此外，存储器102可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器102可选包括相对于处理器101远程设置的存储器，这些远程存储器可以通过网络连接至智能坐垫。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
59.一个或者多个模块存储在存储器102中，当被该一个或者多个处理器101执行时，执行下述任意方法实施例中的注意力分析方法，例如，执行以上描述的图4中的方法步骤s1至步骤s4，图5中的方法步骤s21至步骤s24，图7中的方法步骤s41至步骤s43。
60.上述产品可执行本发明实施例所提供的方法，具备执行方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本发明实施例所提供的方法。
61.智能坐垫20具备采集用户坐姿信息的功能。可以与智能终端10和云服务器30建立连接。智能坐垫20与智能终端10建立连接后，用户可以在智能终端10侧设置智能坐垫20的基本参数，比如，设置智能坐垫20的时间、计时、设置标准坐姿压力值等。智能坐垫20与云服务器30建立连接后，能够获取云服务器30发送的用户预设的信息。
62.图3是本发明实施例提供的一种智能坐垫20的结构示意图。请参阅图3，该智能坐垫20包括坐垫本体201，该坐垫本体201内设置有：中央处理单元202、压力传感单元203、无线通信单元204、控制单元205、存储单元206以、时钟单元207以及电源单元208。该压力传感单元203、无线通信单元204、控制单元205、存储单元206以、时钟单元207以及电源单元208均受中央处理单元202控制。
63.该压力传感单元203用于采集用户坐于智能坐垫时的坐姿压力信息。该中央处理单元202用于控制无线通信单元204发送坐姿压力信息发送至上述的智能终端10，以使该智能终端10根据坐姿压力信息进行注意力分析。
64.在实际应用过程中，首先使用压力传感单元203采集用户的坐姿压力信息。采集到用户的坐姿压力信息后，通过无线通信单元204将该坐姿压力信息发送到智能终端10，智能终端10根据坐姿压力信息进行注意力分析，得到该用户的注意力专注程度或注意力专注分数。
65.在一些实施例中，多个压力传感单元203均匀分布在该智能坐垫20上，组成压力矩阵，依据用户的坐姿类型将该压力矩阵分为不同的区域，根据该区域采集该用户的坐姿压力信息。
66.在本实施例中，该控制单元205具体用于控制智能坐垫20工作的开启和关闭。具体的，可以是设置在智能坐垫20外的一个开关，通过拨动该开关可以开启和关闭该智能坐垫20。在本实施例中，该存储单元206用于存储智能坐垫20采集的数据。该时钟单元207用于校准时间信息。
67.该智能坐垫20与智能终端10和云服务器30通信连接，使用压力传感器203采集用户的坐姿压力信息，并根据这些信息来分析用户的注意力，从而在需要检测的用户较多时，能够较为全面的获取信息，较为准确的判断所有用户的注意力情况。
68.云服务器30可以是一台服务器，也可以是服务器集群。云服务器30与智能坐垫20进行数据通信，其能够根据智能坐垫20发送的智能坐垫20所在位置信息，时刻，智能坐垫ip等信息，识别智能坐垫20身份。
69.需要说明的是，智能终端10与智能坐垫20的关系并不仅限于图1所示的方式。此外，图1中仅示出了一个智能终端10和一个智能坐垫20，本领域技术人员可以理解的是，该系统下还可以包括任意数量的智能终端10和智能坐垫20。
70.图4为本发明实施例提供的一种注意力分析方法，该方法可以应用至智能终端10。请参阅图4，该方法包括如下步骤：
71.s1、连接至少一个智能坐垫，并获取该智能坐垫的位置信息。
72.该位置信息由智能坐垫与其它固定器材，例如桌子、椅子等关联而来，用于表示智能坐垫的位置。可以通过预先设置所有固定器材的二维码，用户扫描二维码将智能坐垫与其它固定器材进行关联。也可以通过wifi或者蓝牙，与其它固定器材建立连接。
73.开始检测时，用户可以在智能终端上连接需要检测的用户所坐的智能坐垫，用户可以在智能终端上指定连接一个或多个智能坐垫。接着，智能终端提示用户获取所有需要检测的智能坐垫的位置信息。然后用户使用上述的方法使智能坐垫与其它固定器材关联，关联结果反馈给智能终端，智能终端将关联结果反馈给用户。例如，在一间教室中，共有20张桌子，20个椅子以及20个智能坐垫，每个桌子、椅子以及智能坐垫上都有不同的二维码，用来识别各自的身份，用户想要了解10个待测用户的注意力情况，用户可以在检测前，在智能终端上扫描同一个待测用户坐的1张桌子、1个椅子和1个智能坐垫的二维码，将这三者联系起来，形成智能坐垫的位置。共扫描10组桌子、椅子以及智能坐垫，最终确定10个智能坐垫的位置信息。
74.s2、分析并获取该智能坐垫对应的用户的坐姿信息，该坐姿信息包括坐姿类型、坐姿变化频率以及坐姿变化幅度。
75.该坐姿信息是反映用户坐姿情况的信息。该坐姿信息包括坐姿类型、坐姿变化频率以及坐姿变化幅度。坐姿类型指的是用户的坐姿类型，例如正坐、前倾、后倾、左前倾、右前倾等类型。坐姿变化频率指的是用户在预设时间内坐姿类型的变化次数。坐姿变化频率代表身体活跃度，当活跃度较高时，注意力集中程度随之较低。
76.坐姿变化幅度指的是用户坐姿变化时，变化前与变化后的坐姿类型的跨度大小，例如，用户坐姿类型从前倾到正坐时，坐姿变化幅度小，用户注意力集中程度较好。用户坐姿类型从后倾到左前倾时，坐姿变化幅度大，用户注意力集中程度较差。在实际应用中，可以是通过有限次的实验、根据大规模的数据调查或者是由用户根据自己个性化设置等方式确定坐姿类型、坐姿变化频率以及坐姿变化幅度。
77.图5为本发明另一实施例提供的一种分析并获取智能坐垫对应的用户的坐姿信息的方法。如图5所示，该析并获取智能坐垫对应的用户的坐姿信息方法的步骤s2具体包括如下方法：
78.s21、获取坐姿压力信息。
79.该坐姿压力信息指的是一段时间内，用户在智能坐垫上的压力大小、压力范围等信息。采集用户坐在智能坐垫上的坐姿压力信息并上传智能终端和云服务器，通过智能终端或云服务器分析处理该坐姿压力信息。
80.s22、根据坐姿位图和坐姿压力信息，获取用户当前的坐姿类型。
81.该坐姿位图指的是预设在智能坐垫上的压力矩阵区域。根据采集到的坐姿压力信息得到压力大小和压力范围，结合压力大小、压力范围以及坐姿位图，得到用户当前的坐姿
类型。
82.图6是本发明实施例提供的一种智能坐垫的坐姿位图，请参阅图6，该坐姿位图根据预设米字型模型建立，也可称为九宫格形。该坐姿位图分为九个区域，每个区域的面积一样大，包括：正坐、前倾、后倾、左前倾、右前倾、左倾、右倾、左下倾以及右下倾。该坐姿位图应用于智能坐垫，表示智能坐垫的压力矩阵分布情况。
83.当用户的重心左前移时，坐姿类型为左前倾，依次类推，形成9种坐姿类型的压力分布矩阵。也可根据压力传感单元的分布或用户的需求，自定义坐姿类型。可以预设人体的不同年龄、体重、身高对应的坐姿类型所在压力分布。根据需要的坐姿分析的精度，可以设置不同数量的压力传感单元，例如数量为108个压力单元，那么智能坐垫的坐姿位图中每个区域内大约分布12个压力单元，即每个坐姿类型对应12个压力单元。可以根据个体差异，通过聚类分析生成不同坐姿类型对应区域的压力分布值，预设标准压力分布矩阵，聚类分析指将物理或抽象对象的集合分组为由类似的对象组成的多个类的分析过程。
84.根据上述的按照米字型等分区域范围，分为9个区域，每个区域采集的压力值转换为实时矩阵信息，根据相似性原理，与标准压力分布矩阵进行相似性判定，每个区域对应一个坐姿类型，在实时坐姿压力采集中，若压力分布值在一定的时间内保持不变，则确定实时坐姿类型。具体地，选取每个标准坐姿类型的标准压力分布矩阵，利用采集到的压力分布，按照区域分块，对应标准坐姿类型的区域范围，取该区域的压力分布矩阵与标准压力分布矩阵相似性最大的作为坐姿类型输出。
85.具体的，预设标准坐姿类型的压力分布矩阵和压力值，用户坐在智能坐垫上时，智能坐垫采集压力信息，该压力信息包括压力分布和压力值，并将该压力信息上传至智能终端和云服务器，智能终端或云服务器分析确认用户的坐姿类型。
86.s23、根据坐姿类型和坐姿压力信息，统计预设时间内用户的坐姿变化信息。
87.在实际应用中，用户可以在智能终端设置检测时间，将设置的时间发送给智能坐垫，智能坐垫根据该时间采集数据。
88.s24、根据坐姿变化信息获取坐姿变化频率和坐姿变化幅度。
89.坐姿变化信息包括用户在智能坐垫上的压力分布的变化和压力值的变化，反映用户的坐姿变化频率和坐姿变化幅度。
90.智能坐垫采集预设时间内用户的坐姿变化信息，将该坐姿变化信息发送给智能终端和云服务器，智能终端或云服务器分析该坐姿变化信息得到坐姿变化频率和坐姿变化幅度。
91.通常，一些类似的采集坐姿信息的方法使用摄像头来对用户进行拍照分析。由于摄像头拍照的清晰程度能直接影响结果，所以对摄像头要求较高。并且若只设置一个摄像头而需要拍摄的却有多人，则可能会出现捕捉不完全的情况。因此，使用摄像头来采集用户的坐姿信息时，容易出现误判的情况。
92.而在本实施例提供的坐姿信息获取方法中，使用了智能坐垫采集压力信息，获得用户的坐姿信息。压力信息是一种稳定的信息，不会难以捕捉，也不容易出现误判。因此，利用智能坐垫采集压力信息来获取用户的坐姿信息能够得到较为准确的结果。
93.s3、获取用户的身份信息。
94.在分析用户的注意力之前，需要预设的不同身份信息下用户注意力的分析方法，
然后确认当前用户的身份信息，根据当前用户的身份信息获得注意力分析方法，根据该注意力分析方法分析当前用户的注意力。该身份信息包括用户的年龄、身高以及体重等。
95.在实际应用中用户的身份信息十分重要，不同的身份信息需要使用不同的注意力分析方法。例如，平均来看，6岁的用户比16岁的用户更容易动，坐姿变化频率更高，那么若二者使用相同的注意力分析方法是不够合理的。根据不同的用户身份信息分析用户的注意力更加合理。
96.s4、根据位置信息、坐姿类型、坐姿变化频率、坐姿变化幅度以及身份信息，分析该用户的注意力。
97.具体的，可以使用一个具体的数值反映该用户的注意力专注程度，例如，可以给用户的坐姿类型打分来反映该用户的注意力情况。当用户正坐时，用户的注意力分值为10分，当用户前倾、后倾、左倾或右倾时，用户的注意力分值为9分，当用户左前倾、右前倾、左下倾或右下倾时，用户的注意力分值为8分，分值越高注意力专注程度越高。
98.还可以通过减分的方法来计算用户的注意力分值。例如，设置总分为100分，对于坐姿类型来说，若坐姿类型为正坐则不减分，若坐姿类型为前倾、后倾、左倾或右倾则减1分，若坐姿类型为左前倾、右前倾、左下倾或右下倾则减2分；对于坐姿变化频率，在预设时间内变化多少次则减去多少分；对于坐姿变化幅度，若坐姿变化跨度小则减5分，若坐姿变化跨度适中则减10分，若坐姿变化跨度大则减15分。若一个用户当前坐姿类型为前倾，十分钟内坐姿变化频率为5次，坐姿变化幅度适中，则该用户的注意力分值为84分，分值越高注意力专注程度越高。
99.图7是本发明实施例提供的一种注意力分析方法中根据位置信息、坐姿类型、坐姿变化频率、坐姿变化幅度以及身份信息，分析用户的注意力的流程示意图。请参阅图7，该方法包括：
100.s41、基于智能坐垫的位置信息和用户的身份信息，预设注意力计算方法。
101.智能坐垫的位置信息对注意力计算十分重要。例如，在一间教室中，用户1坐在第一排最左边，用户2坐在第一排最右边，用户3坐在教室正中间，那么三人长时间的坐姿类型可能不一样，用户1可能会长时间右下倾，因为讲台在右边，而且需要向后仰头看黑板，同理，用户2可能会长时间左下倾，用户3可能会长时间正坐，那么此时计算坐姿类型的分数时，用户1需要将右下倾设置为满分，用户2需要将左下倾设置为满分，用户3需要将正坐设置为满分。
102.用户的身份信息对注意力计算的影响也较大。例如，平均来看，6岁的用户比16岁的用户更容易动，坐姿变化频率更高，那么若二者使用相同的注意力分析方法是不够合理的。根据不同的用户身份信息分析用户的注意力更加合理。
103.s42、根据该注意力计算方法，分别计算用户的坐姿类型、坐姿变化频率以及坐姿变化幅度的分数。
104.在一些实施例中，定义所有注意力总分为100分，考虑不同因素权重，基于坐姿类型：坐姿变化频率：坐姿变化幅度为2：1：1的原则，即坐姿类型满分为50分，坐姿变化频率满分为25分，坐姿变化幅度为25分，根据实际情况，不同因素的权重可适时调整。每个坐姿类型对应不同的分值，例如正坐，分值最高50分，左倾或者右倾为40分，依次类推。坐姿变化频率按照不同年龄段划分满分区间和对应分值，例如，一个6岁的孩子，其坐姿变化频率每分
钟小于5次，得到满分25分。当坐姿变化频率大于5次且小于15次,则坐姿变化频率分值为20分，以此类推，坐姿变化频率每增加10次，则坐姿变化频率分值少5分，线性得分。对于坐姿变化幅度，根据坐姿类型变化跨度，取其对应分值，例如正坐到左倾，其跨度为1，那么分值15分，正坐到正坐，其跨度为0，则得分为25分。
105.s43、计算坐姿类型、坐姿变化频率以及坐姿变化幅度的和，获得目标注意力分数。该目标注意力分数的大小反映用户的注意力专注程度。
106.将上述三项因素，即坐姿类型分值、坐姿变化频率分值以及坐姿变化幅度分值相加，得到目标注意力分数。目标注意力分数的分值越高，注意力集中度越高。
107.根据注意力总分，线性划分注意力集中程度，例如若注意力分值区间为90到100则注意力集中等级为高，若为80到89分则注意力集中等级较高，若为70到79分则注意力集中等级良好，若为60到69分则注意力集中等级合格，若为0到59分则注意力不集中。
108.除了上述的计算注意力分数的方法外，还可以根据用户的不同需求和实际运用的不同场景选择其它更为合理的计算方法，计算注意力分数。
109.例如，可以设置注意力分数的总分为10分，初始的注意力分数为0分，通过智能坐垫采集坐姿信息，当前坐姿类型为正坐时加0分，当前坐姿类型为前倾、后倾、左倾或右倾时加1分，当前坐姿类型为左前倾、右前倾、左下倾或右下倾时加2分；可以根据区间线性计算坐姿变化频率的分数，在检测时间内，当坐姿变化频率为0到10次时加1分，当坐姿变化频率为10到20次时加2分，以此类推，当坐姿变化频率在90次以上时加10分；当坐姿变化幅度为0，即坐姿类型没有变化时加0分，当坐姿变化幅度为1，即坐姿变化幅度为九宫格中相邻两坐姿类型的变化时加1分，当坐姿变化幅度为1，即坐姿变化幅度为九宫格中不相邻得两坐姿类型的变化时加2分。通过上述坐姿类型、坐姿变化频率以及坐姿变化幅度的分数相加得到注意力分数，最多为10分，分数越高代表注意力越不集中。此种方法较为全面的分析用户的坐姿信息，得到的注意力信息也较准确。
110.在实际应用过程中，可以将不同的计算方法保存在智能终端和云服务器中供用户选择。用户也可以指定哪些因素分析注意力。例如，用户可以在智能终端上指定坐姿变化频率来分析注意力，即不考虑坐姿类型和坐姿变化幅度的影响。具体的，可以设置注意力分数的总分为10分，初始的注意力分数为0分，根据区间线性计算坐姿变化频率的分数，在检测时间内，当坐姿变化频率为0到10次时加1分，当坐姿变化频率为10到20次时加2分，以此类推，当坐姿变化频率在90次以上时加10分。若测量的用户的平均年龄较小，例如10岁的用户坐姿变化频率较高，坐姿类型和坐姿变化幅度的参考意义不大，所以只考虑坐姿变化频率去分析注意力更加合理。
111.需要说明的是，本发明实施例示意性的提供了一些计算注意力分数的方法，在实际应用中可以采用其它更为合理的计算方法。
112.在一些实施例中，有多个智能坐垫时，该方法还包括：根据获得的用户的注意力信息，生成该多个智能坐垫对应的用户注意力程度热图，以根据该用户注意力程度热图分析注意力变化趋势。
113.其中，注意力程度热图是根据每个用户的注意力信息生成的彩色图片。例如，上述的注意力分值为90到100的用户，在热力图上用红色显示，分值为80到89的用户，在热力图上用橙色显示，分值为70到79的用户，在热力图上用黄色显示，分值为60到69的用户，在热
力图上用绿色显示，分值为0到59的用户，在热力图上用青色显示。也可用其它方式显示热力图。该热力图可以使用户清晰的看到场所内所有检测用户的注意力情况。
114.智能坐垫保存坐姿压力信息、位置信息以及其它数据，并根据智能终端设置的上传周期，上传上述所有数据到智能终端。智能终端通过每个智能坐垫的注意力分数，基于从小到大排序，获得分值较低的前n个坐垫，根据前述关联的位置信息，定位注意力不集中的用户。进一步地，生成场所内的注意程度热力图，可根据反映的特征不同，根据时间段分段生成注意力程度热力图，从上述坐姿类型，坐姿变化频率或各自的分值等指标生成对应的热力图，进而分析该时该地的注意力变化趋势。
115.本发明提供的注意力分析方法中，注意力集中的程度通过智能坐垫感应压力状态反映，尤其是应用到人数较多的场合中，可以极为快速地感知群体内的注意力集中程度，从而也能指导宣讲人快速调整授课思路和方式，并且有效制止注意力不稳定的人群，且提高了用户注意力分析检测的准确率。
116.以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
117.通过以上的实施方式的描述，本领域普通技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程是可以通过计算机程序来指令相关的硬件来完成，上述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，上述的存储介质可为磁碟、光盘、只读存储记忆体(read
‑
only memory，rom)或随机存储记忆体(random access memory，ram)等。
118.最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；在本发明的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，步骤可以以任意顺序实现，并存在上述的本发明的不同方面的许多其它变化，为了简明，它们没有在细节中提供；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的范围。