一种正姿板的制作方法

文档序号:15967288发布日期:2018-11-16 23:15阅读:285来源:国知局

本发明涉及坐姿矫正技术领域,特别涉及一种正姿板。

背景技术

学生的骨骼正处于发育阶段,柔韧性非常好,但同时也非常容易受到“冲击”。学生在读书写字时如果坐姿不正确,久而久之,将养成不良的坐姿习惯,很有可能造成骨骼的变形,不利于身体保持平衡,出现驼背或肌肉疲劳等症状,将会影响学生身体正常发展。

现实生活中,学生读书、写字时姿势不正确,常常扭着身子趴在桌子上读书、写字,时间长了就容易形成不良习惯。不仅容易影响视力,使脊柱侧弯、变形,形成驼背,而且还会导致消化不良、听课疲惫、注意力下降等危害。因此纠正学生学习姿势,已经成为刻不容缓的问题。近年来,为了预防中小学生趴伏在课桌上写字、看书造成近视、斜视、脊柱侧弯、变形,形成驼背,目前纠正学生学习姿势主要依靠老师和家长的经常提醒。但是学生看书写字不到两分钟就会不自觉的把头低下,老师和家长只能反复督促,然而效果并不理想,患有近视眼和驼背的学生比例还是逐年增多。由于坐姿的不当很容易引发近视。尤其对于正处在长身体的学生,比较好动,喜欢移动位置,做小动作,趴在桌子上写作业等等不良的坐姿,很容易导致视力下降,骨骼变形等问题。

学习桌作为学生学习的的主要设施,是学生上课和学习的主要用具,然而现有技术中的学习桌,通常都是固定的结构,即便是家用的学习桌,也只能实现简单的高度调节,由于学生大部分时间都是坐在课桌前,一旦坐姿不正,很容易近视,因此有必要发明一种可实现正姿功能的学习桌。然而目前学校的桌椅基本已经都已经配置好,就算家庭用的学习桌也都已经购置,如果需要重新更换整套的具备正姿功能的学习桌,成本很高,并且如何处理原有的桌子也是很大的浪费。



技术实现要素:

本发明的目的在于克服现有技术的缺点与不足,提供一种可以附接在现有学习桌面上的正姿板,以供家长或者学校纠正学生的不良坐姿,预防近视。本发明通用性强、易于安装使用,很好的弥补了市面上学习桌的不足。

一种正姿板,包括板体1、微控制器2、传感器模块3、报警模块4、电源模块5,微控制器2、传感器模块3、报警模块4、电源模块5均位于板体1内,电源模块5为微控制器2、传感器模块3、报警模块4供电,传感器模块3包括压力传感器6和/或距离传感器7,均连接微控制器2,并通过报警模块4输出告警信息。

其中所述板体1可直接附接在学习桌面上,可选的,所述板体1通过卡槽或者紧固螺钉固定在现有学习桌面上,并可实现平移调整及快捷固定。

压力传感器6可设置于所述板体1上侧的手腕放置位置处,测量该位置的承压变化,当检测到承压大于预设阈值时,判断得出用户的姿势不在正常姿势范围内,触发告警。

距离传感器7可设置于所述板体1前侧正中,测量用户身体距离桌面的实时距离,当检测到距离小于预设阈值时,判断得出用户的姿势不在正常姿势范围内,触发告警。

进一步的,收集感测的数据作为训练数据,利用支持向量机(svm)算法进行姿势识别训练,完成训练阶段后,即可进行在线的实时姿势识别,识别判断得出用户的姿势不在正常姿势范围内,触发告警。

进一步的,所感测到的数据经过放大采集后传入微处理器2做相关处理,首先利用快速ica法对eeg信号进行软件滤波去噪,然后使用自适应回归模型提取相应的特征,最后通过支持向量机(svm)进行分类,以进行后续的判断。

本发明姿势识别实施主要分2个阶段:训练阶段和在线识别阶段。

训练阶段负责对识别系统进行初始化,训练建模部分,主要包括以下3步:

(1)对已知的姿势收集其传感器数据作为训练数据,并用对这些数据分割。

(2)对得到的每个数据,提取相同的特征组成特征向量。

(3)根据特征向量生成训练样本集,利用训练样本集训练一个多类分类模型。

完成训练阶段后,即可进行在线的实时姿势识别,主要包括以下3步:

(1)截取实时的姿势数据,并对该数据提取与训练阶段相同的特征,得到测试特征向量。

(2)根据特征向量生成测试样本。

(3)把该测试样本输入到多类分类诊断模型进行分类,得到识别结果。

进一步的,所述报警模块4可以通过语音提醒或者震动模式或者led灯进行提醒。

进一步的,所述微控制器2检测到姿势异常超过预定时间时立即向目标手机发送提醒信息,目标手机可以通过预先设置为家长的手机,便于家长对学生长期姿势不当又不立即纠正的坏习惯的提醒。

进一步的,所述微控制器2还根据感测到的数据判断用户是否没在座位上,当判断得出没有用户在使用本装置时,自动进入休眠模式。

本发明相对于现有技术具有如下的优点及效果:

本发明着力解决现有市场上的学习桌功能单一,无法有效预防近视的问题,在不改变现有学习桌的结构的基础上,通过简单的设备实现对学生不良坐姿的矫正。

附图说明

图1是本发明的正姿板的示意图;

图2是本发明的系统结构图。

具体实施方式

下面结合实施例及附图对本发明作进一步详细的描述,但本发明的实施方式不限于此。

实施例一。

参照附图1,一种正姿板,包括板体1、微控制器2、传感器模块3、报警模块4、电源模块5,微控制器2、传感器模块3、报警模块4、电源模块5均位于板体1内,参照附图2,电源模块5为微控制器2、传感器模块3、报警模块4供电,传感器模块3包括压力传感器6和/或距离传感器7,均连接微控制器2,并通过报警模块4输出告警信息。

其中所述板体1可直接附接在学习桌面上,可选的,所述板体1通过卡槽或者紧固螺钉固定在现有学习桌面上,并可实现平移调整及快捷固定。

压力传感器6可设置于所述板体1上侧的手腕放置位置处,测量该位置的承压变化,当检测到承压大于预设阈值时,判断得出用户的姿势不在正常姿势范围内,触发告警。

距离传感器7可设置于所述板体1前侧正中,测量用户身体距离桌面的实时距离,当检测到距离小于预设阈值时,判断得出用户的姿势不在正常姿势范围内,触发告警。

进一步的,收集感测的数据作为训练数据,利用支持向量机(svm)算法进行姿势识别训练,完成训练阶段后,即可进行在线的实时姿势识别,识别判断得出用户的姿势不在正常姿势范围内,触发告警。

进一步的,所感测到的数据经过放大采集后传入微处理器2做相关处理,首先利用快速ica法对eeg信号进行软件滤波去噪,然后使用自适应回归模型提取相应的特征,最后通过支持向量机(svm)进行分类,以进行后续的判断。

本发明的姿势识别实施主要分2个阶段:训练阶段和在线识别阶段。

训练阶段负责对识别系统进行初始化,训练建模部分,主要包括以下3步:

(1)对已知的姿势收集其传感器数据作为训练数据,并用对这些数据分割。

(2)对得到的每个数据,提取相同的特征组成特征向量。

(3)根据特征向量生成训练样本集,利用训练样本集训练一个多类分类模型。

完成训练阶段后,即可进行在线的实时姿势识别,主要包括以下3步:

(1)截取实时的姿势数据,并对该数据提取与训练阶段相同的特征,得到测试特征向量。

(2)根据特征向量生成测试样本。

(3)把该测试样本输入到多类分类诊断模型进行分类,得到识别结果。

进一步的,所述报警模块4可以通过语音提醒或者震动模式或者led灯进行提醒。

进一步的,所述微控制器2检测到姿势异常超过预定时间时立即向目标手机发送提醒信息,目标手机可以通过预先设置为家长的手机,便于家长对学生长期姿势不当又不立即纠正的坏习惯的提醒。

进一步的,所述微控制器2还根据感测到的数据判断用户是否没在座位上,当判断得出没有用户在使用本装置时,自动进入休眠模式。

实施例二。

本实施例给出了一种正姿板,其包括板体1、微控制器2、传感器模块3、报警模块4、电源模块5,微控制器2、传感器模块3、报警模块4、电源模块5均位于板体1内,参照附图2,电源模块5为微控制器2、传感器模块3、报警模块4供电,传感器模块3包括压力传感器6和/或距离传感器7,均连接微控制器2,并通过报警模块4输出告警信息。其中电源模块为锂电池,其可多次反复充放电。并且配置有充电器和市电接口以为其供电。

其中所述板体1可直接附接在学习桌面上,在本例中所述板体1通过卡槽固定在现有学习桌面上,并可实现平移调整及快捷固定。这样正姿板可以直接配合在已有的桌子使用,不必要再为纠正孩子坐姿而配置桌子降低家庭成本。

压力传感器6可设置于所述板体1上侧的手腕放置位置处,测量该位置的承压变化,当检测到承压大于预设阈值时,判断得出用户的姿势不在正常姿势范围内,触发告警。其压力的预设阈值可以调整。微控制器具备一输入模块,可以在输入模块上输入使用者年龄,从而根据内置的简档调整不同年龄对应的预设阈值以适配不同年龄段。

距离传感器7可设置于所述板体1前侧正中,测量用户身体距离桌面的实时距离,当检测到距离小于预设阈值时,判断得出用户的姿势不在正常姿势范围内,触发告警。微控制器输入模块输入使用者年龄,还可以根据内置的简档调整不同年龄对应的距离预设阈值以适配不同年龄段。

收集感测的数据作为训练数据,利用支持向量机(svm)算法进行姿势识别训练,完成训练阶段后,即可进行在线的实时姿势识别,识别判断得出用户的姿势不在正常姿势范围内,触发告警。

进一步的,所感测到的数据经过放大采集后传入微处理器2做相关处理,首先利用快速ica法对eeg信号进行软件滤波去噪,然后使用自适应回归模型提取相应的特征,最后通过支持向量机(svm)进行分类,以进行后续的判断。

本发明的姿势识别实施主要分2个阶段:训练阶段和在线识别阶段。

训练阶段负责对识别系统进行初始化,训练建模部分,主要包括以下3步:

(1)对已知的姿势收集其传感器数据作为训练数据,并用对这些数据分割。

(2)对得到的每个数据,提取相同的特征组成特征向量。

(3)根据特征向量生成训练样本集,利用训练样本集训练一个多类分类模型。

完成训练阶段后,即可进行在线的实时姿势识别,主要包括以下3步:

(1)截取实时的姿势数据,并对该数据提取与训练阶段相同的特征,得到测试特征向量。

(2)根据特征向量生成测试样本。

(3)把该测试样本输入到多类分类诊断模型进行分类,得到识别结果。

进一步的,所述报警模块4可以通过语音提醒或者震动模式或者led灯进行提醒。

进一步的,所述微控制器2检测到姿势异常超过预定时间时立即向目标手机发送提醒信息,目标手机可以通过预先设置为家长的手机,便于家长对学生长期姿势不当又不立即纠正的坏习惯的提醒。

进一步的,所述微控制器2还根据感测到的数据判断用户是否没在座位上,当判断得出没有用户在使用本装置时,自动进入休眠模式。

虽然上面已经参考各种实施例描述了本发明,但是应当理解,在不脱离本发明的范围的情况下,可以进行许多改变和修改。因此,其旨在上述详细描述被认为是例示性的而非限制性的,并且应当理解,以下权利要求(包括所有等同物)旨在限定本发明的精神和范围。以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1