基于卷积神经网络的多传感器下坐姿识别研究

陈浩龙

(南京中医药大学 人工智能与信息技术学院，江苏 南京 210046)

0 引 言

近年来，青少年因坐姿习惯差而引发的亚健康问题形势严峻，坐姿不当也为长期坐着办公的人群埋下病根，颈椎病、腰椎间盘突出症等疾病的患病人群有年轻化的趋势，在此背景下，坐姿矫正成了当下急需解决的问题。

坐姿矫正之前需要对矫正者进行坐姿监测，系统会对不良坐姿进行识别而提醒矫正者，促使其主动地养成坐姿端正的好习惯从而实现坐姿矫正。

如今基于设备的姿态识别方式主要有以下两个：

方式一是计算机视觉领域的基于视频图像的识别技术，比较出名的项目则是美国卡耐基梅隆大学(CMU)的OpenPose项目。郭园等人[1]就曾基于OpenPose学习坐姿分析研究桌椅人机适应性；魏华良等人[2]基于视频监控对儿童学习坐姿姿态进行识别并提醒。使用视频识别涉及到被拍摄者的隐私、拍摄环境等问题，且监控设备成本高昂。

方式二是利用各种可穿戴传感器，如物理传感器等进行姿态识别。坐姿姿态识别需要测量用传感器轻便灵活、精度高、灵敏度高、成本低。文献[3]使用的是手机内置三维加速度传感器，传感器选用简洁，但可移植性不高；文献[4-5]同样使用智能手机自带的传感器，虽然使用滑动滤波器在对数据预处理的噪声去除中取得了很好的去噪效果，处理过程较为复杂，人工操作多。除次以外，即便使用文献[6-7]中所说的MPU6050或MPU9250加速度传感器，但仍需要人工进行滤波处理。……