6、轮椅使用者坐姿监测系统的设计与实现

轮椅使用者坐姿监测系统的设计与实现

1. 引言

传统的医疗观察和主观问卷在监测患者姿势状态方面存在不足，无法提供客观数据。为解决这一问题，本文介绍了一种针对轮椅使用者的坐姿监测系统，旨在识别常见坐姿，为健康专家和使用者提供支持。该系统重点关注传感器的优化选择、位置和数量确定，以及最佳机器学习技术的选取，以实现高精度和低成本的目标。

2. 相关工作

2.1 姿势监测设备

文献将姿势监测设备根据传感器类型分为三类：基于视觉、可穿戴和压力传感器的设备。
- 基于视觉传感器的设备 ：结合图像处理技术可表征人体运动，但受环境影响大，识别范围局限于室内，不适用于轮椅监测。
- 基于可穿戴传感器的设备 ：如加速度计或惯性测量单元（IMUs），解决了便携性问题，但会给用户带来不适，且易受衣物和身体运动干扰。
- 基于压力传感器的设备 ：多数工作聚焦于此，兼具可穿戴传感器的便携性和视觉传感器无隐私问题的优点。不过，传感器位置选择缺乏统一标准，部分研究用压力垫监测大面积区域，部分用离散点传感器降低成本，但多针对办公室工作，非轮椅使用者。

2.2 用于姿势识别的机器学习技术

文献还关注机器学习技术在姿势识别中的应用，这些技术受监测设备影响。虽有尝试用统计技术分类姿势，但基于机器学习的算法更突出，也有尝试用深度学习技术。使用压力网格时，卷积神经网络（CNNs）较常见，但不适用于传感器数量少的设备。研究表明，回声记忆网络和多层感知器（MLP）是适合离散传感器数据的深度学习技术，其中MLP计算成