張晶瑩　劉芳羽　尚林樂　黃少年　陳榮元

關(guān)鍵詞：三軸傳感器；坐姿監(jiān)測；支持向量機(jī)；多分類

中圖分類號：G642 文獻(xiàn)標(biāo)識碼：A

文章編號：1009-3044（2023）10-0035-05

0 引言

截至2022年1月，流行病學(xué)調(diào)查顯示[1]，我國青少年患有脊柱側(cè)彎人數(shù)已經(jīng)500萬，并且該數(shù)據(jù)還在以每年30萬左右的速度遞增。繼肥胖、近視之后，脊柱側(cè)彎成了危害我國兒童青少年健康的第三大疾病。脊柱側(cè)彎是一種三維結(jié)構(gòu)畸形，在冠狀面脊柱側(cè)向彎曲，在水平面脊柱和胸廓發(fā)生旋轉(zhuǎn)，在矢狀面脊柱的生理曲度發(fā)生變化，因?yàn)槿梭w有較多的單側(cè)運(yùn)動模式，兩側(cè)肌肉力量不同，不但會影響患者的形態(tài)美觀，而且還會造成肌肉緊張，導(dǎo)致背痛發(fā)生。而當(dāng)脊柱側(cè)彎嚴(yán)重到一定程度時，很難再改變脊柱形態(tài)，恢復(fù)正常生理曲度，與此同時還會損害神經(jīng)、壓迫肺部，甚至?xí)霈F(xiàn)呼吸困難等影響正常呼吸的癥狀。

對脊柱側(cè)彎所帶來的其他延展性病變進(jìn)行針對性治療外，對于脊柱側(cè)彎應(yīng)采取重視態(tài)度，在日常生活中對于身體姿態(tài)的主動矯正尤為關(guān)鍵，側(cè)彎節(jié)段的脊柱活動幅度會降低，脊柱不能主動挺直，側(cè)彎通常會伴隨椎體旋轉(zhuǎn)，引起肋隆突或腰突。處于病態(tài)的脊柱，自主矯正存在著不確定性，因此借助外力協(xié)助人體進(jìn)行姿勢調(diào)節(jié)是必要的。

基于支持向量機(jī)算法研發(fā)的坐姿監(jiān)測器，坐姿監(jiān)測器可以長時間的對監(jiān)測實(shí)體進(jìn)行實(shí)時的監(jiān)視，實(shí)時對檢測實(shí)體進(jìn)行坐姿矯正提醒，有效避免因坐姿錯誤對人體帶來的傷害；因此坐姿監(jiān)測器的市場需求旺盛，有足夠的發(fā)展前景與可推廣性。

1 坐姿監(jiān)測器現(xiàn)狀分析

傳統(tǒng)的坐姿監(jiān)測器已不能對正常人體脊柱生理曲度進(jìn)行細(xì)致測算，并及時對用戶發(fā)出信號，提醒用戶進(jìn)行坐姿監(jiān)測。

1）強(qiáng)制性佩戴儀器對人體造成二次損傷

如今市場上已有的人體佩戴式坐姿監(jiān)測器將對用戶運(yùn)動范圍有很大程度的束縛，可能導(dǎo)致自身過度疲勞，還會伴隨著酸痛，對于人體脊椎及其他臟器造成二次傷害［2］，從主觀層面而言，用戶會更加排斥坐姿監(jiān)測器的存在，對于預(yù)防及控制脊椎病無益。

2）無法進(jìn)行感應(yīng)人體脊椎壓力

大多數(shù)的坐姿監(jiān)測器為固定儀器，根據(jù)刻板的坐姿標(biāo)準(zhǔn)進(jìn)行約束，該種商品無法把握用戶當(dāng)前坐姿對于自身脊椎所產(chǎn)生的實(shí)際壓力，從而將坐姿監(jiān)測的過程變成表面性工作，而沒有將保持用戶身體健康作為最終目的。

3）AI坐姿儀分散注意力

AI坐姿儀需要通過“主動提醒+主動調(diào)整”的模式，養(yǎng)成用戶良好的坐姿習(xí)慣，但該種坐姿儀發(fā)出提示音會很大程度地分散用戶及周圍人群的精力，對于注意力集中無益，且該種用品同樣無法根據(jù)用戶實(shí)際用力方式進(jìn)行坐姿調(diào)整，用戶體驗(yàn)感較差。

對于現(xiàn)有坐姿監(jiān)測儀的上述缺點(diǎn)進(jìn)行規(guī)避，設(shè)計(jì)一款基于支持向量機(jī)算法研發(fā)的坐姿監(jiān)測系統(tǒng)，該系統(tǒng)采用STM32模塊為主控核心、MEMS傳感器進(jìn)行采集數(shù)據(jù)，使該監(jiān)測器具有佩戴方式簡單且輕便、監(jiān)測功能靈敏等特點(diǎn)，可以很好地解決傳統(tǒng)坐姿監(jiān)測器存在的上述弊端。這使得產(chǎn)品的客戶群體更加充實(shí)，在日常工作學(xué)習(xí)中都可以做到實(shí)時坐姿監(jiān)測，減少對用戶的負(fù)面影響，提高產(chǎn)品體驗(yàn)感。

2 系統(tǒng)設(shè)計(jì)

本系統(tǒng)使用STM32模塊作為主控核心、MEMS傳感器模塊、輔助模塊三大模塊來實(shí)現(xiàn)對坐姿的監(jiān)測，通過單片機(jī)中的程序，實(shí)現(xiàn)對系統(tǒng)的整體控制。

系統(tǒng)首先通過ADXL345采集移動過程中產(chǎn)生的三軸加速度后，將相應(yīng)的數(shù)據(jù)傳輸?shù)絾纹瑱C(jī)中，單片機(jī)再根據(jù)SVM算法對數(shù)據(jù)進(jìn)行二分法分類，根據(jù)分類結(jié)果與預(yù)置的數(shù)據(jù)進(jìn)行比較，若超出所設(shè)定的范圍，則發(fā)出震動提醒，并將相應(yīng)數(shù)據(jù)通過藍(lán)牙發(fā)送到手機(jī)讓用戶能實(shí)時查看具體情況。

下面通過硬件與軟件兩方面對系統(tǒng)進(jìn)行詳細(xì)說明。

2.1 硬件設(shè)計(jì)

系統(tǒng)的硬件部分主要分為四大模塊來實(shí)現(xiàn)對坐姿的監(jiān)控及矯正處理，主要設(shè)備包括：1 個STM32F103ZET6作為單片機(jī)控制模塊、1個ADXL345 三軸加速度傳感器、1個HC-06藍(lán)牙模塊、1塊1 000mA可充電鋰電池，總體硬件結(jié)構(gòu)框架如圖1所示。

當(dāng)用戶的坐姿不正確時，ADXL345三軸傳感器可即時測算出相應(yīng)的加速度，并根據(jù)預(yù)置程序?qū)⑾嚓P(guān)信息通過藍(lán)牙傳輸至手機(jī)，用戶可以實(shí)時查看自己坐姿的不正確之處并及時采取調(diào)整措施。

核心模塊STM32F103ZET6具有72MHz的CPU速度和高達(dá)1MB的閃存。能夠滿足對傳感器等模塊的控制。

2.1.1 MEMS 傳感器模塊

ADXL345是基于MEMS技術(shù)的三軸、數(shù)字輸出的加速度傳感器[3]。在系統(tǒng)運(yùn)行過程中，首先由ADXL345測出加速度大小，再通過相應(yīng)模塊內(nèi)部的感應(yīng)電信號器件，將加速度轉(zhuǎn)換為可識別的電信號，最后通過AD 轉(zhuǎn)換器將模擬電信號轉(zhuǎn)換成數(shù)字信號。AD轉(zhuǎn)換器輸出的16位二進(jìn)制補(bǔ)碼輸入單片機(jī)中，將其轉(zhuǎn)化為三軸加速度和三維坐標(biāo)進(jìn)行分類處理。

將ADXL345的x 軸、y 軸、z 軸的加速度值轉(zhuǎn)換為坐標(biāo)系的角度值。函數(shù)連續(xù)讀出數(shù)據(jù)并將其存儲于BUF中，以x 軸加速度和軸坐標(biāo)為例：

Acc_X=（float）Acc_dis_data*3.9/1000*9.8;//計(jì)算數(shù)據(jù)x軸加速度

temp_X=（float）dis_data*3.9;//計(jì)算數(shù)據(jù)和顯示x 軸坐標(biāo)y 軸和z 軸數(shù)據(jù)同理可以得出。

傳感器還需要通過IIC通信方式與單片機(jī)進(jìn)行通信。首先需要將CS引腳拉高至Vddi/o，使ADXL345 處于IIC 模式，ALT ADDRESS 引腳置1，即處于高電平。然后選定測量范圍為±16g，速率設(shè)定為25，選擇電源模式且使能DATA_READY中斷。器件的7位IIC 地址是0x1D，隨后為R/W位。將其轉(zhuǎn)化為0x3A寫入，0x3B讀取。再通過ALT ADDRESS引腳接地，此時也可以選擇備用IIC地址0x53（隨后為R/W位），將其轉(zhuǎn)化為0xA6寫入，0xA7讀取。設(shè)置好通信方式后，即可與單片機(jī)連接，在單片機(jī)代碼中配置實(shí)現(xiàn)傳感數(shù)據(jù)的輸入。

2.1.2 其他輔助模塊

1）電源模塊

系統(tǒng)采用1000 mA鋰電池進(jìn)行供電。使用鋰電池充電管理芯片對充電功能進(jìn)行管理。所用鋰電池的充電電壓為5V，并且通過單片機(jī)能夠即時獲取電量的剩余量。電源模塊主要負(fù)責(zé)為單片機(jī)、加速度傳感器以及藍(lán)牙模塊供電。

2）藍(lán)牙模塊

藍(lán)牙模塊使用HC-06 芯片，通過串口實(shí)現(xiàn)與STM32之間的聯(lián)系。將STM32上的PA2、PA3與HC-06上的RX、TX連接。并將驅(qū)動代碼燒錄到單片機(jī)芯片中并進(jìn)行配置調(diào)整，即可實(shí)現(xiàn)系統(tǒng)與手機(jī)之間的信息傳輸。

2.2 軟件設(shè)計(jì)

根據(jù)SVM算法進(jìn)行二分法分類，如果是錯誤坐姿，則需要判斷彎曲是否保持40秒以上，若超過這個設(shè)定時間，那么根據(jù)需求選擇進(jìn)行報警提示，過程中一直保持檢測狀態(tài)，檢測到脊柱狀態(tài)調(diào)整到正常后停止報警。

2.2.1 坐標(biāo)系建立

傳感器芯片如圖3擺放時，根據(jù)圖4的關(guān)系可知，此時Xout=+1g，Yout=0g，Zout=0g，沿著敏感軸加速時，相應(yīng)的輸出電壓會增加。

2.2.2 數(shù)據(jù)采集與預(yù)處理

在三軸傳感器數(shù)據(jù)采集中，以脊柱和傳感器的貼合點(diǎn)為中心建立三維坐標(biāo)軸，采用STM32F103ZET6 處理數(shù)據(jù)，對采集的數(shù)據(jù)進(jìn)行實(shí)時濾波預(yù)處理。通過限幅濾波，濾除異常數(shù)據(jù)。經(jīng)過預(yù)處理后，將數(shù)據(jù)傳至芯片處理。

數(shù)據(jù)采集時存在過大的加速度數(shù)據(jù)，但這并不是真實(shí)的數(shù)據(jù)，需要通過模塊輸出補(bǔ)碼值轉(zhuǎn)化成十六進(jìn)制，再轉(zhuǎn)化為補(bǔ)碼從而轉(zhuǎn)換為有符號數(shù)，最終得到真實(shí)X軸加速度，以部分正常坐姿數(shù)據(jù)為例。

通過計(jì)算轉(zhuǎn)化后，可以得到實(shí)際坐標(biāo)數(shù)據(jù)，2 500 左右的值實(shí)際為負(fù)值。

2.2.3 支持向量機(jī)

將ADXL345的x 軸、y 軸、z 軸的加速度值轉(zhuǎn)換為坐標(biāo)系的角度值，對于采集的三軸感應(yīng)器加速度的數(shù)據(jù)，根據(jù)歐拉旋轉(zhuǎn)矩陣結(jié)合加速度補(bǔ)償角速度的算法，減小姿態(tài)角誤差。選擇合適的關(guān)于三軸加速度和坐標(biāo)的核函數(shù)，先預(yù)設(shè)一個閾值作為約束條件。

支持向量機(jī)[4]對數(shù)據(jù)進(jìn)行二分類的一種分類方式，“間隔”是指作為支持向量的點(diǎn)到超平面的幾何距離之和，支持向量機(jī)的學(xué)習(xí)訓(xùn)練過程就是使間隔最大化的過程。

將數(shù)據(jù)樣本分成兩組，80%用于訓(xùn)練樣本，20% 用于檢測系統(tǒng)，并且根據(jù)檢測的結(jié)果對于參數(shù)等進(jìn)行優(yōu)化，使結(jié)果準(zhǔn)確率更高。支持向量機(jī)二分方式如圖6所示。

若是對于坐姿進(jìn)行多分類，則是對于訓(xùn)練的樣本進(jìn)行再次分組、訓(xùn)練和檢驗(yàn)，以此類推[6]。

3 系統(tǒng)實(shí)現(xiàn)與討論

3.1 系統(tǒng)使用方式

將各模塊組合起來后，如圖7所示，將其佩戴至腰間，并貼近尾椎骨處，注意芯片擺放位置，使得采集的數(shù)據(jù)更貼近真實(shí)值，分類更準(zhǔn)確。

3.2 數(shù)據(jù)分析

根據(jù)上述算法描述以及數(shù)據(jù)收集情況，利用歸一化方法對基于支持向量機(jī)算法的三軸運(yùn)動傳感坐姿監(jiān)測裝置進(jìn)行準(zhǔn)確性預(yù)測，對三軸運(yùn)動傳感裝置進(jìn)行數(shù)據(jù)收集，數(shù)據(jù)模塊以補(bǔ)碼形式給單片機(jī)進(jìn)行處理，得到數(shù)據(jù)后利用Python進(jìn)行數(shù)據(jù)分析，得到相關(guān)因素之間的關(guān)系圖8所示。

由圖片可知，Y軸加速度對于不同坐姿情況下的影響非常明顯，四種坐姿的數(shù)據(jù)分布區(qū)別較大，易于分析，因此可以得出，對于坐姿判斷所涉及的判斷因素里，Y軸加速度為主要影響因素。

而與Y軸加速度相互影響的因素關(guān)系，可由熱力圖（圖9）所示：

由圖9可知，X軸加速度與Y軸加速度的相關(guān)性較強(qiáng)，其相關(guān)系數(shù)可達(dá)到0.7；其次，X軸加速度與Z軸加速度也呈正相關(guān)趨勢，相關(guān)系數(shù)為0.2，從而可以利用支持向量機(jī)算法對少量的支持向量進(jìn)行計(jì)算分析

3.3 系統(tǒng)實(shí)現(xiàn)

系統(tǒng)測試時將總數(shù)據(jù)隨機(jī)按比例分為訓(xùn)練集和測試集，分別約占總數(shù)據(jù)集的80%和20%。首先用大量的訓(xùn)練集對系統(tǒng)進(jìn)行訓(xùn)練和測試[7]，得到相對合適的閾值約束條件，再通過訓(xùn)練集對系統(tǒng)進(jìn)行檢驗(yàn)，根據(jù)分類結(jié)果分析。隨著數(shù)據(jù)集的訓(xùn)練，準(zhǔn)確率和適用范圍都會隨之改變。

根據(jù)系統(tǒng)實(shí)現(xiàn)結(jié)果可知，對于正確和錯誤的坐姿區(qū)分度較高，而錯誤坐姿之間的區(qū)分度不高。

區(qū)分度存在差異的原因在于部分錯誤坐姿的三軸坐標(biāo)和加速度數(shù)據(jù)接近，對于某種坐姿的判斷標(biāo)準(zhǔn)比較主觀化，影響結(jié)果呈現(xiàn)?？倲?shù)據(jù)集僅有兩千左右，測試人數(shù)和數(shù)據(jù)總量較少，系統(tǒng)的訓(xùn)練不到位。此外個人的脊柱情況存在差異，筆者的數(shù)據(jù)和測試范圍只涉及20歲左右的大學(xué)生群體，檢測結(jié)果比較接近，適用范圍比較局限，普適性不高。但是我們的系統(tǒng)是可進(jìn)化型，在大量數(shù)據(jù)的測試下，可以達(dá)到更準(zhǔn)確的測試結(jié)果，在后續(xù)產(chǎn)品系統(tǒng)的開發(fā)過程中可以對不同年齡段進(jìn)行分類，開發(fā)出適用于不同年齡階段的監(jiān)測產(chǎn)品。

4 結(jié)束語

在該應(yīng)用環(huán)境下，應(yīng)用支持向量機(jī)算法的優(yōu)點(diǎn)為最終決策函數(shù)只由少數(shù)的支持向量所確定，計(jì)算的復(fù)雜性取決于支持向量的數(shù)目，而不是樣本空間的維數(shù)，使得少數(shù)支持向量決定了最終結(jié)果，這不但可以剔除大量冗余樣本、抓住關(guān)鍵樣本，該方法不但算法簡單，而且具有著較好的穩(wěn)定性[8]。對于用戶使用坐姿監(jiān)測器時所產(chǎn)生的數(shù)據(jù)，都可以進(jìn)行很好的記錄和分析，而非支持向量樣本的增加或減少對系統(tǒng)并不會產(chǎn)生影響，因此對用戶錯誤坐姿進(jìn)行提醒，可以減少坐姿監(jiān)測器的錯誤率；缺點(diǎn)為對于非線性問題缺乏通解，求得對應(yīng)應(yīng)用條件下的核函數(shù)過程復(fù)雜。

就如今的坐姿監(jiān)測產(chǎn)品趨勢而言，監(jiān)測器的準(zhǔn)確性和及時性是判斷產(chǎn)品可行性的重要依據(jù)。針對市面上坐姿監(jiān)測器的弊端，探討研究了這款基于三軸傳感器ADXL345的坐姿監(jiān)測系統(tǒng)。根據(jù)系統(tǒng)實(shí)現(xiàn)結(jié)果可知，對于該系統(tǒng)來說，區(qū)分坐姿的正確率較高，但對于錯誤坐姿的細(xì)分正確率仍有待提高。后續(xù)將對分類方式及算法進(jìn)行進(jìn)一步優(yōu)化，以達(dá)到更加準(zhǔn)確的分類效果。