买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉北京理工大学申请的专利一种基于智能耳戴设备惯性传感器的坐姿行为监测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN116942143B 。

龙图腾网通过国家知识产权局官网在2026-03-20发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202310718742.7，技术领域涉及：A61B5/11；该发明授权一种基于智能耳戴设备惯性传感器的坐姿行为监测方法是由李凡;邓鑫;刘晓晨设计研发完成，并于2023-06-16向国家知识产权局提交的专利申请。

本一种基于智能耳戴设备惯性传感器的坐姿行为监测方法在说明书摘要公布了：本发明涉及一种基于智能耳戴设备惯性传感器的坐姿行为监测方法，属于人工智能与移动计算应用技术领域。首先使用智能耳戴设备中的惯性传感器，采集用户在久坐状态下的身体运动信息，并去除身体运动之外的高频噪声和毛刺噪声，同时将重力加速度与线性加速度分离。然后从连续的信号段中分割出相关运动片段，从运动片段中提取有效特征。最后对从运动片段中提取的特征进行降维处理，并将其输入到轻量级卷积神经网络中进行坐姿行为的识别。本发明实现了对用户身体过渡运动和头颈部运动的识别，能够指导个人日常锻炼，提供改善坐姿的建议，并且具备较高的舒适性和便捷性，同时具有保护个人隐私和不引人注目等优点。

本发明授权一种基于智能耳戴设备惯性传感器的坐姿行为监测方法在权利要求书中公布了：1.一种基于智能耳戴设备惯性传感器的坐姿行为监测方法，其特征在于，包括以下步骤： 步骤1：使用智能耳戴设备中的惯性传感器，采集用户在久坐状态下的身体运动信息，并去除身体运动之外的高频噪声和毛刺噪声，同时将重力加速度与线性加速度分离； 其中，利用智能耳戴设备中的惯性传感器获取的数据，包含三轴加速度a和角速度数据，分别计为和； 步骤1.1：去除加速度a和角速度信号中的高频噪声和毛刺噪声； 步骤1.2：对经步骤1.1处理后的三轴加速度信号进行重力分离，获得由地球重力产生的重力加速度，以及由佩戴者身体运动产生的线性加速度； 步骤2：从连续的信号段中分割出相关运动片段，从运动片段中提取有效特征； 步骤2.1：计算经步骤1处理后的加速度a和角速度信号合成的合速度信号幅值，应用自适应阈值确定每个身体运动片段的开始和结束位置，对信号进行分割； 步骤2.2：从步骤2.1分割得到的运动片段中，对三轴线性加速度、三轴角速度、加速度幅值和角速度幅值，共计8轴的时间序列数据提取经典时域和频域特征，以及小波域统计特征； 步骤3：对从运动片段中提取的特征进行降维处理，并将其输入到轻量级卷积神经网络中进行坐姿行为的识别； 步骤3.1：将步骤2.2获得的特征进行主成分分析降维； 步骤3.2：构造轻量级卷积神经网络模型，将降维后的特征输入到模型中，自动提取出特征之间的关系和模式，实现身体过渡运动和头颈部运动的识别； 该轻量级卷积神经网络模型，包括1个序列输入层，5个一维卷积层和2个全连接层，以及带有softmax的输出层；序列输入层的输入数据为经过主成分分析降维后的低维特征向量； 然后经过5个卷积层和5个ReLU激活函数层的处理，对输入数据进行特征提取和转换；其中，第1个卷积层使用的卷积核，输出16个特征图；第2个卷积层使用的卷积核，输出32个特征图；第3个卷积层使用的卷积核，输出64个特征图；第4个卷积层使用的卷积核，输出128个特征图；第5个卷积层使用的卷积核，输出64个特征图；之后，通过一个最大池化层进行下采样，卷积核大小为，步长为2； 最后，经过两个全连接层和一个softmax层进行特征分类和输出结果；其中，第1个全连接层包含384个神经元，第2个全连接层包含16个神经元；使用分类层对网络输出进行分类和损失计算，采用分类交叉熵作为优化过程的目标代价函数。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人北京理工大学，其通讯地址为：100081 北京市海淀区中关村南大街5号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。