坐姿是人体最常见的姿势之一,人体的大部分时间都是以坐姿的状态度过的,尤其是现代社会的学生和白领,基本上都是一坐一整天。糟糕的是大部分时间人们的坐姿都是不正确的,长时间如此会给身体带来不适,同时还会引发一些疾病的发生,严重的降低了生活质量。坐姿的正确与否在一定程度上决定了人们的健康状况,不良的坐姿会导致人体的肌肉以及脊椎等出现一系列的问题,最高发的疾病当属颈椎病和腰间盘突出。然而在日常生活中,大多数人在工作学习的时候基本上很难注意到自己的坐姿状态,注意不到就很难有意识去纠正错误坐姿,由此引入了对坐姿类别判断系统的研究。该系统的研究可以应用于指导人们采用正确的坐姿,预防由不正确坐姿而引发的疾病等方面。目前国内对坐姿的分类判别系统主要采用的是摄像头录视频加上后期应用图像处理相关内容,这种方法虽然较简便但录像这种方式很可能涉及到了一定的隐私问题,有时会使测试者感到不舒服。由于坐姿的判别与坐姿压力分布的测量有很大关系并且国内针对坐姿压力分布测量的成熟系统较少,所以本课题设计了通过测量坐姿压力分布的方法来间接对坐姿进行分类判别的系统。该坐姿判别系统主要由硬件和软件两部分构成。压力分布的感测部分是本系统设计制作的以单点Flexiforce薄膜压阻压力传感器为单元组成的5×10的阵列传感器。由于阵列传感器信号通道较多,为使硬件电路更简便且资源充分利用,设计了两级多路模拟开关选择电路对阵列传感器感测到的信号进行切换选择。信号采集的模数转换部分用的是ALIENTEK Mini STM32自带的模数转换通道,采用串口RS232与计算机进行串行通信。软件部分主要应用了人工神经网络的原理,基于小波包分解的理论选取了七个特征值作为网络的输入,构建了7×12×1的反向传播网络,对采集到的坐姿压力分布数据进行训练学习,实现了对坐姿压力分布数据的分类判别。用Matlab的GUI制作了可视化界面,经过插值实现了压力分布图的平滑显示并显示出对测试样本坐姿类型的判别结果。最后,应用本系统对一定数量的测试者进行了现场测试,实验的测试结果明显且符合事实常理。通过对多个测试者的测试结果进行分析表明该基于神经网络的坐姿判别系统基本能准确测量人体坐姿压力分布情况并进行坐姿分类判别,判别的总体准确率接近百分之九十,为本课题下一步的研究打下了基础。