一种多模态传感系统，结合了压力传感器和线扫描激光雷达技术，用于智能坐姿分类

《IEEE Access》：Multi-Modal Sensing System Integrating a Pressure Sensor with Line-Scan LiDAR for Intelligent Sitting Posture Classification

　　

长时间保持屈曲坐姿可能导致脊柱错位和肌肉骨骼疾病。为了实现有效的监测，开发了一种多模态传感系统，该系统结合了用于下肢评估的柔性压力传感器和用于上肢评估的一维（1D）光检测与测距（LiDAR）技术。这种低成本的LiDAR能够提供线扫描轮廓，以测量脊柱曲度，从而准确分类在以往研究中难以区分的上肢姿势。系统结合了六种融合策略（早期融合（EF）、中间融合（IF）、早期-中间融合（EIF）、最大置信融合（MCF）、加权平均融合（WAF）和条件融合（CF），以及四种分类器（人工神经网络（ANN）、支持向量机（SVM）、一维卷积神经网络（1D-CNN）和二维卷积神经网络（2D-CNN），最终形成了24个多模态模型，能够识别12种坐姿。通过对性能指标和预测时间的系统分析，发现采用1D-CNN的早期融合策略（EF-1DCNN）是最均衡的模型，它不仅具有较高的分类准确率（92.74%），还具有较快的预测时间（0.2秒），优于单一模态方法（基于压力传感器的：77.08%，基于LiDAR的：33.26%）和其他融合策略。与早期仅基于压力传感器的系统相比，这些系统的驼背检测准确率仅为68.74%–81.80%，而所提出的系统几乎消除了这些错误。这些结果展示了该传感器在需要快速精确姿势识别应用中的潜力。