本研究由来自韩国首尔国立大学（Seoul National University）工业工程系及工业系统创新研究所的Haeseok Jeong和Woojin Park共同完成。论文发表于IEEE Journal of Biomedical and Health Informatics 第25卷第5期，出版时间为2021年5月。

随着信息化办公的普及，久坐办公成为现代职场的主要工作模式。然而，长期保持高压坐姿（stressful sitting postures）已被证实与上半身不舒适及工作相关的肌肉骨骼疾病（work-related musculoskeletal disorders, WMSDs）风险增加存在显著关联。如何界定高风险坐姿，学界通常指出其具有以下特征：腰椎前凸合并骨盆前倾过度、躯干侧屈、腰部缺乏支撑、躯干扭转以及姿势不对称等。尽管人们知晓维持良好坐姿的重要性，但在实际执行多任务工作时，个体的注意力资源是有限的，往往难以持续监测并调整自身姿势。为解决这一矛盾，开发一种能实时监测并反馈坐姿的外部系统显得尤为必要。

实现这一反馈系统的前提是具备一个能实时监测并准确分类坐姿的子系统。既往研究虽已开发出基于可穿戴设备、图像识别及压力传感器的三类监测系统，但各有局限。可穿戴系统具有侵入性和不便性，图像系统存在遮挡及隐私心理不适等问题。基于压力传感器的智能椅系统（smart chair）虽避免了上述问题，但单纯依赖座垫压力传感器往往难以准确识别躯干旋转，且若需高精度常需大量传感器阵列导致成本高昂。基于此背景，本研究旨在开发一种新型、低成本且能克服上述局限的混合传感器智能椅系统，并对其姿势分类性能进行实证验证。

为实现目标，本研究设计并实现了一套混合传感器系统（mixed sensor system）。该系统在一把标准办公椅上，于座垫内部嵌入6个力敏电阻（force sensing resistors, FSRs）压力传感器（编号P1至P6），并在椅背不同高度的左右两侧嵌入6个红外反射式距离传感器（infrared reflective distance sensors，编号D1至D6）。这种将距离传感器布置于椅背的设计是该系统区别于过往智能椅研究的关键特征。传感器布局充分参考了韩国人群的人体测量数据集尺寸，以确保能覆盖99%的成年人群。

在姿势分类算法上，混合传感器系统采用了K最近邻算法（K-Nearest Neighbor, KNN）。系统需将实时坐姿归类到基于工效学文献分析确定的11种与工效学高度相关的预定义姿势类别中。这11种姿势涵盖了高低风险姿势，例如：正直靠椅背（类别1）、直立离开椅背（类别2）、躯干前屈约45度的前倾/塌腰（类别3）、依靠左右扶手侧弯（类别4和5）、坐在椅子前沿背部弯曲（类别6）、臀部前移的瘫坐（类别7）、双腿交叉（类别8和9）以及躯干旋转约20度（类别10和11）。为训练和测试分类器，研究招募了36名受试者，每位受试者需在智能椅上依次维持这11种姿势各10秒，系统以10Hz的频率采集传感器数据并记录标签。

为验证系统性能，研究进行了对比评估。研究设定了两个基准系统作为对照：仅用压力传感器的系统和仅用距离传感器的系统。这两个基准系统在物理构造和算法上除传感器使用类型外，与混合系统完全一致。评估采用分层10折交叉验证，并运用总体准确率、精确率、召回率和F1分数四项指标衡量分类性能。

研究结果显示，混合传感器系统在坐姿分类性能上显著优于两个单一传感器基准系统。在整体分类准确率上，仅用压力传感器系统的准确率仅为0.59，仅用距离传感器系统为0.82，而混合传感器系统达到了0.92的高准确率。从归一化混淆矩阵来看，压力传感器系统仅能较好识别“双腿交叉”等影响座面压力重心的姿势，但对于躯干旋转（类别10，召回率仅0.25）以及区分不同程度的躯干屈曲（类别1、2、3）表现较差。这是因为单纯依靠座面压力分布，当躯干绕垂直轴旋转时身体重心位置可能不变，且脊柱的冗余自由度导致不同脊柱曲度可能产生相同的重心投影。仅用距离传感器的系统尽管整体表现更好，但对躯干旋转（由于部分受试者未正中入座或旋体时伴随屈曲导致距离波动）及腿部交叉姿态（类别8，召回率仅0.42）的识别存在缺陷，因为距离传感器无法捕捉腿部姿态信息。

混合传感器系统结合两者优势，实现了互补。其F1分数在所有姿势类别上介于0.83至0.97之间，表现稳健。特别是对于躯干旋转姿势，混合系统的召回率提升至0.88，同时兼顾了对腿部姿势的识别能力。在特征权重分析中，研究还发现位于臀部区域的压力传感器（P1和P4）以及反映躯干上部位置的最高位距离传感器（D1-D4配对差值）在分类中占据了较大权重，这对于此后优化传感器布局具有指导意义。算法超参数中，混合系统的最近邻K值最小，这也侧面印证了其分类边界最为清晰。

本研究的结论证实了结合座垫压力传感器与椅背距离传感器的设计策略具有极高的有效性和先进性。该混合传感器智能椅系统仅利用少量低成本传感器，即实现了对涵盖躯干屈曲、侧弯、后倾、旋转及腿部交叉等宽泛工效学意义的坐姿进行精准分类，成功克服了使用单一类型传感器系统的固有局限。在科学价值上，该研究填补了传统智能椅难以准确检测躯干旋转的空白，并验证了多模态传感数据在人体姿态识别中的互补机制。在应用价值上，该轻量化且非侵入式的系统具有极高的用户接受度，可集成到实时姿势反馈系统中，帮助伏案工作者实时校正不良姿态，从而预防久坐引起的肌肉骨骼疾病。此外，论文展望部分还提出，该系统未来可用于基于实时坐姿监测的脑力负荷估算，进而优化工作排程，这为跨领域的人因工程研究提供了新的技术接口。