1.姿势矫正装置，其特征是，包括：吸附部件和移动终端；

所述吸附部件包括：第一、第二和第三弹性膜，第一、第二和第三弹性膜上均贴敷应变片压力传感器、处理器和无线通信模块，应变片压力传感器与处理器连接，处理器与无线通信模块连接；

第一弹性膜贴敷在人体皮肤表面的颈椎中心位置，第二弹性膜贴敷在人体皮肤表面的胸椎中心位置，第三弹性膜贴敷在人体皮肤表面的腰椎中心位置；

每个弹性膜对应的应变片压力传感器，将各自采集的人体脊柱弯曲角度值通过无线通信模块均上传给移动终端；

移动终端将获取的人体脊柱弯曲角度值，输入到预训练的分类模型中，移动终端输出人体脊柱姿势矫正提示指令；

其中，所述每个弹性膜对应的应变片压力传感器，将采集的数据使用Borden氏测量法和C2‑C7Cobb角/Harrison测量法，得到人体脊柱弯曲角度值；

所述预训练的分类模型的训练步骤包括：

选择Logistic回归模型为分类模型；

构建训练集，所述训练集，包括：已知脊柱弯曲角度标签的人体脊柱弯曲角度值，所述人体脊柱弯曲角度值，包括：颈椎角度值、胸椎角度值和腰椎角度值；

利用训练集对Logistic回归模型进行训练，得到训练好的分类模型；

所述训练集的获取步骤包括：

选择N个人作为训练集的受试者，对每一个受试者分别在在人体皮肤表面的颈椎中心位置贴敷第一弹性膜，在人体皮肤表面的胸椎中心位置贴敷第二弹性膜，在人体皮肤表面的腰椎中心位置贴敷第三弹性膜；

采集每个受试者在保持直立姿势、上身弯曲30°、上身弯曲45°、上身弯曲60°和上身弯曲90°的不同弯曲角度下，每个弹性膜对应的应变片压力传感器采集的数据；

将每个弹性膜对应的应变片压力传感器采集的数据，配置正确姿势与错误姿势的标签；

对于给定的待训练数据集T＝{(x1,y1),(x2,y2),...,(xn,yn)}，即一个时间区间内的姿n势数据，其中xi∈R 表示人体关节弯曲角度，yi∈{0,1}表示该角度对应姿势是否正确，0为错误，1为正确；设z＝‑w·x‑b，则称这里我们将权值向量和输入向量进行扩充：

(1) (2) (n) T

w＝(w ,w ,...,w ,b) ；

(1) (2) (n) T

x＝(x ,x ,...,x ,1) ；

因此，得到Logistic回归模型为：

n

对于给定的待训练数据集T＝{(x1,y1),(x2,y2),...,(xn,yn)}，其中xi∈R ，yi∈{0,1}，我们应用极大似然估计法估计该模型参数：设：P(Y＝1|x)＝π(x)，P(Y＝0|x)＝1‑P(Y＝1|x)＝1‑π(x)；

联合概率分布函数为：

对数似然函数为：

对L(w)求极大值得到w的估计值

则Logistic回归模型为:

姿势正确

姿势错误

所述姿势矫正装置还包括计时器，所述计时器连接处理器，所述计时器用于计算某一错误姿势信号存在的时间，若错误姿势信号存在时间超过了对于过激行为预先设定的时间，则被认定为错误姿势；若未超过对于过激行为预先设定的时间则被认定为正确姿势，并忽略此过激行为，以避免假性报警。

2.如权利要求1所述的装置，其特征是，所述弹性膜为具有防水性的热塑性聚氨酯弹性膜。

3.如权利要求1所述的装置，其特征是，移动终端输出人体脊柱姿势矫正提示指令，通过语音提示或震动提醒的方式进行提醒。

4.姿势矫正方法，其特征是，包括：

通过姿势矫正装置，获取人体脊柱弯曲角度值；

将人体脊柱弯曲角度值由模拟信号转换为数字信号后，将数字信号通过蓝牙上传给移动终端；

移动终端将人体脊柱弯曲角度值输入到预训练的分类模型中，输出人体脊柱姿势矫正提示指令；

其中，每个弹性膜对应的应变片压力传感器，将采集的数据使用Borden氏测量法和C2‑C7Cobb角/Harrison测量法，得到人体脊柱弯曲角度值；

所述预训练的分类模型的训练步骤包括：

选择Logistic回归模型为分类模型；

构建训练集，所述训练集，包括：已知脊柱弯曲角度标签的人体脊柱弯曲角度值，所述人体脊柱弯曲角度值，包括：颈椎角度值、胸椎角度值和腰椎角度值；

利用训练集对Logistic回归模型进行训练，得到训练好的分类模型；

所述训练集的获取步骤包括：

选择N个人作为训练集的受试者，对每一个受试者分别在在人体皮肤表面的颈椎中心位置贴敷第一弹性膜，在人体皮肤表面的胸椎中心位置贴敷第二弹性膜，在人体皮肤表面的腰椎中心位置贴敷第三弹性膜；

采集每个受试者在保持直立姿势、上身弯曲30°、上身弯曲45°、上身弯曲60°和上身弯曲90°的不同弯曲角度下，每个弹性膜对应的应变片压力传感器采集的数据；

将每个弹性膜对应的应变片压力传感器采集的数据，配置正确姿势与错误姿势的标签；

对于给定的待训练数据集T＝{(x1,y1),(x2,y2),...,(xn,yn)}，即一个时间区间内的姿n势数据，其中xi∈R 表示人体关节弯曲角度，yi∈{0,1}表示该角度对应姿势是否正确，0为错误，1为正确；设z＝‑w·x‑b，则称这里我们将权值向量和输入向量进行扩充：

(1) (2) (n) T

w＝(w ,w ,...,w ,b) ；

(1) (2) (n) T

x＝(x ,x ,...,x ,1) ；

因此，得到Logistic回归模型为：

n

对于给定的待训练数据集T＝{(x1,y1),(x2,y2),...,(xn,yn)}，其中xi∈R ，yi∈{0,1}，我们应用极大似然估计法估计该模型参数：设：P(Y＝1|x)＝π(x)，P(Y＝0|x)＝1‑P(Y＝1|x)＝1‑π(x)；

联合概率分布函数为：

对数似然函数为：

对L(w)求极大值得到w的估计值

则Logistic回归模型为:

姿势正确

姿势错误

所述姿势矫正装置还包括计时器，所述计时器连接处理器，所述计时器用于计算某一错误姿势信号存在的时间，若错误姿势信号存在时间超过了对于过激行为预先设定的时间，则被认定为错误姿势；若未超过对于过激行为预先设定的时间则被认定为正确姿势，并忽略此过激行为，以避免假性报警。

5.如权利要求4所述的方法，其特征是，所述通过姿势矫正装置，获取人体脊柱弯曲角度值步骤之后，所述将人体脊柱弯曲角度值由模拟信号转换为数字信号步骤之前，还包括：数据预处理步骤；

所述数据预处理步骤，是指：获取人体脊柱弯曲角度值之后，判断人体脊柱弯曲角度值在设定的时间范围内，是否超出设定的阈值，如果未超出设定的阈值，则将获取的人体脊柱弯曲角度值进行暂时存储；如果超出设定的阈值，则将获取的人体脊柱弯曲角度值进行由模拟信号到数字信号的转换处理。

6.如权利要求4所述的方法，其特征是，所述获取人体脊柱弯曲角度值步骤之后，还包括：对每一个脊柱弯曲角度值，按照采集的时间顺序设定唯一编码。

7.如权利要求4所述的方法，其特征是，所述将数字信号通过蓝牙上传给移动终端步骤之后，所述移动终端将人体脊柱弯曲角度值输入到预训练的分类模型中步骤之前，还包括：移动终端对人体脊柱弯曲角度值数据进行预筛选步骤；

移动终端对人体脊柱弯曲角度值数据进行预筛选步骤，包括：按照唯一编码的时间先后顺序，对人体脊柱弯曲角度值进行筛选，如果超出设定阈值范围，则认为是噪声数据，予以删除；如果在设定阈值范围内，则认为是正常数据，将正常数据存储到待分类数据库中。