[发明专利]一种基于机器视觉的用户不良坐姿矫正系统

权利要求书

1.一种基于机器视觉的用户不良坐姿矫正系统，其特征在于，包括：摄像头和服务器，服务器包括识别模块和统计模块；通过安装在书桌旁的摄像头按一定时间间隔捕捉用户的侧面坐姿图片，根据需求，选择性的加装正摄像头图片，用作辅助识别；将所获取的图片传回到服务器，服务器中的识别模块是由大量数据集训练的神经网络模型，该识别模块对图片人物进行骨骼关键点提取，然后将提取的数据输入到神经网络中进行坐姿识别，并将识别结果传递并存储至统计模块；统计模块记录识别结果并对一段时间的数据进行分析，给出该用户坐姿不良的评定等级，如果判断学生坐姿不规范，就会将评定等级和矫正坐姿不良的矫正方法提供给智能设备，智能设备给出采取相应措施的提示给用户，同时智能设备再将矫正方法分类按次反馈到给统计模块，统计模块再根据矫正后用户意见的表现情况，分析出造成用户坐姿不良的真正原因，让用户针对性的进行矫正。

2.根据权利要求1所述的一种基于机器视觉的用户不良坐姿矫正系统，其特征在于：所述神经网络训练所采集数据集为采集的学生坐姿图片数据集，其中采集的照片包含正常坐姿、前趴、后仰、左趴、右趴、左倾、右倾共7种姿势，正面、侧面图片分别2000张。

3.根据权利要求1所述的一种基于机器视觉的用户不良坐姿矫正系统，其特征在于：所述骨骼关键点提取采用的通用工具openpose；所述关键点包含：正面15个关键点和侧面10个关键点，正面15个关键点包括左耳、右耳、左眼、右眼鼻、颈、左肩、左肘、左手腕、右肩、右肘、右手腕、左臀、中臀和右臀；侧面10个关键点包括左耳、左眼、鼻、颈、左肩、左肘、左手腕、左臀、左膝盖和左脚踝。

4.根据权利要求1所述的一种基于机器视觉的用户不良坐姿矫正系统，其特征在于：所述神经网络采用能有效防止训练衰退的Resnet网络，Resnet神经网络的识别过程：卷积层初步提取特征，池化层提取主要特征，全连接层将各部分特征汇总，最后产生分类器进行识别；Resnet网络结构由Residual块构成Residual序列，Residual序列包含3个3*3*64Residual块,4个3*3*128Residual块，6个3*3*256Residual块，3个3*#*512Residual块。其中Residual块分为：Residual和identity两部分，F(x)即为Residual，x为identity，训练过程中神经网络会把最后的识别结果和真实结果作对比，得到一个loss值，通过降低loss值来提高识别精度。

5.根据权利要求1所述的一种基于机器视觉的用户不良坐姿矫正系统，其特征在于：所述摄像头为单摄像头或双摄像头，定时获取用户的坐姿图片。

6.根据权利要求1所述的一种基于机器视觉的用户不良坐姿矫正系统，其特征在于：所述统计模块的具体过程：(1)统计用户不良坐姿次数，评出不良坐姿情况Y；(2)统计用户各种矫正方式X的次数；(3)统计不良坐姿情况Y的变化；(4)根据X,Y的变化关系分别求出用户各种矫正方式X的次数与Y的相关系数，即找到主要影响坐姿不良的主要因素；

所述相关系数的求解公式如下：

X,Y的协方差：

Sx样本标准差：

Sy样本标准差：

相关系数：

分别求出用户各种矫正方式X的因素与Y的相关系数，根据实际相关系数越大，表示X与Y的相关性越大，根据相关性系数找到造成坐姿不良的主要原因。