[发明专利]一种基于机器视觉的用户不良坐姿矫正系统

说明书

本发明涉及一种基于机器视觉的用户不良坐姿矫正系统，通过安装在书桌旁的单、双摄像头来定时获取青少年的坐姿图片，然后将图片输入到后台的识别模块进行坐姿识别，然后会把结果传递并存储到统计模块，统计模块会根据一定时间的统计结果给出该青少年坐姿不良的严重程度，并将结果和矫正坐姿不良的可能方法提供给青少年监护人。监护人将采用的矫方法分类按次提供给统计模块，会在之后的统计结果中分析出造成该青少年坐姿不良的原因，让其监护人可以针对性的帮其矫正，可以更快的帮其矫正不良坐姿。

技术领域

本发明涉及一种基于机器视觉的用户坐姿矫正系统，属于健康领域，主要应用的知识是计算机深度学习领域比较流行的深度学习，以及数理统计的相关知识。

背景技术

中小学生学习压力太大导致学生长时间坐立已成为一个严重的社会问题，严重影响了青少年身体的发育，特别是不良坐姿容易引起更严重的身体问题，而正确的坐姿则可以将危害降到最小化。

在以往的研究中，姿态识别是一个人们关注度比较高的领域，从最开始的机器学习算法(比较著名的有K-近邻法，SVM等)，到类似图像分类方面的直接把图片放到CNN中进行卷积分类的算法，识别的正确率也在逐步提升，而在人体姿态识别方面，人们引入骨骼关键点的特征提取之后，使得准确率得到显著提升。

在人体姿态方面研究挺多，但人们更多的是关注人体动作方面，具体到基于机器视觉坐姿方面论文却非常少，而在这些研究中有的是数据集局限性大，有的提取的特征不合理，很难具有普适性。湖南大学黄旭的研究生毕业论文《基于判别式深度学习的坐姿视觉识别方法研究》，在最终优化后只是提取了双目相机的图片视差作为补充特征，没有充分利用图片数据，且其数据集普化程度小，不具备说服力。

发明内容

本发明所解决的问题：克服现有技术的不足，提供一种基于机器视觉的用户坐姿矫正系统，采用人体骨骼关键点作为神经网络的输入，使系统不受用户衣物，所处背景的影响；采用普通摄像头作为图片采集工具，所需成本低。通过系统的识别模块和统计模块结合，可以准确分析出用户的坐姿状况。

本发明技术解决方案：

一种基于机器视觉的用户不良坐姿矫正系统，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。

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。

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。