[发明专利]坐姿类别检测方法、装置、电子设备及存储介质

说明书

本申请实施例提供了一种坐姿类别检测方法、装置、电子设备及存储介质，属于计算机视觉技术领域。其中方法包括：通过图像分类模型将待判别图像分类为预设图像类型；在待判别图像的图像类型为肩头完整类型时，从待判别图像中检测人体关键点；根据检测到的人体关键点和/或相对位置关系确定坐姿类别。这样，基于图像分类和人体关键点检测进行坐姿检查，先通过图像分类模型确定待判别图像是否为肩头完整类型，在待判别图像为肩头完整类型时，再利用人体关键点判断人体的具体坐姿类别，可以避免现有基于人体关键点检测坐姿类别判定算法中存在的准确度比较低、鲁棒性较差的问题，提高人体姿势检测的准确度及鲁棒性，提高坐姿类别检测效果。

技术领域

本申请涉及计算机视觉技术领域，尤其涉及一种坐姿类别检测方法、装置、电子设备及存储介质。

背景技术

目前，坐姿类别判定是计算机视觉技术应用在视觉监控领域的一个实际任务，坐姿类别判定的目的是对人体的坐姿进行判定。传统的坐姿类别判定算法一般基于人体关键点检测，基于人体关键点检测的坐姿类别判定算法主要存在两个局限性：(1)坐姿类别判定的准确性依赖于人体关键点的准确性，然而，关键点的定位受光照、相机成像质量等因素的影响，无法保证在所有环境和设置下都足够准确，这将不可避免地影响坐姿类别判定的准确性。(2)部分坐姿下的人体关键点不可见，依赖于人体关键点的坐姿判别算法就无法判别出当前的人体姿势，这限制了基于人体关键点检测的坐姿类别判定算法的鲁棒性。由此可知，现有基于人体关键点检测的坐姿类别判定算法存在坐姿类别检测效果比较差的问题。

发明内容

为了解决上述技术问题，本申请实施例提供了一种坐姿类别检测方法、装置、电子设备及存储介质。

第一方面，本申请实施例提供了一种坐姿类别检测方法，所述方法包括：

通过图像分类模型将待判别图像分类为预设图像类型；

在所述待判别图像的图像类型为肩头完整类型时，从所述待判别图像中检测人体关键点；

根据检测到的人体关键点和/或相对位置关系确定坐姿类别。

在一实施方式中，根据检测到的人体关键点的名称确定坐姿类别，包括：

在检测到的人体关键点包括手腕关键点时，确定处于抬腕坐姿；

根据检测到的人体关键点的相对位置关系确定坐姿类别，包括：

在检测到的人体关键点包括两个对称人体关键点时，根据所述两个对称人体关键点的竖直位置相对关系确定坐姿类别。

在一实施方式中，根据所述两个对称人体关键点的竖直位置相对关系确定坐姿类别，包括：

在所述两个对称人体关键点为左肩关键点和右肩关键点时，在所述左肩关键点和所述右肩关键点的竖直位置差异大于或等于预设长度阈值时，确定处于高低肩坐姿；

在所述两个对称人体关键点为左眼关键点和右眼关键点时，在所述左眼关键点和所述右眼关键点的竖直位置差异大于或等于预设长度阈值时，确定处于歪头坐姿。

在一实施方式中，根据检测到的人体关键点和相对位置关系确定坐姿类别，包括：

在检测到的人体关键点不包括手腕关键点，所述左肩关键点和所述右肩关键点的竖直位置差异小于预设长度阈值，且所述左眼关键点和所述右眼关键点的竖直位置差异小于预设长度阈值时，确定处于端正坐姿。

在一实施方式中，所述方法还包括：

在所述图像类型为头肩缺陷类型时，根据所述头肩缺陷类型确定坐姿类别。

在一实施方式中，所述头肩缺陷类型为驼背类型、伏案类型和后仰类型中的一种，所述根据所述头肩缺陷类型确定坐姿类别，包括：

在所述头肩缺陷类型为所述驼背类型时，确定处于驼背坐姿；