一种坐姿检测方法、设备、电子设备以及存储介质与流程

allin2023-03-16  129



1.本技术涉及数据处理技术领域,特别是涉及一种坐姿检测方法、设备、电子设备以及存储介质。


背景技术:

2.如今,坐姿检测受到了越来越多的关注,通过对待测对象进行坐姿检测,可以得知待测对象是否出现歪头、前倾等不良坐姿,以便于在待测对象出现不良坐姿时对其进行矫正。例如,上述待测对象可以是儿童,通过对儿童进行坐姿检测,可以得知儿童的坐姿,这样有助于矫正儿童的不良坐姿,监督儿童从小养成良好坐姿的习惯,从而有利于儿童的成长发育。
3.现有技术中,通常需要在座椅的扶手、坐垫等多个位置安装多个传感器,基于多个传感器测量得到的测量结果判断待测对象的坐姿。然后,由于每一传感器均能够产生一个测量结果,多个传感器则会产生多个测量结果,这样利用多个测量结果判断待测对象坐姿时需要处理的数据量较大,从而导致坐姿检测的效率较低。


技术实现要素:

4.本技术实施例的目的在于提供一种坐姿检测方法、设备、电子设备以及存储介质,以提高坐姿检测的效率。具体技术方案如下:
5.第一方面,本技术实施例提供了一种坐姿检测方法,所述方法应用于坐姿检测设备,所述坐姿检测设备包括测距传感器、相机,所述方法包括:
6.利用所述测距传感器测量待测对象与所述坐姿检测设备之间的距离;
7.在所述距离处于预设的正常距离范围内的情况下,检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型。
8.本技术的一个实施例中,所述基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型,包括:
9.基于所述待测对象预设身体部位的骨骼点的位置信息,计算反映所述待测对象坐姿的对象坐姿数据;
10.将计算得到的对象坐姿数据与预设的标准坐姿数据进行对比,根据对比所得结果确定所述待测对象的坐姿类型,其中,所述标准坐姿数据用于反映所述待测对象的标准坐姿。
11.本技术的一个实施例中,在所述将计算得到的对象坐姿数据与预设的标准坐姿数据进行对比,根据对比所得结果确定所述待测对象的坐姿类型之前,所述方法还包括:
12.在所述正常距离范围包括的各子距离范围中确定所述距离所在的目标子距离范围,并在预设的各组目标坐姿数据中确定与所述目标子距离范围对应的目标坐姿数据,作为标准坐姿数据,其中,每一组目标坐姿数据对应一个子距离范围,所述目标坐姿数据用于
反映在所述待测对象与所述坐姿检测设备之间的距离位于其所对应的子距离范围内的情况下所述待测对象的标准坐姿。
13.本技术的一个实施例中,所述在所述距离处于预设的正常距离范围内的情况下,检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型,包括:
14.在所述距离处于预设的正常距离范围内的情况下,将所述相机采集的所述待测对象的目标图像输入预先训练得到的坐姿检测模型,得到所述坐姿检测模型输出的所述待测对象的坐姿类型,其中,所述坐姿检测模型是以样本对象的图像作为输入、以所述样本对象的坐姿类型作为标注信息训练得到的。
15.本技术的一个实施例中,所述坐姿检测设备部署于桌面,
16.所述在所述距离处于预设的正常距离范围内的情况下,检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型,包括:
17.对所述相机采集的所述待测对象的目标图像进行检测,得到所述待测对象的预设面部特征点所在的第一像素点以及相邻桌面边界所在的第二像素点,其中,所述相邻桌面边界为距离所述待测对象最近的、所述桌面的边界;
18.基于所述第一像素点的位置以及所述第二像素点的位置,计算所述面部特征点与所述桌面所在平面之间的高度;
19.若所述距离处于预设的正常距离范围内、且所述高度处于预设的正常高度范围内,则检测所述目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型。
20.本技术的一个实施例中,所述坐姿检测设备中的相机沿水平方向朝向所述待测对象;
21.所述基于所述第一像素点的位置以及所述第二像素点的位置,计算所述面部特征点与所述桌面所在平面之间的高度,包括:
22.在所述待测图像的像素列方向上统计所述第一像素点与中心像素点之间的第一像素点个数,其中,所述中心像素点位于所述待测图像的中心;
23.基于预先得到的像素点数量与长度之间的换算关系,根据所述第一像素点个数计算得到所述面部特征点与所述相机所在水平面之间的第一高度;
24.在所述像素列方向上统计所述第二像素点与所述中心像素点之间的第二像素点个数;
25.基于所述换算关系,根据所述第二像素点个数计算得到所述桌面所在平面与所述相机所在水平面之间的第二高度;
26.计算所述第一高度与所述第二高度之和,得到所述面部特征点与所述桌面所在平面之间的高度。
27.本技术的一个实施例中,所述换算关系按照以下表达式表示:
28.l=d*tan(n*r+θ)
29.其中,所述l表示长度,所述d表示所述坐姿检测设备与所述待测对象之间的距离,所述n表示像素点数量,所述r表示预设的单位像素点对应的弧度值,所述θ表示预设的弧度
值误差。
30.本技术的一个实施例中,在检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型之后,所述方法还包括:
31.若所得到的坐姿类型属于不良坐姿类型,则记录所述相机采集的所述待测对象的不良坐姿图像。
32.本技术的一个实施例中,在检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型之后,所述方法还包括:
33.若所得到的坐姿类型属于不良坐姿类型,则生成坐姿提醒信息,以提醒所述待测对象矫正坐姿。
34.第二方面,本技术实施例还提供了一种坐姿检测设备,所述设备包括测距传感器、相机、处理器,其中:
35.所述测距传感器用于测量待测对象与自身之间的距离,并向所述处理器发送测量得到的距离;
36.所述相机用于采集所述待测对象的目标图像,并向处理器发送所采集的目标图像;
37.所述处理器用于执行上述第一方面任一所述的方法步骤。
38.第三方面,本技术实施例还提供了一种坐姿检测装置,所述装置应用于坐姿检测设备,所述坐姿检测设备包括测距传感器、相机,所述装置包括:
39.距离测量模块,用于利用所述测距传感器测量待测对象与所述坐姿检测设备之间的距离;
40.坐姿确定模块,用于在所述距离处于预设的正常距离范围内的情况下,检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型。
41.本技术的一个实施例中,所述坐姿确定模块,包括:
42.骨骼点检测子模块,用于在所述距离处于预设的正常距离范围内的情况下,检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点;
43.数据计算子模块,用于基于所述待测对象预设身体部位的骨骼点的位置信息,计算反映所述待测对象坐姿的对象坐姿数据;
44.数据对比子模块,用于将计算得到的对象坐姿数据与预设的标准坐姿数据进行对比,根据对比所得结果确定所述待测对象的坐姿类型,其中,所述标准坐姿数据用于反映所述待测对象的标准坐姿。
45.本技术的一个实施例中,所述装置还包括:
46.数据选择模块,用于在所述将计算得到的对象坐姿数据与预设的标准坐姿数据进行对比,根据对比所得结果确定所述待测对象的坐姿类型之前,在所述正常距离范围包括的各子距离范围中确定所述距离所在的目标子距离范围,并在预设的各组目标坐姿数据中确定与所述目标子距离范围对应的目标坐姿数据,作为标准坐姿数据,其中,每一组目标坐姿数据对应一个子距离范围,所述目标坐姿数据用于反映在所述待测对象与所述坐姿检测
设备之间的距离位于其所对应的子距离范围内的情况下所述待测对象的标准坐姿。
47.本技术的一个实施例中,所述坐姿确定模块,具体用于:
48.在所述距离处于预设的正常距离范围内的情况下,将所述相机采集的所述待测对象的目标图像输入预先训练得到的坐姿检测模型,得到所述坐姿检测模型输出的所述待测对象的坐姿类型,其中,所述坐姿检测模型是以样本对象的图像作为输入、以所述样本对象的坐姿类型作为标注信息训练得到的。
49.本技术的一个实施例中,所述坐姿检测设备部署于桌面,
50.所述坐姿确定模块,包括:
51.图像检测子模块,用于对所述相机采集的所述待测对象的目标图像进行检测,得到所述待测对象的预设面部特征点所在的第一像素点以及相邻桌面边界所在的第二像素点,其中,所述相邻桌面边界为距离所述待测对象最近的、所述桌面的边界;
52.高度计算子模块,用于基于所述第一像素点的位置以及所述第二像素点的位置,计算所述面部特征点与所述桌面所在平面之间的高度;
53.坐姿确定子模块,用于若所述距离处于预设的正常距离范围内、且所述高度处于预设的正常高度范围内,则检测所述目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型。
54.本技术的一个实施例中,所述坐姿检测设备中的相机沿水平方向朝向所述待测对象;
55.所述高度计算子模块,具体用于:
56.在所述目标待测图像的像素列方向上统计所述第一像素点与中心像素点之间的第一像素点个数,其中,所述中心像素点位于所述目标待测图像的中心;
57.基于预先得到的像素点数量与长度之间的换算关系,根据所述第一像素点个数计算得到所述面部特征点与所述相机所在水平面之间的第一高度;
58.在所述像素列方向上统计所述第二像素点与所述中心像素点之间的第二像素点个数;
59.基于所述换算关系,根据所述第二像素点个数计算得到所述桌面所在平面与所述相机所在水平面之间的第二高度;
60.计算所述第一高度与所述第二高度之和,得到所述面部特征点与所述桌面所在平面之间的高度。
61.本技术的一个实施例中,所述换算关系按照以下表达式表示:
62.l=d*tan(n*r+θ)
63.其中,所述l表示长度,所述d表示图像采集设备所述坐姿检测设备与至所述待测对象之间的距离,所述n表示像素点数量,所述r表示预设的单位像素点对应的弧度值,所述θ表示预设的弧度值误差。
64.本技术的一个实施例中,所述装置还包括:
65.图像获得模块,用于在检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型之后,若所得到的坐姿类型属于不良坐姿类型,则记录所述相机采集的所述待测对象的不良坐姿图像。
66.本技术的一个实施例中,所述装置还包括:
67.信息生成模块,用于在检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型之后,若所得到的坐姿类型属于不良坐姿类型,则生成坐姿提醒信息,以提醒所述待测对象矫正坐姿。
68.第四方面,本技术实施例还提供了一种电子设备,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;
69.存储器,用于存放计算机程序;
70.处理器,用于执行存储器上所存放的程序时,实现第一方面任一所述的方法步骤。
71.第五方面,本技术实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现第一方面任一所述的方法步骤。
72.第六方面,本技术实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述第一方面任一所述的方法步骤。
73.本技术实施例有益效果:
74.由以上可见,应用本技术实施例提供的方案进行坐姿检测时,首先测量待测对象与坐姿检测设备之间的距离,在所测距离处于正常距离范围内的情况下,说明待测对象的坐姿可能是正常的,为进一步确定待测对象的坐姿类型,可以再检测相机采集的待测对象的目标图像中待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定待测对象的坐姿类型。这样仅需要利用测距传感器测量得到的距离以及相机采集的目标图像,即可实现对待测对象的坐姿检测,所需的数据量较少,从而可以加快数据处理速度。由此可见,应用本技术实施例提供的坐姿检测方案,可以提高坐姿检测效率。
附图说明
75.为了更清楚地说明本技术实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本技术的一些实施例,对于本领域普通技术人员来讲,还可以根据这些附图获得其他的实施例。
76.图1为本技术实施例提供的第一种坐姿检测方法的流程示意图;
77.图2a为本技术实施例提供的第二种坐姿检测方法的流程示意图;
78.图2b为本技术实施例提供的第一种目标图像;
79.图2c为本技术实施例提供的第二种目标图像;
80.图2d为本技术实施例提供的第三种目标图像;
81.图2e为本技术实施例提供的第四种目标图像;
82.图3为本技术实施例提供的第三种坐姿检测方法的流程示意图;
83.图4为本技术实施例提供的第四种坐姿检测方法的流程示意图;
84.图5为本技术实施例提供的第五种坐姿检测方法的流程示意图;
85.图6a为本技术实施例提供的第六种坐姿检测方法的流程示意图;
86.图6b为本技术实施例提供的一种坐姿检测的场景示意图;
87.图7为本技术实施例提供的第七种坐姿检测方法的流程示意图;
88.图8为本技术实施例提供的第八种坐姿检测方法的流程示意图;
89.图9为本技术实施例提供的第九种坐姿检测方法的流程示意图;
90.图10为本技术实施例提供的第一种坐姿检测设备的结构示意图;
91.图11为本技术实施例提供的第二种坐姿检测设备的结构示意图;
92.图12为本技术实施例提供的第一种坐姿检测装置的结构示意图;
93.图13为本技术实施例提供的第二种坐姿检测装置的结构示意图;
94.图14为本技术实施例提供的第三种坐姿检测装置的结构示意图;
95.图15为本技术实施例提供的第四种坐姿检测装置的结构示意图;
96.图16为本技术实施例提供的第五种坐姿检测装置的结构示意图;
97.图17为本技术实施例提供的第六种坐姿检测装置的结构示意图;
98.图18为本技术实施例提供的一种电子设备的结构示意图。
具体实施方式
99.下面将结合本技术实施例中的附图,对本技术实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本技术一部分实施例,而不是全部的实施例。基于本技术中的实施例,本领域普通技术人员基于本技术所获得的所有其他实施例,都属于本技术保护的范围。
100.参见图1,图1为本技术实施例提供的第一种坐姿检测方法的流程示意图,上述方法应用于坐姿检测设备,坐姿检测设备包括测距传感器、相机。
101.其中,上述测距传感器和上述相机可以水平并排放置,还可以竖直并排放置等。
102.上述方法包括以下步骤s101-s102。
103.步骤s101:利用测距传感器测量待测对象与坐姿检测设备之间的距离。
104.其中,上述待测对象可以是儿童、成人或者其他需要矫正坐姿的对象。
105.上述测距传感器可以是红外线测距传感器、激光测距传感器等多种传感器中任一种。
106.具体的,测距传感器可以测量自身与待测对象之间的距离,坐姿检测设备可以获得上述距离,将上述距离作为坐姿检测设备与待测对象之间的距离。
107.本技术的一个实施例中,可以通过以下两种实现方式中任一种实现利用测距传感器测量上述距离。
108.第一种实现方式中,可以利用测距传感器测量待测对象与自身之间的水平距离,作为上述距离。
109.第二种实现方式中,还可以利用测距传感器测量待测对象的特定身体部位与自身之间的距离,作为上述距离。
110.例如,上述特定身体部位可以是胸部,还可以腹部或者其他身体部位,本技术实施例对此并不限定。
111.步骤s102:在距离处于预设的正常距离范围内的情况下,检测相机采集的待测对象的目标图像中待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定待测对象的坐姿类型。
112.本领域技术人员能够理解的是,在实际的应用场景中,待测对象坐在座椅上,并与桌面相邻时,在标准坐姿下,待测对象与其相邻最近的桌面的边界之间的距离通常为一拳的距离,因此,可以根据上述一拳的距离这一原则,确定待测对象与其相邻最近的桌面的边界之间的距离范围,然后将该距离范围与上述坐姿检测设备至上述边界之间的水平距离相加,从而得到上述正常距离范围。
113.上述坐姿检测设备与上述边界之间的水平距离可以在安装上述坐姿检测设备之后实际测量得到,也可以是在安装前预先设定的。
114.例如,人的拳头通常为5cm-8cm,若得知上述坐姿检测设备与上述边界之间的水平距离为40cm,则可以计算得到上述正常距离范围的最小距离为40+5=45cm,最大距离为40+8=48cm,即上述正常距离范围为45cm-48cm。
115.上述预设身体部位可以是眼睛、下巴、肩膀等部位。
116.上述坐姿类型可以分为标准坐姿和不良坐姿,上述不良坐姿还可以分为歪头、低头、身体前倾、耸肩等多种坐姿。
117.具体的,在获得上述待测对象与坐姿检测设备之间的距离后,可以判断该距离是否处于上述正常距离范围,若为否,则说明待测对象可能出现身体前倾或者后仰等不良坐姿;若为是,则说明待测对象的坐姿可能是正常的,此时获得相机采集的待测对象的目标图像,检测目标图像中待测对象预设身体部位的骨骼点,确定不同骨骼点在上述图像中的位置信息,基于各个骨骼点的位置信息确定不同骨骼点之间的相对位置,由于不同坐姿下不同骨骼点之间的相对位置往往不同,因此,基于不同骨骼点的位置信息可以确定待测对象的坐姿类型。
118.上述相机采集待测对象的图像存在以下两种情况。
119.第一种情况下,上述相机可以持续采集待测对象的图像。
120.这种情况下,在判断出上述距离处于正常距离范围时,可以确定得到这一判断结果的判断时刻,从而确定包含该判断时刻在内的、预设时长的采集时间段,并从这一采集时间段内上述相机采集的图像中选择至少一图像,作为目标图像。
121.其中,上述采集时间段可以是以上述判断时刻为该时间段中最早时刻、以上述预设时长为该时间段的时长确定的,也可以是以上述判断时刻为该时间段中最晚时刻、以上述预设时长为该时间段的时长确定的,还可以是以上述判断时刻为该时间段中中间任一时刻、以上述预设时长为该时间段的时长确定的。
122.例如,上述预设时长可以是0.1s、0.5s,或者其他时长。
123.第二种情况下,上述相机可以在收到采集指令后采集待测对象的图像。
124.这种情况下,在判断出上述距离处于正常距离范围后,可以生成相机采集指令,指示相机采集待测对象的图像,从而获得相机在收到相机采集指令后采集的待测对象的目标图像。
125.本技术的一个实施例中,在检测上述图像中待测对象预设身体部位的骨骼点时,可以预先获得上述预设身体部位的骨骼点的特征,在获得上述目标图像后,检测上述目标图像中的待测对象的特征,然后将检测到的特征与预先得到的特征进行匹配,从检测到的特征中确定匹配成功的特征,基于所确定的特征确定目标图像中待测对象预设身体部位的骨骼点。
126.基于不同骨骼点的位置信息确定待测对象的坐姿类型的实现方式可参见后续图2a所示实施例中步骤s103b-s103c,这里暂不详述。
127.另外,还可以利用后续图4所示实施例中提及的坐姿检测模型实现检测上述骨骼点,并基于不同骨骼点的位置信息确定待测对象的坐姿类型,这里暂不详述。
128.由以上可见,应用本技术实施例提供的方案进行坐姿检测时,首先测量待测对象与坐姿检测设备之间的距离,在所测距离处于正常距离范围内的情况下,说明待测对象的坐姿可能是正常的,为进一步确定待测对象的坐姿类型,可以再检测相机采集的待测对象的目标图像中待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定待测对象的坐姿类型。这样仅需要利用测距传感器测量得到的距离以及相机采集的目标图像,即可实现对待测对象的坐姿检测,所需的数据量较少,从而可以加快数据处理速度。由此可见,应用本技术实施例提供的坐姿检测方案,可以提高坐姿检测效率。
129.下面对上述步骤s102中提及的基于不同骨骼点的位置信息确定待测对象的坐姿类型的实现方式进行说明。
130.本技术的一个实施例中,参见图2a,提供了第二种坐姿检测方法的流程示意图,本实施例中,可以通过以下步骤s102a-s102c实现上述步骤s102。
131.步骤s102a:在距离处于预设的正常范围内的情况下,检测相机采集的待测对象的目标图像中待测对象预设身体部位的骨骼点。
132.本步骤与上述步骤s102中检测骨骼点的方式相类似,这里不再赘述。
133.步骤s102b:基于待测对象预设身体部位的骨骼点的位置信息,计算反映待测对象坐姿的对象坐姿数据。
134.其中,上述对象坐姿数据反映的是待测对象在目标图像的采集时刻下的坐姿,上述对象坐姿数据可以包括待测对象不同预设身体部位的骨骼点之间的相对位置信息。
135.例如,上述对象坐姿数据可以包括待测对象两只眼睛的骨骼点所在直线与水平面之间的夹角,下巴骨骼点与肩膀骨骼点之间的高度等。
136.具体的,在检测到上述骨骼点后,可以根据各个骨骼点在目标图像中的位置信息,计算待测对象不同预设身体部位之间的相对位置信息,将计算得到的上述相对位置信息作为反映待测对象坐姿的对象坐姿数据。
137.以上述对象坐姿数据包括双眼骨骼点与水平面之间的夹角为例,这种情况下,可以首先在目标图像中确定双眼骨骼点所在的直线,然后测量该直线与图像的像素行方向之间的夹角,作为双眼骨骼点与水平面之间的夹角。
138.另外,上述对象坐姿数据还可以包括双耳骨骼点与水平面之间的夹角、双肩骨骼点与水平面之间的夹角等,计算这两种夹角的方式与计算双眼骨骼点与水平面之间夹角的方式相同。
139.本技术的另一实施例中,上述对象坐姿数据包括不同骨骼点之间的高度。这种情况下,可以预先获得在图像的像素列方向上单位像素点与长度之间的换算关系,然后统计在像素列方向上不同骨骼点之间的像素点个数,根据预先获得的换算关系以及统计得到的像素点个数,计算得到不同骨骼点之间的高度。
140.例如,上述单位像素点与长度之间的换算关系可以是一个像素点对应0.1cm,若在像素列方向上统计了下巴骨骼点与肩膀骨骼点之间的像素点个数为120个,则可以计算得
到待测对象的下巴与肩膀之间的高度为0.1*120=10cm。
141.步骤s102c:将计算得到的对象坐姿数据与预设的标准坐姿数据进行对比,根据对比所得结果确定待测对象的坐姿类型。
142.其中,标准坐姿数据用于反映待测对象的标准坐姿,上述标准坐姿数据可以包括:标准坐姿下不同预设身体部位的骨骼点之间的相对位置信息所处的范围。
143.例如,上述标准坐姿数据可以包括下巴骨骼点与肩膀骨骼点之间的高度所处的范围。
144.上述标准坐姿数据可以是人为设定的,也可以是基于待测对象的正常坐姿图像,计算得到的。
145.具体的,在对比对象坐姿数据与标准坐姿数据时,可以将这两种坐姿数据中包括的同一类型的数据进行对比,然后根据对比所得结果确定待测对象的坐姿类型。
146.例如,可以将对象坐姿数据中包括的待测对象两只眼睛的骨骼点所在直线与水平面之间的夹角,与标准坐姿数据中包括的待测对象两只眼睛的骨骼点所在直线与水平面之间的夹角范围进行比较,若对象坐姿数据中包括的上述夹角不在标准坐姿数据中包括的上述夹角范围中时,则认为待测对象出现了歪头的不良坐姿。
147.又例如,可以将对象坐姿数据中包括的待测对象下巴骨骼点与肩膀骨骼点之间的高度,与标准坐姿数据中包括的待测对象下巴骨骼点与肩膀骨骼点之间的高度范围进行比较,若对象坐姿数据中包括的上述高度小于标准坐姿数据中包括的上述高度范围中的最小值时,则认为待测对象出现了低头的不良坐姿,若对象坐姿数据中包括的上述高度大于标准坐姿数据中包括的上述高度范围中的最大值时,则认为待测对象出现了仰头的不良坐姿。
148.另外,由于上述两种坐姿数据中通常包括多种不同骨骼点之间的相对位置信息,因此,在对比这两种坐姿数据时,可以获得多种对比结果,然后根据所获得的多种对比结果综合确定待测对象的坐姿类型。
149.图2b-图2e分别为本技术实施例提供的四种待测对象不同坐姿下的目标图像,在上述四张图中存在多个骨骼点,这些骨骼点对应的身体部位分别为鼻子、双眼、双耳、左右肩膀以及左右手臂的肘部和腕部。图2b所示目标图像中待测对象存在低头的不良坐姿,图2c所示目标图像中待测对象存在低头、歪头的不良坐姿,图2d所示目标图像中待测对象存在低头、高低肩的不良坐姿,图2e所示目标图像中待测对象存在歪头的不良坐姿。
150.由以上可见,应用本技术实施例提供的方案进行坐姿检测时,基于上述骨骼点的位置信息,计算得到对象坐姿数据,然后将对象坐姿数据与标准坐姿数据进行对比,根据对比结果确定待测对象的坐姿类型,由于对象坐姿数据反映待测对象在目标图像的采集时刻下的坐姿,标准坐姿数据反映待测对象的标准坐姿,将对象坐姿数据与标准坐姿数据进行对比,可以理解为将待测对象在目标图像的采集时刻下的坐姿与标准坐姿进行对比,因此,通过对比对象坐姿数据和标准坐姿数据,根据对比所得结果可以准确确定待测对象的坐姿类型。
151.本技术的一个实施例中,参见图3,提供了第三种坐姿检测方法的流程示意图,本实施例中,在对比对象坐姿数据和标准坐姿数据之前,上述方法还包括以下步骤s103。
152.步骤s103:在正常距离范围包括的各子距离范围中确定距离所在的目标子距离范
围,并在预设的各组目标坐姿数据中确定与目标子距离范围对应的目标坐姿数据,作为标准坐姿数据。
153.其中,每一组目标坐姿数据对应一个子距离范围,目标坐姿数据用于反映在待测对象与坐姿检测设备之间的距离位于其所对应的子距离范围内的情况下待测对象的标准坐姿。
154.当坐姿检测设备与待测对象之间的距离为上述正常距离范围中任一距离时,均可以认为待测对象与其相邻最近的桌面的边界之间的距离满足“一拳”的要求,而坐姿检测设备与待测对象之间的距离不同,待测对象的标准坐姿通常不同,反映待测对象标准坐姿的坐姿数据也就不同。
155.具体的,可以预先获得不同子距离范围对应的目标坐姿数据,然后确定上述测距传感器测量得到的距离所在的目标子距离范围,在所获得的各目标坐姿数据中确定与目标子距离范围对应的目标坐姿数据,将所确定的目标坐姿数据作为标准坐姿数据。
156.例如,若上述正常距离范围为40cm-70cm,正常距离范围包含子距离范围a、子距离范围b、子距离范围c,各个子距离范围的范围值分别为40cm-50cm、50cm-60cm、60cm-70cm,子距离范围a对应目标坐姿数据a,子距离范围b对应目标坐姿数据b,子距离范围c对应目标坐姿数据c,此时,若上述测距传感器测量的距离为44cm,则可以目标子距离范围为子距离范围a,并将子距离范围a对应的目标坐姿数据a作为标准坐姿数据。
157.每一子距离范围对应的目标坐姿数据可以是人为设定的,也可以是基于待测对象的正常坐姿图像计算得到的,此时,该正常坐姿图像为:在待测对象与坐姿检测设备之间的距离位于该子距离范围内的情况下获得的。
158.由以上可见,应用本技术实施例提供的方案进行坐姿检测时,在正常距离范围包括的各子距离范围中确定上述距离所在的目标子距离范围,并在预设的各组目标坐姿数据中确定与目标子距离范围对应的目标坐姿数据,作为标准坐姿数据。由于坐姿检测设备与待测对象之间的距离不同,待测对象的标准坐姿通常不同,反映待测对象标准坐姿的标准坐姿数据也就不同,通过确定上述目标子距离范围,并确定目标子距离范围对应的目标坐姿数据,可以获得较为准确的反映待测对象标准坐姿的标准坐姿数据,从而将对象坐姿数据与作为标准坐姿数据的目标坐姿数据进行对比,根据对比所得结果能够较为准确的确定待测对象的坐姿类型。
159.下面对利用坐姿检测模型实现上述步骤s102的具体实现方式进行说明。
160.本技术的一个实施例中,参见图4,提供了第四种坐姿检测方法的流程示意图,本实施例中,可以通过以下步骤s102d实现上述步骤s102。
161.步骤s102d:在距离处于预设的正常距离范围内的情况下,将相机采集的待测对象的目标图像输入预先训练得到的坐姿检测模型,得到坐姿检测模型输出的待测对象的坐姿类型。
162.其中,坐姿检测模型是以样本对象的图像作为输入、以样本对象的坐姿类型作为标注信息训练得到的。
163.具体的,上述坐姿检测模型可以是具有两层网络层结构的模型,第一层网络层用于检测目标图像中待测对象预设身体部位的骨骼点,第二层网络层用于基于所检测的不同骨骼点的位置信息确定待测对象的坐姿类型。由于坐姿检测模型是以样本对象的图像作为
数输入、以样本对象的坐姿类型作为标注信息训练得到的,因此,训练后的坐姿检测模型中第一层网络层可以学习到样本对象预设身体部位的骨骼点的骨骼特征,第二层网络层可以学习到不同骨骼点的位置信息与坐姿类型之间的关系特征。这样在将目标图像输入坐姿检测模型后,坐姿检测模型中第一层网络层可以依据学习到的骨骼特征检测目标图像中待测对象预设身体部位的骨骼点,第二层网络层可以依据学习到的关系特征,并结合目标图像中不同骨骼点的位置信息,确定待测对象的坐姿类型。
164.由以上可见,应用本技术实施例提供的方案进行坐姿检测时,将目标图像输入坐姿检测模型,由于坐姿检测模型为预先训练后得到的模型,因此,坐姿检测模型学习到了根据所输入的图像确定坐姿类型的特征,这样在将目标图像输入坐姿检测模型后,坐姿检测模型可以依据学习到的特征,准确确定待测对象的坐姿类型。
165.本技术的一个实施例中,参见图5,提供了第五种坐姿检测方法的流程示意图,本实施例中,上述坐姿检测设备部署于桌面,坐姿检测设备包括的相机可以采集桌面的边界以及待测对象的图像。
166.本技术实施例中,可以通过以下步骤s102e-s102g实现上述步骤s102。
167.步骤s102e:对相机采集的待测对象的目标图像进行检测,得到待测对象的预设面部特征点所在的第一像素点以及相邻桌面边界所在的第二像素点。
168.其中,相邻桌面边界为距离待测对象最近的、桌面的边界。
169.上述面部特征点可以是额头中心点、鼻尖、下巴等多种特征点中的任一种或多种。
170.具体的,可以首先获得相机采集的待测对象的目标图像,然后对目标图像进行检测,得到上述第一像素点和第二像素点。
171.在获得上述目标图像时,可以获得与上述测距传感器的测距时刻间隔时间较小的时间段内采集的图像,由于目标图像的采集时刻和测距传感器的测距时刻间之间的间隔较小,可以认为待测对象的坐姿并未发生变化,这样可以将上述距离与目标图像看做是在待测对象处于同一坐姿的情况下获得的。
172.检测待测图像中待测对象的预设面部特征点所在的第一像素点可以利用现有的目标检测技术实现,这里不再详述。
173.本技术的一个实施例中,在检测待测图像中相邻桌面边界所在的第二像素点时,可以首先检测待测对象所在区域以及桌面所在区域,并确定待测对象所在区域与桌面所在区域的交界线,将该交界线中的像素点确定为上述第二像素点。
174.本技术的另一实施例中,由于通常将相机放置在待测对象的正前方,与待测对象相邻最近的桌面边界与相机朝向通常是垂直的,这样在相机采集的待测图像中,上述相邻桌面边界所在直线通常与像素行方向平行。根据这一原理,在待测图像中检测到桌面边界所在区域后,可以将与像素行方向平行的边界区域中的像素点作为相邻桌面边界所在的第二像素点。
175.步骤s102f:基于第一像素点的位置以及第二像素点的位置,计算面部特征点与桌面所在平面之间的高度。
176.本技术的一个实施例中,可以通过以下两种实现方式中任一种计算面部特征点与桌面所在平面之间的高度。
177.第一种实现方式中,可以预先获得在图像的像素列方向上单个像素点与实际高度
之间的换算关系,然后在像素列方向上统计第一像素点与第二像素点之间的像素点个数,根据该换算关系,将统计得到的像素点个数换算为高度,将换算得到的高度作为面部特征点与桌面所在平面之间的高度。
178.在像素列方向上统计第一像素点与第二像素点之间的像素点个数时,可以首先计算各个第二像素点所在像素行的行数的平均值,然后将第一像素点所在像素行的行数减去计算得到的平均值,得到在像素列方向上第一像素点与第二像素点之间的像素点个数。
179.第二种实现方式中,可以通过后续图6a所示实施例中步骤s102f1-s102f5计算面部特征点与桌面所在平面之间的高度,这里暂不详述。
180.另外,上述第一像素点可以有多个,每一第一像素点对应待测对象的一个面部特征点,基于每一第一像素点的位置以及第二像素点的位置,可以计算该第一像素点对应的面部特征点与桌面所在平面之间的高度。
181.步骤s102g:若距离处于预设的正常距离范围内,且高度处于预设的正常高度范围内,则检测目标图像中待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定待测对象的坐姿类型。
182.其中,上述正常高度范围可以是人为设定的范围。
183.具体的,若上述距离处于正常距离范围,则说明待测对象未出现身体前倾或者后仰的不良坐姿;若上述高度处于正常高度范围,则说明待测对象未出现弯腰、驼背等不良坐姿,可以认为待测对象的身体挺直。
184.当满足上述两种条件时,获得相机采集的待测对象的目标图像;当不满足上述两种条件中其中任一种或者两种均不满足时,则认为待测对象出现不良坐姿。
185.另外,由于上述面部特征点可以有多个,计算得到的高度也可以有多个,针对每一面部特征点,可以预设该面部特征点对应的正常高度范围,然后判断该面部特征点与桌面所在平面之间的高度是否处于该面部特征点对应的正常高度范围。对每一面部特征点均进行上述处理后,统计所对应的高度处于正常高度范围的面部特征点的个数,若该个数大于预设的数量阈值,且上述距离处于正常距离范围内,则获得相机采集的待测对象的目标图像。
186.由以上可见,应用本身请实施例提供的方案进行坐姿检测时,若上述距离不处于正常距离范围和/或上述高度不处于正常高度范围,均可以确定待测对象的坐姿为不良坐姿,因此,利用上述距离以及上述高度即可初步判断待测对象的坐姿是否为不良坐姿,这样能够提高坐姿检测的效率。
187.本技术的一个实施例中,在利用测距传感器测量待测对象与坐姿检测设备之间的距离后,可以首先判断该距离是否处于正常距离范围内,若为是,则获得相机采集的待测对象的目标图像,并基于该目标图像,计算面部特征点与桌面所在平面之间的高度,若该高度处于正常高度范围内,则进一步在目标图像中检测待测对象预设身体部位的骨骼点,并基于不同骨骼点的位置信息确定待测对象的坐姿类型。
188.在计算面部特征点与桌面所在平面之间的高度时,除了采用上述步骤s102f中提及的方式外,还可以利用以下图6a所示实施例中步骤s102f1-s102f5实现。
189.本技术的一个实施例中,参见图6a,提供了第六种坐姿检测方法的流程示意图,本实施例中,坐姿检测设备中的相机沿水平方向朝向待测对象,上述步骤s102f可以通过以下
步骤s102f1-s102f5实现。
190.步骤s102f1:在待测图像的像素列方向上统计第一像素点与中心像素点之间的第一像素点个数。
191.其中,中心像素点位于待测图像的中心。
192.具体的,可以在待测图像中分别确定第一像素点所在的像素行数以及中间像素点所在的像素行数,然后将所确定的这两个像素行数相减,所得结果即为上述第一像素点个数。
193.例如,若第一像素点位于待测图像的第20行像素行,中心像素点位于待测图像的第320行像素行,则将这两个像素行数相减,得到第一像素点个数为320-20=300个。
194.步骤s102f2:基于预先得到的像素点数量与长度之间的换算关系,根据第一像素点个数计算得到面部特征点与相机所在水平面之间的第一高度。
195.具体的,第一像素点个数为第一像素点与中心像素点之间的像素点个数,中心像素点为位于待测图像中心的像素点,由于相机是沿水平方向朝向待测对象的,因此,上述第一像素点个数反映的是在待测图像中面部特征点与相机所在水平面之间的高度,然后根据预先得到的像素点数量与长度之间的换算关系,可以将第一像素点格式换算为实际场景中待测对象面部特征点与相机所在水平面之间的高度。
196.步骤s102f3:在像素列方向上统计第二像素点与中心像素点之间的第二像素点个数。
197.本步骤与上述步骤s102f1相类似,这里不再详述。
198.步骤s102f4:基于换算关系,根据第二像素点个数计算得到桌面所在平面与相机所在水平面之间的第二高度。
199.本步骤与上述步骤s102f2相类似,这里不再详述。
200.步骤s102f5:计算第一高度与第二高度之和,得到面部特征点与桌面所在平面之间的高度。
201.第一高度为待测对象面部特征点与相机所在水平面之间的高度,第二高度为相机所在水平面与桌面所在平面之间的高度,将第一高度和第二高度相加,相加所得结果即为待测对象面部特征点与桌面所在平面之间的高度。
202.图6b为一种坐姿检测的场景示意图,图6b中,h1表示上述第一高度,h2表示上述第二高度,将h1与h2相加,即可获得待测对象面部特征点与桌面所在平面之间的高度。
203.由以上可见,应用本技术实施例提供的方案进行坐姿检测时,基于像素点数量与长度之间的换算关系,根据第一像素点个数以及第二像素点个数,能够准确计算出上述第一高度和第二高度,然后将第一高度和第二高度相加,从而准确计算出待测对象面部特征点与桌面所在平面之间的高度。
204.本技术的一个实施例中,上述换算关系按照以下表达式表示:
205.l=d*tan(n*r+θ)
206.其中,l表示长度,d表示坐姿检测设备与待测对象之间的距离,n表示像素点数量,r表示预设的单位像素点对应的弧度值,θ表示预设的弧度值误差。
207.本技术的一个实施例中,上述r、θ可以采用标定的方式获得。
208.具体标定方式为:安装好坐姿检测设备以及标定物后,首先测量坐姿检测设备与
标定物之间的水平距离d1以及高度l1,然后在相机采集的标定物的图像中,在图像像素列方向上统计标定物所在像素点与位于图像中心的像素点之间的像素点个数n1,将所获得的d1、l1、n1代入上述表达式,得到第一组表达式,然后改变坐姿检测设备或者标定物的位置,再次测量测量坐姿检测设备与标定物之间的水平距离d2以及高度l2,并在相机重新采集的标定物的图像中,再次在图像像素列方向上统计标定物所在像素点与图像中心像素点之间的像素点个数n2,将所获得的d2、l2、n2代入上述公式,得到第二组表达式,这样多次调整坐姿检测设备或者标定物的位置,即可获得多组表达式,基于该多组表达式计算r、θ。
209.由以上可见,应用本技术实施例提供的方案进行坐姿检测时,利用上述表达式计算上述第一高度时,n表示上述第一像素点个数,n*r+θ表示坐姿检测设备与面部特征点所在直线与相机所在水平面之间的夹角,因此,利用上述表达式能够准确计算出上述第一高度,同样的,利用上述表达式也能够准确计算出上述第二高度,将第一高度和第二高度相加,能够准确计算出待测对象面部特征点与桌面所在平面之间的高度,进而能够提高坐姿检测的准确性。
210.本技术的一个实施例中,参见图7,提供了第七种坐姿检测方法的流程示意图,本实施例中,在获得待测对象的坐姿类型之后,还包括以下步骤s104。
211.步骤s104:若所得到的坐姿类型属于不良坐姿类型,则获得由相机采集的待测对象的不良坐姿图像。
212.具体的,可以判断所得到的坐姿类型是否属于不良坐姿类型,若为是,则获得相机采集的不良坐姿图像,若为否,则说明待测对象的坐姿为标准坐姿,则不进行任何操作。
213.本技术的一个实施例中,在判断出待测对象的坐姿类型为不良坐姿类型之后,可以指示相机采集待测对象的图像,并将相机采集的图像作为待测对象的不良坐姿图像,另外,还可以直接将上述目标图像作为待测对象的不良坐姿图像。
214.上述实施例提供的坐姿检测方案中,在待测对象出现不良坐姿时,可以采集待测对象的不良坐姿图像,这样有利于后续基于采集到的不良坐姿图像,对待测对象的坐姿习惯进行分析,形成待测对象的坐姿曲线报告,以便更好的矫正待测对象的不良坐姿。
215.本技术的一个实施例中,参见图8,提供了第八种坐姿检测方法的流程示意图,本实施例中,在获得待测对象的坐姿类型之后,还包括以下步骤s105。
216.步骤s105:若所得到的坐姿类型属于不良坐姿类型,则生成坐姿提醒信息,以提醒待测对象矫正坐姿。
217.其中,上述坐姿提醒信息可以是语音播报信息、文本显示信息或者其他用于提醒的信息中的一种或多种。
218.具体的,可以判断所得到的坐姿类型是否属于不良坐姿类型,若为是,则生成坐姿提醒信息,以提醒待测对象矫正坐姿;若为否,则说明待测对象的坐姿为标准坐姿,不需要生成坐姿提醒信息。
219.本技术的一个实施例中,上述坐姿检测设备中除包括测距传感器以及相机外,还可以包括语音播报单元,上述坐姿提醒信息可以是语音播报信息,这样在生成坐姿提醒信息后,可以由上述语音播报单元播放。
220.另外,上述坐姿检测设备中还可以包括以下器件中的一种或多种:
221.对讲单元,用于实现对讲功能;
222.语音单元,用于实现语音功能;
223.红外单元,用于补充红外光,以便于相机在夜间采集图像;
224.通信网络接口,用于实现网络连接。
225.由以上可见,本技术实施例提供的坐姿检测方案中,在待测对象出现不良坐姿时,可以生成坐姿提醒信息,这样能够在待测对象出现不良坐姿时,提醒待测对象矫正坐姿,使得待测对象始终保持标准坐姿。
226.本技术的一个实施例中,参见图9,提供了第九种坐姿检测方法的流程示意图,本实施例中,上述方法应用于坐姿检测设备,坐姿检测设备包括测距传感器、相机,上述相机部署于桌面,并且相机沿水平方向朝向待测对象,上述方法包括以下步骤s901-s913。
227.步骤s901:利用测距传感器测量待测对象与坐姿检测设备之间的距离。
228.本步骤与上述图1所示实施例中步骤s101相类似,这里不再赘述。
229.步骤s902:对相机采集的待测对象的目标图像进行检测,得到待测对象的预设面部特征点所在的第一像素点以及相邻桌面边界所在的第二像素点,其中,相邻桌面边界为距离待测对象最近的、桌面的边界。
230.本步骤与上述图5所示实施例中步骤s102e相类似,这里不再赘述。
231.步骤s903:在待测图像的像素列方向上统计第一像素点与中心像素点之间的第一像素点个数,其中,中心像素点位于待测图像的中心。
232.步骤s904:基于预先得到的像素点数量与长度之间的换算关系,根据第一像素点个数计算得到面部特征点与相机所在水平面之间的第一高度。
233.步骤s905:在像素列方向上统计第二像素点与中心像素点之间的第二像素点个数。
234.步骤s906:基于换算关系,根据第二像素点个数计算得到桌面所在平面与相机所在水平面之间的第二高度。
235.步骤s907:计算第一高度与第二高度之和,得到面部特征点与桌面所在平面之间的高度。
236.上述步骤s903-s907分别与上述图6a所示实施例中步骤s102f1-s102f5相类似,这里不再赘述。
237.步骤s908:若距离处于预设的正常距离范围内、且高度处于预设的正常高度范围内,则检测目标图像中待测对象预设身体部位的骨骼点。
238.步骤s909:基于待测对象预设身体部位的骨骼点的位置信息,计算反映待测对象坐姿的对象坐姿数据。
239.上述步骤s908、s909分别与上述图2a所示实施例中步骤s102a、s102b相类似,这里不再赘述。
240.步骤s910:在正常距离范围包括的各子距离范围中确定距离所在的目标子距离范围,并在预设的各组目标坐姿数据中确定与目标子距离范围对应的目标坐姿数据,作为标准坐姿数据。
241.其中,每一组目标坐姿数据对应一个子距离范围,目标坐姿数据用于反映在待测对象与坐姿检测设备之间的距离位于其所对应的子距离范围内的情况下待测对象的标准坐姿。
242.本步骤与上述图3所示实施例中步骤s103相类似,这里不再赘述。
243.步骤s911:将计算得到的对象坐姿数据与预设的标准坐姿数据进行对比,根据对比所得结果确定待测对象的坐姿类型。
244.本步骤与上述图2a所示实施例中步骤s102c相类似,这里不再赘述。
245.步骤s912:若所得到的坐姿类型属于不良坐姿类型,则获得由相机采集的待测对象的不良坐姿图像。
246.本步骤与上述图7所示实施例中步骤s104相类似,这里不再赘述。
247.步骤s913:若所得到的坐姿类型属于不良坐姿类型,则生成坐姿提醒信息,以提醒待测对象矫正坐姿。
248.本步骤与上述图8所示实施例中步骤s105相类似,这里不再赘述。
249.与上述坐姿检测方法相对应,本技术实施例还提供了一种坐姿检测设备。
250.参见图10,提供了一种坐姿检测设备100的结构示意图,上述设备包括测距传感器1001、相机1002、处理器1003,其中:
251.所述测距传感器1001用于测量待测对象与自身之间的距离,并向所述处理器1003发送测量得到的距离;
252.所述相机1002用于采集所述待测对象的目标图像,并向处理器1002发送所采集的目标图像;
253.所述处理器1003用于执行上述方法实施例中任一坐姿检测方法步骤。
254.由以上可见,应用本技术实施例提供的方案进行坐姿检测时,首先测量待测对象与坐姿检测设备之间的距离,在所测距离处于正常距离范围内的情况下,说明待测对象的坐姿可能是正常的,为进一步确定待测对象的坐姿类型,可以再检测相机采集的待测对象的目标图像中待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定待测对象的坐姿类型。这样仅需要利用测距传感器测量得到的距离以及相机采集的目标图像,即可实现对待测对象的坐姿检测,所需的数据量较少,从而可以加快数据处理速度。由此可见,应用本技术实施例提供的坐姿检测方案,可以提高坐姿检测效率。
255.本技术的另一实施例中,参见图11,提供了第二种坐姿检测设备的结构示意图,上述设备除包括测距传感器1001、相机1002、处理器1003,还包括以下器件:
256.对讲单元1004,用于实现对讲功能;
257.语音单元1005,用于实现语音功能;
258.红外单元1006,用于补充红外光,以便于相机在夜间采集图像;
259.通信网络接口1007,用于实现网络连接。
260.另外,上述坐姿检测设备除包括测距传感器1001、相机1002、处理器1003,还可以仅包含上述对讲单元1004、语音单元1005、红外单元1006、通信网络接口1007中一种或多种器件。
261.与上述坐姿检测方法相对应,本技术实施例还提供了一种坐姿检测装置。
262.参见图12,提供了第一种坐姿检测装置的结构示意图,所述装置应用于坐姿检测设备,所述坐姿检测设备包括测距传感器、相机,所述装置包括:
263.距离测量模块1201,用于利用所述测距传感器测量待测对象与所述坐姿检测设备之间的距离;
264.坐姿确定模块1202,用于在所述距离处于预设的正常距离范围内的情况下,检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型。
265.由以上可见,应用本技术实施例提供的方案进行坐姿检测时,首先测量待测对象与坐姿检测设备之间的距离,在所测距离处于正常距离范围内的情况下,说明待测对象的坐姿可能是正常的,为进一步确定待测对象的坐姿类型,可以再检测相机采集的待测对象的目标图像中待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定待测对象的坐姿类型。这样仅需要利用测距传感器测量得到的距离以及相机采集的目标图像,即可实现对待测对象的坐姿检测,所需的数据量较少,从而可以加快数据处理速度。由此可见,应用本技术实施例提供的坐姿检测方案,可以提高坐姿检测效率。
266.本技术的一个实施例中,参见图13,提供了第二种坐姿检测装置的结构示意图,本实施例中,所述坐姿确定模块1202,包括:
267.骨骼点检测子模块1202a,用于在所述距离处于预设的正常距离范围内的情况下,检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点;
268.数据计算子模块1202b,用于基于所述待测对象预设身体部位的骨骼点的位置信息,计算反映所述待测对象坐姿的对象坐姿数据;
269.数据对比子模块1202c,用于将计算得到的对象坐姿数据与预设的标准坐姿数据进行对比,根据对比所得结果确定所述待测对象的坐姿类型,其中,所述标准坐姿数据用于反映所述待测对象的标准坐姿。
270.由以上可见,应用本技术实施例提供的方案进行坐姿检测时,基于上述骨骼点的位置信息,计算得到对象坐姿数据,然后将对象坐姿数据与标准坐姿数据进行对比,根据对比结果确定待测对象的坐姿类型,由于对象坐姿数据反映待测对象在目标图像的采集时刻下的坐姿,标准坐姿数据反映待测对象的标准坐姿,将对象坐姿数据与标准坐姿数据进行对比,可以理解为将待测对象在目标图像的采集时刻下的坐姿与标准坐姿进行对比,因此,通过对比对象坐姿数据和标准坐姿数据,根据对比所得结果可以准确确定待测对象的坐姿类型。
271.本技术的一个实施例中,参见图14,提供了第三种坐姿检测装置的结构示意图,本实施例中,所述装置还包括:
272.数据选择模块1203,用于在所述将计算得到的对象坐姿数据与预设的标准坐姿数据进行对比,根据对比所得结果确定所述待测对象的坐姿类型之前,在所述正常距离范围包括的各子距离范围中确定所述距离所在的目标子距离范围,并在预设的各组目标坐姿数据中确定与所述目标子距离范围对应的目标坐姿数据,作为标准坐姿数据,其中,每一组目标坐姿数据对应一个子距离范围,所述目标坐姿数据用于反映在所述待测对象与所述坐姿检测设备之间的距离位于其所对应的子距离范围内的情况下所述待测对象的标准坐姿。
273.由以上可见,应用本技术实施例提供的方案进行坐姿检测时,在正常距离范围包括的各子距离范围中确定上述距离所在的目标子距离范围,并在预设的各组目标坐姿数据中确定与目标子距离范围对应的目标坐姿数据,作为标准坐姿数据。由于坐姿检测设备与待测对象之间的距离不同,待测对象的标准坐姿通常不同,反映待测对象标准坐姿的标准坐姿数据也就不同,通过确定上述目标子距离范围,并确定目标子距离范围对应的目标坐
姿数据,可以获得较为准确的反映待测对象标准坐姿的标准坐姿数据,从而将对象坐姿数据与作为标准坐姿数据的目标坐姿数据进行对比,根据对比所得结果能够较为准确的确定待测对象的坐姿类型。
274.本技术的一个实施例中,所述坐姿确定模块1202,具体用于:
275.在所述距离处于预设的正常距离范围内的情况下,将所述相机采集的所述待测对象的目标图像输入预先训练得到的坐姿检测模型,得到所述坐姿检测模型输出的所述待测对象的坐姿类型,其中,所述坐姿检测模型是以样本对象的图像作为输入、以所述样本对象的坐姿类型作为标注信息训练得到的。
276.由以上可见,应用本技术实施例提供的方案进行坐姿检测时,将目标图像输入坐姿检测模型,由于坐姿检测模型为预先训练后得到的模型,因此,坐姿检测模型学习到了根据所输入的图像确定坐姿类型的特征,这样在将目标图像输入坐姿检测模型后,坐姿检测模型可以依据学习到的特征,准确确定待测对象的坐姿类型。
277.本技术的一个实施例中,参见图15,提供了第四种坐姿检测装置的结构示意图,本实施例中,所述坐姿检测设备部署于桌面,
278.所述坐姿确定模块1202,包括:
279.图像检测子模块1202d,用于对所述相机采集的所述待测对象的目标图像进行检测,得到所述待测对象的预设面部特征点所在的第一像素点以及相邻桌面边界所在的第二像素点,其中,所述相邻桌面边界为距离所述待测对象最近的、所述桌面的边界;
280.高度计算子模块1202e,用于基于所述第一像素点的位置以及所述第二像素点的位置,计算所述面部特征点与所述桌面所在平面之间的高度;
281.坐姿确定子模块1202f,用于若所述距离处于预设的正常距离范围内、且所述高度处于预设的正常高度范围内,则检测所述目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型。
282.由以上可见,应用本身请实施例提供的方案进行坐姿检测时,若上述距离不处于正常距离范围和/或上述高度不处于正常高度范围,均可以确定待测对象的坐姿为不良坐姿,因此,利用上述距离以及上述高度即可初步判断待测对象的坐姿是否为不良坐姿,这样能够提高坐姿检测的效率。
283.本技术的一个实施例中,所述坐姿检测设备中的相机沿水平方向朝向所述待测对象;
284.所述高度计算子模块1202e,具体用于:
285.在所述目标待测图像的像素列方向上统计所述第一像素点与中心像素点之间的第一像素点个数,其中,所述中心像素点位于所述目标待测图像的中心;
286.基于预先得到的像素点数量与长度之间的换算关系,根据所述第一像素点个数计算得到所述面部特征点与所述相机所在水平面之间的第一高度;
287.在所述像素列方向上统计所述第二像素点与所述中心像素点之间的第二像素点个数;
288.基于所述换算关系,根据所述第二像素点个数计算得到所述桌面所在平面与所述相机所在水平面之间的第二高度;
289.计算所述第一高度与所述第二高度之和,得到所述面部特征点与所述桌面所在平
面之间的高度。
290.由以上可见,应用本技术实施例提供的方案进行坐姿检测时,基于像素点数量与长度之间的换算关系,根据第一像素点个数以及第二像素点个数,能够准确计算出上述第一高度和第二高度,然后将第一高度和第二高度相加,从而准确计算出待测对象面部特征点与桌面所在平面之间的高度。
291.本技术的一个实施例中,所述换算关系按照以下表达式表示:
292.l=d*tan(n*r+θ)
293.其中,所述l表示长度,所述d表示图像采集设备所述坐姿检测设备与至所述待测对象之间的距离,所述n表示像素点数量,所述r表示预设的单位像素点对应的弧度值,所述θ表示预设的弧度值误差。
294.由以上可见,应用本技术实施例提供的方案进行坐姿检测时,利用上述表达式计算上述第一高度时,n表示上述第一像素点个数,n*r+θ表示坐姿检测设备与面部特征点所在直线与相机所在水平面之间的夹角,因此,利用上述表达式能够准确计算出上述第一高度,同样的,利用上述表达式也能够准确计算出上述第二高度,将第一高度和第二高度相加,能够准确计算出待测对象面部特征点与桌面所在平面之间的高度,进而能够提高坐姿检测的准确性。
295.本技术的一个实施例中,参见图16,提供了第五种坐姿检测装置的结构示意图,本实施例中,所述装置还包括:
296.图像获得模块1204,用于在检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型之后,若所得到的坐姿类型属于不良坐姿类型,则记录所述相机采集的所述待测对象的不良坐姿图像。
297.由以上可见,本技术实施例提供的坐姿检测方案中,在待测对象出现不良坐姿时,可以采集待测对象的不良坐姿图像,这样有利于后续基于采集到的不良坐姿图像,对待测对象的坐姿习惯进行分析,形成待测对象的坐姿曲线报告,以便更好的矫正待测对象的不良坐姿。
298.本技术的一个实施例中,参见图17,提供了第六种坐姿检测装置的结构示意图,本实施例中,所述装置还包括:
299.信息生成模块1205,用于在检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型之后,若所得到的坐姿类型属于不良坐姿类型,则生成坐姿提醒信息,以提醒所述待测对象矫正坐姿。
300.由以上可见,本技术实施例提供的坐姿检测方案中,在待测对象出现不良坐姿时,可以生成坐姿提醒信息,这样能够在待测对象出现不良坐姿时,提醒待测对象矫正坐姿,使得待测对象始终保持标准坐姿。
301.本技术实施例还提供了一种电子设备,如图18所示,包括处理器1801、通信接口1802、存储器1803和通信总线1804,其中,处理器1801,通信接口1802,存储器1803通过通信总线1804完成相互间的通信,
302.存储器1803,用于存放计算机程序;
303.处理器1801,用于执行存储器1803上所存放的程序时,实现如下步骤:
304.利用所述测距传感器测量待测对象与所述坐姿检测设备之间的距离;
305.在所述距离处于预设的正常距离范围内的情况下,检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型。
306.上述处理器1801执行存储器1803所存放的程序而实现坐姿检测的其他方案,与前述方法实施例中提及的方案相同,这里不再赘述。
307.上述电子设备提到的通信总线可以是外设部件互连标准(peripheral component interconnect,pci)总线或扩展工业标准结构(extended industry standard architecture,eisa)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示,图中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
308.通信接口用于上述电子设备与其他设备之间的通信。
309.存储器可以包括随机存取存储器(random access memory,ram),也可以包括非易失性存储器(non-volatile memory,nvm),例如至少一个磁盘存储器。可选的,存储器还可以是至少一个位于远离前述处理器的存储装置。
310.上述的处理器可以是通用处理器,包括中央处理器(central processing unit,cpu)、网络处理器(network processor,np)等;还可以是数字信号处理器(digital signal processor,dsp)、专用集成电路(application specific integrated circuit,asic)、现场可编程门阵列(field-programmable gate array,fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
311.在本技术提供的又一实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现上述任一坐姿检测方法的步骤。
312.在本技术提供的又一实施例中,还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述实施例中任一坐姿检测方法。
313.在上述实施例中,可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时,可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时,全部或部分地产生按照本技术实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(dsl))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质,(例如,软盘、硬盘、磁带)、光介质(例如,dvd)、或者半导体介质(例如固态硬盘solid state disk(ssd))等。
314.需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存
在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个
……”
限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
315.本说明书中的各个实施例均采用相关的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于设备、装置、电子设备、计算机可读存储介质和计算机程序产品实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
316.以上所述仅为本技术的较佳实施例,并非用于限定本技术的保护范围。凡在本技术的精神和原则之内所作的任何修改、等同替换、改进等,均包含在本技术的保护范围内。

技术特征:
1.一种坐姿检测方法,其特征在于,所述方法应用于坐姿检测设备,所述坐姿检测设备包括测距传感器、相机,所述方法包括:利用所述测距传感器测量待测对象与所述坐姿检测设备之间的距离;在所述距离处于预设的正常距离范围内的情况下,检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型。2.根据权利要求1所述的方法,其特征在于,所述基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型,包括:基于所述待测对象预设身体部位的骨骼点的位置信息,计算反映所述待测对象坐姿的对象坐姿数据;将计算得到的对象坐姿数据与预设的标准坐姿数据进行对比,根据对比所得结果确定所述待测对象的坐姿类型,其中,所述标准坐姿数据用于反映所述待测对象的标准坐姿。3.根据权利要求2所述的方法,其特征在于,在所述将计算得到的对象坐姿数据与预设的标准坐姿数据进行对比,根据对比所得结果确定所述待测对象的坐姿类型之前,所述方法还包括:在所述正常距离范围包括的各子距离范围中确定所述距离所在的目标子距离范围,并在预设的各组目标坐姿数据中确定与所述目标子距离范围对应的目标坐姿数据,作为标准坐姿数据,其中,每一组目标坐姿数据对应一个子距离范围,所述目标坐姿数据用于反映在所述待测对象与所述坐姿检测设备之间的距离位于其所对应的子距离范围内的情况下所述待测对象的标准坐姿。4.根据权利要求1所述的方法,其特征在于,所述在所述距离处于预设的正常距离范围内的情况下,检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型,包括:在所述距离处于预设的正常距离范围内的情况下,将所述相机采集的所述待测对象的目标图像输入预先训练得到的坐姿检测模型,得到所述坐姿检测模型输出的所述待测对象的坐姿类型,其中,所述坐姿检测模型是以样本对象的图像作为输入、以所述样本对象的坐姿类型作为标注信息训练得到的。5.根据权利要求1所述的方法,其特征在于,所述坐姿检测设备部署于桌面,所述在所述距离处于预设的正常距离范围内的情况下,检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型,包括:对所述相机采集的所述待测对象的目标图像进行检测,得到所述待测对象的预设面部特征点所在的第一像素点以及相邻桌面边界所在的第二像素点,其中,所述相邻桌面边界为距离所述待测对象最近的、所述桌面的边界;基于所述第一像素点的位置以及所述第二像素点的位置,计算所述面部特征点与所述桌面所在平面之间的高度;若所述距离处于预设的正常距离范围内、且所述高度处于预设的正常高度范围内,则检测所述目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型。
6.根据权利要求5所述的方法,其特征在于,所述坐姿检测设备中的相机沿水平方向朝向所述待测对象;所述基于所述第一像素点的位置以及所述第二像素点的位置,计算所述面部特征点与所述桌面所在平面之间的高度,包括:在所述待测图像的像素列方向上统计所述第一像素点与中心像素点之间的第一像素点个数,其中,所述中心像素点位于所述待测图像的中心;基于预先得到的像素点数量与长度之间的换算关系,根据所述第一像素点个数计算得到所述面部特征点与所述相机所在水平面之间的第一高度;在所述像素列方向上统计所述第二像素点与所述中心像素点之间的第二像素点个数;基于所述换算关系,根据所述第二像素点个数计算得到所述桌面所在平面与所述相机所在水平面之间的第二高度;计算所述第一高度与所述第二高度之和,得到所述面部特征点与所述桌面所在平面之间的高度。7.根据权利要求6所述的方法,其特征在于,所述换算关系按照以下表达式表示:l=d*tan(n*r+θ)其中,所述l表示长度,所述d表示所述坐姿检测设备与所述待测对象之间的距离,所述n表示像素点数量,所述r表示预设的单位像素点对应的弧度值,所述θ表示预设的弧度值误差。8.根据1-7中任一项所述的方法,其特征在于,在检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型之后,所述方法还包括:若所得到的坐姿类型属于不良坐姿类型,则记录所述相机采集的所述待测对象的不良坐姿图像。9.根据1-7中任一项所述的方法,其特征在于,在检测所述相机采集的所述待测对象的目标图像中所述待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定所述待测对象的坐姿类型之后,所述方法还包括:若所得到的坐姿类型属于不良坐姿类型,则生成坐姿提醒信息,以提醒所述待测对象矫正坐姿。10.一种坐姿检测设备,其特征在于,所述设备包括测距传感器、相机、处理器,其中:所述测距传感器用于测量待测对象与自身之间的距离,并向所述处理器发送测量得到的距离;所述相机用于采集所述待测对象的目标图像,并向处理器发送所采集的目标图像;所述处理器用于执行权利要求1-9中任一所述的方法步骤。11.一种电子设备,其特征在于,包括处理器、通信接口、存储器和通信总线,其中,处理器,通信接口,存储器通过通信总线完成相互间的通信;存储器,用于存放计算机程序;处理器,用于执行存储器上所存放的程序时,实现权利要求1-9任一所述的方法步骤。12.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计算机程序被处理器执行时实现权利要求1-9任一所述的方法步骤。

技术总结
本申请实施例提供了一种坐姿检测方法、设备、电子设备以及存储介质,涉及数据处理技术领域,上述方法包括:利用测距传感器测量待测对象与坐姿检测设备之间的距离;在距离处于预设的正常距离范围内的情况下,检测相机采集的待测对象的目标图像中待测对象预设身体部位的骨骼点,基于所检测的不同骨骼点的位置信息确定待测对象的坐姿类型。应用本申请实施例提供的坐姿检测方案,能够提高坐姿检测的效率。能够提高坐姿检测的效率。能够提高坐姿检测的效率。


技术研发人员:王彦坤 周博 罗辉 刘正茂
受保护的技术使用者:杭州萤石软件有限公司
技术研发日:2022.03.21
技术公布日:2022/7/5
转载请注明原文地址: https://www.8miu.com/read-6201.html

最新回复(0)