一种基于图像识别技术的AI坐姿矫正摄像头的制作方法

一种基于图像识别技术的ai坐姿矫正摄像头
技术领域
1.本发明涉及人工智能技术领域，特别涉及一种基于图像识别技术的ai坐姿矫正摄像头。


背景技术：

2.目前市面上的矫正坐姿产品主要以坐姿矫正器、矫姿背带这种物理产品为主，需要人为调整设置或者穿戴，具有一定的辅助作用，预防驼背、近视等问题。
3.现有技术缺点：
4.①
人的身体结构存在一定的差异，矫正器材以及穿戴设备只能针对部分人群，以及特定的部分姿势进行矫正，不能完全覆盖不同年龄段以及不同体形的人。
5.②
矫正器以及穿戴设备使用寿命有限，容易损坏。
6.③
矫正器以及穿戴设备的物理结构，可能存在安全隐患。


技术实现要素：

7.本发明的目的在于提供一种基于图像识别技术的ai坐姿矫正摄像头，可以解决上述背景技术中提出的问题。
8.为实现上述目的，本发明提供如下技术方案：
9.一种基于图像识别技术的ai坐姿矫正摄像头，包括摄像头模块、ai识别模块、通信模块、外传喇叭模块、其中：
10.摄像头模块：用于采集图像数据；
11.ai识别模块：内置坐姿识别的相关算法，对摄像头模块采集的图像进行实时预测；
12.通信模块：由以太网、4g通信模块或5g通信模块组成，为上层提供网络传输服务；
13.外传喇叭模块：当ai识别模块识别到不正确的坐姿时，播放相关语音提示，以及时矫正。
14.进一步地，ai坐姿矫正摄像头的工作流程为：通电后会初始化摄像头、通信、外传喇叭模块，摄像头实时现在图像，将采集好的图像输入到ai识别模块进行实时预测，当识别到坐姿不正确时，调用外传喇叭模块播放相关提示，以及时端正坐姿，同时调用通信模块将坐姿不端正的画面加密后上传到云端，方便统计和用户查看。
15.进一步地，所述ai识别模块包括推流模块和图像识别模块，其中推流模块用于将摄像头采集的图像帧数据编码后推流到网络中，图像识别模块用于加载相关神经网络模型对图像帧进行实时识别。
16.进一步地，所述ai识别模块的整体流程如下：摄像头模块捕获了分辨率不同的两路图像帧，高分辨率视频帧通道的图像帧用于视频推流，低分辨率视频帧通道用于图像帧识别模块进行识别，高分辨率视频帧通道的图像帧先经过几何畸变矫正模块进行几何畸形矫正，再进入2d图像操作模块进行反转，接着在2d图形接口模块整合图像帧识别模块识别的结果，再经过2d图像操作模块进行缩放，存放到队列等待编码模块的编码，编码模块将视
频帧编码为h264/h265码流，最后将编码好的数据推送到网络中，低分辨率视频帧通道的图像帧先经过2d图像操作模块缩放或反转，然后存放到队列，然后输入到图像帧识别模块进行识别，将图像帧识别模块识别的结果输入到图像绘制模块进行绘制，图像帧识别模块加载指定神经网络模型后，调用底层的npu对输入的指定格式图像帧进行识别。
17.进一步地，所述推流模块的流程如下：
18.摄像头的传感器捕获视频帧后，将图像帧输入到几何畸变矫正模块进行几何畸变矫正，矫正后的数据帧输入到2d图像操作模块进行旋转，然后将数据帧输入到2d图形接口模块进行绘图和字体渲染等操作，接着将上一步的数据帧再输入一个2d图像操作模块进行缩放，将缩放好的数据帧存储到队列，等待编码模块将其编码为h264/h265码流，最后主流生成树协议将码流推送到网络中。
19.进一步地，所述图像识别模块的流程如下：
20.摄像头捕获的视频帧输入到2d图像操作模块进行旋转或缩放后存储到队列，图像帧识别模块加载神经网络模型后，从队列获取图像帧数据实时进行检测，当检测到结果后，输入到图像绘制模块进行绘制，绘制结果输入到2d图形接口模块，与2d图像操作模块输出的图像帧进行合成。
21.进一步地，所述2d图形操作模块提供2d图形操作，包括矩形填充、位图复制、图像缩放、图像混合。
22.进一步地，所述2d图形接口模块包括绘图、填充、字体渲染和图像加载。
23.与现有技术相比，本发明的有益效果是：
24.1.本发明通过图像识别技术，实时检查人体坐姿，当出现弯腰，驼背等不良坐姿时语音提醒矫正坐姿。使用简单，不需要任何安装任何矫正器材以及穿戴矫正设备，只需要摄像头对准人体即可使用，可识别多种不良坐姿，更加全面的帮助用户矫正各种不良坐姿，适用于不同年龄、身材、体态的人群，覆盖人群广。
25.2.本发明的摄像头模块检测到的不良坐姿，可以保留图像在客户端上查看，方便用户了解自己的姿态。
26.3.本发明在客户端上可以调取摄像头查看视频，可以远程监控，有助于在无人监管的情况，远程查看，方便小孩在无人监管的情况下，父母远程查看。
27.4.本发明的摄像头模块内置的算法模型，可以自主学习，不断优化识别结果。
附图说明
28.图1为本发明的ai坐姿矫正摄像头的结构示意图；
29.图2为本发明的ai识别模块的结构示意图；
30.图3为本发明的ai识别模块的流程图；
31.图4为本发明的推流模块的流程图；
32.图5为本发明的图像识别模块的流程图。
33.图中：100、摄像头模块；200、ai识别模块；300、通信模块；400、外传喇叭模块；201、推流模块；202、图像识别模块。
具体实施方式
34.下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
35.请参阅图1，一种基于图像识别技术的ai坐姿矫正摄像头，包括摄像头模块100、ai识别模块200、通信模块300、外传喇叭模块400、其中：摄像头模块100：主要负责实时图像的采集；ai识别模块200：内置坐姿识别的相关算法，对摄像头模块100采集的图像进行实时预测；通信模块300：由以太网、4g通信模块或5g通信模块组成，为上层提供网络传输服务；外传喇叭模块400：当ai识别模块200识别到不正确的坐姿时，播放相关语音提示，以及时矫正。
36.ai坐姿矫正摄像头的工作流程为：通电后会初始化摄像头、通信、外传喇叭模块，摄像头实时现在图像，将采集好的图像输入到ai识别模块200进行实时预测，当识别到坐姿不正确时，调用外传喇叭模块400播放相关提示，以及时端正坐姿，同时调用通信模块300将坐姿不端正的画面加密后上传到云端，方便统计和用户查看。
37.请参阅图2，所述ai识别模块200包括推流模块201和图像识别模块202，其中推流模块201用于将摄像头采集的图像帧数据编码后推流到网络中，图像识别模块202用于加载相关神经网络模型对图像帧进行实时识别。
38.请参阅图3，ai识别模块200的整体流程如下：摄像头模块100捕获了分辨率不同的两路图像帧，高分辨率视频帧通道的图像帧用于视频推流，低分辨率视频帧通道用于图像帧识别模块进行识别，高分辨率视频帧通道的图像帧先经过几何畸变矫正模块进行几何畸形矫正，再进入2d图像操作模块进行反转，接着在2d图形接口模块整合图像帧识别模块识别的结果，再经过2d图像操作模块进行缩放，存放到队列等待编码模块的编码，编码模块将视频帧编码为h264/h265码流，最后将编码好的数据推送到网络中，低分辨率视频帧通道的图像帧先经过2d图像操作模块缩放或反转，然后存放到队列，然后输入到图像帧识别模块进行识别，将图像帧识别模块识别的结果输入到图像绘制模块进行绘制，图像帧识别模块加载指定神经网络模型后，调用底层的npu对输入的指定格式图像帧进行识别。
39.请参阅图4，所述推流模块201的流程如下：
40.摄像头的传感器捕获视频帧后，将图像帧输入到几何畸变矫正模块进行几何畸变矫正，矫正后的数据帧输入到2d图像操作模块进行旋转，然后将数据帧输入到2d图形接口模块进行绘图和字体渲染等操作，接着将上一步的数据帧再输入一个2d图像操作模块进行缩放，将缩放好的数据帧存储到队列，等待编码模块将其编码为h264/h265码流，最后主流生成树协议将码流推送到网络中。
41.请参阅图5，所述图像识别模块202的流程如下：
42.摄像头捕获的视频帧输入到2d图像操作模块进行旋转或缩放后存储到队列，图像帧识别模块加载神经网络模型后，从队列获取图像帧数据实时进行检测，当检测到结果后，输入到图像绘制模块进行绘制，绘制结果输入到2d图形接口模块，与2d图像操作模块输出的图像帧进行合成。
43.高分辨率视频帧通道和低分辨率视频帧通道是摄像头传感器捕获不同分辨率的
视频帧通道。几何畸变矫正模块对输入的图像进行几何畸变矫正。
44.2d图形操作模块提供2d图形操作，包括矩形填充、位图复制、图像缩放、图像混合。2d图形接口模块包括绘图、填充、字体渲染和图像加载。
45.ai识别模块200处理对摄像头采集的图像进行识别，当识别到不良坐姿时，则通过外传喇叭模块400调用外放喇叭播放语音提醒矫正坐姿，并将图像和结果通过通信模块300传输至云端保存。通信模块300用有线或无线的方式接入局域网，将影音数据传输至云端保存，用户可在客户端上查看。
46.以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。