一种坐姿检测方法及装置与流程

本发明涉及坐姿检测技术领域，具体指一种坐姿检测方法及装置。

背景技术：

青少年正处于身体快速长成和习惯养成的关键时期，青少年每天有超过10个小时与课桌椅相伴。在长时间的坐立情况下，由于人们很难一直保持良好的坐立姿态，因此很容易出现离书桌太近、身体倾斜、头偏等不良坐姿。久而久之，就会很容易患上近视、斜眼、腰椎疾病、颈椎疾病等，严重的影响人们的身体健康。因此为了促使人们纠正不良坐姿、养成良好的坐姿习惯、降低患近视、腰椎疾病等疾病的概率，进行坐姿检测是非常有必要的。

目前，已有很多坐姿检测、预防近视、纠正坐姿的技术方案。其中，最普遍的方法就是通过传感器(红外、压力、加速度、超声波等传感器)实现的。如专利申请号为cn201410134765.4(公告号为cn103908065a)的发明专利《一种矫正坐姿的智能书桌及其矫正方法》公开了在书桌上嵌入红外发射器、红外摄像头与显示器，通过红外线发射器与红外线摄像头进行主动式红外成像，提取结构光的特征点信息，测定特征点的深度信息，复原对象轮廓，完成图像的三维重建，并根据对象轮廓信息运用机器学习的方法识别出人眼、胸部、主要关节、桌面等对象，提取人体脊椎的骨骼模型，计算坐距、视矩，通过骨骼模型与标准的模型进行比较，判断含胸、歪斜等坐姿。

但是上述方案中，不良姿势的种类较为局限，且未公开判断不良坐姿的具体数学模型。

技术实现要素：

本发明所要解决的第一个技术问题是针对现有技术的现状，提供一种能够准确检测多种不良坐姿的坐姿检测方法。

本发明所要解决的第二个技术问题是提供一种应用于上述坐姿检测方法的坐姿检测装置。

本发明解决第一个技术问题所采用的技术方案为：一种坐姿检测方法，其特征在于包括以下步骤：

s1、利用摄像头采集用户实时的坐姿图像并将采集到的坐姿图像传输给中央控制系统，执行s2；

s2、中央控制系统以采集的坐姿图像为基准进行轮廓提取，获得用户实时的坐姿特征数据，执行s3；

s3、将用户实时的坐姿特征数据与标准坐姿的坐姿特征数据进行对比，判断用户实时坐姿是否不良，如是，执行s4，如不是，返回s1；

其中，不良坐姿包括有歪头、驼背、读写过近和趴伏听课，用户实时坐姿满足歪头、驼背、读写过近、趴伏听课中的至少一种的条件下，判定用户实时坐姿不良；

s4、提醒装置发出提醒信号，返回s1。

优选地，所述的坐姿特征数据包括有额头正中心的坐标和下巴正中心的坐标；

将用户实时的额头正中心的横坐标记为x额头，纵坐标记为y额头；

将用户实时的下巴正中心的横坐标记为x下巴，纵坐标记为y下巴；

若前述坐标值满足以下关系：

其中，a的值为0.5～0.99；

判定为歪头。

进一步，所述a的值为0.98。

优选地，所述的坐姿特征数据包括有左肩正中心的坐标、右肩正中心的坐标、下嘴唇正中心的坐标、左眼中心的坐标和右眼中心的坐标；

将用户实时的左肩正中心的纵坐标记为y左肩；

将用户实时的右肩正中心的纵坐标记为y右肩；

将用户实时的下嘴唇正中心的横坐标记为x嘴，纵坐标记为y嘴；

将用户实时的左眼中心的横坐标记为x左眼，纵坐标记为y左眼；

将用户实时的右眼中心的横坐标记为x右眼，纵坐标记为y右眼；

将标准坐姿的下嘴唇正中心的横坐标记为x*嘴，纵坐标记为y*嘴；

将标准坐姿的左眼中心的横坐标记为x*左眼，纵坐标记为y*左眼；

将标准坐姿的右眼中心的横坐标记为x*右眼，纵坐标记为y*右眼；

若前述坐标值满足以下关系：

|y嘴-y左肩|＜b或|y嘴-y右肩|＜b，

且

其中，b的值为(5～15)*摄像头的像素值/2.54，c的值为1～1.5；

判定为驼背。

进一步，所述c的值为1.15。

优选地，所述的坐姿特征数据包括有左肩正中心的坐标、右肩正中心的坐标、下嘴唇正中心的坐标、左眼中心的坐标和右眼中心的坐标；

将用户实时的下嘴唇正中心的横坐标记为x嘴，纵坐标记为y嘴；

将用户实时的左眼中心的横坐标记为x左眼，纵坐标记为y左眼；

将用户实时的右眼中心的横坐标记为x右眼，纵坐标记为y右眼；

将标准坐姿的下嘴唇正中心的横坐标记为x*嘴，纵坐标记为y*嘴；

将标准坐姿的左眼中心的横坐标记为x*左眼，纵坐标记为y*左眼；

将标准坐姿的右眼中心的横坐标记为x*右眼，纵坐标记为y*右眼；

若前述坐标值满足以下关系：

且

其中，d的值为1～1.5；

判定为读写过近。

进一步，所述d的值为1.2。

优选地，所述的坐姿特征数据包括有额头正中心的坐标、下巴正中心的坐标和脸部最低点的坐标；

将用户实时的额头正中心的横坐标记为x额头，纵坐标记为y额头；

将用户实时的下巴正中心的横坐标记为x下巴，纵坐标记为y下巴；

将用户实时的脸部最低点的纵坐标记为ymin；

若前述坐标值满足以下关系：

且ymin＜f；

其中，e的值为0.5～0.94，f的值为(10～20)*摄像头的像素值/2.54；

判定为趴伏听课。

进一步，所述e的值为0.87。

优选地，所述的步骤s1中，还利用超声波传感器采集用户实时与超声波传感器之间的距离数据并将采集到的距离数据传输给中央控制系统；

所述的步骤s2中，所述的坐姿特征数据还包括中央控制系统收到的距离数据。

本发明解决第二个技术问题所采用的技术方案为：一种应用于上述姿检测方法的坐姿检测装置，包括有中空的机体，所述的摄像头设于机体的前端，所述的中央控制系统设于机体的内部，所述的提醒装置包括有转动设于机体下方的显示屏和设于机体后端的扬声器。

优选地，所述摄像头的数量至少为两个，沿机体的长度方向间隔布置在机体的前端。

或者，一种应用于上述坐姿检测方法的坐姿检测装置，包括有中空的机体，所述的摄像头和超声波传感器设于机体的前端，所述的中央控制系统设于机体的内部，所述的提醒装置包括有转动设于机体下方的显示屏和设于机体后端的扬声器。

与现有技术相比，本发明的优点在于：可以实时监测用户的坐姿情况，准确检测包括多种歪头、驼背、读写过近、趴伏听课在内的多种不良坐姿，在坐姿不良的情况下第一时间提醒用户及时纠正自己的坐姿。

附图说明

图1为本发明实施例中坐姿检测装置的立体结构示意图；

图2为图1的立体结构示意图；

图3为图1的电路原理框图；

图4为本发明实施例中坐姿检测方法的流程图；

图5为图4中坐姿特征数据的示意图。

具体实施方式

以下结合附图实施例对本发明作进一步详细描述。

如图1至图3所示，为本发明坐姿检测装置的一个优选实施例。该坐姿检测装置包括有中空的机体1、摄像头2、超声波传感器3、中央控制系统和提醒装置。

其中，摄像头2的数量为两个，分别间隔布置在机体1的前端，用于采集用户实时的坐姿图像并将采集到的坐姿图像传输给中央控制系统。具体地，该摄像头2能穿透有机玻璃(或pc材质)正常工作，有效识别距离不小于1米，并具有自动对焦功能，采集分辨率≥640×480像素的内嵌式图像采集摄像头，用于进行包括用户面部、颈部、肩部等在内的多个关键区域进行不同角度同一坐姿的实时图像采集。

超声波传感器3设于机体1的前端，用于采集用户实时与超声波传感器3之间的距离数据并将采集到的距离数据传输给中央控制系统。工作时，超声波传感器3向设定区域(用户面部区域)定期发射超声波，利用超声波测距原理，得到距离数据。

中央控制系统设于机体的内部，能够以摄像头2采集的坐姿图像为基准进行轮廓提取，获得用户实时的坐姿特征数据，将用户实时的坐姿特征数据与标准坐姿的坐姿特征数据进行对比，判断用户实时坐姿是否不良；同时能够以超声波传感器3采集到的距离数据来判定用户坐姿是否距离标准位置过近；甚至可以将摄像头2和超声波传感器3采集到的数据进行整合。

提醒装置包括有转动设于机体下方的显示屏4和设于机体后端的扬声器5。

另外，机体1的一侧还设有光传感器6、按钮7、type-c接口8和led灯9。光传感器6用于检测环境亮度，因为摄像头进行轮廓扫描的时候，比如眉心等一些点需要高亮突出，这时候就需要采集环境亮度，来加强眉心等重要位置的亮度。按钮7用于操作显示屏4。type-c接口8用于给坐姿检测装置进行充电。led灯9起到指示作用。

如图4和图5所示，本发明还提供了一种应用有上述坐姿检测装置的坐姿检测方法，包括以下步骤：

s1、利用摄像头采集用户实时的坐姿图像并将采集到的坐姿图像传输给中央控制系统，利用超声波传感器采集用户实时与超声波传感器之间的距离数据并将采集到的距离数据传输给中央控制系统，执行s2；

s2、中央控制系统以采集的坐姿图像为基准进行轮廓提取，结合收到的距离数据，获得用户实时的坐姿特征数据，执行s3；

具体地，中央控制系统以采集的坐姿图像为基准，基于adboost算法、质心算法、肤色检测、图像二值化、高斯滤波、canny算子、多尺度霍夫变换等方法完成对用户实时的坐姿图像的轮廓提取，并在控制系统内部生成包括双眉顶点连线、双肩顶点连线、面部轮廓线、颈-肩轮廓线(侧视)、双眼中心连线、双耳顶点连线、唇中线等在内的实时坐姿特征线与包括双眉顶点连线/双肩顶点连线/双眼中心连线/双耳顶点连线/唇中线与水平基线夹角、颈-肩轮廓线夹角、人脸识别面部轮廓长宽及面积、人脸识别面部轮廓下沿高度等在内对的特征线几何参量进行实时计算，获得额头正中心a的坐标、左眼中心b的坐标、右眼中心c的坐标、下嘴唇正中心d的坐标、左肩正中心e的坐标、右肩正中心f的坐标、下巴正中心g的坐标等坐姿特征数据。

其中,中央控制系统对人体特征轮廓提取、特征线绘制、特征线几何参量计算等功能的实现可以通过多种方法实现，具体可参见专利申请号为cn201410059849.6(公告号为cn103810478a)的发明专利《一种坐姿检测方法和装置》和专利申请号为cn201710345838.8(公告号为cn107169456a)的发明专利《一种基于坐姿深度图像的坐姿检测方法》等，此处不再赘述。

s3、将用户实时的坐姿特征数据与标准坐姿的坐姿特征数据进行对比，判断用户实时坐姿是否不良，如是，执行s4，如不是，返回s1；

其中，不良坐姿包括有讲空话、交头接耳、歪头、驼背、读写过近、趴伏听课、身体歪斜、跷二郎腿等，本实施例中，用户实时坐姿满足歪头、驼背、读写过近、趴伏听课中的至少一种的条件下，判定用户实时坐姿不良；

具体地，判断用户实时坐姿是否不良的数学模型如下：

(1)判断是否歪头：

实时使用过程中，用户额头正中心a的平面坐标为(x额头，y额头)，下巴正中心g的平面坐标为(x下巴，y下巴)；

当

其中，a的理论取值范围为0～1，在通过大量实验数据对比后，将额头中心与下巴中心连线和竖直方向的直线夹角>8°～60°定为歪头，即a的值在0.5至0.99的范围内较为合理；

判定为歪头；

a的值优选为0.98，即脸部主轴方向与竖直基线夹角>10°时判定为歪头为宜。

(2)判断是否驼背：

实时使用过程中，用户左肩正中心e的平面坐标为(x左肩，y左肩)，右肩正中心f的平面坐标为(x右肩，y右肩)，下嘴唇正中心d的平面坐标为(x嘴，y嘴)，左眼中心b平面坐标为(x左眼，y左眼)，右眼中心c平面坐标为(x右眼，y右眼)；

标准坐姿下，用户下嘴唇正中心d的平面坐标为(x*嘴，y*嘴)，左眼中心b平面坐标为(x*左眼，y*左眼)，右眼中心c平面坐标为(x*右眼，y*右眼)；

当|y嘴-y左肩|＜b或|y嘴-y右肩|＜b，

且

其中，b的值需要根据使用者在摄像头前进行标准坐姿下的轮廓采集录入，系统方可自行生成一固定值，因为不同身高的使用者肩膀到嘴的距离不同，所以暂时不做设定，其中b的对应实际取值范围初步定在5～15cm，该处实际距离值除以2.54再乘以相机的像素值(dpi)就是中央系统处理器中对应的数据值，即b的值为(5～15)*摄像头2的像素值/2.54，c的取值范围为1～1.5；

判定为驼背；

b的值根据使用者在摄像头前进行标准坐姿下的轮廓采集录入，系统方可自行生成一对应实际取值范围在5～15cm的固定值(该处实际距离值除以2.54再乘以相机的像素值(dpi)就是中央系统处理器中对应的数据值)，c的值优选为1.15，即|y嘴-y左肩|或|y嘴-y右肩|小于系统生成固定的值且双眼和嘴巴形成的三角区域面积大于1.15倍标准坐姿时的三角区面积时判定为驼背为宜。

(3)判断是否读写过近：

实时使用过程中，用户下嘴唇正中心d的平面坐标为(x嘴，y嘴)，左眼中心b平面坐标为(x左眼，y左眼)，右眼中心c平面坐标为(x右眼，y右眼)；

标准坐姿下，用户下嘴唇正中心d的平面坐标为(x*嘴，y*嘴)，左眼中心b平面坐标为(x*左眼，y*左眼)，右眼中心c平面坐标为(x*右眼，y*右眼)；

当

且

其中，d的值为1～1.5；

判定为读写过近；

d的值优选为1.2，即双眼和嘴巴形成的三角区域面积大于1.2倍标准读写坐姿时的三角区面积，且双眼竖直位置低于标准读写坐姿时的位置时判定为读写过近为宜。

当然还可以通过超声波传感器3测得的距离数据判断是否读写过近。

(4)判断是否趴伏听课：

实时使用过程中，用户额头正中心a的平面坐标为(x额头，y额头)，下巴正中心g的平面坐标为(x下巴，y下巴)，脸部最低点的平面坐标为(xmin，ymin)；

若

且ymin＜f；

其中，e的理论取值范围为0～1，在通过大量实验数据对比后，脸部主轴方向与竖直基线夹角e的值>20°～60°定为歪头，即e在0.5至0.94的范围内较为合理，f的值指的是标准坐姿下脸部最低点到桌面的距离，使用者可以根据自己调整的坐垫高度进行设置，如果不输入，默认值为在摄像头前进行标准坐姿下的轮廓采集录入后使用者头部宽度或者长度其中数值最大的尺寸，其对应的实际距离一般为10～20cm，该处实际距离值除以2.54再乘以相机的像素值(dpi)就是中央系统处理器中对应的数据值，即f的值为(10～20)*摄像头2的像素值/2.54；

判定为趴伏听课；

e的值优选为0.87，f的值为系统自动生成或者用户输入值，即脸部主轴方向与竖直基线夹角>30°且实时脸部最低点到桌面的距离ymin小于f值时判定为趴伏听课为宜。

s4、提醒装置发出提醒信号，返回s1。

具体地，如果检测结果不合格，会同步通过扬声器5和显示屏4播报并显示判定的结果，以达到提醒用户注意坐姿的效果。

本发明可以实时监测用户的坐姿情况，在坐姿不端正的情况下第一时间提醒用户及时纠正自己的坐姿，同时可以在受遮挡时，依旧正确识别学生头部、面部、肩部、颈部等重点扫描区域，较少误判。同时因学生头部、面部、肩部、颈部等因受伤等原因，可能造成部分特征线正常无法绘制时，错误坐姿检测成功率依旧≥90％，采用的数学模型简单且准确，并且可以准确判断学生上课状态(认真、积极、举手、站立回答问题等状态)，作业状态等，识别错误坐姿类型包括：讲空话、交头接耳、歪头、驼背、读写过近、趴伏听课、身体歪斜、跷二郎腿等，保证整体姿势判断准确率大于95％。此外，图像处理结果等相关数据可以存储在中央控制系统中，与用户课程相关联，并形成相关报表，并提供接口以供拷贝数据，供数据分析处理，还可以将检测结果传输到配套的电子移动设备app上，让家长可以更方便的了解儿童学习过程中的坐姿状态，可以累加记录坐姿状态数据。