基于机器视觉的青少年坐姿及情绪状态的分析方法与流程

文档序号:18476616发布日期:2019-08-20 21:11阅读:243来源:国知局

本发明涉及青少年坐姿分析技术领域,具体的涉及基于机器视觉的青少年坐姿及情绪状态的分析方法。



背景技术:

儿童健康情况堪忧,据调查,青少年学生不同程度的脊椎侧弯发病率高达20%以上!青少年学生的近视、健忘、头晕、脖筋痛、胸痛、困乏而上课走神等与脊椎的健康问题关系密切,现有市场上的坐姿检测(纠正)装置是通过以下几种方式实现的:物理方式:通过在座椅上增加物理背带,强制保持坐姿;通过压力传感器或者无线测距的方式(红外、超声波)主要的原来是通过检查人体的距离来评估坐姿。以上方式有存在舒适性差、误报率大、检测效果差、可扩展性差、成本高。

公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。



技术实现要素:

本发明的目的在于提供基于机器视觉的青少年坐姿及情绪状态的分析方法,从而克服上述现有技术中的缺陷。

为实现上述目的,本发明提供了基于机器视觉的青少年坐姿及情绪状态的分析方法,其特征在于:包括以下步骤:

1)采用广角摄像头实时采集青少年的坐姿画面视频;

2)对采集的视频数据进行预处理,首先对视频信息进行灰度化处理,再基于直方图的方法将相邻帧的各个像素的灰度、亮度或颜色分成n个等级,针对每个等级统计像素数做成直方图比较,通过像素的高斯变化获取自适应的分割阀值,突出视频数据中的物体特征点,再依据视频数据中的特征点,集合图像的颜色、纹理特征获取关键帧,对不包含特征点的视频帧不做处理;

3)对视频前景和背景进行分离,对背景中静止像素不作处理,只处理前景移动画面,将分离出的前景画面进行降噪,获取图域中的坐标和区域,作为模型识别的输入数据源;

4)人脸检测和定位,基于2)和3)对图像处理后识别人脸的特征点并进行精准定位;

5)三维空间投影,对检测到的人脸视频数据通过数据融合投影到三维空间,并计算头部在三维空间的x,y,z轴的位置;

6)判断分析,通过训练的模型库与计算出的头部在三维空间的x,y,z轴的位置进行比对,检测坐姿是否正常;根据脸部特征点,识别脸部表情,从而判断是否分神、发呆、注意力是否集中。

所述步骤1)采用的广角摄像头与智能学习桌相连。

判断分析结果通过语音、信息推送给老师或者家长。

与现有技术相比,本发明的一方面具有如下有益效果:

本发明通过机器视觉智能分析,与传统的物理接触分析的方法相比不存在物理接触,舒适性强;通过神经网络算法模型进行训练,可以对各种不合规的坐姿以及异常动作、情绪、精神(疲劳程度、发呆、小动作、打哈欠、闭眼、玩手机)状态有效识别,智能提醒、误报率低、检测精度高;成本低、实现方便、通用的摄像头就可实现功能;相比传统的红外或超声环境分析,识别率高、安全性好。

具体实施方式:

下面对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。

除非另有其它明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其它元件或其它组成部分。

基于机器视觉的青少年坐姿及情绪状态的分析方法,其特征在于:包括以下步骤:

1)采用广角摄像头实时采集青少年的坐姿画面视频;

2)对采集的视频数据进行预处理,首先对视频信息进行灰度化处理,再基于直方图的方法将相邻帧的各个像素的灰度、亮度或颜色分成n个等级,针对每个等级统计像素数做成直方图比较,通过像素的高斯变化获取自适应的分割阀值,突出视频数据中的物体特征点,再依据视频数据中的特征点,集合图像的颜色、纹理特征获取关键帧,对不包含特征点的视频帧不做处理;

3)对视频前景和背景进行分离,对背景中静止像素不作处理,只处理前景移动画面,将分离出的前景画面进行降噪,获取图域中的坐标和区域,作为模型识别的输入数据源;

4)人脸检测和定位,基于2)和3)对图像处理后识别人脸的特征点并进行精准定位;

5)三维空间投影,对检测到的人脸视频数据通过数据融合投影到三维空间,并计算头部在三维空间的x,y,z轴的位置;

6)判断分析,通过训练的模型库与计算出的头部在三维空间的x,y,z轴的位置进行比对;根据脸部特征点,识别脸部表情,从而判断是否分神、发呆、注意力是否集中。

所述步骤1)采用的广角摄像头与智能学习桌相连。

判断分析结果通过语音、信息推送给老师或者家长。

在实施时,将广角摄像头与青少年课桌连接,广角摄像头与视觉检测工具连接,老师或者家长安装手机客户端,视觉检测工作按照步骤1)-6)检测后将信息发送到老师或者家长安装手机客户端。

本发明通过机器视觉智能分析,与传统的物理接触分析的方法相比不存在物理接触,舒适性强;通过神经网络算法模型进行训练,可以对各种不合规的坐姿以及异常动作、情绪、精神(疲劳程度、发呆、小动作、打哈欠、闭眼、玩手机)状态有效识别,智能提醒、误报率低、检测精度高;成本低、实现方便、通用的摄像头就可实现功能;相比传统的红外或超声环境分析,安全性好。

前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。



技术特征:

技术总结
本发明公开了基于机器视觉的青少年坐姿及情绪状态的分析方法,包括采用广角摄像头实时采集青少年的坐姿画面视频、对采集的视频数据进行预处理、对视频前景和背景进行分离、人脸检测和定位、三维空间投影、判断分析的步骤,本发明通过机器视觉智能分析,不存在物理接触,舒适性强;通过神经网络算法模型进行训练,可以对各种不合规的坐姿以及异常动作、情绪、精神(疲劳程度、发呆、小动作、打哈欠、闭眼、玩手机)状态有效识别,智能提醒、误报率低、检测精度高;成本低、实现方便、通用的摄像头就可实现功能;相比传统的红外或超声检测,准确率高,安全性好。

技术研发人员:史建刚;张亮亮;刘冬冬
受保护的技术使用者:无锡海鸿信息技术有限公司
技术研发日:2019.04.16
技术公布日:2019.08.20
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1