坐姿判断方法及基于摄像头与压力传感器颈椎病识别系统技术方案

本发明专利技术公开了一种基于摄像头与压力传感器的颈椎病识别方法，包括：S1采用摄像头和压力传感器采集用户不同坐姿下的测试样本；S2分别采用人脸分类器和坐姿分类器识别测试样本，获得人脸分类器和坐姿分类器的准确率；S3调整人脸分类器和坐姿分类器的权重；S4采集用户的当前人脸图像和当前压力数据；S5采用人脸分类器从当前人脸图像识别各坐姿概率，采用坐姿分类器从当前压力数据识别各坐姿概率，并计算各坐姿的综合概率，综合概率最大的坐姿即用户当前坐姿；S6分别统计预设周期内用户处于标准坐姿和非标准坐姿的时长，判定用户有患颈椎病风险。本发明专利技术结合人脸图像和体压进行颈部姿态确定，增加了判断精度。

【技术实现步骤摘要】

本专利技术涉及图像识别和体压分布
，具体涉及一种基于摄像头与压力传感器的颈椎病识别方法。
技术介绍
颈椎病是一种常见且危害极大的慢性病，治愈十分困难。颈椎病的产生是一个由浅入深的过程，如果能通过长期监控方式进行颈椎病的预防和早期诊断，使患者能及时就诊，从而不会延误病情。基于摄像头与压力传感器的颈椎病预防与诊断方法中需要根据图像进行头部运动判断，常使用图像识别技术精确定位五官以及背景中的明显特征，并通过所定位的五官和背景中特征间的关系(通常是距离和角度)判断头部的运动情况。但是，头部运动判断的实现还存在如下技术瓶颈：(1)由于待定位目标较多，受限于硬件水平，定位速度低下，通常情况下会出现延迟；(2)作为参照物的背景中明显特征，一般根据特征值挑选，无法确保一定是背景中静物，如果挑选的参照物在判断过程中移动，将会造成结果偏差；(3)当用户头部偏转不再面对摄像头，待客户头部再次偏转回将会导致判断不准确乃至不可判断。目前，可使用多摄像头进行全方位识别的方式来解决上述问题，但却存在布置困难、成本较高等问题。
技术实现思路
为解决
技术介绍
中提到的技术问题，本专利技术提供了一种高效准确的基于摄像头与压力传感器的颈椎病预防与诊断方法。为解决上述技术问题，本专利技术采用如下的技术方案：一、一种基于图像的动作捕捉坐姿判断方法，包括：S1摄像头采集用户不同坐姿的人脸图像作为训练样本；S2采用训练样本及各训练样本对应的坐姿训练随机森林，得人脸分类器；S3摄像头采集用户的当前人脸图像，采用人脸分类器从当前人脸图像中获取五官
坐标，五官坐标即左眼、右眼和嘴的中心点坐标，计算五官坐标的平均坐标，记为五官平均坐标；S4根据当前人脸图像中五官坐标识别用户当前坐姿，本步骤进一步包括：4.1采用人脸分类器从标准坐姿的训练样本中获取五官坐标，即五官标准坐标，计算各五官标准坐标的平均坐标，记为五官平均标准坐标；4.2将五官平均坐标的x轴坐标减去五官平均标准坐标的x轴坐标，所得差值记为第一差值；将五官平均坐标的y轴坐标减去五官平均标准坐标的y轴坐标，所得差值记为第二差值；4.3根据①第一差值和第二差值的大小、②五官平均坐标和五官平均标准坐标的连线与水平方向的夹角、以及③当前人脸图像和标准坐姿训练样本中各五官间距离的差值大小，判断当前人脸图像中五官相对标准坐姿的训练样本中五官的偏移方向，从而识别用户当前坐姿；S5基于当前人脸图像，采用人脸分类器识别用户当前坐姿；S6比较步骤S4和S5的识别结果，若识别结果相同，则该识别结果即用户当前坐姿，根据用户当前坐姿对用户提出建议或警告，然后，对下一帧人脸图像执行步骤S3～S6；若识别结果不同，直接对下一帧人脸图像执行步骤S3～S6。上述不同坐姿包括标准坐姿、仰头、低头、头部左偏、头部右偏、头部远离摄像头和头部靠近摄像头。子步骤4.3具体为：(a)若第一差值和第二差值均大于a，计算五官平均坐标和五官平均标准坐标的连线与水平方向夹角的正切值，若正切值大于1，则判定用户当前坐姿为仰头；否则，判定用户当前坐姿为头部右偏；(b)若第一差值大于a同时第二差值小于-a，计算五官平均坐标和五官平均标准坐标的连线与水平方向夹角的正切值，若正切值大于1，则判定用户当前坐姿为低头；否则，判定用户当前坐姿为头部右偏；(c)若第一差值大于a同时第二差值位于范围[-a,a]内，则判定用户当前坐姿为头部右偏；(d)若第一差值小于-a同时第二差值大于a，计算五官平均坐标和五官平均标准坐标的连线与水平方向夹角的正切值，若正切值大于1，则判定用户当前坐姿为仰头；
否则，判定用户当前坐姿为头部左偏；(e)若第一差值和第二差值均小于-a，计算五官平均坐标和五官平均标准坐标的连线与水平方向夹角的正切值，若正切值大于1，则判定用户当前坐姿为低头；否则，判定用户当前坐姿为头部左偏；(f)若第一差值小于-a同时第二差值位于范围[-a,a]，则判定用户当前坐姿为头部左偏；(g)若第一差值位于范围[-a,a]内，同时第二差值大于a，则判定用户当前坐姿为仰头；(h)若第一差值位于范围[-a,a]内，同时第二差值大于a，则判定用户当前坐姿为低头；(i)若第一差值和第二差值均位于范围[-a,a]内，计算标准坐姿的训练样本中左眼与右眼、左眼与嘴、右眼与嘴的距离，分别记为标准距离1、标准距离2、标准距离3，计算当前人脸图像中左眼与右眼、左眼与嘴、右眼与嘴的距离，分别记为距离1、距离2、距离3，计算标准距离1与距离1、标准距离2与距离2、标准距离3与距离3的差值，若所有差值均大于阈值b，则判断用户当前坐姿为头部靠近摄像头；若所有差值都小于阈值b，则判断用户当前坐姿为头部远离摄像头；否则，判断用户当前坐姿为标准坐姿。阈值a和b为与标准坐姿训练样本中人脸宽度像素值有关的经验值，通过多次试验调整获得。二、一种基于体压分布检测的坐姿判断方法，包括：S1坐垫上布置压力传感器节点，采集用户不同坐姿下各压力传感器节点的压力值，压力传感器节点的压力值及对应的坐姿构成训练样本集D；S2以节点的压力值为特征，不同坐姿类型为不同类别，采用Relief或ReliefF法分析各节点权重，选取权重最大的前N个节点作为有效节点，N在15～20范围取值；S3采集不同坐姿下各有效节点的压力值，有效节点的压力值及对应的坐姿构成训练样本集D'，采用训练样本集D'训练随机森林，得坐姿分类器；S4有效节点采集当前压力数据，基于当前压力数据，采用坐姿分类器识别用户当前坐姿。步骤S2中，采用Relief法分析各节点权重，进一步包括：2a.1从训练样本集D随机选取样本R，从和样本R类别相同的训练样本中寻找样本R的最近邻样本H，从和样本R类别不同的训练样本中寻找样本R的最近邻样本M；2a.2将各压力传感器节点的初始权重设为0，然后对各压力传感器节点逐一进行：在当前压力传感器节点上，比较R和H的距离与R和M的距离，若R和H的距离小于R和M的距离，增加当前压力传感器节点的权重，权重的增加量为在当前压力传感器节点上R和M的距离；否则，减少当前压力传感器节点的权重，权重的减少量为在当前压力传感器节点上R和H的距离；2a.3判断所有传感器节点的当前权重和上一权重的方差的差值是否小于预设阈值，若小于预设阈值，执行子步骤2a.4；否则，重新执行子步骤2a.1；2a.4取权重最大的前N个压力传感器节点作为有效节点。步骤S2中，采用ReliefF法分析各节点权重，进一步包括：2b.1从训练样本集D随机选取样本R，从和样本R类别相同的训练样本中寻找样本R的k近邻样本，记为Set(H)；从和样本R类别不同的训练样本中寻找样本R的k近邻样本，记为Setc(M)；2b.2将各压力传感器节点的初始权重设为0，然后对各压力传感器节点逐一进行：在当前压力传感器节点上，比较R和Set(H)的距离与R和Setc(M)的距离，若R和Set(H)的距离小于R和Setc(M)的距离，增加当前压力传感器节点的权重，权重的增加量为当前压力传感器节点上R和Set(H)中各样本Hi距离之和；否则，减少当前压力传感器节点的权重，权重的减少量为当前压力传感器节点上R和Setc(M)中各样本Mci的距离的加权和，R和Mci的距离的权值为Setc(M)本文档来自技高网...

【技术保护点】
一种基于图像的动作捕捉坐姿判断方法，其特征是，包括：S1摄像头采集用户不同坐姿的人脸图像作为训练样本；S2采用训练样本及各训练样本对应的坐姿训练随机森林，得人脸分类器；S3摄像头采集用户的当前人脸图像，采用人脸分类器从当前人脸图像中获取五官坐标，五官坐标即左眼、右眼和嘴的中心点坐标，计算五官坐标的平均坐标，记为五官平均坐标；S4根据当前人脸图像中五官坐标识别用户当前坐姿，本步骤进一步包括：4.1采用人脸分类器从标准坐姿的训练样本中获取五官坐标，即五官标准坐标，计算各五官标准坐标的平均坐标，记为五官平均标准坐标；4.2将五官平均坐标的x轴坐标减去五官平均标准坐标的x轴坐标，所得差值记为第一差值；将五官平均坐标的y轴坐标减去五官平均标准坐标的y轴坐标，所得差值记为第二差值；4.3根据①第一差值和第二差值的大小、②五官平均坐标和五官平均标准坐标的连线与水平方向的夹角、以及③当前人脸图像和标准坐姿训练样本中各五官间距离的差值大小，判断当前人脸图像中五官相对标准坐姿的训练样本中五官的偏移方向，从而识别用户当前坐姿；S5基于当前人脸图像，采用人脸分类器识别用户当前坐姿；S6比较步骤S4和S5的识别结果，若识别结果相同，则该识别结果即用户当前坐姿，根据用户当前坐姿对用户提出建议或警告，然后，对下一帧人脸图像执行步骤S3～S6；若识别结果不同，直接对下一帧人脸图像执行步骤S3～S6。...

【技术特征摘要】
1.一种基于图像的动作捕捉坐姿判断方法，其特征是，包括：S1摄像头采集用户不同坐姿的人脸图像作为训练样本；S2采用训练样本及各训练样本对应的坐姿训练随机森林，得人脸分类器；S3摄像头采集用户的当前人脸图像，采用人脸分类器从当前人脸图像中获取五官坐标，五官坐标即左眼、右眼和嘴的中心点坐标，计算五官坐标的平均坐标，记为五官平均坐标；S4根据当前人脸图像中五官坐标识别用户当前坐姿，本步骤进一步包括：4.1采用人脸分类器从标准坐姿的训练样本中获取五官坐标，即五官标准坐标，计算各五官标准坐标的平均坐标，记为五官平均标准坐标；4.2将五官平均坐标的x轴坐标减去五官平均标准坐标的x轴坐标，所得差值记为第一差值；将五官平均坐标的y轴坐标减去五官平均标准坐标的y轴坐标，所得差值记为第二差值；4.3根据①第一差值和第二差值的大小、②五官平均坐标和五官平均标准坐标的连线与水平方向的夹角、以及③当前人脸图像和标准坐姿训练样本中各五官间距离的差值大小，判断当前人脸图像中五官相对标准坐姿的训练样本中五官的偏移方向，从而识别用户当前坐姿；S5基于当前人脸图像，采用人脸分类器识别用户当前坐姿；S6比较步骤S4和S5的识别结果，若识别结果相同，则该识别结果即用户当前坐姿，根据用户当前坐姿对用户提出建议或警告，然后，对下一帧人脸图像执行步骤S3～S6；若识别结果不同，直接对下一帧人脸图像执行步骤S3～S6。2.如权利要求1所述的基于图像的动作捕捉坐姿判断方法，其特征是，包括：S1中所述的不同坐姿包括标准坐姿、仰头、低头、头部左偏、头部右偏、头部远离摄像头和头部靠近摄像头。3.如权利要求1所述的基于图像的动作捕捉坐姿判断方法，其特征是，包括：子步骤4.3具体为：(a)若第一差值和第二差值均大于a，计算五官平均坐标和五官平均标准坐标的连线与水平方向夹角的正切值，若正切值大于1，则判定用户当前坐姿为仰头；否则，判定用户当前坐姿为头部右偏；(b)若第一差值大于a同时第二差值小于-a，计算五官平均坐标和五官平均标准坐标的连线与水平方向夹角的正切值，若正切值大于1，则判定用户当前坐姿为低头；
\t否则，判定用户当前坐姿为头部右偏；(c)若第一差值大于a同时第二差值位于范围[-a,a]内，则判定用户当前坐姿为头部右偏；(d)若第一差值小于-a同时第二差值大于a，计算五官平均坐标和五官平均标准坐标的连线与水平方向夹角的正切值，若正切值大于1，则判定用户当前坐姿为仰头；否则，判定用户当前坐姿为头部左偏；(e)若第一差值和第二差值均小于-a，计算五官平均坐标和五官平均标准坐标的连线与水平方向夹角的正切值，若正切值大于1，则判定用户当前坐姿为低头；否则，判定用户当前坐姿为头部左偏；(f)若第一差值小于-a同时第二差值位于范围[-a,a]，则判定用户当前坐姿为头部左偏；(g)若第一差值位于范围[-a,a]内，同时第二差值大于a，则判定用户当前坐姿为仰头；(h)若第一差值位于范围[-a,a]内，同时第二差值大于a，则判定用户当前坐姿为低头；(i)若第一差值和第二差值均位于范围[-a,a]内，计算标准坐姿的训练样本中左眼与右眼、左眼与嘴、右眼与嘴的距离，分别记为标准距离1、标准距离2、标准距离3，计算当前人脸图像中左眼与右眼、左眼与嘴、右眼与嘴的距离，分别记为距离1、距离2、距离3，计算标准距离1与距离1、标准距离2与距离2、标准距离3与距离3的差值，若所有差值均大于阈值b，则判断用户当前坐姿为头部靠近摄像头；若所有差值都小于阈值b，则判断用户当前坐姿为头部远离摄像头；否则，判断用户当前坐姿为标准坐姿；阈值a和b为与标准坐姿训练样本中人脸宽度像素值有关的经验值，通过多次试验调整获得。4.一种基于体压分布检测的坐姿判断方法，其特征是，包括：S1坐垫上布置压力传感器节点，采集用户不同坐姿下各压力传感器节点的压力值，压力传感器节点的压力值及对应的坐姿构成训练样本集D；S2以节点的压力值为特征，不同坐姿类型为不同类别，采用Relief或ReliefF法分
\t析各节点权重，选取权重最大的前N个节点作为有效节点，N在15～20范围取值；S3采集不同坐姿下各有效节点的压力值，有效节点的压力值及对应的坐姿构成训练样本集D'，采用训练样本集D'训练随机森林，得坐姿分类器；S4采集有效节点的当前压力数据，基于当前压力数据，采用坐姿分类器识别用户当前坐姿。5.如权利要求4所述的基于体压分布检测的坐姿判断方法，其特征是：步骤S2中，采用Relief法分析各节点权重，进一步包括：2a.1从训练样本集D随机选取样本R，从和样本R类别相同的训练样本中寻找样本R的最近邻样本H，从和样本R类别不同的训练样本中寻找样本R的最近邻样本M；2a.2将各压力传感器节点的初始权重设为0，然后对各压力传感器节点逐一进行：在当前压力传感器节点上，比较R和H的距离与R和M的距离，若R和H的距离小于R和M...

【专利技术属性】
技术研发人员：朱卫平，尹韶升，刘国檩，邵泽宇，周旺，夏天一，
申请(专利权)人：武汉大学，
类型：发明
国别省市：湖北;42