一种基于图像识别的学生坐姿检测与纠正系统技术方案

本发明专利技术涉及一种基于图像识别的学生坐姿检测与纠正系统，包括人脸图像检测模块，用于检测进入拍摄区域的人脸图像；人脸姿态估计模块，用于获取人脸器官的几何特征，定位人脸特征点并利用获得的人脸特征点构建人脸特征三角形；当人脸发生姿态变化时，利用该人脸特征三角形的位置变化进行姿态参数的估计，获得估计姿态参数：音频输出模块，用于比较估计姿态参数与标准姿态参数，并根据比较结果输出姿态纠正提示音频。本发明专利技术在不直接接触学生身体的情况下，通过视频图像实现对学生坐姿的实时监控，对错误姿态进行语音提示，从而达到及时发现和纠正错误坐姿的目的。

【技术实现步骤摘要】
一种基于图像识别的学生坐姿检测与纠正系统
本专利技术涉及一种基于图像识别的学生坐姿检测与纠正系统。
技术介绍
目前，我国的青少年儿童近视发病率已居世界第二位，相关资料显示:在校学生近视率日渐上升，大学生达70％、中学生达30％～40％、小学生已达20％。同时，因坐姿不正确产生的脊椎弯曲的学生比例也很高。预防青少年儿童近视和驼背是全社会关心的问题。儿童学习时坐姿歪斜、弯腰曲背、视距过近等现象是导致近视、斜视和颈椎发育不良的主要原因。当前国内外解决青少年儿童错误坐姿的主要方法是物理类的矫正器，如耳挂式坐姿矫正器、脊椎矫正器等,它们大多从物理角度起到预防近视的目的，并要求学生长期佩戴这些矫正器。而长时间佩戴矫正器，可能会导致孩子们的不适甚至厌烦。利用超声波测距传感技术开发的矫正器，起到了一定的作用，但通常情况下因为笔杆以及手臂遮挡的影响，使得系统误差率较大，给使用者到来不悦的体验。
技术实现思路
本专利技术的目的在于解决上述的技术问题而提供一种基于图像识别的学生坐姿检测与纠正系统，在不直接接触学生身体的情况下，通过视频图像实现对学生坐姿的实时监控，对错误姿态进行语音提示，从而达到及时发现和纠正错误坐姿的目的。为实现上述目的，本专利技术采用如下技术方案：一种基于图像识别的学生坐姿检测与纠正系统，包括：人脸图像检测模块，用于检测进入拍摄区域的人脸图像；人脸姿态估计模块，用于获取人脸器官的几何特征，定位人脸特征点并利用获得的人脸特征点构建人脸特征三角形；当人脸发生姿态变化时，利用该人脸特征三角形的位置变化进行姿态参数的估计，获得估计姿态参数：音频输出模块，用于比较估计姿态参数与标准姿态参数，并根据比较结果输出姿态纠正提示音频。所述人脸特征点包括2个眼角、2个嘴角和鼻尖。所述标准姿态参数对应的人脸特征三角形为等腰三角形。所述利用该人脸特征三角形的位置变化进行姿态参数的估计，获得估计姿态参数，具体是计算人脸特征三角形的三个角的顶点坐标，然后根据该顶点坐标计算三个角的角度变化，获得估计姿态参数。所述人脸图像检测模块还用于检测人脸图像相对于标准图像的大小，以判断人脸的远近，并由所述音频输出模块输出相应的提示音频。所述人脸姿态估计模块包括：特征点定位模块，用于获取人脸器官的几何特征，定位人脸特征点并利用获得的人脸特征点构建人脸特征三角形；姿态估计模块，用于当人脸发生姿态变化时，利用该人脸特征三角形的位置变化进行姿态参数的估计，获得估计姿态参数。所述基于图像识别的学生坐姿检测与纠正系统，包括嵌入式处理器、显示器、视频采集模块；所述嵌入式处理器包括所述人脸图像检测模块、人脸姿态估计模块；所述显示器通过视频线接口与嵌入式处理器连接，所述视频采集模块通过USB连接线连接嵌入式处理器，所述音频输出模块与嵌入式处理器连接。所述嵌入式处理器连接RTC时钟模块。本专利技术在不直接接触学生身体的情况下，通过视频图像实现对学生坐姿的实时监控，对错误姿态进行语音提示，从而达到及时发现和纠正错误坐姿的目的。附图说明图1是基于图像识别的学生坐姿检测与纠正系统的结构示意图；图2是不同种人脸姿态的估计示意图；图3是人脸特征三角形的构建示意图；图4是头部相对三个坐标轴的运动示意图；图5是不同种人脸姿态的分析效果示意图；图6是基于图像识别的学生坐姿检测与纠正系统的检测流程图；图7是基于图像识别的学生坐姿检测与纠正系统的硬件结构示意图。具体实施方式下面，结合实例对本专利技术的实质性特点和优势作进一步的说明，但本专利技术并不局限于所列的实施例。参见图1所示，一种基于图像识别的学生坐姿检测与纠正系统，包括：人脸图像检测模块，用于检测进入摄像区域的人脸图像；人脸姿态估计模块，用于获取人脸器官的几何特征，定位人脸特征点并利用获得的人脸特征点构建人脸特征三角形，当人脸发生姿态变化时，利用该人脸特征三角形的位置变化进行姿态参数的估计，获得估计姿态参数；音频输出模块，用于比较估计姿态参数与标准姿态参数，并根据比较结果输出姿态纠正提示音频。目前人脸检测方法已经有大量文献可供参考，技术已非常成熟。在人脸图像检测方面，目前广泛使用的是基于Haar特征的AdABoost目标检测算法。Viola等提出的基于Haar特征的AdABoost目标检测方法通过积分图加快了特征提取速度，实现了人脸的实时检测，该方法最初由Viola等学者于2001年提出。他们采用待检测目标区域的多种Haar特征值作为目标的特征描述，采用AdABoost方法，根据特征对训练样本的分类能力进行特征选择，并对被选特征进行加权组合得到分类器。考虑到Haar特征主要表现为图像的矩形区域灰度值求和，他们创造性地提出了积分图方法加快计算速度。也正是他们在这一领域的特殊贡献，使实时人脸检测成为可能。最初他们提出的Haar特征为4种，随后为加强目标检测中对偏转目标的适应性，一些学者对Haar的旋转特征进行了扩展，大大提高了目标检测的准确度。基于Haar特征的AdABoost目标检测算法已成为OpenCV的功能部件。OpenCV是Intel公司开发的开源图像处理和计算机视觉函数库，它由一系列C函数和少量C++类构成，实现了图像处理和计算机视觉方面的很多通用算法。为此本专利技术采用OpenCV实现人脸检测，在较好的光照条件下几乎没有误检，并具有良好的实时性，为特征点定位创造了条件。本专利技术具体是采用利用opencv的haarcascade_frontalface_atl2.xml模型进行人脸图像检测。需要说明的是，本专利技术的坐姿检测与纠正系统可利用opencv里的函数接口完成视频采集模块视频帧的采集，通过Qt开发的人机界面实现图像实时显示以及人机互动。人脸检测系统以视频采集模块采集到的图像为输入得到人脸的位置信息。本专利技术中，所述人脸图像检测模块采用人脸特征检测器进行人脸图像的检测，人脸特征检测器包括眼睛检测器和嘴巴检测器。本专利技术系统在Adaboost算法基础上在人脸框内用人脸特征检测器检测眼睛和嘴部。本专利技术系统在人脸检测框中去进一步检测人眼以及嘴部,人眼检测部分集中在人脸框的上半部分，嘴部检测部分集中在人脸框的下半部分，人眼检测分类器为”haarcascade_eye.xml”，嘴巴检测分类器为”haarcascade_mcs_mouth.xml”。这样很大程度上提高了人眼、嘴部检测定位的准确性，参见图2所示。具体的，本专利技术中，所述人脸姿态估计模块进一步的包括：特征点定位模块，用于获取人脸器官的几何特征，定位人脸特征点并利用获得的人脸特征点构建人脸特征三角形；姿态估计模块，用于当人脸发生姿态变化时，利用该人脸特征三角形的位置变化进行姿态参数的估计，获得估计姿态参数。其中，所述标准姿态参数对应的人脸特征三角形为等腰三角形，在通过人脸姿态估计模块估计出人脸当前姿态参数后，通过比较估计姿态参数与标准姿态参数，即可获得当前姿态，从而根据当前姿态，输出姿态纠正提示音频，如当前姿态为偏左，输出“当前偏左，请纠正”的音频，如当前姿态为偏右，输出“当前偏右，请纠正”的音频，如当前姿态为俯视状态，输出“当前俯视，请纠正”的音频，如当前姿态为仰视状态，输出“当前俯仰，请纠正”的音频。具体实现上，本专利技术中，所述利用该人脸特征三角形的位置变化进行姿态参数的估计，获得估计姿态参本文档来自技高网...

【技术保护点】
一种基于图像识别的学生坐姿检测与纠正系统，其特征在于，包括：人脸图像检测模块，用于检测进入拍摄区域的人脸图像；人脸姿态估计模块，用于获取人脸器官的几何特征，定位人脸特征点并利用获得的人脸特征点构建人脸特征三角形；当人脸发生姿态变化时，利用该人脸特征三角形的位置变化进行姿态参数的估计，获得估计姿态参数：音频输出模块，用于比较估计姿态参数与标准姿态参数，并根据比较结果输出姿态纠正提示音频。

【技术特征摘要】
1.一种基于图像识别的学生坐姿检测与纠正系统，其特征在于，包括：人脸图像检测模块，用于检测进入拍摄区域的人脸图像；人脸姿态估计模块，用于获取人脸器官的几何特征，定位人脸特征点并利用获得的人脸特征点构建人脸特征三角形；当人脸发生姿态变化时，利用该人脸特征三角形的位置变化进行姿态参数的估计，获得估计姿态参数：音频输出模块，用于比较估计姿态参数与标准姿态参数，并根据比较结果输出姿态纠正提示音频。2.如权利要求1所述基于图像识别的学生坐姿检测与纠正系统，其特征在于，所述人脸特征点包括2个眼角、2个嘴角和鼻尖。3.如权利要求1所述基于图像识别的学生坐姿检测与纠正系统，其特征在于，所述标准姿态参数对应的人脸特征三角形为等腰三角形。4.如权利要求1所述基于图像识别的学生坐姿检测与纠正系统，其特征在于，所述利用该人脸特征三角形的位置变化进行姿态参数的估计，获得估计姿态参数，具体是计算人脸特征三角形的三个角的顶点坐标，然后根据该顶点坐标计算三个角的角度变化，获得估计姿态参数。5.如权利要求...

【专利技术属性】
技术研发人员：孙哲南，薛文芳，张曼，任立鹏，
申请(专利权)人：天津中科智能识别产业技术研究院有限公司，
类型：发明
国别省市：天津,12