基于深度图像的不良坐姿提醒方法和装置制造方法及图纸

一种基于深度图像的不良坐姿提醒方法和装置，该方法包括：监测Kinect摄像头拍摄的视频中每一帧深度图像，计算当前深度图像中人体的躯干弯曲角度；当所述躯干弯曲角度大于第一阈值时，确定所述当前深度图像为不良坐姿图像；当所述躯干弯曲角度小于或等于第一阈值时，计算所述当前深度图像中人体的颈部弯曲角度；当所述颈部弯曲角度大于第二阈值时，确定所述当前深度图像为不良坐姿图像；计算预设时间内所述不良坐姿图像的数量与所述预设时间内所述深度图像的总数量的比值；当所述比值大于第三阈值时，发出提示。本发明专利技术成本低、算法简单、计算量小、计算准确、效率高等特点，可在实际应用中得到更好推广和实施。

Method and device for reminding bad sitting posture based on depth image

A method and a device for prompting bad posture based on depth image, the method comprises the following steps: each frame depth image monitoring of Kinect video camera, calculate the trunk bending angle of the current body in depth image; when the trunk bending angle is greater than the first threshold value, determines the current depth image for poor posture image; when the bending angle of the trunk is less than or equal to the first threshold, calculation of the current human depth image in the neck bending angle; when the neck bending angle is greater than the second threshold, determining the current depth image for poor posture image; the ratio of the total number of calculating the number of the preset time image with bad posture the preset time of the depth of the image; when the ratio is greater than the third threshold, prompting. The invention has the advantages of low cost, simple algorithm, small amount of calculation, accurate calculation and high efficiency, and can be popularized and implemented in practical application.

【技术实现步骤摘要】
基于深度图像的不良坐姿提醒方法和装置
本专利技术涉及姿势校正
，特别是涉及一种基于深度图像的不良坐姿提醒方法和装置。
技术介绍
坐姿不仅影响青少年生长发育，对于上班族而言，也同样意义重大。实时坐姿判断对养成良好习惯，保护健康均有重大意义。而在现实生活中，除了通过人为观察和纠正达到养成健康坐姿习惯的目的外，还有比较典型方法有基于可穿戴设备方法、基于人工智能方法和基于深度图像分析的方法。其中，基于可穿戴设备方法需要在腰部等多个关节安装传感器，容易造成人体舒适度下降，且成本非常高；目前基于人工智能的行为分析方法大多采用LSTM进行深度学习，但深度学习算法必须要有大量的样本进行长时间的训练，才能达到一定的准确率，其训练成本大，时间久，不易推广；基于图像分析的方法分析过程复杂、计算量大，很难达到实时检测，实时分析，且经常出现误报的情形。
技术实现思路
鉴于上述状况，有必要针对现有技术中不良坐姿提醒方法成本高、计算量大、误报率高的问题，提供一种基于深度图像的不良坐姿提醒方法和装置。本专利技术提供了一种基于深度图像的不良坐姿提醒方法，包括：监测Kinect摄像头拍摄的视频中每一帧深度图像，计算当前深度图像中人体的躯干弯曲角度；当所述躯干弯曲角度大于第一阈值时，确定所述当前深度图像为不良坐姿图像；当所述躯干弯曲角度小于或等于第一阈值时，计算所述当前深度图像中人体的颈部弯曲角度；当所述颈部弯曲角度大于第二阈值时，确定所述当前深度图像为不良坐姿图像；计算预设时间内所述不良坐姿图像的数量与所述预设时间内所述深度图像的总数量的比值；当所述比值大于第三阈值时，发出提示。上述不良坐姿提醒方法，其中，所述计算当前深度图像中人体的躯干弯曲角度的步骤包括：确定当前深度图像中人体的腰关节点和颈关节点，并连接所述颈关节点和所述头关节点构建躯干线；计算所述躯干线与重力线的夹角的角度，以得到所述当前深度图像中人体的躯干弯曲角度。上述不良坐姿提醒方法，其中，所述计算所述当前深度图像中人体的颈部弯曲角度的步骤包括：确定当前深度图像中人体的头关节点，并连接所述颈关节点和所述头关节点构建颈部线；计算所述颈部线与重力线的夹角的角度，以得到所述当前深度图像中人体的颈部弯曲角度。上述不良坐姿提醒方法，其中，所述第一阈值和所述第二阈值均为20°。上述不良坐姿提醒方法，其中，所述第三阈值为50％。本专利技术还提供了一种基于深度图像的不良坐姿提醒装置，包括：监测模块，用于监测Kinect摄像头拍摄的视频中每一帧深度图像；第一计算模块，用于计算当前深度图像中人体的躯干弯曲角度；第一确定模块，用于当所述躯干弯曲角度大于第一阈值时，确定所述当前深度图像为不良坐姿图像；第二计算模块，用于当所述躯干弯曲角度小于或等于第一阈值时，计算所述当前深度图像中人体的颈部弯曲角度；第二确定模块，用于当所述颈部弯曲角度大于第二阈值时，确定所述当前深度图像为不良坐姿图像；第三计算模块，用于计算预设时间内所述不良坐姿图像的数量与所述预设时间内所述深度图像的总数量的比值；提示模块，用于当所述比值大于第三阈值时，发出提示。上述不良坐姿提醒装置，其中，所述第一计算模块包括：第一构建模块，用于确定当前深度图像中人体的腰关节点和颈关节点，并连接所述颈关节点和所述头关节点构建躯干线；第一计算子模块，用于计算所述躯干线与重力线的夹角的角度，以得到所述当前深度图像中人体的躯干弯曲角度。上述不良坐姿提醒装置，其中，所述第二计算模块包括：第二构建模块，确定当前深度图像中人体的头关节点，并连接所述颈关节点和所述头关节点构建颈部线；第二计算子模块，计算所述颈部线与重力线的夹角的角度，以得到所述当前深度图像中人体的颈部弯曲角度。上述不良坐姿提醒装置，其中，所述第一阈值和所述第二阈值均为20°。上述不良坐姿提醒装置，其中，所述第三阈值为50％。本专利技术实施例通过监测Kinect摄像头拍摄的每一帧深度图像，先计算当前深度图像中人体的躯干弯曲角度，若躯干弯曲角度大于第一阈值则确定当前深度图像为不良坐姿图像，若躯干弯曲角度小于或等于第一阈值时，则计算颈部弯曲角度，当颈部弯曲角度大于第二阈值时则确定当前深度图像为不良坐姿图像。然后，通过计预设时间内所有不良坐姿图像数量与所有深度图像的数量的比值，当不良坐姿图像比值超过第三阈值时，进行告警提示。本专利技术成本低、算法简单、计算量小、计算准确、效率高等特点，可在实际应用中得到更好推广和实施。附图说明图1为本专利技术第一实施例中的基于深度图像的不良坐姿提醒方法的流程图；图2为本专利技术第二实施例中的基于深度图像的不良坐姿提醒方法的流程图；图3为人体骨骼点的示意图；图4a为一帧深度图像；图4b表示的是图4a中躯干线和颈部线在三维空间中的位置示意图；图4c是图4b中颈部弯曲角度的示意图；图5为本专利技术第三实施例中的基于深度图像的不良坐姿提醒装置的结构框图；图6为图5中第一计算模块的结构框图；图7为图5中第二计算模块的结构框图。具体实施方式下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本专利技术，而不能理解为对本专利技术的限制。参照下面的描述和附图，将清楚本专利技术的实施例的这些和其他方面。在这些描述和附图中，具体公开了本专利技术的实施例中的一些特定实施方式，来表示实施本专利技术的实施例的原理的一些方式，但是应当理解，本专利技术的实施例的范围不受此限制。相反，本专利技术的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。请参阅图1为本专利技术第一实施例中的基于深度图像的不良坐姿提醒方法，包括步骤S11～S17。步骤S11，监测Kinect摄像头拍摄的视频中每一帧深度图像，计算当前深度图像中人体的躯干弯曲角度。本实施例通过Kinect深度摄像头，对进入监控环境进行监控与分析。Kinect摄像头比一般的摄像头更为智能，首先，它能够发射红外线，从而对整个房间进行立体定位，Kinect摄像头则可以借助红外线来识别人体的运动，对人体的骨骼点进行实时追踪。对Kinect深度摄像头拍摄的视频中每一帧深度图像中进行人体骨架模型匹配，追踪所述深度图像的人体的骨架关节点，以确定当前深度图像中人体的躯干线，并计算人体躯干线与重力线的夹角，得到人体的躯干弯曲角度。其中，重力线是重力的作用线，是自重心垂直于地面的线。步骤S12，判断所述躯干弯曲角度是否大于第一阈值，若是执行步骤S13，否则执行步骤S14。步骤S13，确定所述当前深度图像为不良坐姿图像。结合Fransson-Hall在1995年所提出的经典医学坐姿判断方法(PEO)，所述第一阈值取20°。当躯干弯曲角度大于20°时，说明人体的当前坐姿为不良坐姿。步骤S14，计算所述当前深度图像中人体的颈部弯曲角度。步骤S15，当所述颈部弯曲角度大于第二阈值时，确定所述当前深度图像为不良坐姿图像。当躯干弯曲度处于正常范围时，通过Kinect确定当前深度图像中人体的颈部线，计算颈部线与重力线的夹角得到人体的颈部弯曲角度。当颈部弯曲角度大于第二阈值时，说明人体的当前坐姿为不良坐姿。当颈部弯曲角度小于或等于第二阈值时说明人体的当前坐姿为正常坐姿，则分析下一本文档来自技高网...

【技术保护点】
一种基于深度图像的不良坐姿提醒方法，其特征在于，包括：监测Kinect摄像头拍摄的视频中每一帧深度图像，计算当前深度图像中人体的躯干弯曲角度；当所述躯干弯曲角度大于第一阈值时，确定所述当前深度图像为不良坐姿图像；当所述躯干弯曲角度小于或等于第一阈值时，计算所述当前深度图像中人体的颈部弯曲角度；当所述颈部弯曲角度大于第二阈值时，确定所述当前深度图像为不良坐姿图像；计算预设时间内所述不良坐姿图像的数量与所述预设时间内所述深度图像的总数量的比值；当所述比值大于第三阈值时，发出提示。

【技术特征摘要】
1.一种基于深度图像的不良坐姿提醒方法，其特征在于，包括：监测Kinect摄像头拍摄的视频中每一帧深度图像，计算当前深度图像中人体的躯干弯曲角度；当所述躯干弯曲角度大于第一阈值时，确定所述当前深度图像为不良坐姿图像；当所述躯干弯曲角度小于或等于第一阈值时，计算所述当前深度图像中人体的颈部弯曲角度；当所述颈部弯曲角度大于第二阈值时，确定所述当前深度图像为不良坐姿图像；计算预设时间内所述不良坐姿图像的数量与所述预设时间内所述深度图像的总数量的比值；当所述比值大于第三阈值时，发出提示。2.如权利要求1所述的不良坐姿提醒方法，其特征在于，所述计算当前深度图像中人体的躯干弯曲角度的步骤包括：确定当前深度图像中人体的腰关节点和颈关节点，并连接所述颈关节点和所述头关节点构建躯干线；计算所述躯干线与重力线的夹角的角度，以得到所述当前深度图像中人体的躯干弯曲角度。3.如权利要求2所述的不良坐姿提醒方法，其特征在于，所述计算所述当前深度图像中人体的颈部弯曲角度的步骤包括：确定当前深度图像中人体的头关节点，并连接所述颈关节点和所述头关节点构建颈部线；计算所述颈部线与重力线的夹角的角度，以得到所述当前深度图像中人体的颈部弯曲角度。4.如权利要求3所述的不良坐姿提醒方法，其特征在于，所述第一阈值和所述第二阈值均为20°。5.如权利要求1所述的不良坐姿提醒方法，其特征在于，所述第三阈值为50％。6.一种基于深度图像的不良坐姿提醒装置，其特征在于，包括：监测...

【专利技术属性】
技术研发人员：姚磊岳，闵卫东，
申请(专利权)人：南昌大学，
类型：发明
国别省市：江西,36