一种人体坐姿识别方法、装置、设备及存储介质制造方法及图纸

本发明专利技术实施例公开了一种人体坐姿识别方法、装置、设备及存储介质，该方法包括：通过外接摄像头获取人体坐姿图像；将人体坐姿图像输入至人体骨架关键点识别模型，得到人体骨架关键点特征信息；其中，人体骨架关键点识别模型是预先训练得到；根据人体骨架关键点特征信息构建包含关键点特征信息的图像；将包含关键点特征信息的图像输入至人体坐姿识别模型，得到人体坐姿识别结果；其中，人体坐姿识别模型是预先训练得到。通过运行本发明专利技术实施例所提供的技术方案，可以解决坐姿识别成本高，不能获取到有效信息进行坐姿判断，判断坐姿不够准确的问题，实现降低人体坐姿识别的成本，提高人体坐姿识别的成功率和准确率的效果。

A method, device, equipment and storage medium for human sitting recognition

【技术实现步骤摘要】
一种人体坐姿识别方法、装置、设备及存储介质
本专利技术实施例涉及计算机技术，尤其涉及一种人体坐姿识别方法、装置、设备及存储介质。
技术介绍
坐姿是否正确健康，对于儿童，特别是学龄儿童的视力及身体健康等有着很深远的影响。现有坐姿判断方式中，一种是在座椅或座椅靠背等物理装置中设置传感器电路，通过判断人体后背或者其它设定位置与物理装置是否有接触来判断坐姿。或者基于计算机视觉算法中的人脸检测算法，对人脸进行检测，利用人脸姿态角度范围及人脸检测框的像素坐标来推算当前坐姿，从而进行判断。基于物理装置的判断的成本较高，并且由于使用者年龄身高有差异，导致无法准确针对个人判断。通过人脸的状态推算人体坐姿判断时，当在人脸处于低头或遮挡的情况时，并不能从人脸获取到有效信息进行判断；并且由于没有对人体头肩及上身姿态进行判断，忽略了人体的相关信息，最终的判断不够准确。
技术实现思路
本专利技术实施例提供一种人体坐姿识别方法、装置、设备及存储介质，以实现降低人体坐姿识别的成本，提高人体坐姿识别的成功率和准确率的效果。第一方面，本专利技术实施例提供了一种人体坐姿识别方法，该方法包括：通过外接摄像头获取人体坐姿图像；将所述人体坐姿图像输入至人体骨架关键点识别模型，得到人体骨架关键点特征信息；其中，所述人体骨架关键点识别模型是预先训练得到；根据所述人体骨架关键点特征信息构建包含关键点特征信息的图像；将所述包含关键点特征信息的图像输入至人体坐姿识别模型，得到人体坐姿识别结果；其中，所述人体坐姿识别模型是预先训练得到。第二方面，本专利技术实施例还提供了一种人体坐姿识别装置，该装置包括：图像获取模块，用于通过外接摄像头获取人体坐姿图像；特征信息获取模块，用于将所述人体坐姿图像输入至人体骨架关键点识别模型，得到人体骨架关键点特征信息；其中，所述人体骨架关键点识别模型是预先训练得到；图像构建模块，用于根据所述人体骨架关键点特征信息构建包含关键点特征信息的图像；识别结果获取模块，用于将所述包含关键点特征信息的图像输入至人体坐姿识别模型，得到人体坐姿识别结果；其中，所述人体坐姿识别模型是预先训练得到。第三方面，本专利技术实施例还提供了一种设备，该设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的人体坐姿识别方法。第四方面，本专利技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的人体坐姿识别方法。本专利技术实施例通过外接摄像头获取人体坐姿图像；将所述人体坐姿图像输入至人体骨架关键点识别模型，得到人体骨架关键点特征信息；其中，所述人体骨架关键点识别模型是预先训练得到；根据所述人体骨架关键点特征信息构建包含关键点特征信息的图像；将所述包含关键点特征信息的图像输入至人体坐姿识别模型，得到人体坐姿识别结果；其中，所述人体坐姿识别模型是预先训练得到。解决坐姿识别成本高，不能获取到有效信息进行坐姿判断，判断坐姿不够准确的问题，实现降低人体坐姿识别的成本，提高人体坐姿识别的成功率和准确率的效果。附图说明图1为本专利技术实施例一提供的人体坐姿识别的流程图；图2为本专利技术实施例二提供的一种人体坐姿识别方法的流程图；图3为本专利技术实施例三所提供的一种人体坐姿识别装置的结构示意图；图4为本专利技术实施例四提供的一种设备的结构示意图。具体实施方式下面结合附图和实施例对本专利技术作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本专利技术，而非对本专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本专利技术相关的部分而非全部结构。实施例一图1为本专利技术实施例一提供的人体坐姿识别的流程图，本实施例可适用于基于人体骨架关键点识别人体坐姿的情况，该方法可以由本专利技术实施例所提供的人体坐姿识别装置来执行，该装置可以由软件和/或硬件的方式实现。参见图1，本实施例提供的人体坐姿识别方法，包括：步骤110、通过外接摄像头获取人体坐姿图像。其中，外接摄像头可以为单目摄像头。通过外接摄像头拍摄获取人体坐姿的二维图像，图像可以为帧序列图像。人体可以为单人或者多人，本实施例对此不作限制。步骤120、将所述人体坐姿图像输入至人体骨架关键点识别模型，得到人体骨架关键点特征信息；其中，所述人体骨架关键点识别模型是预先训练得到。其中，人体骨架关键点识别模型可以基于自底向上的人体关键点检测算法，即先检测出关键点,再判断每一个关键点属于哪一个人。人体骨架关键点可以为头、脖子、双肩、肘部、手腕、胯、双腿、双膝、双脚踝等；人体骨架关键点识别模型可以通过卷积神经网络等机器学习模型预先训练得到，本实施例对此并不进行任何限制。将人体坐姿图像输入至人体骨架关键点识别模型，可以直接得到人体骨架关键点特征信息。步骤130、根据所述人体骨架关键点特征信息构建包含关键点特征信息的图像。其中，包含关键点特征信息的图像，为将人体骨架关键点的特征信息提取后构成的二维图像，图像中仅存在人体骨架关键点的特征信息。可以将个人的骨架关键点按照关键点之间的关系连接，构成骨架图。步骤140、将所述包含关键点特征信息的图像输入至人体坐姿识别模型，得到人体坐姿识别结果；其中，所述人体坐姿识别模型是预先训练得到。其中，人体坐姿识别结果可以为正坐、左偏坐、右偏坐、站立、后仰、前趴等；人体坐姿识别模型可以通过卷积神经网络等机器学习模型预先训练得到，本实施例对此并不进行任何限制。将包含关键点特征信息的图像输入至人体坐姿识别模型，可以直接得到人体坐姿识别结果。本实施例所提供的技术方案，通过外接摄像头获取人体坐姿图像；将所述人体坐姿图像输入至人体骨架关键点识别模型，得到人体骨架关键点特征信息；其中，所述人体骨架关键点识别模型是预先训练得到；根据所述人体骨架关键点特征信息构建包含关键点特征信息的图像；将所述包含关键点特征信息的图像输入至人体坐姿识别模型，得到人体坐姿识别结果；其中，所述人体坐姿识别模型是预先训练得到。解决坐姿识别成本高，不能获取到有效信息进行坐姿判断，判断坐姿不够准确的问题，实现降低人体坐姿识别的成本，提高人体坐姿识别的成功率和准确率的效果。在上述技术方案的基础上，可选的，将所述包含关键点特征信息的图像输入至人体坐姿识别模型，得到人体坐姿识别结果，包括：获取连续至少两帧所述包含关键点特征信息的图像中的人体坐姿特征；将所述人体坐姿特征输入至所述人体坐姿识别模型，得到人体坐姿识别结果。其中，人体坐姿识别模型，不是单独对单帧图像进行分析，而是基于连续至少两帧图像中前后帧之间的关联关系对人体坐姿特征进行处理，从而获取人体坐姿识别结果。人体坐姿识别模型人体坐姿识别模型可以通过基于时序的机器学习模型，例如循环神经网络，预先训练得到。本文档来自技高网...

【技术保护点】
1.一种人体坐姿识别方法，其特征在于，包括：/n通过外接摄像头获取人体坐姿图像；/n将所述人体坐姿图像输入至人体骨架关键点识别模型，得到人体骨架关键点特征信息；其中，所述人体骨架关键点识别模型是预先训练得到；/n根据所述人体骨架关键点特征信息构建包含关键点特征信息的图像；/n将所述包含关键点特征信息的图像输入至人体坐姿识别模型，得到人体坐姿识别结果；其中，所述人体坐姿识别模型是预先训练得到。/n

【技术特征摘要】
1.一种人体坐姿识别方法，其特征在于，包括：
通过外接摄像头获取人体坐姿图像；
将所述人体坐姿图像输入至人体骨架关键点识别模型，得到人体骨架关键点特征信息；其中，所述人体骨架关键点识别模型是预先训练得到；
根据所述人体骨架关键点特征信息构建包含关键点特征信息的图像；
将所述包含关键点特征信息的图像输入至人体坐姿识别模型，得到人体坐姿识别结果；其中，所述人体坐姿识别模型是预先训练得到。


2.根据权利要求1所述的方法，其特征在于，将所述包含关键点特征信息的图像输入至人体坐姿识别模型，得到人体坐姿识别结果，包括：
获取连续至少两帧所述包含关键点特征信息的图像中的人体坐姿特征；
将所述人体坐姿特征输入至所述人体坐姿识别模型，得到人体坐姿识别结果。


3.根据权利要求1所述的方法，其特征在于，在得到人体坐姿识别结果之后，所述方法还包括：
根据所述人体坐姿识别结果确定人体坐姿是否正确；
若持续第一预设时长，人体坐姿的判断结果均为不正确，则进行坐姿矫正提醒操作。


4.根据权利要求1所述的方法，其特征在于，在获取人体坐姿识别结果之后，所述方法还包括：
若持续第二预设时间长，获取的所述人体坐姿识别结果均为静坐状态时，则进行久坐提醒操作。


5.根据权利要求1所述的方法，其特征在于，根据所述人体骨架关键点特征信息构建包含关键点特征信息的图像，包括：
根据所述人体骨架关键点特征信息，确定人体骨架关键点的空间位置；
若所述人体骨架关键点包含了所有目标关键点，则基于人体骨架关键点的空间位置生成包含关键点特征信息的二维图像；
若所述人体骨架关键点未包含所有目标关键点，则根据已知人体骨架关键点的空间位置推断未知人体骨架关键点的空间位置；并基于已知人体骨...

【专利技术属性】
技术研发人员：汤炜，
申请(专利权)人：北京儒博科技有限公司，
类型：发明
国别省市：北京;11