一种基于姿态矫正的疾病预防的移动端系统及方法技术方案

本发明专利技术公开了一种基于姿态矫正的疾病预防的移动端系统，包括数据训练模块，模型转换模块，行为获取模块，行为识别模块，数据分析模块；所述数据训练模块，其用于得到图片数据训练集，骨骼的关键点检测，关键点的特征向量的提取和神经网络的分类；所述模型转换模块，其用于识别模型和模型转换；所述行为获取模块，其用于获取用户目前姿态和截取图像；所述行为识别模块，其用于特征向量的提取，特征向量导入模型和姿态识别；所述数据分析模块，其用于姿态分析和显示动作。本发明专利技术可以有效的缓解当代人由于长时间玩手机而引发的颈椎病和近视眼的问题，并且本发明专利技术方便携带，可以直接在简单的移动设备上就可以实现。

A mobile terminal system and method for disease prevention based on posture correction

【技术实现步骤摘要】
一种基于姿态矫正的疾病预防的移动端系统及方法
本专利技术涉及人工智能
，具体涉及一种基于姿态矫正的疾病预防的移动端系统及方法。
技术介绍
现如今，手机的功能越来越多，发消息玩游戏听音乐看新闻，人们越来越难离开手机，低头族在地铁，公交车站等各个地方随处可见，在人们沉浸于手机带来的快乐和便利的时候，非常容易忘记时间，长时间的盯着手机和姿势的不准确，会导致人们越来越容易患上颈椎病和近视眼。现在的姿态识别都是在特定的较为大型的机器上(如kinect)，基于x86的架构上来保证识别的流畅性和准确性，但是其缺点在于不方便携带，不够便捷。因此，为保证可以实时的对玩手机的群体进行姿态矫正并预防颈椎病，方便可携带的设备显得十分重要。
技术实现思路
本专利技术涉及的是人工智能
，具体的是通过简单便携的嵌入式单片机来通过人的姿态识别进行每隔一段时间的颈椎运动和眼保健操运动并进行动作矫正，从而避免当代人由于长时间玩手机而引发的颈椎病和近视眼的问题。本专利技术目的：错误的眼保健操和颈椎活动反而会对眼睛和颈椎造成压力，起不到预防和保护的作用。而借助姿态识别来纠正姿势需要利用特定的设备,没办法实现随时随地的效果。针对这些问题，本专利技术给出了一种在移动端定时的进行眼保健操和颈椎活动提醒，并且打开移动设备的摄像头对使用者进行眼保健操和颈椎活动矫正的方法。本专利技术提出了一种基于姿态矫正的疾病预防的移动端系统，包括数据训练模块，模型转换模块，行为获取模块，行为识别模块，数据分析模块；其中，>所述数据训练模块，其用于得到图片数据训练集，骨骼的关键点检测，关键点的特征向量的提取和神经网络的分类；所述模型转换模块，其用于识别模型和模型转换；所述行为获取模块，其用于获取用户目前姿态和截取图像；所述行为识别模块，其用于特征向量的提取，特征向量导入模型和姿态识别；所述数据分析模块，其用于姿态分析和显示动作。本专利技术中，所述关键点的特征向量的提取，先对得到的图片数据训练集进行预处理，得到相同大小的图片，利用网络层数对图片进行提取，得到图片的特征，并使图片特征通过连续的多阶网络进行处理，将结果连接起来形成人的姿势骨架。本专利技术中，所述模型转换，选择MobileNet-SSD作为神经网络模型，将训练文件低秩因子分解，执行向前网络。本专利技术中，在用户设置好触发时间后，该系统是一个强制的运行程序，先对用户发出特定的指令，检测识别的准确度和流畅度是否达到阈值，若没有达到阈值，将重新进行识别，若达到阈值，用户可选择要进行的预防疾病的训练，并进行下一步的训练。本专利技术中，所述姿态分析，对于被识别对象的现有姿态进行分析，指导被识别对象完成相应的动作。本专利技术中，所述显示动作，将被识别对象的动作与软件发出指令进行对比，判断被识别对象完成的动作是否准确，分析完成后进行下一步动作或者结束程序。基于以上系统，本专利技术还提出了一种基于姿态矫正的疾病预防的移动端方法，包括以下：数据训练模块：步骤1.1，初始化移动设备；步骤1.2，用户持该移动设备完成指定的动作，通过移动设备的摄像头采集该动作的图像；步骤1.3，将该图像进行数据预处理，把图像处理成统一的大小，并且对图像所涉及的关节进行标注，利用VGG-19网络的前10层对图片进行处理，得到图片的特征F；步骤1.4，特征F通过一个连续的多阶段网络进行处理，网络的每个阶段包含了两个分支，其输入结果分别为CNN_S，CNN_L和L；步骤1.5，通过L,评估两个输入结果CNN_S和CNN_L两个坐标点连接起来的可能性，将其连接起来，形成人的姿势骨架，将得到处理后的数据作为行为姿态样本数据用于训练；步骤1.6，将得到的大量数据进行多层的训练，得到一个训练好的模型文件；模型转换模块：步骤2.1，导入并读取训练好的模型文件，识别模型网络中的张量数据的类型/格式、运算单元的类型和参数、计算图的结构和命名规范，以及它们之间的其他关联信息；步骤2.2，选择MobileNet-SSD作为神经网络模型，其中MobiletNet-SSD网络模型为T1层的卷积层和T2层的全连接层，其中卷积层的输出作为全连接层的输入，将训练好的文件通过低秩因子分解，对参数进行分解估计信息参数，去除冗余和不必要的参数；步骤2.3，执行向前网络，获得计算结果；行为获取模块：步骤3.1，开启移动端所选用的单片机U1,其中它的时钟电路包括时钟芯片U2,以及与时钟芯片U2相连的晶振T2,时钟电路U3通过SCLK、I/O、CE管脚与单片机U1相连，为单片机U1提供时钟时间；步骤3.2，用户设置好每次的间隔时间，则每隔一段时间就会触发一次中断，用户同样可以设置这个中断的优先级，如果碰上更优先于这个中断的程序，那么这个中断将不会发生；步骤3.3，用户在中断发生后，进入界面。后台获取用户目前姿态；步骤3.4，截取用户的当前姿态；行为识别模块：步骤4.1，用户将进入系统屏幕指定的框中，保证面部及肢体的关节都能被识别到，提取用户的特征向量；步骤4.2，根据提取到的用户的特征向量导入模型；步骤4.3，对用户进行姿态识别，如果未被识别，系统将会提醒，并让用户重新进入屏幕所示的指定框中，重新返回步骤4.1，直至识别为止；数据分析模块：步骤5.1，系统将进行第一个动作，用户需要根据系统指令完成相应的动作，同时系统将再次识别在动态的情况下，用户的姿态识别的准确度和流畅度是否高于阈值：如果用户的姿态识别的准确度和流畅度高于阈值，那么用户将会进入步骤5.2；如果用户的姿态识别的准确度和流畅度低于阈值，则系统将会重新进入识别步骤4.1；步骤5.2，系统展示正确的眼保健操动作，用户根据指定的命令跟着完成，如果姿势标准，系统将会进行下一个动作并记录在后台，如果经过检测，姿态不标准，将会要求重新跟着系统再次完成该动作，并且语音播报不标准的位置；步骤5.3，在完成眼保健操动作后，系统展示正确的颈椎训练姿势，用户跟着指令完成动作，如果检测，动作不合格，则无法进入下一个步骤，并且系统语音播报动作不标准的位置，如果检测合格，则可以直接进入下一步，并记录在后台；步骤5.4，在完成步骤5.2和步骤5.3之后，中断将会关闭，系统会继续中断之前的状态。该专利技术在保证流畅性和准确性的前提下将较为庞大的神经网络系统移植到方便携带且便宜的嵌入式设备上，设计出了一款可以在手机上就可以完成的预防颈椎病和近视的软件，便携性和准确性是这种新型实用型专利技术的主要优势，对于保障人们的健康显得尤为重要。与现有的技术相比，本专利技术的优势在于：适用性强，方便携带，将不再需要特定的大型的设备需求，设备简单，只需要简单的单片机以及可以识别人的摄像头即可，同时保障了在架构改变的同时识别的流畅性和稳定性。在大家离不开手机的时代里，时时刻刻便捷的提醒使用者，使得使用者在享受手机带来本文档来自技高网...

【技术保护点】
1.一种基于姿态矫正的疾病预防的移动端系统，其特征在于，包括数据训练模块，模型转换模块，行为获取模块，行为识别模块，数据分析模块；其中，/n所述数据训练模块，其用于得到图片数据训练集，骨骼的关键点检测，关键点的特征向量的提取和神经网络的分类；/n所述模型转换模块，其用于识别模型和模型转换；/n所述行为获取模块，其用于获取用户目前姿态和截取图像；/n所述行为识别模块，其用于特征向量的提取，特征向量导入模型和姿态识别；/n所述数据分析模块，其用于姿态分析和显示动作。/n

【技术特征摘要】
1.一种基于姿态矫正的疾病预防的移动端系统，其特征在于，包括数据训练模块，模型转换模块，行为获取模块，行为识别模块，数据分析模块；其中，
所述数据训练模块，其用于得到图片数据训练集，骨骼的关键点检测，关键点的特征向量的提取和神经网络的分类；
所述模型转换模块，其用于识别模型和模型转换；
所述行为获取模块，其用于获取用户目前姿态和截取图像；
所述行为识别模块，其用于特征向量的提取，特征向量导入模型和姿态识别；
所述数据分析模块，其用于姿态分析和显示动作。


2.根据权利要求1所述的基于姿态矫正的疾病预防的移动端系统，其特征在于，所述关键点的特征向量的提取，先对得到的图片数据训练集进行预处理，得到相同大小的图片，利用网络层数对图片进行提取，得到图片的特征，并使图片特征通过连续的多阶网络进行处理，将结果连接起来形成人的姿势骨架。


3.根据权利要求1所述的基于姿态矫正的疾病预防的移动端系统，其特征在于，所述模型转换，选择MobileNet-SSD作为神经网络模型，将训练文件低秩因子分解，执行向前网络。


4.根据权利要求1所述的基于姿态矫正的疾病预防的移动端系统，其特征在于，在用户设置好触发时间后，该系统是一个强制的运行程序，先对用户发出特定的指令，检测识别的准确度和流畅度是否达到阈值，若没有达到阈值，将重新进行识别，若达到阈值，用户可选择要进行的预防疾病的训练，并进行下一步的训练。


5.根据权利要求1所述的基于姿态矫正的疾病预防的移动端系统，其特征在于，所述姿态分析，对于被识别对象的现有姿态进行分析，指导被识别对象完成相应的动作。


6.根据权利要求1所述的基于姿态矫正的疾病预防的移动端系统，其特征在于，所述显示动作，将被识别对象的动作与软件发出指令进行对比，判断被识别对象完成的动作是否准确，分析完成后进行下一步动作或者结束程序。


7.一种基于姿态矫正的疾病预防的移动端方法，其特征在于，包括以下：
数据训练模块：
步骤1.1，初始化移动设备；
步骤1.2，用户持该移动设备完成指定的动作，通过移动设备的摄像头采集该动作的图像；
步骤1.3，将该图像进行数据预处理，把图像处理成统一的大小，并且对图像所涉及的关节进行标注，利用VGG-19网络的前10层对图片进行处理，得到图片的特征F；
步骤1.4，特征F通过一个连续的多阶段网络进行处理，网络的每个阶段包含了两个分支，其输入结果分别为CNN_S，CNN_L和L；
步骤1.5，通过L,评估两个输入结果CNN_S和CNN_L两个坐标点连接起来的可能性，将其连接起来，形成人的姿势骨架，将得到处理后的数据作为行为姿态样本数据用于训练；
步骤...

【专利技术属性】
技术研发人员：傅嘉薇，王龙龙，
申请(专利权)人：华东师范大学，
类型：发明
国别省市：上海;31