一种基于深度相机Kinect的人体坐姿识别方法技术

本发明专利技术属于深度相机识别相关技术领域，更具体地，涉及一种基于深度相机Kinect的人体坐姿识别方法。该方法包括下列步骤：S1采用Kinect相机捕捉该待识别对象的图像，识别对象的多个骨骼关节特征点的三维位置坐标以及四元数位置坐标；S2计算待识别对象双眼到被阅读对象之间的距离，双肩高度差和脊椎角度；然后计算每段骨骼的三向旋转角度；S3将计算结果分别与各自对应的预设可接受范围进行比较，若计算结果均在预设可接受范围内，该待识别对象的坐姿合格，否则不合格。通过本发明专利技术，高效的解决了人体坐姿识别的问题，准确性和舒适性高，成本低廉。

【技术实现步骤摘要】
一种基于深度相机Kinect的人体坐姿识别方法
本专利技术属于深度相机识别相关
，更具体地，涉及一种基于深度相机Kinect的人体坐姿识别方法。
技术介绍
随着现代社会学业竞争压力水平的上升，青少年儿童成长发育的健康隐患也越专利技术显。当进入工作学习状态时，我们的每一部分脊椎骨也同步进入了紧张的负载姿态。为了认真地观察书本与屏幕，颈椎必须长期处于僵直状态，如果是看书写字，还会处于僵硬的低头姿态，这是对颈椎最不好的姿态之一。长时间的伏案读写，不规范的坐姿是导致青少年儿童近视、驼背、脊柱侧向倾斜等症状的直接因素。我国青少年驼背率47％，大学生近视率77％，世界近视人数更是有14亿之多。本专利技术方法运用深度相机Kinect，通过人体姿态识别技术来提醒使用者在学习过程中端正坐姿，为青少年儿童的健康成长提供帮助，具有相当的实际意义。人体坐姿识别，基于深度相机Kinect，利用人体骨骼追踪，获取覆盖人体32个骨骼关节特征点的位置信息。将捕捉的骨骼关节特征点与真实骨骼进行动作联动，利用几何学，获取双眼到阅读对象的距离、双肩高度差与腰椎的弯曲角度等坐姿判别指标。利用3D图形学，通过四元数位置信息到欧拉角位置信息的转化，获取脊椎各部分骨骼的三向旋转角度。由以上判别指标进行人体综合坐姿识别与评估。目前，人体坐姿识别仍处于起步探索阶段。现有的机械式坐姿检测系统优点在于准确性高实时性高，但存在舒适度低、成本高的缺陷；现有的光学式坐姿检测系统优点在于舒适性高、成本低，但存在硬件要求高、使用制约多的缺陷；现有的RGB图像式坐姿检测系统优点在于效率高，但存在缺少深度信息的缺陷。因此，急需一种准确性高，成本低以及准确率高的人体坐姿识别方法。
技术实现思路
针对现有技术的以上缺陷或改进需求，本专利技术提供了一种基于深度相机Kinect的人体坐姿识别方法，其中通过采用深度相机Kinect捕捉人体的人关节特征点，三维位置坐标以及四元位置坐标，利用上述捕捉的结果对人体坐姿进行识别和判断，准确性和舒适性高，同时成本低廉，高效的解决了人体坐姿识别的问题。为实现上述目的，按照本专利技术，提供了一种基于深度相机Kinect的人体坐姿识别方法，该方法包括下列步骤：S1对于待识别对象，采用Kinect相机捕捉该待识别对象的图像，在该图像中是识别待识别对象的多个骨骼关节特征点的三维位置坐标以及四元数位置坐标；S2利用获得的关节特征点的所述三维位置坐标，计算待识别对象双眼到被阅读对象之间的距离，双肩高度差和脊椎角度；然后利用获得的关节特征点的所述四元数位置坐标计算每段骨骼的三向旋转角度；S3将步骤S2中获得的计算结果分别与各自对应的预设可接受范围进行比较，若计算结果均在预设可接受范围内，该待识别对象的坐姿合格，否则不合格。进一步优选地，在步骤S2中，所述计算脊椎角度按照下列步骤进行：获取所述脊椎上的三个关节特征点，包括颈椎关节特征点，胸椎关节特征点和腰椎关节特征点，然后连接该三个关节特征点，最后计算颈椎和胸椎之间的连线与胸椎和腰椎之间的连线的夹角，该夹角即为脊椎角度。进一步优选地，在步骤S2中，所述利用获得的关节特征点的所述四元数位置坐标计算每段骨骼的三向旋转角度按照下列步骤进行：对于每个关节特征点，选取与其相邻的关节特征点作为其父关节点；S21对于每个关节特征点，选取与其相邻的关节特征点作为其父关节点；S22构建地面坐标系OXgYgZg，水平指向待识别对象后方的方向为Zg轴方向，竖直向下方向为Yg轴的正方向，原点为子关节特征点；S23构建转动坐标系OXbYbZb，其中，子关节特征点指向该子关节特征点对应的父关节特征点的方向为Xb轴的正方向，Yb和Zb的正方向与Yg、Zg正方向相同,原点为子关节特征点；S24根据子关节特征点和父关节特征点的四元数位置位置坐标计算确定Xb轴的正方向，S25分别计算Xb与XgOYg平面的夹角，即俯仰角θ；Xb轴在XgOYg平面上的投影与Xg的夹角，即偏航角ψ；Zb轴与通过Xb轴的铅垂面的夹角,即翻滚角Φ，该俯仰角θ，偏航角ψ和翻滚角Φ即为所需的三向旋转角度。进一步优选地，在步骤S3中，所述双眼到被阅读对象之间的距离的可接受范围为：正双眼到被阅读对象之间的绝对距离在200mm～400mm，双眼距被阅读对象之间的距离差在0～20mm。进一步优选地，在步骤S3中，所述双肩高度差的可接受范围为：0～100mm。进一步优选地，在步骤S3中，所述脊椎角度的可接受范围为：125°～160°。进一步优选地，在步骤S1中，所述多个骨骼关节特征点优选为32个。总体而言，通过本专利技术所构思的以上技术方案与现有技术相比，具备下列有益效果：1.本专利技术通过主要检测数据输出人体双眼到阅读对象距离及双眼距离差、双肩高度差、脊椎夹角和每段骨骼的三向旋转角度等准确参数结果，评估受试者坐姿是否合理健康，结合阅读时间和坐姿，评估用户的疲劳度和专注度，若人坐姿不合适则给予用户对应的提示，准确性和舒适性高，同时成本低廉；2.本专利技术与现有的RGB图像式人体坐姿检测系统相比优势在于：Kinect本身属于廉价深度相机，故成本较低，Kinect软件及工作原理十分简单，运用了深度信息，在三维空间运动等非平面运动中，不受光照及衣物的影响，有良好表现；3.本专利技术方与现有的机械式坐姿检测系统的优势在于：本专利技术的舒适度高，受试者身上不需要佩戴额外传感器，不会造成活动不便，不需要适配传感器，故成本较低，性价比高，同时Kinect属于高帧率深度相机，高帧的特点保证了坐姿识别的实时性；4.本专利技术与现有的光学式坐姿检测系统的优势在于：实用性高，硬件要求低，使用制约少，主要应用于学生以及久坐工作人员的坐姿矫正与脊椎保护等场景。附图说明图1是按照本专利技术的优选实施例所构建的基于深度相机Kinect的人体坐姿识别方法的流程示意图；图2是按照本专利技术的优选实施例所构建的深度相机捕捉人体的32个骨骼关节特征点示意图；图3是按照本专利技术的优选实施例所构建的双眼到被阅读对象之间距离时的结构示意图；图4是按照本专利技术的优选实施例所构建的双肩高度差检测时的结构示意图；图5是按照本专利技术的优选实施例所构建的脊椎角度检测时的结构示意图；图6是按照本专利技术的优选实施例所构建的每段骨骼的三向旋转角度检测时的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。此外，下面所描述的本专利技术各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。如图1所示，本专利技术提供一种基于深度相机Kinect的人体坐姿识别方法，该方法具体包括如下步骤：1)对Kinect进行软硬件开发，通过骨骼追踪获取人体32个骨骼关节特征点的位置信息；具体为：在visu本文档来自技高网...

【技术保护点】
1.一种基于深度相机Kinect的人体坐姿识别方法，其特征在于，该方法包括下列步骤：/nS1对于待识别对象，采用Kinect相机捕捉该待识别对象的图像，在该图像中识别待识别对象的多个骨骼关节特征点的三维位置坐标以及四元数位置坐标；/nS2利用获得的关节特征点的所述三维位置坐标，计算待识别对象双眼到被阅读对象之间的距离，双肩高度差和脊椎角度；然后利用获得的关节特征点的所述四元数位置坐标计算每段骨骼的三向旋转角度；/nS3将步骤S2中获得的计算结果分别与各自对应的预设可接受范围进行比较，若计算结果均在预设可接受范围内，该待识别对象的坐姿合格，否则不合格。/n

【技术特征摘要】
1.一种基于深度相机Kinect的人体坐姿识别方法，其特征在于，该方法包括下列步骤：
S1对于待识别对象，采用Kinect相机捕捉该待识别对象的图像，在该图像中识别待识别对象的多个骨骼关节特征点的三维位置坐标以及四元数位置坐标；
S2利用获得的关节特征点的所述三维位置坐标，计算待识别对象双眼到被阅读对象之间的距离，双肩高度差和脊椎角度；然后利用获得的关节特征点的所述四元数位置坐标计算每段骨骼的三向旋转角度；
S3将步骤S2中获得的计算结果分别与各自对应的预设可接受范围进行比较，若计算结果均在预设可接受范围内，该待识别对象的坐姿合格，否则不合格。


2.如权利要求1所述的一种基于深度相机Kinect的人体坐姿识别方法，其特征在于，在步骤S2中，所述计算脊椎角度按照下列步骤进行：获取所述脊椎上的三个关节特征点，包括颈椎关节特征点，胸椎关节特征点和腰椎关节特征点，然后连接该三个关节特征点，最后计算颈椎和胸椎之间的连线与胸椎和腰椎之间的连线的夹角，该夹角即为脊椎角度。


3.如权利要求1所述的一种基于深度相机Kinect的人体坐姿识别方法，其特征在于，在步骤S2中，所述利用获得的关节特征点的所述四元数位置坐标计算每段骨骼的三向旋转角度按照下列步骤进行：
S21对于每个关节特征点，选取与其相邻的关节特征点作为其父关节点；
S22构建地面坐标系OXgYgZg，水平指向待识别对象后方的方向为Zg轴方向，竖直向下方...

【专利技术属性】
技术研发人员：冀晶晶，姚子恒，
申请(专利权)人：华中科技大学，
类型：发明
国别省市：湖北;42