本发明专利技术涉及坐姿纠正，具体涉及一种可识别儿童坐姿并自动语音纠正的台灯，包括台灯本体，安装在台灯本体上的双目摄像头，基于采集图像识别儿童坐姿的坐姿识别模块，基于采集图像对儿童脊柱进行检测的脊柱检测模块，控制器，以及语音提示模块，坐姿识别模块利用卷积滤波器对采集图像进行矩阵运算，形成特征图，并对相似特征合并进行降维，输入全连接层后得到坐姿识别结果，脊柱检测模块基于对采集图像进行深度识别、身体识别、头部识别分别获取深度信息、关键点信息、头部姿态信息，并计算得到脊柱姿态参数；本发明专利技术提供的技术方案能够有效克服现有技术所存在的对人体坐姿多样性的适应性较差、坐姿识别准确度较低的缺陷。坐姿识别准确度较低的缺陷。坐姿识别准确度较低的缺陷。
【技术实现步骤摘要】
一种可识别儿童坐姿并自动语音纠正的台灯
[0001]本专利技术涉及坐姿纠正，具体涉及一种可识别儿童坐姿并自动语音纠正的台灯。
技术介绍
[0002]随着我国不断发展，儿童教育日益受到社会重视，学习方式也由单一的在校学习拓展到居家在线学习、居家线下学习等多种方式。儿童在日常学习过程中需要长时间静坐，而长时间保持不良坐姿将会导致人体亚健康以及许多慢性疾病。因此，对坐姿进行持续性地监测，并及时纠正提醒，有助于避免以不良坐姿长时间静坐而导致颈椎等部位受到伤害，特别是针对尚未发育完全的儿童，更需要对不良坐姿进行及时纠正提醒。
[0003]但是儿童的自律性一般欠佳，家长精力亦有限，如何对儿童坐姿进行持续性监测识别成为纠正提醒的关键。国内外对于坐姿的识别研究从很早就已经开始了，基于对人体姿态识别以及运动检测的经验，在座椅上放置一些压电类的传感器，通过对传感器采集数据进行分析来识别人体坐姿，这种方法容易受到诸如环境噪声、偏移和串扰等外界不稳定因素的影响，而且压力分布不仅与坐姿有关，同时体重以及与座椅的接触面积等都会影响传感器采集数据无规律变化，检测识别精度较低。
[0004]近几年随着计算机视觉技术的发展，基于视觉和图像处理技术的坐姿识别方法层出不穷，有些利用视频中人脸所占区域大小和位置关系来识别坐姿，也有利用深度传感器采集人体骨骼信息，并根据骨骼节点角度来识别坐姿，还有一些采集大量人体坐姿信息，利用机器学习训练坐姿识别模型，进而识别坐姿。但是，上述坐姿识别方法对人体坐姿多样性的适应性较差，目前的坐姿识别方法都是在较为理想的坐姿动作下进行识别的，真实的人体坐姿复杂多样，识别方法的适应能力和鲁棒性依然是目前研究的热点。
技术实现思路
[0005](一)解决的技术问题
[0006]针对现有技术所存在的上述缺点，本专利技术提供了一种可识别儿童坐姿并自动语音纠正的台灯，能够有效克服现有技术所存在的对人体坐姿多样性的适应性较差、坐姿识别准确度较低的缺陷。
[0007](二)技术方案
[0008]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0009]一种可识别儿童坐姿并自动语音纠正的台灯，包括台灯本体，安装在台灯本体上的双目摄像头，基于采集图像识别儿童坐姿的坐姿识别模块，基于采集图像对儿童脊柱进行检测的脊柱检测模块，控制器，以及语音提示模块；
[0010]所述坐姿识别模块利用卷积滤波器对采集图像进行矩阵运算，形成特征图，并对相似特征合并进行降维，输入全连接层后得到坐姿识别结果；
[0011]所述脊柱检测模块基于对采集图像进行深度识别、身体识别、头部识别分别获取深度信息、关键点信息、头部姿态信息，通过对深度信息、关键点信息、头部姿态信息进行计
算得到脊柱姿态参数；
[0012]所述控制器结合坐姿识别结果、脊柱姿态参数对儿童坐姿进行综合分析，并基于综合分析结果控制语音提示模块进行自动语音纠正。
[0013]优选地，所述坐姿识别模块基于采集图像识别儿童坐姿，包括：
[0014]利用卷积层中的卷积滤波器将输入采集图像分解为像素矩阵，卷积滤波器作为权值矩阵在输入采集图像上滑动，并对滑过区域的像素矩阵进行矩阵乘法运算，输出单个像素值形成特征图；
[0015]卷积层提取特征后，在池化层计算一个区域的最大值或平均值，并对相似特征合并进行降维；
[0016]重复上述卷积池化过程，将结果连接成一个向量输入至全连接层，最终得到坐姿识别结果。
[0017]优选地，所述卷积滤波器按照从上到下、从左到右的方向在输入采集图像上滑动。
[0018]优选地，所述坐姿识别模块中设有基于采集图像识别儿童坐姿的卷积神经网络，所述卷积神经网络包括卷积层、池化层、全连接层和输出层，所述卷积层、池化层构成特征抽取器。
[0019]优选地，所述脊柱检测模块基于对采集图像进行深度识别获取深度信息，包括：
[0020]使用深度学习视差网络计算得到采集图像中左、右视图的视差图像；
[0021]根据物体视差与实际物体距离图像拍摄距离之间的线性转换关系，将得到的视差图像转换为包含深度信息的深度图像。
[0022]优选地，所述脊柱检测模块基于对采集图像进行身体识别获取关键点信息，包括：
[0023]对采集图像中人体全身的关键点进行识别，从识别出的关键点中选取出所需稠密关键点，得到关键点信息。
[0024]优选地，所述脊柱检测模块基于对采集图像进行头部识别获取头部姿态信息，包括：
[0025]基于采集图像对人体头部位置进行识别，并用矩形框标示；
[0026]根据识别出的人体头部位置，利用深度学习网络进行识别得到头部姿态及视线方向，并用坐标系的形式表示。
[0027]优选地，所述脊柱检测模块通过对深度信息、关键点信息、头部姿态信息进行计算得到脊柱姿态参数，包括：
[0028]将图像拍摄点正对人体，根据深度信息和关键点信息，将二维坐标转换为桌面坐标系下的三维坐标，得到人体关键点的三维坐标；
[0029]通过数学拟合将人体脊柱关键点的三维坐标拟合成空间线段，并结合头部姿态信息计算得到脊柱姿态参数。
[0030]优选地，所述脊柱姿态参数包括脊柱前倾角参数、脊柱侧倾角参数和脊柱转向角参数，所述脊柱前倾角参数为人体脊柱关键点的三维坐标拟合成的空间线段与人体正面所处平面之间的夹角；
[0031]所述脊柱侧倾角参数为人体脊柱关键点的三维坐标拟合成的空间线段与人体侧面所处平面之间的夹角；
[0032]所述脊柱转向角参数基于深度信息获取人体双肩关键点的三维坐标，并结合人体
双肩关键点的距离差进行计算。
[0033]优选地，所述控制器结合坐姿识别结果、脊柱姿态参数进行综合分析，判断儿童坐姿是否落入错误坐姿，以及落入错误坐姿的种类，并基于落入错误坐姿的种类控制语音提示模块进行语音纠正。
[0034](三)有益效果
[0035]与现有技术相比，本专利技术所提供的一种可识别儿童坐姿并自动语音纠正的台灯，一方面通过坐姿识别模块利用卷积滤波器对采集图像进行矩阵运算，形成特征图，并对相似特征合并进行降维，输入全连接层后得到坐姿识别结果；另一方面通过脊柱检测模块基于对采集图像进行深度识别、身体识别、头部识别分别获取深度信息、关键点信息、头部姿态信息，并计算得到脊柱姿态参数，同时结合坐姿识别结果、脊柱姿态参数对儿童坐姿进行综合分析，能够有效提升对人体坐姿多样性的适应能力，并且能够保证坐姿识别的准确度。
附图说明
[0036]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0037]图1为本专利技术中通过坐姿识别模块得到坐姿识别结果的示意图；
[0038]图2为本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种可识别儿童坐姿并自动语音纠正的台灯，其特征在于：包括台灯本体，安装在台灯本体上的双目摄像头，基于采集图像识别儿童坐姿的坐姿识别模块，基于采集图像对儿童脊柱进行检测的脊柱检测模块，控制器，以及语音提示模块；所述坐姿识别模块利用卷积滤波器对采集图像进行矩阵运算，形成特征图，并对相似特征合并进行降维，输入全连接层后得到坐姿识别结果；所述脊柱检测模块基于对采集图像进行深度识别、身体识别、头部识别分别获取深度信息、关键点信息、头部姿态信息，通过对深度信息、关键点信息、头部姿态信息进行计算得到脊柱姿态参数；所述控制器结合坐姿识别结果、脊柱姿态参数对儿童坐姿进行综合分析，并基于综合分析结果控制语音提示模块进行自动语音纠正。2.根据权利要求1所述的可识别儿童坐姿并自动语音纠正的台灯，其特征在于：所述坐姿识别模块基于采集图像识别儿童坐姿，包括：利用卷积层中的卷积滤波器将输入采集图像分解为像素矩阵，卷积滤波器作为权值矩阵在输入采集图像上滑动，并对滑过区域的像素矩阵进行矩阵乘法运算，输出单个像素值形成特征图；卷积层提取特征后，在池化层计算一个区域的最大值或平均值，并对相似特征合并进行降维；重复上述卷积池化过程，将结果连接成一个向量输入至全连接层，最终得到坐姿识别结果。3.根据权利要求2所述的可识别儿童坐姿并自动语音纠正的台灯，其特征在于：所述卷积滤波器按照从上到下、从左到右的方向在输入采集图像上滑动。4.根据权利要求2所述的可识别儿童坐姿并自动语音纠正的台灯，其特征在于：所述坐姿识别模块中设有基于采集图像识别儿童坐姿的卷积神经网络，所述卷积神经网络包括卷积层、池化层、全连接层和输出层，所述卷积层、池化层构成特征抽取器。5.根据权利要求1所述的可识别儿童坐姿并自动语音纠正的台灯，其特征在于：所述脊柱检测模块基于对采集图像进行深度识别获取深度信息，包括：使用深度学习视差网络计算得到采集图像中左、右视图的视差图像；根据物体视差与实际物体距...
【专利技术属性】
技术研发人员：张云龙，
申请(专利权)人：安徽兰臣信息科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。