一种基于深度学习技术识别儿童坐姿的图像识别算法制造技术

本发明专利技术涉及坐姿识别，具体涉及一种基于深度学习技术识别儿童坐姿的图像识别算法，利用距离检测装置检测与坐姿位置之间的距离参数，并判断距离参数是否满足预设距离范围；若距离参数不满足预设距离范围，则采集坐姿图像，基于坐姿图像判断坐姿是否倾斜；若坐姿倾斜，则确定坐姿图像中头顶、肩部及肘部的位置；基于头顶、肩部及肘部的位置判定坐姿是否异常，并在出现异常坐姿后发送提示信息；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无法对儿童不良坐姿进行准确检测，不能有效提醒儿童纠正不良坐姿的缺陷。童纠正不良坐姿的缺陷。童纠正不良坐姿的缺陷。

【技术实现步骤摘要】
一种基于深度学习技术识别儿童坐姿的图像识别算法


[0001]本专利技术涉及坐姿识别，具体涉及一种基于深度学习技术识别儿童坐姿的图像识别算法。

技术介绍

[0002]对于不良坐姿不管是成人还是孩子，大多数人都很苦恼。特别是今日，青少年视力下降的年龄趋势越来越小，近视、脊柱发育不良，甚至颈椎病都有低龄患病者，且发病率逐年提高。同时，坐姿对颈、肩、腰椎等部位都会产生很大影响，因而不良坐姿将会引发其他疾病的发生。
[0003]在需要久坐学习的儿童人群中，保持正确良好的坐姿，对维护儿童身体健康成长有着极为重要的作用。那么如何让儿童人群长时间保持良好的坐姿呢？现有技术一般采用辅助设备来应对这个问题，比如坐姿矫正椅、位于下巴上方的坐姿矫正器，或者可以报警的矫正器等，但是这些辅助设备无法准确检测儿童坐姿，并且适应性、灵活性较差，无法适用于不同身材的儿童人群。因此，如何更有效地对儿童不良坐姿进行检测，并提醒儿童纠正不良坐姿成为研究的重点。

技术实现思路

[0004](一)解决的技术问题
[0005]针对现有技术所存在的上述缺点，本专利技术提供了一种基于深度学习技术识别儿童坐姿的图像识别算法，能够有效克服现有技术所存在的无法对儿童不良坐姿进行准确检测，不能有效提醒儿童纠正不良坐姿的缺陷。
[0006](二)技术方案
[0007]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0008]一种基于深度学习技术识别儿童坐姿的图像识别算法，包括以下步骤：
[0009]S1、利用距离检测装置检测与坐姿位置之间的距离参数，并判断距离参数是否满足预设距离范围；
[0010]S2、若距离参数不满足预设距离范围，则采集坐姿图像，基于坐姿图像判断坐姿是否倾斜；
[0011]S3、若坐姿倾斜，则确定坐姿图像中头顶、肩部及肘部的位置；
[0012]S4、基于头顶、肩部及肘部的位置判定坐姿是否异常，并在出现异常坐姿后发送提示信息。
[0013]优选地，S1中利用距离检测装置检测与坐姿位置之间的距离参数，并判断距离参数是否满足预设距离范围，包括：
[0014]接收各位置超声波传感器的回波信号，并根据回波信号计算坐姿位置各处的坐标；
[0015]基于坐姿位置各处的坐标确定坐姿位置与距离检测装置之间的距离参数，确定距
离参数是否满足预设距离范围。
[0016]优选地，S1中利用距离检测装置检测与坐姿位置之间的距离参数之前，包括：
[0017]利用人体坐姿识别模型进行坐姿识别，根据坐姿识别结果判断是否处于坐姿状态；
[0018]在处于坐姿状态时，开启由设置于不同位置的多个超声波传感器组成的距离检测装置。
[0019]优选地，S2中基于坐姿图像判断坐姿是否倾斜，包括：
[0020]基于坐姿图像计算用户中心位置，并将坐姿图像中的用户中心位置与标准坐姿图像中的用户中心位置进行对比，确定坐姿图像中用户坐姿是否倾斜。
[0021]优选地，S1中利用距离检测装置检测与坐姿位置之间的距离参数之前，包括：
[0022]用户在距离检测装置前方示出标准坐姿，利用距离检测装置检测与标准坐姿之间的标准距离参数，并根据标准距离参数设定预设距离范围；
[0023]采集标准坐姿图像，并计算标准坐姿图像中的用户中心位置。
[0024]优选地，S4中基于头顶、肩部及肘部的位置判定坐姿是否异常，包括：
[0025]获取头顶至肩部之间的第一距离，以及头顶至肘部之间的第二距离，并计算第一距离与第二距离的比值；
[0026]当第一距离与第二距离的比值在设定范围之外时，则判定坐姿异常。
[0027]优选地，所述获取头顶至肩部之间的第一距离，以及头顶至肘部之间的第二距离，包括：
[0028]获取左肩部与右肩部连线的中点位置，并将头顶与该中点位置之间连线的长度作为第一距离；
[0029]获取左肘部与右肘部连线的中点位置，并将头顶与该中点位置之间连线的长度作为第二距离。
[0030]优选地，S4中基于头顶、肩部及肘部的位置判定坐姿是否异常，还包括：
[0031]获取头顶至左肩部之间的第三距离，以及头顶至右肩部之间的第四距离，当第三距离与第四距离之间的差值大于设定阈值时，则判定坐姿异常。
[0032]优选地，S4中在出现异常坐姿后发送提示信息，包括：
[0033]统计在预设时间段内判定坐姿异常的次数，若判定坐姿异常的次数超过设定阈值时，则生成坐姿异常提示信息，并发送至移动终端；否则将统计判定坐姿异常的次数清零。
[0034]优选地，所述生成坐姿异常提示信息，并发送至移动终端的同时，在显示装置上显示坐姿调整提示框，引导用户进行坐姿调整；
[0035]当下一预设时间段内统计判定坐姿异常的次数未超过设定阈值时，则生成坐姿异常消除提示信息，并发送至移动终端。
[0036](三)有益效果
[0037]与现有技术相比，本专利技术所提供的一种基于深度学习技术识别儿童坐姿的图像识别算法，具有以下有益效果：
[0038]1)利用距离检测装置检测与坐姿位置之间的距离参数，并判断距离参数是否满足预设距离范围，若距离参数不满足预设距离范围，则采集坐姿图像，基于坐姿图像判断坐姿是否倾斜，在判定坐姿是否异常之前，通过检测距离检测装置与坐姿位置之间的距离参数，
以及坐姿是否发生倾斜来进行预判别，从而能够大幅减少算力资源，有效提升坐姿识别响应速度；
[0039]2)基于头顶、肩部及肘部的位置判定坐姿是否异常，并在出现异常坐姿后发送提示信息，能够通过头顶、肩部及肘部的位置实现对儿童不良坐姿的准确检测，并且能够向家长发送提示信息，有效提醒并帮助儿童快速纠正不良坐姿。
附图说明
[0040]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。
[0041]图1为本专利技术的流程示意图；
[0042]图2为本专利技术中基于头顶、肩部及肘部的位置判定坐姿是否异常的流程示意图。
具体实施方式
[0043]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0044]一种基于深度学习技术识别儿童坐姿的图像识别算法，在通过检测距离检测装置与坐姿位置之间的距离参数，以及坐姿是否发生倾斜来进行预判别之前：
[0045]1)用户在距离检测装置前方示出标准坐姿，利用距离检测装置检测与标准坐姿之间本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习技术识别儿童坐姿的图像识别算法，其特征在于：包括以下步骤：S1、利用距离检测装置检测与坐姿位置之间的距离参数，并判断距离参数是否满足预设距离范围；S2、若距离参数不满足预设距离范围，则采集坐姿图像，基于坐姿图像判断坐姿是否倾斜；S3、若坐姿倾斜，则确定坐姿图像中头顶、肩部及肘部的位置；S4、基于头顶、肩部及肘部的位置判定坐姿是否异常，并在出现异常坐姿后发送提示信息。2.根据权利要求1所述的基于深度学习技术识别儿童坐姿的图像识别算法，其特征在于：S1中利用距离检测装置检测与坐姿位置之间的距离参数，并判断距离参数是否满足预设距离范围，包括：接收各位置超声波传感器的回波信号，并根据回波信号计算坐姿位置各处的坐标；基于坐姿位置各处的坐标确定坐姿位置与距离检测装置之间的距离参数，确定距离参数是否满足预设距离范围。3.根据权利要求2所述的基于深度学习技术识别儿童坐姿的图像识别算法，其特征在于：S1中利用距离检测装置检测与坐姿位置之间的距离参数之前，包括：利用人体坐姿识别模型进行坐姿识别，根据坐姿识别结果判断是否处于坐姿状态；在处于坐姿状态时，开启由设置于不同位置的多个超声波传感器组成的距离检测装置。4.根据权利要求2所述的基于深度学习技术识别儿童坐姿的图像识别算法，其特征在于：S2中基于坐姿图像判断坐姿是否倾斜，包括：基于坐姿图像计算用户中心位置，并将坐姿图像中的用户中心位置与标准坐姿图像中的用户中心位置进行对比，确定坐姿图像中用户坐姿是否倾斜。5.根据权利要求4所述的基于深度学习技术识别儿童坐姿的图像识别算法，其特征在于：S1中利用距离检测装置检测与坐姿位置之间的距离参数之前，包括：用户在距离检测装置前方示出标准坐姿，利用距离检测装置检测与标准坐姿之间的标准距离参数，并根据标准距离参数设定预...

【专利技术属性】
技术研发人员：张云龙，
申请(专利权)人：安徽云佑信息科技有限公司，
类型：发明
国别省市：