一种智能书架及其控制方法技术

本发明专利技术公开了一种智能书架及其控制方法，属于计算机视觉技术领域。针对现有技术中存在的坐姿不正确会引起近视、腰椎等疾病问题，进而影响人体健康，本发明专利技术提供了一种智能书架及其控制方法，所述智能书架相较于普通书架，不仅具有收纳书籍文具的功能，还能够基于隐性马尔科夫模型对坐姿图像进行训练和识别，分析坐姿图像信息，实时监测坐姿是否正确以及识别对象的疲劳程度，有效预防近视、腰椎等疾病问题。腰椎等疾病问题。腰椎等疾病问题。

【技术实现步骤摘要】
一种智能书架及其控制方法


[0001]本专利技术涉及计算机视觉
，更具体地说，涉及一种智能书架及其控制方法。

技术介绍

[0002]在书桌上学习的时间较长以后，会由于疲劳等原因，人体坐姿不再保持端正状态，会不自觉地会趴向桌面。趴在桌上学习有很多坏处，最重要的是会因为近距离读书写字造成近视，并且趴在书桌上对人体颈椎、腰椎也会产生影响，影响人体健康。近年来，随着近视、颈椎以及腰椎等各种疾病的低龄化，国家对坐姿越来越重视。虽然目前市场上也有各种坐姿矫正器，然而由于这些额外增加的辅助设备会引起人体不舒适感，因此难以真正得到应用。例如目前市场上出现的坐姿矫正器需要穿戴或者是安装在桌子上，对坐姿进行控制，这些往往容易引起人体不舒适感，难以得到长期应用。由此，需要设计一款能够自动监控坐姿的智能书架，以基于摄像头获取的监控视频对坐姿进行判断以及疲劳检测，无需额外的辅助设备即可对坐姿不正情况进行提醒，识别对象的疲劳程度，从而综合判断人体健康状况。
[0003]经检索，中国专利申请，申请公布号CN106125614A，申请公布日2016年11月16日，公开了一种智能书桌及其控制方法。该专利技术设置有中央控制器，该中央控制器分别连接有红外距离检测单元、环境检测传感器单元、光照度检测模块、手动操控单元、图像采集单元、亮度调节模块、升降电机、语音播报器、震动提示单元和通信模块；通过用户的图像信息识别出用户高度，实现座椅高度的自动调节，通过传感器单元分别监控用户离桌面的距离、光照强度、环境数据和坐姿等，超出设定标准后发出语音或者震动提示，可很好的保证学习环境和坐姿，同时父母可远程监控学习情况，起到更好的监督功能。但是该方案并未能通过获取坐姿特征来分析坐姿状态以及识别对象的疲劳程度，也不能很好地预防近视、腰椎等疾病问题。

技术实现思路

[0004]1.要解决的技术问题针对现有技术中存在的坐姿不正确会引起近视、腰椎等疾病问题，进而影响人体健康，本专利技术提供了一种智能书架及其控制方法，所述智能书架相较于普通书架，不仅具有收纳书籍文具的功能，还能够基于隐性马尔科夫模型对坐姿图像进行训练和识别，分析坐姿图像信息，实时监测坐姿是否正确，识别对象的疲劳程度，有效预防近视、腰椎等疾病问题。
[0005]2.技术方案本专利技术的目的通过以下技术方案实现。
[0006]一种智能书架控制方法，获取坐姿图像并将坐姿图像传输至边缘计算硬件中进行图像处理，所述图像处理是指基于隐性马尔科夫模型对坐姿图像进行训练和识别，分析坐姿图像信息，检测坐姿是否正确以及识别对象的疲劳程度；
在训练阶段，基于骨骼提取技术提取坐姿图像的骨骼关键点信息，通过骨骼关键点信息获得关键特征，并依据骨骼关键点信息划分坐姿图像，通过坐姿图像获取多尺度奇异值特征；在识别阶段，将坐姿进行分类，通过鲍姆
‑
韦尔奇算法训练坐姿模型，对于每一个类别的坐姿，使用属于该类别的坐姿模型样本训练。
[0007]进一步地，在训练阶段，其步骤包括：通过坐姿图像提取上半身骨骼关键点信息，通过骨骼关键点信息获得关键特征；通过上半身骨骼关键点信息对坐姿图像进行区域分割，分割区域包括头部区域图像、左手至左肩区域图像、右手至右肩区域图像以及躯干区域图像；将头部区域图像、左手至左肩区域图像、右手至右肩区域图像以及躯干区域图像转换为头部区域灰度图像、左手至左肩区域灰度图像、右手至右肩区域灰度图像以及躯干区域灰度图像，所述头部区域灰度图像、左手至左肩区域灰度图像、右手至右肩区域灰度图像以及躯干区域灰度图像作为第一尺度分割，对头部区域灰度图像、左手至左肩区域灰度图像、右手至右肩区域灰度图像以及躯干区域灰度图像进行奇异值分解；将头部区域灰度图像、左手至左肩区域灰度图像、右手至右肩区域灰度图像以及躯干区域灰度图像分别均等分割为四个图像子块，所述图像子块作为第二尺度分割，计算每个图像子块的奇异值，所述图像子块的奇异值构成多尺度奇异值特征。
[0008]进一步地，在识别阶段，当获取坐姿图像后，提取坐姿图像的多尺度特征，再将待识别的坐姿与坐姿模型进行匹配，检测坐姿是否正确，分析坐姿图像信息。
[0009]进一步地，通过分析坐姿图像信息识别对象的疲劳程度。
[0010]进一步地，所述识别对象的疲劳程度的计算公式为：其中，PL表示疲劳程度，i和j表示坐姿类别序号，M表示坐姿类别总数，（f1，f2，...，f
N
）表示隐性马尔科夫模型观察序列，N表示隐性马尔科夫模型隐含状态的数目，λ
i
表示第i个坐姿类别对应的坐姿模型参数，P（f1，f2，...，f
N
∣λ
i
）表示第i类坐姿类别条件下观察序列为（f1，f2，...，f
N
）的条件概率，T
frame
表示一段时间内坐姿视频总帧数，T
icheck
表示一段时间内判断坐姿为第i类坐姿类别的坐姿帧数，Y
i
表示属于第i类坐姿类别的疲劳度权值，所述疲劳度权值由人工设定。
[0011]一种基于智能书架控制方法的智能书架，所述智能书架包括书架头和书架体，所述书架体由若干个隔板和桌板组成，所述隔板垂直设置于桌板上；所述书架头与隔板平行设置于桌板的一端，所述书架头上设置有收纳盒和控制盒，所述收纳盒用于收纳学习用品，所述控制盒包括摄像头、边缘计算硬件；所述摄像头与边缘计算硬件连接；所述摄像头用于获取坐姿图像并将坐姿图像发送至边缘计算硬件中；所述边缘计算硬件通过处理坐姿图像检测坐姿是否正确以及识别对象的疲劳程度。
[0012]进一步地，所述控制盒还包括显示面板，所述显示面板与边缘计算硬件连接，若边缘计算硬件检测到坐姿不正确，则将坐姿不正确信息发送到显示面板上进行提示。
[0013]进一步地，所述控制盒还包括温湿度传感器，所述温湿度传感器分别与边缘计算硬件、显示面板连接；所述温湿度传感器用于实时采集房间的环境温度参数和环境湿度参
数，所述边缘计算硬件用于读取温湿度传感器获取环境温度参数和环境湿度参数，所述显示面板用于显示环境温度参数和环境湿度参数。
[0014]进一步地，所述控制盒上还设置有喇叭，所述喇叭与边缘计算硬件连接，若边缘计算硬件检测到坐姿不正确，所述喇叭用于实时播放语音提示坐姿。
[0015]进一步地，所述边缘计算硬件上设置有训练和识别模块、通信模块、存储模块以及电源模块；所述训练和识别模块分别与通信模块、存储模块连接；所述训练和识别模块检测坐姿是否正确以及获取的疲劳程度，所述通信模块获取训练和识别模块中的坐姿图像信息并配合移动客户端进行远程控制使用，所述存储模块用于存储坐姿图像以及坐姿图像分析结果信息；所述电源模块用于连接电源接口。
[0016]3.有益效果相比于现有技术，本专利技术的优点在于：本专利技术的一种智能书架及其控制方法，所述智能书架相较于普通书架，不仅具有收纳书籍文具的功能，还能通过获取坐姿视频并将坐姿视频传输至边缘计算硬件中利用隐性马尔科夫模型对坐姿图像进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能书架控制方法，其特征在于，获取坐姿图像并将坐姿图像传输至边缘计算硬件中进行图像处理，所述图像处理是指基于隐性马尔科夫模型对坐姿图像进行训练和识别，分析坐姿图像信息，检测坐姿是否正确以及识别对象的疲劳程度；在训练阶段，基于骨骼提取技术提取坐姿图像的骨骼关键点信息，通过骨骼关键点信息获得关键特征，并依据骨骼关键点信息划分坐姿图像，通过坐姿图像获取多尺度奇异值特征；在识别阶段，将坐姿进行分类，通过鲍姆
‑
韦尔奇算法训练坐姿模型，对于每一个类别的坐姿，使用属于该类别的坐姿模型样本训练。2.根据权利要求1所述的一种智能书架控制方法，其特征在于，在训练阶段，其步骤包括：通过坐姿图像提取上半身骨骼关键点信息，通过骨骼关键点信息获得关键特征；通过上半身骨骼关键点信息对坐姿图像进行区域分割，分割区域包括头部区域图像、左手至左肩区域图像、右手至右肩区域图像以及躯干区域图像；将头部区域图像、左手至左肩区域图像、右手至右肩区域图像以及躯干区域图像转换为头部区域灰度图像、左手至左肩区域灰度图像、右手至右肩区域灰度图像以及躯干区域灰度图像，所述头部区域灰度图像、左手至左肩区域灰度图像、右手至右肩区域灰度图像以及躯干区域灰度图像作为第一尺度分割，对头部区域灰度图像、左手至左肩区域灰度图像、右手至右肩区域灰度图像以及躯干区域灰度图像进行奇异值分解；将头部区域灰度图像、左手至左肩区域灰度图像、右手至右肩区域灰度图像以及躯干区域灰度图像分别均等分割为四个图像子块，所述图像子块作为第二尺度分割，计算每个图像子块的奇异值，所述图像子块的奇异值构成多尺度奇异值特征。3.根据权利要求1所述的一种智能书架控制方法，其特征在于，在识别阶段，当获取坐姿图像后，提取坐姿图像的多尺度特征，再将待识别的坐姿与坐姿模型进行匹配，检测坐姿是否正确，分析坐姿图像信息。4.根据权利要求3所述的一种智能书架控制方法，其特征在于，通过分析坐姿图像信息识别对象的疲劳程度。5.根据权利要求4所述的一种智能书架控制方法，其特征在于，所述识别对象的疲劳程度的计算公式为：其中，PL表示疲劳程度，i和j表示坐姿类别序号，M表示坐姿类别总数，（f1，f2，...，f
N
）表示隐性马尔科夫模型观察序列，N表示隐性马尔科夫模型隐含状态的数目，λ
i
表示第i个坐姿类别对应的坐姿模型参数，P（f1，f2，...，f
N
∣λ
i
）表示第i类坐姿...

【专利技术属性】
技术研发人员：余烨，陈凤欣，王夏伊，王玫，宗雯，吴璐璐，章友，李书杰，路强，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：