本发明专利技术涉及姿态矫正技术领域，具体为一种学习姿态矫正方法及矫正装置；本发明专利技术提供了基于神经网络的防近视方法和装置，通过获取人体的姿态图像，并将人体的姿态图像预处理，再从预处理的姿态图像中提取特征信息，并将提取的特征信息进行聚类，然后将聚类后的聚类点作为骨骼节点，再连接各骨骼节点，并获取各骨骼节点间的弯曲度，最后将所获取的弯曲度与人体标准学习姿态的弯曲度进行对比，矫正学习姿态；本发明专利技术能够根据学习者的姿态信息，向学习者提示姿态矫正预警，从而能够自动化的对学习者不规范的姿态进行矫正，得到姿态的智能矫正效果，有效的避免学习者因学习姿态问题，而带来的身体损害。的身体损害。的身体损害。
【技术实现步骤摘要】
一种学习姿态矫正方法及矫正装置
[0001]本专利技术涉及姿态矫正
，具体为一种学习姿态矫正方法及矫正装置。
技术介绍
[0002]人体是一个结构非常严密，功能十分复杂的有机体。各个器官、系统的协调活动，是生命活动的基础，是健康的前提。骨骼是人体的支架，脊柱是中轴，正常情况下，它有4个生理弯曲。颈段凸向前，胸段凸向后，腰段再凸向前，骶尾段再凸向后。健康的人必定拥有脊柱的这些正常的生理弯曲，一旦这些正常的生理弯曲发生变化，势必造成身体病态的出现,从而严重影响人体的健康。
[0003]近年来，随着科学技术的不断发展与进步，青少年使用手机、计算机等电子产品用于学习和娱乐的时间也越来越长，导致近视率和脊柱疾病发病率升高，尤其对于学业负担逐渐加重的青少年儿童来说，既是学生，又处于生长发育期，由于长时间处于阅读学习状态时的姿态不标准，导致青少年儿童的近视问题和脊柱健康问题也越来越严重。因此，如何有效的姿态矫正已经成为我国青少年健康方面亟待解决的重要问题。
[0004]因此，本专利技术提供一种学习姿态矫正方法及矫正装置，用于解决上述所提出的相关技术问题。
技术实现思路
[0005]本专利技术的目的在于提供一种学习姿态矫正方法及矫正装置，本专利技术提供了基于神经网络的防近视方法和装置，能够根据学习者的姿态信息，向学习者提示姿态矫正预警，从而能够自动化的对学习者不规范的姿态进行矫正，得到姿态的智能矫正效果，有效的避免学习者因学习姿态问题，而带来的身体损害。
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]本专利技术的第一方面：提供了一种学习姿态矫正方法，包括以下步骤：
[0008]Ⅰ、获取人体的姿态图像，并将人体的姿态图像预处理；
[0009]Ⅱ、从预处理的姿态图像中提取特征信息，并将提取的特征信息进行聚类；
[0010]Ⅲ、将聚类后的聚类点作为骨骼节点，再连接各骨骼节点，并获取各骨骼节点间的弯曲度；
[0011]Ⅳ、将所获取的弯曲度与人体标准学习姿态的弯曲度进行对比，矫正学习姿态。
[0012]更进一步的，所述步骤Ⅰ中的人体的姿态图像预处理包括图像增强和平滑处理。
[0013]更进一步的，所述步骤Ⅱ中的从预处理的姿态图像中提取特征信息的过程如下：
[0014]将预处理的姿态图像中的像素转化为空间点；
[0015]再将各空间点作为点云点。
[0016]更进一步的，所述点云点的表达式为：式中，d
I
(
·
)为姿态图像在(u,v)处的深度，z
c
为对象距离视点所在成像平面的距离，(u
‑
u
o
)为姿态图像的中心点位置，f
x
与f
y
分别为姿态图像获取设备在横纵方向上的焦距。
[0017]更进一步的，所述步骤Ⅱ中的将提取的特征信息进行聚类的过程如下：
[0018]以人体骨骼分布特征选定姿态图像的若干个点云点作为聚类中心点；
[0019]以聚类中心点为中心，将剩余点云点聚类至距离最短的聚类中心点内，获得若干个聚类点。
[0020]更进一步的，所述步骤Ⅳ中的将所获取的弯曲度与人体标准学习姿态的弯曲度进行对比，矫正学习姿态，包括以下内容：
[0021]若所获取的弯曲度处于人体标准学习姿态的弯曲度范围内，则不发出预警信息；
[0022]若所获取的弯曲度不处于人体标准学习姿态的弯曲度范围内，则发出预警信息，并重复步骤Ⅰ～步骤Ⅳ。
[0023]本专利技术的第二方面：还提供了一种学习姿态矫正装置，包括姿态获取单元、数据库单元、图像预处理单元和姿态矫正单元，其中：
[0024]所述姿态获取单元用于实时的获取人体的姿态图像；
[0025]所述数据库单元用于存储所接收的信息以及人体标准学习姿态的弯曲度信息，所述数据库单元连接；
[0026]所述图像预处理单元用于对所接收的姿态图像进行图像增强处理和平滑处理，所述图像预处理单元与姿态获取单元和数据库单元均连接；
[0027]所述姿态矫正单元用于从姿态图像中提取特征信息，并进行聚类以及将各骨骼节点间的弯曲度与人体标准学习姿态的弯曲度进行对比，矫正学习姿态，所述姿态矫正单元与数据库单元和图像预处理单元均连接。
[0028]更进一步的，所述姿态矫正单元包括特征提取模块、聚类处理模块、弯曲度计算模块和矫正判定模块，其中：
[0029]所述特征提取模块用于将姿态图像中的像素转化为点云点；
[0030]所述聚类处理模块用于以人体骨骼分布特征选定姿态图像的若干个点云点作为聚类中心点，再以聚类中心点为中心，将剩余点云点进行聚类，获得若干个聚类点，所述聚类处理模块与特征提取模块连接；
[0031]所述弯曲度计算模块用于计算获取各聚类点间的弯曲度，所述弯曲度计算模块与聚类处理模块连接；
[0032]所述矫正判定模块用于将所获取的弯曲度与人体标准学习姿态的弯曲度进行对比判定，所述矫正判定模块与弯曲度计算模块连接。
[0033]更进一步的，所述姿态矫正单元还包括预警模块，所述预警模块用于发出预警信息，所述预警模块与矫正判定模块连接。
[0034]与现有技术相比，本专利技术的有益效果是：
[0035]本专利技术提供了基于神经网络的防近视方法和装置，通过获取人体的姿态图像，并将人体的姿态图像预处理，再从预处理的姿态图像中提取特征信息，并将提取的特征信息进行聚类，然后将聚类后的聚类点作为骨骼节点，再连接各骨骼节点，并获取各骨骼节点间的弯曲度，最后将所获取的弯曲度与人体标准学习姿态的弯曲度进行对比，矫正学习姿态；本专利技术能够根据学习者的姿态信息，向学习者提示姿态矫正预警，从而能够自动化的对学习者不规范的姿态进行矫正，得到姿态的智能矫正效果，有效的避免学习者因学习姿态问题，而带来的身体损害。
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为本专利技术一种学习姿态矫正方法的流程图；
[0038]图2为本专利技术一种学习姿态矫正装置的示意图；
[0039]图3为本专利技术一种学习姿态矫正装置中姿态矫正单元的示意图；
[0040]图中标号说明：
[0041]100、姿态获取单元；200、数据库单元；300、图像预处理单元；400、姿态矫正单元；410、特征提取模块；420、聚类处理模块；430、弯曲度计算模块；440、矫正判定模块；450、预警模块。
具体实施方式
[0042]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，所描述的实施例仅是本专利技术一部分实施例，而本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种学习姿态矫正方法，其特征在于：包括以下步骤：Ⅰ、获取人体的姿态图像，并将人体的姿态图像预处理；Ⅱ、从预处理的姿态图像中提取特征信息，并将提取的特征信息进行聚类；Ⅲ、将聚类后的聚类点作为骨骼节点，再连接各骨骼节点，并获取各骨骼节点间的弯曲度；Ⅳ、将所获取的弯曲度与人体标准学习姿态的弯曲度进行对比，矫正学习姿态。2.根据权利要求1中所述的一种学习姿态矫正方法，其特征在于，所述步骤Ⅰ中的人体的姿态图像预处理包括图像增强和平滑处理。3.根据权利要求1中所述的一种学习姿态矫正方法，其特征在于：所述步骤Ⅱ中的从预处理的姿态图像中提取特征信息的过程如下：将预处理的姿态图像中的像素转化为空间点；再将各空间点作为点云点。4.根据权利要求3中所述的一种学习姿态矫正方法，其特征在于：所述点云点的表达式为：式中，d
I
(
·
)为姿态图像在(u,v)处的深度，z
c
为对象距离视点所在成像平面的距离，(u
‑
u
o
)为姿态图像的中心点位置，f
x
与f
y
分别为姿态图像获取设备在横纵方向上的焦距。5.根据权利要求1中所述的一种学习姿态矫正方法，其特征在于：所述步骤Ⅱ中的将提取的特征信息进行聚类的过程如下：以人体骨骼分布特征选定姿态图像的若干个点云点作为聚类中心点；以聚类中心点为中心，将剩余点云点聚类至距离最短的聚类中心点内，获得若干个聚类点。6.根据权利要求1中所述的一种学习姿态矫正方法，其特征在于：所述步骤Ⅳ中的将所获取的弯曲度与人体标准学习姿态的弯曲度进行对比，矫正学习姿态，包括以下内容：若所获取的弯曲度处于人体标准学习姿态的弯曲度范围内，则不发出预警信息；若所获取的弯曲度不处于人体标准学习姿态的弯曲度范围内，则发出预警信息，并重复步骤Ⅰ～步骤Ⅳ。7.一种学习姿态矫...
【专利技术属性】
技术研发人员：吴振涛，游亮，丁汉洪，
申请(专利权)人：深圳市领天智杰科技有限公司，
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。