【技术实现步骤摘要】
本申请涉及计算机视觉，尤其涉及一种姿势检测方法、装置、电子设备及存储介质。
技术介绍
1、当用户长时间使用诸如笔记本电脑等电子设备学习或工作时，由于疲劳经常容易出现距离电脑屏幕太近，或者头部姿势不端正等情况。长期不端正的姿势容易对用户的视力、颈椎和脊椎等健康造成问题。为避免长时间姿势不端正对用户产生的健康问题，要求能够对用户的姿势进行实时检测。因此，如何实现对用户姿势的实时检测成为亟待解决的技术问题。
技术实现思路
1、本申请提供了一种姿势检测方法、装置、电子设备及存储介质，以至少解决现有技术中存在的以上技术问题。
2、根据本申请的第一方面，提供了一种姿势检测方法，所述方法应用于电子设备，所述电子设备包括神经网络处理单元npu，所述方法包括：
3、获取针对目标对象的图像帧；
4、将所述目标对象的图像帧输入至部署于npu中的目标检测模型，得到所述目标对象的参考部位在所述图像帧中的位置；所述目标检测模型通过对原始模型经过结构简化后得到的待训练检测模型进行训练而得到；
5、基于所述目标对象的参考部位在所述图像帧中的位置，得到所述参考部位的参考参数；所述参考参数用于表征目标对象所处的姿势；
6、基于所述参考部位的参考参数，确定对目标对象的姿势检测结果。
7、上述方案中，所述目标对象的参考部位的数量为两个；所述参考参数包括在图像帧中两个参考部位的距离以及两个参考部位连线相对于参考线的倾斜角度；所述基于所述参考部位的参考参
8、判断在图像帧中两个参考部位的距离是否大于距离预设阈值，以及判断所述两个参考部位连线相对于参考线的倾斜角度是否大于角度预设阈值；
9、基于判断结果，确定对目标对象的姿势检测结果。
10、上述方案中，所述基于判断结果，确定对目标对象的姿势检测结果，包括：
11、当判断结果表征所述距离大于距离预设阈值和/或所述倾斜角度大于角度预设阈值时，生成用于表征目标对象姿势异常的检测结果；
12、当所述距离小于或等于距离预设阈值，且所述倾斜角度小于或等于角度预设阈值时，生成用于表征目标对象姿势正常的检测结果。
13、上述方案中，所述原始模型由三个网络构成，每个网络均包括卷积神经网络cnn和下采样滤波器；所述目标检测模型通过对原始模型经过结构简化后得到的待训练检测模型进行训练而得到，包括：
14、删除原始模型的三个网络中部分网络的部分cnn，并将原始模型的三个网络中剩余的各网络的cnn替换为深度可分离cnn，和/或，删除原始模型的三个网络中各网络的部分下采样滤波器，得到待训练检测模型；
15、基于预先设置的训练数据集，对所述待训练检测模型进行训练，得到目标检测模型。
16、上述方案中，在所述将所述目标对象的图像帧输入至部署于npu中的目标检测模型之前，所述方法还包括：
17、将目标检测模型的格式转化为npu支持的目标格式，得到格式转化后的目标检测模型；
18、将格式转化后的目标检测模型部署于npu中，以使目标检测模型实现对目标对象的参考部位在所述图像帧中的位置的检测。
19、上述方案中，还包括：
20、当所述检测结果表征目标对象姿势异常时，判断目标对象两个参考部位的距离大于距离预设阈值的第一持续时间是否大于时间预设阈值；
21、当所述第一持续时间大于时间预设阈值时，生成第一异常提示信息；
22、和/或，判断目标对象两个参考部位连线相对于参考线的倾斜角度大于角度预设阈值的第二持续时间是否大于时间预设阈值；
23、当所述第二持续时间大于时间预设阈值时，生成第二异常提示信息。
24、根据本申请的第二方面，提供了一种姿势检测装置，所述装置应用于电子设备，所述电子设备包括神经网络处理单元npu，所述装置包括：
25、第一获取单元，用于获取针对目标对象的图像帧；
26、第二获取单元，用于将所述目标对象的图像帧输入至部署于npu中的目标检测模型，得到所述目标对象的参考部位在所述图像帧中的位置；所述目标检测模型通过对原始模型经过结构简化后得到的待训练检测模型进行训练而得到；
27、第三获取单元，用于基于所述目标对象的参考部位在所述图像帧中的位置，得到所述参考部位的参考参数；所述参考参数用于表征目标对象所处的姿势；
28、第一确定单元，用于基于所述参考部位的参考参数，确定对目标对象的姿势检测结果。
29、上述方案中，所述原始模型由三个网络构成，每个网络均包括卷积神经网络cnn和下采样滤波器；所述第二获取单元，用于删除原始模型的三个网络中部分网络的部分cnn，并将原始模型的三个网络中剩余的各网络的cnn替换为深度可分离cnn，和/或，删除原始模型的三个网络中各网络的部分下采样滤波器，得到待训练检测模型；基于预先设置的训练数据集，对所述待训练检测模型进行训练，得到目标检测模型。
30、根据本申请的第三方面，提供了一种电子设备，包括：
31、至少一个处理器；以及
32、与所述至少一个处理器通信连接的存储器；其中，
33、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请所述的方法。
34、根据本申请的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行本申请所述的方法。
35、本申请中，获取针对目标对象的图像帧，将目标对象的图像帧输入至部署于npu中的目标检测模型，得到目标对象的参考部位在图像帧中的位置；目标检测模型通过对原始模型经过结构简化后得到的待训练检测模型进行训练而得到；基于目标对象的参考部位在图像帧中的位置，得到参考部位的参考参数；参考参数用于表征目标对象所处的姿势；基于参考部位的参考参数，确定对目标对象的姿势检测结果。本申请利用目标检测模型结合npu对目标对象的参考部位在图像帧中的位置进行检测，并且通过检测得到的位置，确定用于表征目标对象所处姿势的参考部位的参考参数，并基于参考部位的参考参数，确定对目标对象的姿势检测结果。能够实现对目标对象姿势的实时检测。
36、应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
本文档来自技高网...【技术保护点】
1.一种姿势检测方法，其特征在于，所述方法应用于电子设备，所述电子设备包括神经网络处理单元NPU，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述目标对象的参考部位的数量为两个；所述参考参数包括在图像帧中两个参考部位的距离以及两个参考部位连线相对于参考线的倾斜角度；所述基于所述参考部位的参考参数，确定对目标对象的姿势检测结果，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于判断结果，确定对目标对象的姿势检测结果，包括：
4.根据权利要求1所述的方法，其特征在于，所述原始模型由三个网络构成，每个网络均包括卷积神经网络CNN和下采样滤波器；所述目标检测模型通过对原始模型经过结构简化后得到的待训练检测模型进行训练而得到，包括：
5.根据权利要求1所述的方法，其特征在于，在所述将所述目标对象的图像帧输入至部署于NPU中的目标检测模型之前，所述方法还包括：
6.根据权利要求3所述的方法，其特征在于，还包括：
7.一种姿势检测装置，其特征在于，所述装置应用于电子设备，所述电子设备包括神经网络处理单
8.根据权利要求7所述的装置，其特征在于，所述原始模型由三个网络构成，每个网络均包括卷积神经网络CNN和下采样滤波器；所述第二获取单元，用于删除原始模型的三个网络中部分网络的部分CNN，并将原始模型的三个网络中剩余的各网络的CNN替换为深度可分离CNN，和/或，删除原始模型的三个网络中各网络的部分下采样滤波器，得到待训练检测模型；基于预先设置的训练数据集，对所述待训练检测模型进行训练，得到目标检测模型。
9.一种电子设备，其特征在于，包括：
10.一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使计算机执行根据权利要求1-6中任一项所述的方法。
...【技术特征摘要】
1.一种姿势检测方法，其特征在于，所述方法应用于电子设备，所述电子设备包括神经网络处理单元npu，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述目标对象的参考部位的数量为两个；所述参考参数包括在图像帧中两个参考部位的距离以及两个参考部位连线相对于参考线的倾斜角度；所述基于所述参考部位的参考参数，确定对目标对象的姿势检测结果，包括：
3.根据权利要求2所述的方法，其特征在于，所述基于判断结果，确定对目标对象的姿势检测结果，包括：
4.根据权利要求1所述的方法，其特征在于，所述原始模型由三个网络构成，每个网络均包括卷积神经网络cnn和下采样滤波器；所述目标检测模型通过对原始模型经过结构简化后得到的待训练检测模型进行训练而得到，包括：
5.根据权利要求1所述的方法，其特征在于，在所述将所述目标对象的图像帧输入至部署于npu中的目标检测模型之前，所述方...
【专利技术属性】
技术研发人员：张程，赵玲玲，李中英，张伟，赵兵，
申请(专利权)人：合肥联宝信息技术有限公司，
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。