CN103488980A

CN103488980A - 一种基于摄像头的坐姿判断方法和装置

Info

Publication number: CN103488980A
Application number: CN201310470630.0A
Authority: CN
Inventors: 郑战海; 王风; 黄亮
Original assignee: Guangdong Genius Technology Co Ltd
Current assignee: Guangdong Genius Technology Co Ltd
Priority date: 2013-10-10
Filing date: 2013-10-10
Publication date: 2014-01-01

Abstract

本发明公开了一种基于摄像头的坐姿判断方法和装置，该方法包括：摄像头获取当前坐姿的图像，识别图像中人脸的大小值；根据人脸的大小值计算人脸倾斜角；根据摄像头的固有拍摄角度和人脸在图像中的相对区域位置，等价计算出相对位置；根据当前坐姿的人脸的大小值、人脸倾斜角和相对位置判断坐姿，计算当前坐姿的正确指数。本发明通过利用图像识别对人脸识别中人脸倾斜度、人脸大小或两眼间距等能代表人脸大小的值、摄像头头像特定位置特征，通过与标准坐姿偏差来进行坐姿识别判断，使得判断的准确率更高，判断装置的成本更低。

Description

一种基于摄像头的坐姿判断方法和装置

技术领域

本发明涉及图像识别领域，尤其涉及一种基于摄像头的坐姿判断方法和装置。

背景技术

现有的关于坐姿判断中经常使用图像识别技术精确定位眼睛、书本、桌面的位置与相对距离，通过人脸识别分辨不同的使用者，从而得知人脸的长度，再使用人脸长度作为判定距离的基准；通过人眼识别确定眼与书本的距离。但是在实际实现过程中还存在技术瓶颈：1、判断的基准是脸部长度，但摄像头拍摄人脸的长度受距离的影响，摄像头拍摄的是二维图像，图像识别技术很难识别图形中物体的距离，所以拍摄的人脸长度作为基准进行图形中书本，桌面距离换算是不科学的，也可以说不准确的；2、根据脸部长度作为基准测算到桌子，书本距离，首先要能识别出二维图像中桌面，书本等特征，先假设通过一定空间换算方式可以计算出桌面，书本的距离，但桌面与书本特征的识别是目前技术瓶颈，因为桌子的形状不定，桌子的颜色（桌布）不确定，桌子上摆放什么东西不定，书本同样如此，摄像头图像识别技术在该领域因为应用范围太窄，识别难度大，属于特殊技术需求，不是主流的图像识别技术领域，目前技术上还存在很多瓶颈，技术实现要求摄像头像素与处理器处理速度都很高。没有在主流图像识别应用范围内，研发难度就会很大，对应投入也会很大，实现成本也会大幅提升。

发明内容

本发明提供了一种借助图像识别中的人脸识别的特征，通过摄像头对坐姿进行判断的方法和装置。

为实现上述方法和装置，本发明采用以下技术方案：

一方面采用一种基于摄像头的坐姿判断方法，该方法包括：

摄像头获取当前坐姿的图像，识别图像中人脸的大小值；

根据人脸的大小值计算人脸倾斜角；

根据摄像头的固有拍摄角度和人脸在图像中的相对区域位置，等价计算出相对位置；

根据当前坐姿的人脸的大小值、人脸倾斜角和相对位置判断坐姿，计算当前坐姿的正确指数。

其中，所述摄像头获取当前坐姿的图像，识别图像中人脸的大小值之前，还包括：

获取正确坐姿状态下的人脸大小值、人脸倾斜角和相对位置，记录为标准坐姿特征值。

其中，所述根据人脸的大小值计算人脸倾斜角，具体为：

根据人脸的大小值，与标准坐姿特征值中的人脸大小值对比，利用三角函数换算关系计算人脸倾斜角。

其中，所述根据当前坐姿的人脸的大小值、人脸倾斜角和相对位置判断坐姿，计算当前坐姿的正确指数，具体为：

根据当前坐姿的人脸的大小值、人脸倾斜角和相对位置与标准坐姿特征值中的人脸大小值、人脸倾斜角和相对位置，利用等比例算法与三角投射算法计算出当前坐姿与标准坐姿的差异度，根据差异度判断坐姿，计算当前坐姿的正确指数。

其中，所述根据当前坐姿的人脸的大小值、人脸倾斜角和相对位置判断坐姿，计算当前坐姿的正确指数之后，还包括：

当前坐姿的正确指数处于预设的范围内时，发出坐姿错误的警报。

其中，所述摄像头放置于台灯支架上，具体放置于相对于人脸偏下30°的位置。

另一方面采用了一种基于摄像头的坐姿判断装置，该装置包括：

人脸识别模块，用于摄像头获取当前坐姿的图像，识别图像中人脸的大小值；

倾斜角计算模块，用于根据人脸的大小值计算人脸倾斜角；

相对位置计算模块，用于根据摄像头的固有拍摄角度和人脸在图像中的相对区域位置，等价计算出相对位置；

坐姿判断模块，用于根据当前坐姿的人脸的大小值、人脸倾斜角和相对位置判断坐姿，计算当前坐姿的正确指数。

其中，还包括：

标准获取模块，用于获取正确坐姿状态下的人脸大小值、人脸倾斜角和相对位置，记录为标准坐姿特征值。

其中，所述倾斜角计算模块，具体用于：

其中，所述坐姿判断模块，具体用于：

其中，还包括：

报警模块，用于当前坐姿的正确指数处于预设的范围内时，发出坐姿错误的警报。

本发明的有益效果为：本发明通过利用图像识别对人脸识别中人脸倾斜度、人脸大小（或两眼间距等能代表人脸大小的值）、摄像头头像特定位置特征，通过与标准坐姿偏差来进行坐姿识别判断，使得判断的准确率更高，判断装置的成本更低。

附图说明

图1是本发明一种基于摄像头的坐姿判断方法的第一实施例流程图；

图2是本发明一种基于摄像头的坐姿判断方法的第二实施例流程图；

图3是本发明一种基于摄像头的坐姿判断方法的倾斜度与脸长度示意图；

图4是本发明一种基于摄像头的坐姿判断方法的头像区域判断示意图；

图5是本发明一种基于摄像头的坐姿判断装置的结构方框图。

具体实施方式

下面结合图1至图5并通过具体实施方式来进一步说明本发明的技术方案。

图1是本发明一种基于摄像头的坐姿判断方法的第一实施例流程图，如图所示，该方法包括：

步骤110：摄像头获取当前坐姿的图像，识别图像中人脸的大小值。

步骤120：根据人脸的大小值计算人脸倾斜角。

步骤130：根据摄像头的固有拍摄角度和人脸在图像中的相对区域位置，等价计算出相对位置。

步骤140：根据当前坐姿的人脸的大小值、人脸倾斜角和相对位置判断坐姿，计算当前坐姿的正确指数。

通过利用图像识别对人脸识别中人脸倾斜度、人脸大小（或两眼间距等能代表人脸大小的值）、摄像头头像特定位置特征，通过与标准坐姿偏差来进行坐姿识别判断，使得判断的准确率更高，成本更低。

图2是本发明一种基于摄像头的坐姿判断方法的第二实施例流程图，以该方法应用于台灯中为例，进行进一步说明。针对台灯这一实际应用，摄像头的放置有对应的要求，摄像头如果设置在台灯支架的中间位置，与人脸位置平齐，则对于计算人脸倾斜角比较准确，而且人脸高度也容易计算准确，但倾斜角识别范围较小，头低到一定角度，摄像头就基本拍不到人脸，人脸特征值就不会明显，五官比例失调，识别的准确率低。如果摄像头摆放到台灯底座对着人脸，则识别人脸倾斜角度可以很大，满足坐姿识别要求，但人脸所在的区域高度判断不明显，但因为坐姿不好的时候为向前倾斜，所以坐姿不好的程度一定程度上会影响人脸的大小，人脸检测长度和标准长度的差异越大，坐姿程度就会越糟糕。总和两种情况，摄像头设置于相对于人脸偏下30°位置为最佳应用方式，恰好满足倾斜角度、人脸在图像区域内位置两种影响都不是太大，可以结合人脸大小参数一起进行判断坐姿，具体的倾斜度与脸长度示意图如图3所示，头像区域判断示意图如图4所示。

在设置好台灯及摄像头后，采用图2中所示的方法流程图即可开始进行判断，该方法包括：

步骤201：获取正确坐姿状态下的人脸大小值、人脸倾斜角和相对位置，记录为标准坐姿特征值。

人脸识别的方法很多，主要的人脸识别方法有：

几何特征的人脸识别方法：几何特征可以是眼、鼻、嘴等的形状和它们之间的几何关系（如相互之间的距离）。这些算法识别速度快，需要的内存小，但识别率较低。

基于特征脸（PCA）的人脸识别方法：特征脸方法是基于KL变换的人脸识别方法，KL变换是图像压缩的一种最优正交变换。高维的图像空间经过KL变换后得到一组新的正交基，保留其中重要的正交基，由这些基可以张成低维线性空间。如果假设人脸在这些低维线性空间的投影具有可分性，就可以将这些投影用作识别的特征矢量，这就是特征脸方法的基本思想。这些方法需要较多的训练样本，而且完全是基于图像灰度的统计特性的。目前有一些改进型的特征脸方法。

神经网络的人脸识别方法：神经网络的输入可以是降低分辨率的人脸图像、局部区域的自相关函数、局部纹理的二阶矩等。这类方法同样需要较多的样本进行训练，而在许多应用中，样本数量是很有限的。

弹性图匹配的人脸识别方法：弹性图匹配法在二维的空间中定义了一种对于通常的人脸变形具有一定的不变性的距离，并采用属性拓扑图来代表人脸，拓扑图的任一顶点均包含一特征向量，用来记录人脸在该顶点位置附近的信息。该方法结合了灰度特性和几何因素，在比对时可以允许图像存在弹性形变，在克服表情变化对识别的影响方面收到了较好的效果，同时对于单个人也不再需要多个样本进行训练。

线段Hausdorff距离(LHD)的人脸识别方法：心理学的研究表明，人类在识别轮廓图（比如漫画）的速度和准确度上丝毫不比识别灰度图差。LHD是基于从人脸灰度图像中提取出来的线段图的，它定义的是两个线段集之间的距离，与众不同的是，LHD并不建立不同线段集之间线段的一一对应关系，因此它更能适应线段图之间的微小变化。实验结果表明，LHD在不同光照条件下和不同姿态情况下都有非常出色的表现，但是它在大表情的情况下识别效果不好。

支持向量机(SVM)的人脸识别方法：近年来，支持向量机是统计模式识别领域的一个新的热点，它试图使得学习机在经验风险和泛化能力上达到一种妥协，从而提高学习机的性能。支持向量机主要解决的是一个2分类问题，它的基本思想是试图把一个低维的线性不可分的问题转化成一个高维的线性可分的问题。通常的实验结果表明SVM有较好的识别率，但是它需要大量的训练样本（每类300个），这在实际应用中往往是不现实的。而且支持向量机训练时间长，方法实现复杂，该函数的取法没有统一的理论。

但是不管采用何种人脸识别方案，总能够提取出人脸的特征值，而在实时对坐姿进行判断之前，需要获得一个标准坐姿的特征值作为后续判断的参考值。这个参考值因为人的身高差异，桌椅比例差异，人脸大小差异，台灯在桌子位置不定，造成人到摄像头距离不定，所以每当其中的元素有较大变化或移动时，都需要校准一次。例如在台灯前，在获取标准坐姿的特征值的过程中，先提醒用户在台灯前坐正，利用图像识别的人脸识别算法，提取出坐姿对象的人脸特征值，以及对应的倾斜角θ，脸长度(或两眼间距)L，人脸在图像中的相对位置h。因为本次采集为正确坐姿采集，所以首先要保证倾斜角θ符合要求，当采集到的θ不在正确范围内时，提醒重新采集。直到获得正确坐姿状态下的人脸长度L1，倾斜角θ1和相对位置H1。

步骤202：摄像头获取当前坐姿的图像，识别图像中人脸的大小值。

摄像头获取当前坐姿的图像后，根据五官比例及特征值识别出人脸的长度值L，在该步骤中，为了提高识别效率，可以对前一帧的人脸区域进行动态跟踪，直接进入特征值提取。

步骤203：根据人脸的大小值，与标准坐姿特征值中的人脸大小值对比，利用三角函数换算关系计算人脸倾斜角。

计算得到当前的人脸倾斜角θ。

步骤204：根据摄像头的固有拍摄角度和人脸在图像中的相对区域位置，等价计算出相对位置。

等价计算得到的相对位置h，并不是具体的坐姿高度，应为受到θ和L的影响，两者的大小结合下h才有价值。

步骤205：根据当前坐姿的人脸的大小值、人脸倾斜角和相对位置与标准坐姿特征值中的人脸大小值、人脸倾斜角和相对位置，利用等比例算法与三角投射算法计算出当前坐姿与标准坐姿的差异度，根据差异度判断坐姿，计算当前坐姿的正确指数。

步骤206：当前坐姿的正确指数处于预设的范围内时，发出坐姿错误的警报。

当坐姿的错误达到预设的范围时，可以通过语音、报警灯等方式提醒用户调整到正确状态。因为用户坐在台灯前是一个相对比较长的过程，而每次提醒后一般而言用户不会马上进入错误的坐姿状态。故在每一次判断结束后，等待一定的时间，然后进入下一个检测过程。

图5是本发明一种基于摄像头的坐姿判断装置50的结构框图，如图所示，该装置包括：

人脸识别模块510，用于摄像头获取当前坐姿的图像，识别图像中人脸的大小值；

倾斜角计算模块520，用于根据人脸的大小值计算人脸倾斜角；

相对位置计算模块530，用于根据摄像头的固有拍摄角度和人脸在图像中的相对区域位置，等价计算出相对位置；

坐姿判断模块540，用于根据当前坐姿的人脸的大小值、人脸倾斜角和相对位置判断坐姿，计算当前坐姿的正确指数。

进一步地，如图5所示，还包括：

标准获取模块500，用于获取正确坐姿状态下的人脸大小值、人脸倾斜角和相对位置，记录为标准坐姿特征值。

具体地，所述倾斜角计算模块520，用于：

具体地，所述坐姿判断模块540，用于：

进一步地，如图5所示，还包括：

报警模块550，用于当前坐姿的正确指数处于预设的范围内时，发出坐姿错误的警报。

优选地，所述摄像头放置于台灯支架上，具体放置于相对于人脸偏下30°的位置。

通过上述模块的互相配合，协同工作，通过利用图像识别对人脸识别中人脸倾斜度、人脸大小（或两眼间距等能代表人脸大小的值）、摄像头头像特定位置特征，通过与标准坐姿偏差来进行坐姿识别判断，使得判断的准确率更高，判断装置的成本更低。

以上结合具体实施例描述了本发明的技术原理。这些描述只是为了解释本发明的原理，而不能以任何方式解释为对本发明保护范围的限制。基于此处的解释，本领域的技术人员不需要付出创造性的劳动即可联想到本发明的其它具体实施方式，这些方式都将落入本发明的保护范围之内。

Claims

1.一种基于摄像头的坐姿判断方法，其特征在于，包括：

摄像头获取当前坐姿的图像，识别图像中人脸的大小值；

根据人脸的大小值计算人脸倾斜角；

2.根据权利要求1所述的一种基于摄像头的坐姿判断方法，其特征在于，所述摄像头获取当前坐姿的图像，识别图像中人脸的大小值之前，还包括：

3.根据权利要求2所述的一种基于摄像头的坐姿判断方法，其特征在于，所述根据人脸的大小值计算人脸倾斜角，具体为：

4.根据权利要求2所述的一种基于摄像头的坐姿判断方法，其特征在于，所述根据当前坐姿的人脸的大小值、人脸倾斜角和相对位置判断坐姿，计算当前坐姿的正确指数，具体为：

5.根据权利要求1所述的一种基于摄像头的坐姿判断方法，其特征在于，所述根据当前坐姿的人脸的大小值、人脸倾斜角和相对位置判断坐姿，计算当前坐姿的正确指数之后，还包括：

6.根据权利要求1所述的一种基于摄像头的坐姿判断方法，其特征在于，所述摄像头放置于台灯支架上，具体放置于相对于人脸偏下30°的位置。

7.一种基于摄像头的坐姿判断装置，其特征在于，包括：

倾斜角计算模块，用于根据人脸的大小值计算人脸倾斜角；

8.根据权利要求7所述的一种基于摄像头的坐姿判断装置，其特征在于，还包括：

9.根据权利要求8所述的一种基于摄像头的坐姿判断装置，其特征在于，所述倾斜角计算模块，具体用于：

10.根据权利要求8所述的一种基于摄像头的坐姿判断装置，其特征在于，所述坐姿判断模块，具体用于：

11.根据权利要求7所述的一种基于摄像头的坐姿判断装置，其特征在于，还包括：

12.根据权利要求7所述的一种基于摄像头的坐姿判断装置，其特征在于，所述摄像头放置于台灯支架上，具体放置于相对于人脸偏下30°的位置。