CN103810478A - 一种坐姿检测方法和装置 - Google Patents
一种坐姿检测方法和装置 Download PDFInfo
- Publication number
- CN103810478A CN103810478A CN201410059849.6A CN201410059849A CN103810478A CN 103810478 A CN103810478 A CN 103810478A CN 201410059849 A CN201410059849 A CN 201410059849A CN 103810478 A CN103810478 A CN 103810478A
- Authority
- CN
- China
- Prior art keywords
- sitting posture
- image
- detected object
- characteristic information
- binaryzation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Landscapes
- Image Analysis (AREA)
- Image Processing (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种坐姿检测方法和装置,其中所述方法包括:获取连续多帧红外图像,从所述红外图像中提取检测对象的坐姿轮廓,获取所述检测对象的坐姿轮廓的特征信息,将所述特征信息与预设的特征信息进行匹配,根据匹配结果判定所述检测对象的坐姿是否符合预设标准。本发明使得坐姿检测时只需提取检测对象的坐姿轮廓,便可以对检测对象的坐姿进行检测,避免坐姿检测发生误判,提高了坐姿检测的稳定性和准确性。
Description
技术领域
本发明涉及图像识别领域,具体涉及一种坐姿检测方法和装置。
背景技术
由于青少年近视眼发病率逐年增高,因此,往往需要通过纠正坐姿以使眼睛与书本之间保持适当的距离,避免眼睛成为近视眼。纠正坐姿过程中坐姿的检测尤为重要。
现有的坐姿检测是通过人眼与书本之间的距离判断检测对象的坐姿是否标准。首先,采用普通光学摄像头来获取检测对象的人脸图像,使用图像识别技术定位检测对象的眼睛与书本和桌面的位置之间的相对距离。并通过人脸识别分辨不同的使用者,从而得知检测对象的脸的长度,把人脸当作近似的椭圆,计算椭圆长轴与短轴的比例,判断人脸朝向角度,再通过摄像头与人脸之间的空间关系确定眼与书本的距离,然后根据确定的距离判断坐姿是否标准。
但是,当检测对象的脸部被遮挡时,无法检测出检测对象的眼睛与书本之间的距离,导致误判,且该检测方法不稳定,检测准确性较低。
发明内容
有鉴于此,本发明实施例提供一种坐姿检测方法和装置,以避免对坐姿产生误判,提高坐姿检测的稳定性和准确性。
一方面,本发明实施例提供了一种坐姿检测方法,所述方法包括:
获取连续多帧红外图像;
从所述连续多帧红外图像中提取检测对象的坐姿轮廓;
获取所述检测对象的坐姿轮廓的特征信息;
将所述特征信息与预设的特征信息进行匹配;
根据匹配结果判定所述检测对象的坐姿是否符合预设标准。
另一方面,本发明实施例提供了一种坐姿检测装置,所述装置包括:
第一获取单元,用于获取连续多帧红外图像;
提取单元,用于从所述第一获取单元获取的红外图像中提取检测对象的坐姿轮廓;
第二获取单元,用于获取所述提取单元提取的检测对象的坐姿轮廓的特征信息;
匹配单元,用于将所述获取单元获取的特征信息与预设的特征信息进行匹配;
第一判定单元,用于根据所述匹配单元的匹配结果判定所述检测对象的坐姿是否符合预设标准。
本发明实施例提供的坐姿检测方法和装置,通过获取连续多帧的红外图像,从所述红外图像中提取到检测对象的坐姿轮廓,并获取坐姿轮廓的特征信息,将所述特征信息与预设的特征信息进行匹配,从而根据匹配结果来判定检测对象的坐姿是否符合预设的标准,由此,只需提取检测对象的坐姿轮廓,便可以对检测对象的坐姿进行检测,避免坐姿检测发生误判,提高了坐姿检测的稳定性和准确性。
附图说明
下面将通过参照附图详细描述本发明的示例性实施例,使本领域的普通技术人员更清楚本发明的上述及其他特征和优点,附图中:
图1是本发明实施例提供的一种坐姿检测方法的流程图;
图2是本发明实施例提供的一种坐姿检测方法中提取检测对象的坐姿轮廓的流程图;
图3是本发明实施例提供的一种坐姿检测方法中对红外图像进行二值化的流程图;
图4是本发明实施例提供的一种坐姿检测方法中获取所述检测对象的坐姿轮廓的特征信息的流程图;
图5是本发明实施例提供的一种坐姿检测方法中计算成对几何直方图的示意图;
图6是本发明实施例提供的一种坐姿检测方法中多边形的几何直方图的关系示意图;
图7是本发明实施例提供的一种坐姿检测方法中检测窗口的划分示意图;
图8是本发明实施例提供的另一种坐姿检测方法的流程图;
图9是本发明实施例提供的又一种坐姿检测方法的流程图;
图10是本发明实施例提供的一种坐姿检测装置的结构图;
图11是本发明实施例提供的一种坐姿检测装置中提取单元的结构图;
图12是本发明实施例提供的一种坐姿检测装置中第二获取单元的结构图;
图13是本发明实施例提供的一种坐姿检测装置应用于台灯时的安装示意图;
图14是本发明实施例提供的另一种坐姿检测装置的结构图;
图15是本发明实施例提供的又一种坐姿检测装置的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部内容。
图1是本发明实施例提供的一种坐姿检测方法的流程图。本发明实施例提供的坐姿检测方法可用于台灯、电脑、椅子或桌子上对用户的坐姿进行检测,如图1所示,所述坐姿检测方法包括:
步骤11、获取连续多帧红外图像。
所述红外图像反应了检测对象和背景之间的空间分布,其辐射亮度分布主要是由被检测对象的温度和发射率来决定的,具有很强的环境适应性,因此,采用红外图像对检测对象的坐姿进行检测不易受外界环境的干扰,避免了普通光学成像的不稳定性因素,可以通过CCD红外照相机或者红外摄像头来获得连续多帧红外图像。
步骤12、从所述红外图像中提取检测对象的坐姿轮廓。
从所述红外图像中提取检测对象的坐姿轮廓,也就是从红外图像中找出检测对象的坐姿形状,可以先对红外图像进行二值化处理,对二值化处理后的图像进行处理后,再从中提取坐姿轮廓,坐姿轮廓表示简单,计算量小,便于进行图像处理。
步骤13、获取所述检测对象的坐姿轮廓的特征信息。
从红外图像中提取到检测对象的坐姿轮廓以后,就要对所述坐姿轮廓进行描述,从而提高坐姿轮廓的表观特征性能,所述特征信息可以是特征向量或者特征描述算子。
步骤14、将所述特征信息与预设的特征信息进行匹配。
在获取检测对象坐姿轮廓的特征信息以后,将所述特征信息与预设的特征信息进行匹配,可以通过协方差公式计算检测对象坐姿轮廓的特征信息与预设的特征信息的匹配相似度,当匹配相似度高时,说明所述检测对象的坐姿符合预设标准。
示例性的,通过下述公式将所述特征信息与预设的特征信息进行匹配:
其中,r(T,R)表示预设的特征信息与检测对象的坐姿轮廓的特征信息的相关系数,r(T,R)越大,表示检测对象的坐姿与预设坐姿的匹配度越高,d(T,R)表示预设的特征信息与检测对象的坐姿轮廓的特征信息的统计值平均偏差,d(T,R)越小,表示检测对象的坐姿与预设坐姿的匹配越高,α表示平衡系数,T[M][N]为预设的特征信息直方图矩阵,均值为μT,均方差为σT,R[M][N]为检测对象的坐姿轮廓的特征信息直方图矩阵,均值为μR,均方差为σR。
步骤15、根据匹配结果判定所述检测对象的坐姿是否符合预设标准。
所述根据匹配结果判定所述检测对象的坐姿是否符合预设标准,也就是根据检测对象坐姿轮廓的特征信息与预设的特征信息的匹配相似度来判定检测对象的坐姿是否符合标准,其中,所述预设标准可以是标准坐姿也可以是非标准坐姿。
例如:当预设标准为标准坐姿时,检测对象的特征信息与预设的特征的匹配相似度高,则说明检测对象的坐姿标准;检测对象的特征信息与预设的特征的匹配相似度低,则说明检测对象的坐姿不标准。
当预设标准为非标准坐姿时,检测对象的特征信息与预设的特征的匹配相似度高,则说明检测对象的坐姿不标准;检测对象的特征信息与预设的特征的匹配相似度低,则说明检测对象的坐姿标准。
示例性的,上述所述红外图像中提取检测对象的坐姿轮廓,可如图2所示,包括:
步骤21、对所述红外图像进行二值化,获得二值化后的图像。
二值化图像由0和1组成的二维矩阵来表示,0和1分别对应于关闭和打开,关闭表征该像素处于背景,而打开表征该像素处于前景,所述前景可以是被检测的人,也可以是物。使用二值化图像可以更容易识别出红外图像的结构特征。
步骤22、对所述二值化后的图像进行增强处理。
图像增强的目的是改善图像的视觉效果,图像增强处理主要内容是突出图像中感兴趣的部分,减弱或去除不需要的信息。这样使得有用信息得到加强,从而得到一种更加实用的图像或者转换成一种更适合人或机器进行分析处理的图像。
步骤23、对所述增强处理后的图像进行滤波处理,用形态学的方法查询所述滤波处理后的图像中所有的连通域,统计所述连通域的面积,选择最大的连通域作为检测对象的坐姿轮廓。
对所述二值化后的红外图像进行增强处理可以采用中值滤波的方法过滤二值化后的图像中存在的部分噪声干扰,所述中值滤波能够很好的保护边缘信息,再用形态学的方法查询所述滤波处理后的红外图像中所有的连通域,统计所述连通域的面积,选择最大的连通域作为检测对象的坐姿轮廓。
示例性的,上述对所述红外图像进行二值化,获得二值化后的图像,可如图3所示,包括:
步骤31、从连续多帧红外图像中选取连续三帧红外图像进行差分运算,获得差分图像;
步骤32、对所述差分图像进行二值化;
步骤33、对所述二值化后的差分图像进行逻辑与运算,获得二值化后的图像。
例如:假设一帧红外图像表示为Ii(x,y),其中,(x,y)表示红外图像中像素的位置坐标,i表示第i时刻的图像,则从获取的连续多帧红外图像中选取连续的三帧红外图像Ii-1(x,y)、Ii(x,y)和Ii+1(x,y)进行差分运算,分别计算相邻两帧红外图像的差分图像T1(x,y)和T2(x,y),对所述差分图像T1(x,y)和T2(x,y)分别进行二值化,得到两幅二值图TC1(x,y)和TC2(x,y),再将TC1(x,y)和TC2(x,y)进行逻辑与运算,获取两幅二值图中的相同部分,便得到二值化后的图像Ci(x,y)。
示例性的,上述对所述差分图像进行二值化,可具体包括:
步骤321、将所述差分图像中的像素按列从上到下依次顺序排列,得到一维差分图像。
即将二维的差分图像中的像素按列从上到下依次顺序排列,从而将二维的差分图像转化为一维的差分图像,这种用一维差分图像代替二维差分图像的好处在于,方便指针的移动,提高运行效率。
步骤322、通过下述公式对得到的所述一维差分图像进行二值化:
其中,T(n)表示所述一维差分图像中的像素二值化后的值,n表示所述一维差分图像中第n个像素,pn表示所述一维差分图像中第n个像素的像素值,s表示所述一维差分图像中位于第n个像素后的像素个数,fs(n)表示位于第n个像素后的s个像素的像素值的总和,t为二值门限值。
即当一维差分图像中的像素低于阈值时,则该像素被设置为黑色,否则被设置为白色,再对所述二值化后的差分图像进行逻辑与运算,便获得二值化后的图像。
示例性的,上述获取所述检测对象的坐姿轮廓的特征信息,可如图4所示,包括:
步骤41、根据检测对象的坐姿轮廓确定检测窗口的大小。
根据检测对象的坐姿轮廓确定检测窗口的大小,用所述检测窗口对检测对象的坐姿轮廓图像进行滑动检测,从而检测窗口中是否有检测对象的坐姿。
步骤42、将检测窗口分割为若干个基本块,并计算所述若干个基本块中每一个基本块的成对几何直方图,获得每一个基本块的特征信息。
步骤43、将所述若干个基本块中任意相邻的2×2个基本块组成一个超级块,并将各超级块内每一个基本块的特征信息进行串联,获得每一个超级块的特征信息。
由于局部光照的变化以及检测对象坐姿轮廓中前景-背景对比度的变化,使得几何强度的变化范围非常大,因此需要对几何强度做归一化,归一化能够进一步地对光照、阴影和边缘进行压缩。
步骤44、将检测窗口内所有超级块的特征信息进行串联,获得检测对象的坐姿轮廓特征信息。
获得每一个超级块的特征信息后,将检测窗口内所有超级块的特征信息进行串联,获得检测对象的坐姿轮廓特征信息。
示例性的,图5为计算所述若干个基本块中每一个基本块的成对几何直方图的示意图,如图5所示,图中51表示检测对象的坐姿轮廓图,成对几何直方图通过相对角和相对位置特征来描述检测对象的坐姿轮廓。采用几何直方图来计算检测对象坐姿轮廓的特征信息时,需要将检测对象的坐姿轮廓近似为一个几何多边形,并将多边形定义为边缘点的集合,这样多边形的轮廓就可以由连续的边缘点来表示,这种方法可以很好的描述检测对象坐姿轮廓的特征信息。
在计算多边形的几何直方图时,将每一个边缘轮廓视为其方向上的基准线,它与其他轮廓边缘间的相对角以及最大和最小垂直距离(θ以及dmin和dmax)可以被计算出来,可如图6所示,图6为多边形的几何直方图的关系示意图,θ为几何直方图中的行,在其中增加对应的计算出来的dmin和dmax的所有直方块,就得到了多边形的几何直方图。
示例性的,上述将所述若干个基本块中任意相邻的2×2个基本块组成一个超级块,并将各超级块内每一个基本块的特征信息进行串联,获得每一个超级块的特征信息,所述基本块与超级块的划分如图7所示,其中,71表示检测窗口,72表示基本块,73表示超级块,74表示检测对象的坐姿图像。
本实施例提供的坐姿检测方法,通过获取连续多帧的红外图像,从所述红外图像中提取到检测对象的坐姿轮廓,并获取坐姿轮廓的特征信息,将所述特征信息与预设的特征信息进行匹配,从而根据匹配结果来判定检测对象的坐姿是否符合预设的标准,由此,只需提取检测对象的坐姿轮廓,便可以对检测对象的坐姿进行检测,避免坐姿检测发生误判,提高了坐姿检测的稳定性和准确性。
图8是本发明实施例提供的另一种坐姿检测方法的流程图。如图8所示,该坐姿检测方法以上述实施例为基础,可用于台灯、电脑、椅子或桌子上对用户的坐姿进行检测,与上述实施例不同的是,在从所述红外图像中提取检测对象的坐姿轮廓之前,所述方法还包括:
步骤81、检测所述红外图像中是否存在干扰光线,如果所述红外图像中存在干扰,则执行步骤82,对所述红外图像中的干扰光线进行补偿,滤除所述红外图像中的干扰光线,如果所述红外图像中不存在干扰,则执行步骤12,从所述红外图像中提取检测对象的坐姿轮廓。
步骤82、对所述红外图像中的干扰光线进行补偿,滤除所述红外图像中的干扰光线。
示例性的,上述检测所述红外图像中是否存在干扰光线可以通过每帧与所述红外图像相对应的被动红外图像来检测,即每一帧图像中交替获得红外图像和被动红外图像,所述红外图像是指接收主动发出的照射到检测对象的具有一定波长的光的反射光而获得的图像,所述被动红外图像是指接收自然环境中被动发出的照射到检测对象的具有一定波段的光的反射光而形成的图像,所述被动红外图像的接收频段为红外线频段范围,可检测出环境中的红外光线,例如:灯具发出的光线中的红外线成分。
当所述被动红外图像中检测到环境中存在干扰光线时,则对所述红外图像中的干扰光线进行补偿,滤除所述红外图像中的干扰光线,可以将所述被动红外图像与所述获取的红外图像进行相减后,即可滤除所述红外图像中的干扰光线,从而提高所述红外图像的质量,以便更好的从所述红外图像中提取检测对象的坐姿轮廓。
本发明实施例提供的坐姿检测方法,通过检测所述红外图像中是否存在干扰光线,如果存在干扰光线,则滤除所述红外图像中的干扰光线后,再从所述红外图像中提取检测对象的坐姿轮廓,提高了红外图像的质量,能够更好的从所述红外图像中提取检测对象的坐姿轮廓,保证提取到的检测对象坐姿轮廓的可靠性。
图9是本发明实施例提供的又一种坐姿检测方法的流程图。所述坐姿检测方法以上述实施例为基础,所述方法还包括:
步骤91、判断所述匹配结果是否大于预设阈值。
当所述匹配结果大于预设阈值时,判定所述检测对象的坐姿符合预设标准,执行步骤97,向检测对象显示第一提示信息,当所述匹配结果小于预设阈值时,判定所述检测对象的坐姿不符合预设标准,由于如果在坐姿检测过程中获取的所述红外图像中检测对象的坐姿图像不完全时,可能出现检测对象的坐姿轮廓的特征信息与预设的特征信息的匹配度小于预设阈值的情况,因此,为了增加对检测对象坐姿检测的置信度,防止发生误判,需要再次判定所述不符合预设标准的检测对象的坐姿是否不符合预设标准,执行步骤92。
步骤92、对所述二值化后的图像进行背景更新,通过背景差减法提取前景图像。
在对检测对象的坐姿进行检测的过程中,背景图像往往会发生变化,如果不对背景图像进行更新,则通过背景差减法提取的前景图像的误差非常大,在本步骤中,仅对背景图像中除了检测对象对应区域之外的点及前向预测点进行自适应更新。
示例性的,所述背景更新采用下述公式:
Bi+1(x,y)表示下一帧红外图像的背景值,Bi(x,y)表示当前红外图像的背景值,Ii(x,y)表示当前红外图像的灰度值,h是检测对象坐姿轮廓匹配成功区域的高度值,H为红外图像高度,表示更新系数,Ci(x,y)为红外图像二值化后的值。
步骤93、计算所述前景图像的顶点坐标。
通过背景差减法提取出前景目标后,在每一帧前景图像中都会计算前景图像的顶点坐标。
步骤94、将所述前景图像的顶点坐标与先验前景图像的顶点坐标形成前景图像的运动轨迹。
由于每一帧背景更新后的图像在提取前景图像时,都会计算前景图像的顶点坐标,因此,将当前帧的前景图像的顶点坐标与先验前景图像的顶点坐标结合起来便形成了前景图像的运动轨迹,所述运动轨迹反应的前景图像的运动趋势,因此,可以根据前景图像的运动轨迹判定检测对象的坐姿是否不符合预设标准,使得对检测对象的坐姿检测具有更高的置信度,防止发生误判。
步骤95、根据所述前景图像的运动轨迹,判定所述不符合预设标准的检测对象的坐姿是否不符合预设标准。当判定所述不符合预设标准的检测对象的坐姿确实不符合预设标准时,执行步骤97,向检测对象发出第二提示信息,当判定所述不符合预设标准的检测对象的坐姿符合预设标准时,执行步骤96,向检测对象显示第一提示信息。
根据所述前景图像的运动轨迹,当发现当前前景图像的顶点坐标与先验前景图像的顶点坐标有越来越小的趋势时,则判定所述不符合预设标准的检测对象的坐姿不符合预设标准。
步骤96、当判定所述检测对象的坐姿符合预设标准时,向所述检测对象显示第一提示信息。
所述第一提示信息可以显示在显示屏上,提示检测对象的坐姿符合预设标准。
步骤97、当判定所述检测对象的坐姿不符合预设标准时,向所述检测对象发出第二提示信息。
所述第二提示信息可以是高频的警报声等声音,提示检测对象的坐姿不符合预设标准。
本发明实施例提供的坐姿检测方法,根据前景图像的运动轨迹再次判定不符合预设标准的坐姿是否不符合预设标准,并且根据判定结果向检测对象发出不同的提示信息。避免了坐姿检测发生误判,提高了坐姿检测的稳定性和准确性。
图10是本发明实施例提供的一种坐姿检测装置的结构图。本发明实施例提供的坐姿检测装置可运用于台灯、电脑或椅子上实现对用户的坐姿进行检测,如图10所示,所述坐姿检测装置包括:第一获取单元101、提取单元102、第二获取单元103、匹配单元104、第一判定单元105。
其中,所述第一获取单元101用于获取连续多帧红外图像。所述第一获取单元101可以是CCD红外照相机或者红外摄像头。
所述提取单元102用于从所述第一获取单元101获取的红外图像中提取检测对象的坐姿轮廓。
所述第二获取单元103用于获取所述提取单元102提取的检测对象的坐姿轮廓的特征信息。
所述匹配单元104用于将所述第二获取单元103获取的特征信息与预设的特征信息进行匹配。
示例性的,所述匹配单元104通过下述公式将所述特征信息与预设的特征信息进行匹配:
其中,r(T,R)表示预设的特征信息与检测对象的坐姿轮廓的特征信息的相关系数,d(T,R)表示预设的特征信息与检测对象的坐姿轮廓的特征信息的统计值平均偏差,α表示平衡系数,T[M][N]为预设的特征信息直方图矩阵,均值为μT,均方差为σT,R[M][N]为检测对象的坐姿轮廓的特征信息直方图矩阵,均值为μR,均方差为σR。
所述第一判定单元105用于根据所述匹配单元104的匹配结果判定所述检测对象的坐姿是否符合预设标准。
所述第一判定单元105具体用于判定所述匹配的结果是否大于预设阈值,当所述匹配结果大于预设阈值时,判定所述检测对象的坐姿符合预设标准,当所述匹配结果小于或等于预设阈值时,判定所述检测对象的坐姿不符合预设标准。
示例性的,上述提取单元102的结构图可如图11所示,所述提取单元102可包括二值化子单元1021、图像增强子单元1022、查询子单元1023。
其中,所述二值化子单元1021用于对所述图像进行二值化,获得二值化后的图像,所述图像增强子单元1022用于对所述二值化子单元二值化后的图像进行增强处理,所述查询子单元1023用于对所述图像增强子单元增强处理后的图像进行滤波处理,用形态学的方法查询所述滤波处理后的图像中所有的连通域,统计所述连通域的面积,选择最大的连通域作为检测对象的坐姿轮廓。
所述二值化子单元1021具体用于从所述连续多帧红外图像中选取连续三帧红外图像进行差分运算,获得差分图像,对所述差分图像进行二值化,对所述二值化后的差分图像进行逻辑与运算,获得二值化后的图像。
所述二值化子单元1021具体还用于将所述差分图像中的像素按列从上到下依次顺序排列,得到一维差分图像,通过下述公式对得到的所述一维差分图像进行二值化:
其中,T(n)表示所述一维差分图像中的像素二值化后的值,pn表示所述一维差分图像中第n个像素的像素值,s表示所述一维差分图像中位于第n个像素后的像素个数,fs(n)表示位于第n个像素后的s个像素的像素值的总和,t为二值门限值。
示例性的,上述第二获取单元103的结构图如图12所示,所述第二获取单元103可包括检测窗口子单元1031、基本块子单元1032、超级块子单元1033和串联子单元1034。
其中,所述检测窗口单元1031用于根据检测对象坐姿轮廓确定检测窗口的大小,所述基本块单元1032用于将所述检测窗口分割为若干个基本块,并采用三线性插值方法计算所述若干个基本块中每一个基本块的成对几何直方图,获得每一个基本块的特征信息,所述超级块单元1033用于将所述若干个基本块中任意相邻的2×2个基本块组成一个超级块,并将各超级块内每一个基本块的特征信息进行串联,获得每一个超级块的特征信息,所述串联单元1034用于将检测窗口内所有超级块的特征信息进行串联,获得检测对象坐姿轮廓特征信息。
本实施例提供的坐姿检测装置,通过获取连续多帧的红外图像,从所述红外图像中提取到检测对象的坐姿轮廓,并获取坐姿轮廓的特征信息,将所述特征信息与预设的特征信息进行匹配,从而根据匹配结果来判定检测对象的坐姿是否符合预设的标准,由此,只需提取检测对象的坐姿轮廓,便可以对检测对象的坐姿进行检测,避免坐姿检测发生误判,提高了坐姿检测的稳定性和准确性。
图13是本发明实施例提供的另一种坐姿检测装置的结构图。如图13所示,该坐姿检测装置以上述实施例为基础,可用于台灯、电脑、椅子或桌子上对用户的坐姿进行检测,与上述实施例不同的是,所述装置还包括:检测单元131和第一处理单元132。
其中,所述检测单元131用于检测所述红外图像中是否存在干扰光线,所述第一处理单元132用于如果所述检测单元检测到所述红外图像中存在干扰,则对所述红外图像中的干扰光线进行补偿,滤除所述红外图像中的干扰光线。
示例性的,所述检测单元131可以通过每帧与所述红外图像相对应的被动红外图像来检测,即每一帧图像中交替获得红外图像和被动红外图像,所述红外图像是指接收主动发出的照射到检测对象的具有一定波长的光的反射光而获得的图像,所述被动红外图像是指接收自然环境中被动发出的照射到检测对象的具有一定波段的光的反射光而形成的图像。
示例性的,上述实施例中,当所述坐姿检测装置应用于台灯上时,所述坐姿检测装置的安装示意图可如图14所示,其中,141表示第一获取单元,142表示台灯灯源,143表示桌面,其中,所述第一获取单元包括红外摄像头1411和红外LED灯1412。
所述第一获取单元141与台灯灯源142的水平夹角可以设置120度,第一获取单元141在垂直方向向下俯角5-12度,第一获取单元141离桌面距离25cm左右。所述夹角设置为140度,向下俯角设置为5-12度能够防止室内房顶灯光及台灯本身光源对红外摄像头的影响,第一获取单元141与桌面143的距离设置为5cm-35cm的范围。所述红外Led灯1412排列结构采用以第一获取单元141为中心对称围绕方式,角度上都向外侧倾斜30度,防止光线过度聚焦造成红外图像光照补偿不均匀问题。当所述红外LED灯1412亮时,获得的图像为红外图像,当所述红外LED灯1412不亮时,获得的图像为被动红外图像,通过每一帧交替获得的红外图像与被动红外图像,能够检测出获取的红外图像中是否存在干扰光线,当检测到所述红外图像中存在干扰光线时,通过红外图像与被动红外图像相减,可以去除红外图像中的干扰光线,保证了红外图像的质量,以便更好的从所述红外图像中提取检测对象的坐姿轮廓。
本发明实施例提供的坐姿检测装置,通过检测所述红外图像中是否存在干扰光线,如果存在干扰光线,则滤除所述红外图像中的干扰光线后,再从所述红外图像中提取检测对象的坐姿轮廓,提高了红外图像的质量,能够更好的从所述红外图像中提取检测对象的坐姿轮廓,保证提取到的检测对象坐姿轮廓的可靠性。
图15是本发明实施例提供的又一种坐姿检测装置的结构图。所述坐姿检测装置以上述实施例为基础,所述坐姿检测装置还包括:背景更新单元151、计算单元152、轨迹形成单元153、第二判定单元154、第一显示单元155和第二提示单元156。
其中,所述背景更新单元151用于对所述二值化后的红外图像进行背景更新,通过背景差减法提取前景图像。
所述计算单元152用于计算背景更新单元提取的所述前景图像的顶点坐标。
所述轨迹形成单元153用于将所述计算单元得到的前景图像的顶点坐标与先验前景图像的顶点坐标形成前景图像的运动轨迹。
所述第二判定单元154用于根据所述轨迹形成单元形成的前景图像的运动轨迹,判定所述不符合预设标准的检测对象的坐姿是否不符合预设标准。
所述第一显示单元155用于当判定所述检测对象的坐姿符合预设标准时,向所述检测对象显示第一显示信息。
所述第二提示单元156用于当判定所述检测对象的坐姿不符合预设标准时,向所述检测对象发出第二提示信息。
本发明实施例提供的坐姿检测装置,根据前景图像的运动轨迹再次判定不符合预设标准的坐姿是否不符合预设标准,并且根据判定结果向检测对象发出不同的提示信息。避免了坐姿检测发生误判,提高了坐姿检测的稳定性和准确性。
显然,本领域技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个计算装置上,或者分布在多个计算装置所组成的网络上,可选地,他们可以用计算机装置可执行的程序代码来实现,从而可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件的结合。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (22)
1.一种坐姿检测方法,其特性在于,所述方法包括:
获取连续多帧红外图像;
从所述红外图像中提取检测对象的坐姿轮廓;
获取所述检测对象的坐姿轮廓的特征信息;
将所述特征信息与预设的特征信息进行匹配;
根据匹配结果判定所述检测对象的坐姿是否符合预设标准。
2.根据权利要求1所述的坐姿检测方法,其特征在于,在从所述红外图像中提取检测对象的坐姿轮廓之前,所述方法还包括:
检测所述红外图像中是否存在干扰光线;
如果所述红外图像中存在干扰,则对所述红外图像中的干扰光线进行补偿,滤除所述红外图像中的干扰光线。
3.根据权利要求1所述的坐姿检测方法,其特征在于,从所述红外图像中提取检测对象的坐姿轮廓,包括:
对所述红外图像进行二值化,获得二值化后的图像;
对所述二值化后的图像进行增强处理;
对所述增强处理后的图像进行滤波处理,用形态学的方法查询所述滤波处理后的图像中所有的连通域,统计所述连通域的面积,选择最大的连通域作为检测对象的坐姿轮廓。
4.根据权利要求3所述的坐姿检测方法,其特征在于,对所述红外图像进行二值化,获得二值化后的图像,包括:
从连续多帧红外图像中选取连续三帧红外图像进行差分运算,获得差分图像;
对所述差分图像进行二值化;
对所述二值化后的差分图像进行逻辑与运算,获得二值化后的图像。
5.根据权利要求4所述的坐姿检测方法,其特征在于,对所述差分图像进行二值化,包括:
将所述差分图像中的像素按列从上到下依次顺序排列,得到一维差分图像;
通过下述公式对得到的所述一维差分图像进行二值化:
其中,T(n)表示所述一维差分图像第n个像素二值化后的值,pn表示所述一维差分图像中第n个像素的像素值,s表示所述一维差分图像中位于第n个像素后的像素个数,fs(n)表示位于第n个像素后的s个像素的像素值的总和,t为二值门限值。
6.根据权利要求1-5任一项所述的坐姿检测方法,其特征在于,所述获取所述检测对象的坐姿轮廓的特征信息,包括:
根据检测对象的坐姿轮廓确定检测窗口的大小;
将检测窗口分割为若干个基本块,并计算所述若干个基本块中每一个基本块的成对几何直方图,获得每一个基本块的特征信息;
将所述若干个基本块中任意相邻的2×2个基本块组成一个超级块,并将各超级块内每一个基本块的特征信息进行串联,获得每一个超级块的特征信息;
将检测窗口内所有超级块的特征信息进行串联,获得检测对象的坐姿轮廓特征信息。
7.根据权利要求1-5任一项所述的坐姿检测方法,其特征在于,通过下述公式将所述特征信息与预设的特征信息进行匹配:
其中,r(T,R)表示预设的特征信息与检测对象的坐姿轮廓的特征信息的相关系数,d(T,R)表示预设的特征信息与检测对象的坐姿轮廓的特征信息的统计值平均偏差,α表示平衡系数,T[M][N]为预设的特征信息直方图矩阵,均值为μT,均方差为σT,R[M][N]为检测对象的坐姿轮廓的特征信息直方图矩阵,均值为μR,均方差为σR。
8.根据权利要求1-5任一项所述的坐姿检测方法,其特性在于,根据匹配结果判定所述检测对象的坐姿是否符合预设标准,包括:
判断所述匹配的结果是否大于预设阈值;
当所述匹配结果大于预设阈值时,判定所述检测对象的坐姿符合预设标准;
当所述匹配结果小于或等于预设阈值时,判定所述检测对象的坐姿不符合预设标准。
9.根据权利要求8所述的坐姿检测方法,其特征在于,当所述匹配结果小于或等于预设阈值时,所述方法还包括:
对所述二值化后的图像进行背景更新,通过背景差减法提取前景图像;
计算所述前景图像的顶点坐标;
将所述前景图像的顶点坐标与先验前景图像的顶点坐标形成前景图像的运动轨迹;
根据所述前景图像的运动轨迹,判定所述不符合预设标准的检测对象的坐姿是否不符合预设标准。
11.根据权利要求1-5任一项所述的坐姿检测方法,其特征在于,根据匹配结果判定所述检测对象的坐姿是否符合预设标准之后,所述方法还包括:
当判定所述检测对象的坐姿符合预设标准时,向所述检测对象显示第一提示信息;
当判定所述检测对象的坐姿不符合预设标准时,向所述检测对象发出第二提示信息。
12.一种坐姿检测装置,其特征在于,所述装置包括:
第一获取单元,用于获取连续多帧红外图像;
提取单元,用于从所述第一获取单元获取的红外图像中提取检测对象的坐姿轮廓;
第二获取单元,用于获取所述提取单元提取的检测对象的坐姿轮廓的特征信息;
匹配单元,用于将所述第二获取单元获取的特征信息与预设的特征信息进行匹配;
第一判定单元,用于根据所述匹配单元的匹配结果判定所述检测对象的坐姿是否符合预设标准。
13.根据权利要求12所述的坐姿检测装置,其特征在于,所述装置还包括:
检测单元,用于检测所述红外图像中是否存在干扰光线;
第一处理单元,用于如果所述检测单元检测到所述红外图像中存在干扰,则对所述红外图像中的干扰光线进行补偿,滤除所述红外图像中的干扰光线。
14.根据权利要求12所述的坐姿检测装置,其特征在于,所述提取单元包括:
二值化子单元,用于对所述红外图像进行二值化,获得二值化后的图像;
图像增强子单元,用于对所述二值化子单元二值化后的图像进行增强处理;
查询子单元,用于对所述图像增强子单元增强处理后的图像进行滤波处理,用形态学的方法查询所述滤波处理后的图像中所有的连通域,统计所述连通域的面积,选择最大的连通域作为检测对象的坐姿轮廓。
15.根据权利要求14所述的坐姿检测装置,其特征在于,所述二值化子单元具体用于:
从连续多帧红外图像中选取连续三帧红外图像进行差分运算,获得差分图像;
对所述差分图像进行二值化;
对所述二值化后的差分图像进行逻辑与运算,获得二值化后的图像。
17.根据权利要求12-16任一项所述的坐姿检测装置,其特征在于,所述第二获取单元包括:
检测窗口子单元,用于根据检测对象坐姿轮廓确定检测窗口的大小;
基本块子单元,用于将所述检测窗口分割为若干个基本块,并计算所述若干个基本块中每一个基本块的成对几何直方图,获得每一个基本块的特征信息;
超级块子单元,用于将所述若干个基本块中任意相邻的2×2个基本块组成一个超级块,并将各超级块内每一个基本块的特征信息进行串联,获得每一个超级块的特征信息;
串联子单元,用于将检测窗口内所有超级块的特征信息进行串联,获得检测对象坐姿轮廓特征信息。
18.根据权利要求12-16任一项所述的坐姿检测装置,其特征在于,所示匹配单元通过下述公式将所述特征信息与预设的特征信息进行匹配:
其中,r(T,R)表示预设的特征信息与检测对象的坐姿轮廓的特征信息的相关系数,d(T,R)表示预设的特征信息与检测对象的坐姿轮廓的特征信息的统计值平均偏差,α表示平衡系数,T[M][N]为预设的特征信息直方图矩阵,均值为μT,均方差为σT,R[M][N]为检测对象的坐姿轮廓的特征信息直方图矩阵,均值为μR,均方差为σR。
19.根据权利要求12-16任一项所述的坐姿检测装置,其特征在于,所述第一判定单元具体用于:
判定所述匹配的结果是否大于预设阈值;
当所述匹配结果大于预设阈值时,判定所述检测对象的坐姿符合预设标准;
当所述匹配结果小于或等于预设阈值时,判定所述检测对象的坐姿不符合预设标准。
20.根据权利要求19所述的坐姿检测装置,其特征在于,所述装置还包括:
背景更新单元,用于对所述二值化后的图像进行背景更新,通过背景差减法提取前景图像;
计算单元,用于计算背景更新单元提取的所述前景图像的顶点坐标;
轨迹形成单元,用于将所述计算单元得到的前景图像的顶点坐标与先验前景图像的顶点坐标形成前景图像的运动轨迹;
第二判定单元,用于根据所述轨迹形成单元形成的前景图像的运动轨迹,判定所述不符合预设标准的检测对象的坐姿是否不符合预设标准。
22.根据权利要求12-16任一项所述的坐姿检测装置,其特征在于,所述装置还包括:
第一显示单元,用于当判定所述检测对象的坐姿符合预设标准时,向所述检测对象显示第一提示信息;
第二提示单元,用于当判定所述检测对象的坐姿不符合预设标准时,向所述检测对象发出第二提示信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410059849.6A CN103810478B (zh) | 2014-02-21 | 2014-02-21 | 一种坐姿检测方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410059849.6A CN103810478B (zh) | 2014-02-21 | 2014-02-21 | 一种坐姿检测方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103810478A true CN103810478A (zh) | 2014-05-21 |
CN103810478B CN103810478B (zh) | 2018-01-09 |
Family
ID=50707220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410059849.6A Active CN103810478B (zh) | 2014-02-21 | 2014-02-21 | 一种坐姿检测方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103810478B (zh) |
Cited By (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484871A (zh) * | 2014-11-27 | 2015-04-01 | 小米科技有限责任公司 | 边缘提取方法和装置 |
CN106406521A (zh) * | 2016-08-30 | 2017-02-15 | 乐视控股(北京)有限公司 | 坐姿检测方法及装置 |
CN106485231A (zh) * | 2016-10-21 | 2017-03-08 | 上海未来伙伴机器人有限公司 | 一种目标色块提取方法及装置 |
CN106530275A (zh) * | 2016-10-11 | 2017-03-22 | 广州视源电子科技股份有限公司 | 元件错件检测方法和系统 |
CN106782569A (zh) * | 2016-12-06 | 2017-05-31 | 深圳增强现实技术有限公司 | 一种基于声纹注册的增强现实方法及装置 |
CN106781324A (zh) * | 2017-01-09 | 2017-05-31 | 海南易成长科技有限公司 | 一种护眼护脊椎提醒系统及灯具 |
CN106991399A (zh) * | 2017-04-01 | 2017-07-28 | 浙江陀曼精密机械有限公司 | 一种坐姿图像检测比对系统及其方法 |
CN107103736A (zh) * | 2017-04-26 | 2017-08-29 | 青岛海澄知识产权事务有限公司 | 一种智能式读写坐姿矫正装置 |
CN107115166A (zh) * | 2017-04-26 | 2017-09-01 | 青岛海澄知识产权事务有限公司 | 一种智能式读写坐姿矫正方法 |
CN107169456A (zh) * | 2017-05-16 | 2017-09-15 | 湖南巨汇科技发展有限公司 | 一种基于坐姿深度图像的坐姿检测方法 |
CN107606512A (zh) * | 2017-07-27 | 2018-01-19 | 广东数相智能科技有限公司 | 一种智能台灯、基于智能台灯提醒用户坐姿的方法及装置 |
CN108334812A (zh) * | 2017-12-27 | 2018-07-27 | 北京海杭通讯科技有限公司 | 自动检测坐姿方法及装置 |
CN108720276A (zh) * | 2018-05-30 | 2018-11-02 | 任峰 | 书桌防负荷超重系统 |
CN108769505A (zh) * | 2018-03-30 | 2018-11-06 | 联想(北京)有限公司 | 一种图像处理集方法及电子设备 |
CN108921891A (zh) * | 2018-06-21 | 2018-11-30 | 南通西塔自动化科技有限公司 | 一种可任意旋转的机器视觉快速定位方法 |
CN109272714A (zh) * | 2018-10-15 | 2019-01-25 | 吴博霖 | 头戴式坐姿检测装置 |
CN110440170A (zh) * | 2019-03-21 | 2019-11-12 | 深圳市宇华智界科技有限公司 | 一种具有视觉识别系统的坐姿矫正台灯 |
CN111145274A (zh) * | 2019-12-06 | 2020-05-12 | 华南理工大学 | 一种基于视觉的坐姿检测方法 |
CN111265220A (zh) * | 2020-01-21 | 2020-06-12 | 王力安防科技股份有限公司 | 一种近视预警方法、装置及设备 |
CN111698458A (zh) * | 2019-03-12 | 2020-09-22 | 纬创资通股份有限公司 | 监控系统及其监控方法 |
CN112861562A (zh) * | 2019-11-12 | 2021-05-28 | 北京君正集成电路股份有限公司 | 一种检测坐姿异常的检测方法及其系统 |
CN113487566A (zh) * | 2021-07-05 | 2021-10-08 | 杭州萤石软件有限公司 | 一种不良姿态检测方法、检测装置 |
CN117994819A (zh) * | 2024-04-01 | 2024-05-07 | 南昌市小核桃科技有限公司 | 基于图像数据分析的人体姿态监测系统 |
CN117994819B (zh) * | 2024-04-01 | 2024-06-07 | 南昌市小核桃科技有限公司 | 基于图像数据分析的人体姿态监测系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009156714A1 (en) * | 2008-06-25 | 2009-12-30 | Postureminder Ltd | System and method for improving posture |
CN101630410A (zh) * | 2009-08-18 | 2010-01-20 | 北京航空航天大学 | 一种基于单摄像机的人体坐姿判定方法 |
CN102096801A (zh) * | 2009-12-14 | 2011-06-15 | 北京中星微电子有限公司 | 一种坐姿检测方法及装置 |
CN103488980A (zh) * | 2013-10-10 | 2014-01-01 | 广东小天才科技有限公司 | 一种基于摄像头的坐姿判断方法和装置 |
-
2014
- 2014-02-21 CN CN201410059849.6A patent/CN103810478B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2009156714A1 (en) * | 2008-06-25 | 2009-12-30 | Postureminder Ltd | System and method for improving posture |
CN101630410A (zh) * | 2009-08-18 | 2010-01-20 | 北京航空航天大学 | 一种基于单摄像机的人体坐姿判定方法 |
CN102096801A (zh) * | 2009-12-14 | 2011-06-15 | 北京中星微电子有限公司 | 一种坐姿检测方法及装置 |
CN103488980A (zh) * | 2013-10-10 | 2014-01-01 | 广东小天才科技有限公司 | 一种基于摄像头的坐姿判断方法和装置 |
Non-Patent Citations (3)
Title |
---|
武松林等: "基于PCA的坐姿行为识别", 《计算机应用研究》 * |
韩晓明等: "基于视频的学生坐姿检测与纠正系统研究", 《首都师范大学学报 自然科学版》 * |
高晶等: "一种快速红外人体轮廓跟踪算法", 《西安电子科技大学学报 自然科学版》 * |
Cited By (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104484871B (zh) * | 2014-11-27 | 2018-09-04 | 小米科技有限责任公司 | 边缘提取方法和装置 |
CN104484871A (zh) * | 2014-11-27 | 2015-04-01 | 小米科技有限责任公司 | 边缘提取方法和装置 |
CN106406521A (zh) * | 2016-08-30 | 2017-02-15 | 乐视控股(北京)有限公司 | 坐姿检测方法及装置 |
CN106530275A (zh) * | 2016-10-11 | 2017-03-22 | 广州视源电子科技股份有限公司 | 元件错件检测方法和系统 |
CN106530275B (zh) * | 2016-10-11 | 2019-06-11 | 广州视源电子科技股份有限公司 | 元件错件检测方法和系统 |
CN106485231A (zh) * | 2016-10-21 | 2017-03-08 | 上海未来伙伴机器人有限公司 | 一种目标色块提取方法及装置 |
CN106782569A (zh) * | 2016-12-06 | 2017-05-31 | 深圳增强现实技术有限公司 | 一种基于声纹注册的增强现实方法及装置 |
CN106781324A (zh) * | 2017-01-09 | 2017-05-31 | 海南易成长科技有限公司 | 一种护眼护脊椎提醒系统及灯具 |
CN106991399A (zh) * | 2017-04-01 | 2017-07-28 | 浙江陀曼精密机械有限公司 | 一种坐姿图像检测比对系统及其方法 |
CN106991399B (zh) * | 2017-04-01 | 2020-07-31 | 浙江陀曼精密机械有限公司 | 一种坐姿图像检测比对系统及其方法 |
CN107115166A (zh) * | 2017-04-26 | 2017-09-01 | 青岛海澄知识产权事务有限公司 | 一种智能式读写坐姿矫正方法 |
CN107103736A (zh) * | 2017-04-26 | 2017-08-29 | 青岛海澄知识产权事务有限公司 | 一种智能式读写坐姿矫正装置 |
CN107169456A (zh) * | 2017-05-16 | 2017-09-15 | 湖南巨汇科技发展有限公司 | 一种基于坐姿深度图像的坐姿检测方法 |
CN107169456B (zh) * | 2017-05-16 | 2019-08-09 | 湖南巨汇科技发展有限公司 | 一种基于坐姿深度图像的坐姿检测方法 |
CN107606512A (zh) * | 2017-07-27 | 2018-01-19 | 广东数相智能科技有限公司 | 一种智能台灯、基于智能台灯提醒用户坐姿的方法及装置 |
CN107606512B (zh) * | 2017-07-27 | 2020-09-08 | 广东数相智能科技有限公司 | 一种智能台灯、基于智能台灯提醒用户坐姿的方法及装置 |
CN108334812A (zh) * | 2017-12-27 | 2018-07-27 | 北京海杭通讯科技有限公司 | 自动检测坐姿方法及装置 |
CN108769505A (zh) * | 2018-03-30 | 2018-11-06 | 联想(北京)有限公司 | 一种图像处理集方法及电子设备 |
CN108720276A (zh) * | 2018-05-30 | 2018-11-02 | 任峰 | 书桌防负荷超重系统 |
CN108720276B (zh) * | 2018-05-30 | 2021-01-29 | 南师大科技园栖霞管理(南京)有限公司 | 书桌防负荷超重系统 |
CN108921891A (zh) * | 2018-06-21 | 2018-11-30 | 南通西塔自动化科技有限公司 | 一种可任意旋转的机器视觉快速定位方法 |
CN109272714A (zh) * | 2018-10-15 | 2019-01-25 | 吴博霖 | 头戴式坐姿检测装置 |
CN111698458A (zh) * | 2019-03-12 | 2020-09-22 | 纬创资通股份有限公司 | 监控系统及其监控方法 |
CN110440170A (zh) * | 2019-03-21 | 2019-11-12 | 深圳市宇华智界科技有限公司 | 一种具有视觉识别系统的坐姿矫正台灯 |
CN110440170B (zh) * | 2019-03-21 | 2023-11-07 | 深圳市宇华智界科技有限公司 | 一种具有视觉识别系统的坐姿矫正台灯 |
CN112861562A (zh) * | 2019-11-12 | 2021-05-28 | 北京君正集成电路股份有限公司 | 一种检测坐姿异常的检测方法及其系统 |
CN111145274A (zh) * | 2019-12-06 | 2020-05-12 | 华南理工大学 | 一种基于视觉的坐姿检测方法 |
CN111145274B (zh) * | 2019-12-06 | 2022-04-22 | 华南理工大学 | 一种基于视觉的坐姿检测方法 |
CN111265220A (zh) * | 2020-01-21 | 2020-06-12 | 王力安防科技股份有限公司 | 一种近视预警方法、装置及设备 |
CN113487566A (zh) * | 2021-07-05 | 2021-10-08 | 杭州萤石软件有限公司 | 一种不良姿态检测方法、检测装置 |
CN117994819A (zh) * | 2024-04-01 | 2024-05-07 | 南昌市小核桃科技有限公司 | 基于图像数据分析的人体姿态监测系统 |
CN117994819B (zh) * | 2024-04-01 | 2024-06-07 | 南昌市小核桃科技有限公司 | 基于图像数据分析的人体姿态监测系统 |
Also Published As
Publication number | Publication date |
---|---|
CN103810478B (zh) | 2018-01-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103810478A (zh) | 一种坐姿检测方法和装置 | |
US20230418389A1 (en) | Information processing device and method, program and recording medium for identifying a gesture of a person from captured image data | |
US10466797B2 (en) | Pointing interaction method, apparatus, and system | |
US7035461B2 (en) | Method for detecting objects in digital images | |
US7197166B2 (en) | Iris extraction method capable of precisely determining positions and sizes of irises in a digital face image | |
US9747493B2 (en) | Face pose rectification method and apparatus | |
US10540777B2 (en) | Object recognition device and object recognition system | |
US20160154469A1 (en) | Mid-air gesture input method and apparatus | |
EP1229493A2 (en) | Multi-mode digital image processing method for detecting eyes | |
JP2003030667A (ja) | イメージ内で目を自動的に位置決めする方法 | |
Luengo-Oroz et al. | Robust iris segmentation on uncalibrated noisy images using mathematical morphology | |
US20140204120A1 (en) | Image processing device and image processing method | |
US9049397B2 (en) | Image processing device and image processing method | |
US7747106B2 (en) | Method and system for filtering, registering, and matching 2.5D normal maps | |
JP2008257713A (ja) | 透視変換歪み発生文書画像補正装置および方法 | |
JP2013089252A (ja) | 映像処理方法及び装置 | |
WO2018059125A1 (zh) | 一种基于毫米波图像的人体异物检测方法及系统 | |
US9135506B2 (en) | Method and apparatus for object detection | |
US10503969B2 (en) | Hand-raising detection device, non-transitory computer readable medium, and hand-raising detection method | |
US11720745B2 (en) | Detecting occlusion of digital ink | |
CN109886195B (zh) | 基于深度相机近红外单色灰度图的皮肤识别方法 | |
CN111144207A (zh) | 一种基于多模态信息感知的人体检测和跟踪方法 | |
CN100589520C (zh) | 一种彩色图像边缘和角点特征检测方法 | |
US20210174062A1 (en) | Image processing device, image processing method, and recording medium | |
JP2014021602A (ja) | 画像処理装置及び画像処理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |