CN109064458A - 一种不良坐姿智能提醒方法和装置 - Google Patents

一种不良坐姿智能提醒方法和装置 Download PDF

Info

Publication number
CN109064458A
CN109064458A CN201810826092.7A CN201810826092A CN109064458A CN 109064458 A CN109064458 A CN 109064458A CN 201810826092 A CN201810826092 A CN 201810826092A CN 109064458 A CN109064458 A CN 109064458A
Authority
CN
China
Prior art keywords
image
depth
angle
depth image
pose
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.)
Withdrawn
Application number
CN201810826092.7A
Other languages
English (en)
Inventor
潘荣德
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Wuzhou Xing Neng Agriculture Science And Technology Co Ltd
Original Assignee
Wuzhou Xing Neng Agriculture Science And Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Wuzhou Xing Neng Agriculture Science And Technology Co Ltd filed Critical Wuzhou Xing Neng Agriculture Science And Technology Co Ltd
Priority to CN201810826092.7A priority Critical patent/CN109064458A/zh
Publication of CN109064458A publication Critical patent/CN109064458A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/20—Image enhancement or restoration using local operators
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00—Image enhancement or restoration
    • G06T5/70—Denoising; Smoothing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/55—Depth or shape recovery from multiple images
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/24—Reminder alarms, e.g. anti-loss alarms
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20024—Filtering details
    • G06T2207/20028—Bilateral filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Quality & Reliability (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Image Analysis (AREA)

Abstract

本发明提供了一种不良坐姿智能提醒方法和装置，其中方法包括：对同一帧的第一图像和第二图像进行匹配计算以得到对应帧的深度图像；根据所述同一帧的第一图像和第二图像对所述对应帧的深度图像进行图像增强处理；计算当前帧深度图像中人体的躯干弯曲角度；当所述躯干弯曲角度大于第一阈值时，确定所述当前帧深度图像为不良坐姿图像；当所述躯干弯曲角度小于或等于第一阈值时，计算所述当前帧深度图像中人体的颈部弯曲角度；当所述颈部弯曲角度大于第二阈值时，确定所述当前帧深度图像为不良坐姿图像；计算预设时间内所述不良坐姿图像的数量与所述预设时间内所述深度图像的总数量的比值；当所述比值大于第三阈值时，发出提示。

Description

一种不良坐姿智能提醒方法和装置
技术领域
本发明涉及姿势校正技术领域，具体涉及一种不良坐姿智能提醒方法和装置。
背景技术
相关技术中，除了通过人为观察和纠正达到养成健康坐姿习惯的目的外，还有比较典型方法有基于可穿戴设备方法、基于人工智能方法和基于深度图像分析的方法。
其中，基于可穿戴设备方法需要在腰部等多个关节安装传感器，容易造成人体舒适度下降，且成本非常高；目前基于人工智能的行为分析方法大多采用LSTM进行深度学习，但深度学习算法必须要有大量的样本进行长时间的训练，才能达到一定的准确率，其训练成本大，时间久，不易推广；基于图像分析的方法分析过程复杂、计算量大，很难达到实时检测，实时分析，且经常出现误报的情形。
发明内容
针对上述问题，本发明提供一种不良坐姿智能提醒方法和装置。
本发明的目的采用以下技术方案来实现：
第一方面，本发明实施例提供了一种不良坐姿智能提醒方法，该方法包括：
获取双摄像头针对同一监测目标拍摄的视频中每一帧的第一图像和第二图像；
对同一帧的第一图像和第二图像进行匹配计算以得到对应帧的深度图像；
根据所述同一帧的第一图像和第二图像对所述对应帧的深度图像进行图像增强处理；
计算当前帧深度图像中人体的躯干弯曲角度；
当所述躯干弯曲角度大于第一阈值时，确定所述当前帧深度图像为不良坐姿图像；
当所述躯干弯曲角度小于或等于第一阈值时，计算所述当前帧深度图像中人体的颈部弯曲角度；
当所述颈部弯曲角度大于第二阈值时，确定所述当前帧深度图像为不良坐姿图像；
计算预设时间内所述不良坐姿图像的数量与所述预设时间内所述深度图像的总数量的比值；
当所述比值大于第三阈值时，发出提示。
根据本发明第一方面的一种不良坐姿智能提醒方法，在一种可能实现的方式中，所述计算当前帧深度图像中人体的躯干弯曲角度，包括：
确定当前深度图像中人体的腰关节点和颈关节点，并连接所述颈关节点和所述头关节点构建躯干线；
计算所述躯干线与重力线的夹角的角度，以得到所述当前深度图像中人体的躯干弯曲角度。
根据本发明第一方面的一种不良坐姿智能提醒方法，在一种可能实现的方式中，所述计算所述当前深度图像中人体的颈部弯曲角度，包括：
确定当前深度图像中人体的头关节点，并连接所述颈关节点和所述头关节点构建颈部线；
计算所述颈部线与重力线的夹角的角度，以得到所述当前深度图像中人体的颈部弯曲角度。
根据本发明第一方面的一种不良坐姿智能提醒方法，在一种可能实现的方式中，根据所述同一帧的第一图像和第二图像对所述对应帧的深度图像进行图像增强处理，包括：
对所述同一帧的第一图像进行分割以得到第一目标图像块和第一背景图像块；
对同一帧的第二图像进行分割以得到第二目标图像块和第二背景图像块；
对对应帧的深度图像进行分割，得到目标深度图像块和背景深度图像块；
对所述第一目标图像块和第一背景图像块分别进行平滑处理后组合得到处理后的第一图像；
对所述第二目标图像块和第二背景图像块分别进行平滑处理后组合得到处理后的第二图像；
采用所述处理后的第一图像对所述目标深度图像块进行联合双边滤波处理；
采用所述处理后的第二图像对进行联合双边滤波处理后的深度图像块进行滤波处理。
第二方面，本发明实施例提供了一种不良坐姿智能提醒装置，该装置包括：
图像采集模块，用于获取双摄像头针对同一监测目标拍摄的视频中每一帧的第一图像和第二图像；
第一计算模块，用于对同一帧的第一图像和第二图像进行匹配计算以得到对应帧的深度图像；
图像增强模块，用于根据所述同一帧的第一图像和第二图像对所述对应帧的深度图像进行图像增强处理；
第二计算模块，用于计算当前帧深度图像中人体的躯干弯曲角度；
第一确定模块，用于当所述躯干弯曲角度大于第一阈值时，确定所述当前帧深度图像为不良坐姿图像；
第三计算模块，用于当所述躯干弯曲角度小于或等于第一阈值时，计算所述当前帧深度图像中人体的颈部弯曲角度；
第二确定模块，用于当所述颈部弯曲角度大于第二阈值时，确定所述当前帧深度图像为不良坐姿图像；
第四计算模块，用于计算预设时间内所述不良坐姿图像的数量与所述预设时间内所述深度图像的总数量的比值；
提示模块，用于当所述比值大于第三阈值时，发出提示。
本发明的有益效果为：根据双摄像头获取的第一图像和第二图像来获取坐姿的深度图像，并对深度图像进行图像增强处理，进而根据图像增强处理后的深度图像计算人体的躯干弯曲角度，若躯干弯曲角度大于第一阈值则确定当前深度图像为不良坐姿图像，若躯干弯曲角度小于或等于第一阈值时，则计算颈部弯曲角度，当颈部弯曲角度大于第二阈值时则确定当前深度图像为不良坐姿图像。然后，通过计预设时间内所有不良坐姿图像数量与所有深度图像的数量的比值，当不良坐姿图像比值超过第三阈值时，进行告警提示。本发明成本低、算法简单、计算量小、计算准确、效率高等特点，可在实际应用中得到更好推广和实施。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明一个示例性实施例的不良坐姿智能提醒方法的流程示意图；
图2是本发明一个示例性实施例的不良坐姿智能提醒装置的结构示意框图。
附图标记：
图像采集模块1、第一计算模块2、图像增强模块3、第二计算模块4、第一确定模块5、第三计算模块6、第二确定模块7、第四计算模块8、提示模块9。
具体实施方式
结合以下实施例对本发明作进一步描述。
第一方面，如图1所示，本发明实施例提供了一种不良坐姿智能提醒方法，该方法包括：
S01获取双摄像头针对同一监测目标拍摄的视频中每一帧的第一图像和第二图像。
S02对同一帧的第一图像和第二图像进行匹配计算以得到对应帧的深度图像。在一种能够实现的方式中，对所述第一图像和第二图像采用双目匹配算法进行计算得到对应帧的深度图像。
S03根据所述同一帧的第一图像和第二图像对所述对应帧的深度图像进行图像增强处理。在一种能够实现的方式中，根据所述同一帧的第一图像和第二图像对所述对应帧的深度图像进行图像增强处理，包括：
对所述同一帧的第一图像进行分割以得到第一目标图像块和第一背景图像块；
对同一帧的第二图像进行分割以得到第二目标图像块和第二背景图像块；
对对应帧的深度图像进行分割，得到目标深度图像块和背景深度图像块；
对所述第一目标图像块和第一背景图像块分别进行平滑处理后组合得到处理后的第一图像；
对所述第二目标图像块和第二背景图像块分别进行平滑处理后组合得到处理后的第二图像；
采用所述处理后的第一图像对所述目标深度图像块进行联合双边滤波处理；
采用所述处理后的第二图像对进行联合双边滤波处理后的深度图像块进行滤波处理。
双摄像头是一种模拟人眼成像的两个摄像头组成的摄像头组，能够利用双摄像头拍摄照片以分别获取两张图像的景深信息，生成深度图像，然而生成的深度图像会存在细节增强精度不高的问题。本实施例先采用处理后的第一图像对深度图像块进行联合双边滤波处理，再采用所述处理后的第二图像对进行联合双边滤波处理后的深度图像块进行滤波处理，通过双重滤波的方式，有利于使得深度图像的细节增强的精度更高，进而使得深度图像深度更完整，画质更佳，从而为对坐姿不良的检测提供较优的深度图像。
在一种能够实现的方式中，对第一目标图像块和第二目标图像块皆采用导向滤波进行平滑处理。
在一种能够实施的方式中，对第一背景图像块和第二背景图像块皆采用导向滤波进行平滑处理。
在一种能够实施的方式中，对所述深度图像进行分割，包括：
(1)对得到的第一张深度图像采用边缘检测算法进行检测并分割得到目标深度图像块和背景深度图像块，所述目标深度图像块包括待监测的坐姿图像；
(2)获取得到的第一张目标深度图像块中各像素的平均深度值最大深度值Zmax和最小深度值Zmin，将该平均深度值作为像素深度阈值；
(3)对得到的第二张及以上的深度图像采用阈值分割的方式进行分割，具体为：
1)读取计算得到的第i张深度图像的深度帧，i≥2，并进行位操作得到所述第i张深度图像的各像素的深度值；
2)将各像素的深度值与所述像素深度阈值进行比较，若像素y的深度值满足下列公式，则保持像素y的深度值不变，否则将像素c的深度值置为0：
式中，Z0(y)为像素y的深度值，f为预设的调整系数；
3)将深度值为0的像素对应的图像块归为背景深度图像块，将其他像素对应的图像块归为目标深度图像块。
本实施例利用边缘检测算法对计算得到的第一张深度图像进行分割处理，并利用阈值分割方法对后续的深度图像进行分割处理，解决了将待监测的坐姿图像从深度图像中的背景分离出来的问题，降低了背景对深度图像的干扰，同时大大减少了运算量；其中本实施例根据处理得到第一张目标深度图像块中各像素的深度值数据运用到后续的阈值分割中，将该深度值数据的平均值作为阈值分割的像素深度阈值，相对于主观确定阈值的方式，能够有效提高图像分割精度。
在一种能够实现的方式中，采用所述处理后的第一图像对所述目标深度图像块进行联合双边滤波处理，其中改进联合双边滤波处理公式为：
式中，Z(c)为对所述深度图像进行平滑预处理后的深度图像中的像素c的深度值，Z0(c)为在对所述深度图像进行平滑预处理之前的像素c的深度值；Z0(ci)为在对所述深度图像进行平滑预处理之前的像素ci的深度值，ci∈Nr(c)，Nr(c)为以c为中心半径为3的局部邻域；q(ci,c)为未改进时的联合双边滤波器的权重系数，Sa为基于高斯函数的距离标准差，Sb为基于高斯函数的亮度标准差，Sa、Sb的具体取值由专家进行设定。
联合双边滤波器是一种使用高质量参考信号对低质量目标信号进行滤波处理的双边滤波器，通过联合双边滤波器对图像进行处理，能够使得低质量信号在高质量信号的平坦区域保持平滑，并使低质量信号与高质量信号在边缘细节上保持一致，其中联合双边滤波器的权重系数由空域平滑函数和值域平滑函数的乘积给出。本实施例对联合双边滤波器的滤波处理公式进行改进，在原始联合双边滤波器的权重系数的基础上增加了与深度图像像素相关的指数函数，以削弱不同深度层次上像素之间的相关性。利用改进的联合双边滤波器对所述深度图像进行平滑预处理，有利于使得深度图像中同一深度层之间像素的深度值更为平滑，从而在保留了深度图像的边缘信息的前提下提高对深度图像进行平滑预处理的效果，为后续的坐姿检测提供了较优的深度图像。
S04计算当前帧深度图像中人体的躯干弯曲角度。在一种可能实现的方式中，所述计算当前帧深度图像中人体的躯干弯曲角度，包括：
确定当前深度图像中人体的腰关节点和颈关节点，并连接所述颈关节点和所述头关节点构建躯干线；
计算所述躯干线与重力线的夹角的角度，以得到所述当前深度图像中人体的躯干弯曲角度。
S05当所述躯干弯曲角度大于第一阈值时，确定所述当前帧深度图像为不良坐姿图像。
S06当所述躯干弯曲角度小于或等于第一阈值时，计算所述当前帧深度图像中人体的颈部弯曲角度。所述计算所述当前深度图像中人体的颈部弯曲角度，包括：
确定当前深度图像中人体的头关节点，并连接所述颈关节点和所述头关节点构建颈部线；
计算所述颈部线与重力线的夹角的角度，以得到所述当前深度图像中人体的颈部弯曲角度。
S07当所述颈部弯曲角度大于第二阈值时，确定所述当前帧深度图像为不良坐姿图像。
S08计算预设时间内所述不良坐姿图像的数量与所述预设时间内所述深度图像的总数量的比值。
S09当所述比值大于第三阈值时，发出提示。
上述不良坐姿提醒方法，其中，所述第一阈值和所述第二阈值均为25°。
上述不良坐姿提醒方法，其中，所述第三阈值为55％。
第二方面，如图2所示，本发明实施例还提供了一种不良坐姿智能提醒装置，该装置包括：
图像采集模块1，用于获取双摄像头针对同一监测目标拍摄的视频中每一帧的第一图像和第二图像；
第一计算模块2，用于对同一帧的第一图像和第二图像进行匹配计算以得到对应帧的深度图像；
图像增强模块3，用于根据所述同一帧的第一图像和第二图像对所述对应帧的深度图像进行图像增强处理；
第二计算模块4，用于计算当前帧深度图像中人体的躯干弯曲角度；
第一确定模块5，用于当所述躯干弯曲角度大于第一阈值时，确定所述当前帧深度图像为不良坐姿图像；
第三计算模块6，用于当所述躯干弯曲角度小于或等于第一阈值时，计算所述当前帧深度图像中人体的颈部弯曲角度；
第二确定模块7，用于当所述颈部弯曲角度大于第二阈值时，确定所述当前帧深度图像为不良坐姿图像；
第四计算模块8，用于计算预设时间内所述不良坐姿图像的数量与所述预设时间内所述深度图像的总数量的比值；
提示模块9，用于当所述比值大于第三阈值时，发出提示。
本发明上述实施例中，根据双摄像头获取的第一图像和第二图像来获取坐姿的深度图像，并对深度图像进行图像增强处理，进而根据图像增强处理后的深度图像计算人体的躯干弯曲角度，若躯干弯曲角度大于第一阈值则确定当前深度图像为不良坐姿图像，若躯干弯曲角度小于或等于第一阈值时，则计算颈部弯曲角度，当颈部弯曲角度大于第二阈值时则确定当前深度图像为不良坐姿图像。然后，通过计预设时间内所有不良坐姿图像数量与所有深度图像的数量的比值，当不良坐姿图像比值超过第三阈值时，进行告警提示。本发明成本低、算法简单、计算量小、计算准确、效率高等特点，可在实际应用中得到更好推广和实施。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器，只读存储器，可擦除可编辑只读存储器(闪速存储器)，光纤装置，以及便携式光盘只读存储器。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列，现场可编程门阵列等。
最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。

Claims (6)

1.一种不良坐姿智能提醒方法，其特征是，包括：
获取双摄像头针对同一监测目标拍摄的视频中每一帧的第一图像和第二图像；
对同一帧的第一图像和第二图像进行匹配计算以得到对应帧的深度图像；
根据所述同一帧的第一图像和第二图像对所述对应帧的深度图像进行图像增强处理；
计算当前帧深度图像中人体的躯干弯曲角度；
当所述躯干弯曲角度大于第一阈值时，确定所述当前帧深度图像为不良坐姿图像；
当所述躯干弯曲角度小于或等于第一阈值时，计算所述当前帧深度图像中人体的颈部弯曲角度；
当所述颈部弯曲角度大于第二阈值时，确定所述当前帧深度图像为不良坐姿图像；
计算预设时间内所述不良坐姿图像的数量与所述预设时间内所述深度图像的总数量的比值；
当所述比值大于第三阈值时，发出提示。
2.根据权利要求1所述的一种不良坐姿智能提醒方法，其特征是，所述计算当前帧深度图像中人体的躯干弯曲角度，包括：
确定当前深度图像中人体的腰关节点和颈关节点，并连接所述颈关节点和所述头关节点构建躯干线；
计算所述躯干线与重力线的夹角的角度，以得到所述当前深度图像中人体的躯干弯曲角度。
3.根据权利要求2所述的一种不良坐姿智能提醒方法，其特征是，所述计算所述当前深度图像中人体的颈部弯曲角度，包括：
确定当前深度图像中人体的头关节点，并连接所述颈关节点和所述头关节点构建颈部线；
计算所述颈部线与重力线的夹角的角度，以得到所述当前深度图像中人体的颈部弯曲角度。
4.根据权利要求1所述的一种不良坐姿智能提醒方法，其特征是，根据所述同一帧的第一图像和第二图像对所述对应帧的深度图像进行图像增强处理，包括：
对所述同一帧的第一图像进行分割以得到第一目标图像块和第一背景图像块；
对同一帧的第二图像进行分割以得到第二目标图像块和第二背景图像块；
对对应帧的深度图像进行分割，得到目标深度图像块和背景深度图像块；
对所述第一目标图像块和第一背景图像块分别进行平滑处理后组合得到处理后的第一图像；
对所述第二目标图像块和第二背景图像块分别进行平滑处理后组合得到处理后的第二图像；
采用所述处理后的第一图像对所述目标深度图像块进行联合双边滤波处理；
采用所述处理后的第二图像对进行联合双边滤波处理后的深度图像块进行滤波处理。
5.根据权利要求4所述的一种不良坐姿智能提醒方法，其特征是，对所述深度图像进行分割，包括：
(1)对得到的第一张深度图像采用边缘检测算法进行检测并分割得到目标深度图像块和背景深度图像块，所述目标深度图像块包括待监测的坐姿图像；
(2)获取得到的第一张目标深度图像块中各像素的平均深度值最大深度值Zmax和最小深度值Zmin，将该平均深度值作为像素深度阈值；
(3)对得到的第二张及以上的深度图像采用阈值分割的方式进行分割，具体为：
1)读取计算得到的第i张深度图像的深度帧，i≥2，并进行位操作得到所述第i张深度图像的各像素的深度值；
2)将各像素的深度值与所述像素深度阈值进行比较，若像素y的深度值满足下列公式，则保持像素y的深度值不变，否则将像素c的深度值置为0：
式中，Z0(y)为像素y的深度值，f为预设的调整系数；
3)将深度值为0的像素对应的图像块归为背景深度图像块，将其他像素对应的图像块归为目标深度图像块。
6.一种不良坐姿智能提醒装置，其特征是，包括：
图像采集模块，用于获取双摄像头针对同一监测目标拍摄的视频中每一帧的第一图像和第二图像；
第一计算模块，用于对同一帧的第一图像和第二图像进行匹配计算以得到对应帧的深度图像；
图像增强模块，用于根据所述同一帧的第一图像和第二图像对所述对应帧的深度图像进行图像增强处理；
第二计算模块，用于计算当前帧深度图像中人体的躯干弯曲角度；
第一确定模块，用于当所述躯干弯曲角度大于第一阈值时，确定所述当前帧深度图像为不良坐姿图像；
第三计算模块，用于当所述躯干弯曲角度小于或等于第一阈值时，计算所述当前帧深度图像中人体的颈部弯曲角度；
第二确定模块，用于当所述颈部弯曲角度大于第二阈值时，确定所述当前帧深度图像为不良坐姿图像；
第四计算模块，用于计算预设时间内所述不良坐姿图像的数量与所述预设时间内所述深度图像的总数量的比值；
提示模块，用于当所述比值大于第三阈值时，发出提示。
CN201810826092.7A 2018-07-25 2018-07-25 一种不良坐姿智能提醒方法和装置 Withdrawn CN109064458A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810826092.7A CN109064458A (zh) 2018-07-25 2018-07-25 一种不良坐姿智能提醒方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810826092.7A CN109064458A (zh) 2018-07-25 2018-07-25 一种不良坐姿智能提醒方法和装置

Publications (1)

Publication Number Publication Date
CN109064458A true CN109064458A (zh) 2018-12-21

Family

ID=64836336

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810826092.7A Withdrawn CN109064458A (zh) 2018-07-25 2018-07-25 一种不良坐姿智能提醒方法和装置

Country Status (1)

Country Link
CN (1) CN109064458A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110440697A (zh) * 2019-08-08 2019-11-12 肖乐 纠正坐姿智能系统及方法
CN113836965A (zh) * 2020-06-08 2021-12-24 北京字节跳动网络技术有限公司 处理信息的方法、装置、终端和存储介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110440697A (zh) * 2019-08-08 2019-11-12 肖乐 纠正坐姿智能系统及方法
CN113836965A (zh) * 2020-06-08 2021-12-24 北京字节跳动网络技术有限公司 处理信息的方法、装置、终端和存储介质

Similar Documents

Publication Publication Date Title
CN108764071B (zh) 一种基于红外和可见光图像的真实人脸检测方法及装置
US20220400246A1 (en) Gaze correction of multi-view images
CN105930821B (zh) 一种人眼识别跟踪的方法及将其应用于裸眼3d显示的装置
EP3355104B1 (de) Verfahren und vorrichtung sowie computerprogramm zum ermitteln einer repräsentation eines brillenglasrands
CN111368717B (zh) 视线确定方法、装置、电子设备和计算机可读存储介质
US20160026246A1 (en) Eye gaze tracking method and apparatus and computer-readable recording medium
CN109614910B (zh) 一种人脸识别方法和装置
CN110570435B (zh) 用于对车辆损伤图像进行损伤分割的方法及装置
CN104915649A (zh) 一种应用于人脸识别的活体检测方法
CN103793719A (zh) 一种基于人眼定位的单目测距方法和系统
CN111340749B (zh) 图像质量的检测方法、装置、设备及存储介质
CN113177515A (zh) 一种基于图像的眼动追踪方法和系统
JP2013065119A (ja) 顔認証装置及び顔認証方法
CN111738241B (zh) 基于双摄像头的瞳孔检测方法及装置
CN101729911A (zh) 一种基于视觉感知的多视点图像颜色校正方法
CN111523497B (zh) 一种人脸纠正方法、装置和电子设备
CN107454315B (zh) 逆光场景的人脸区域处理方法和装置
CN107016348A (zh) 结合深度信息的人脸检测方法、检测装置和电子装置
EP2851867A2 (en) Method and apparatus for filtering an image
CN106959076A (zh) 基于摄像头的人像距离检测方法及系统
CN110658918B (zh) 用于视频眼镜的眼球追踪相机的定位方法、设备及介质
CN109064458A (zh) 一种不良坐姿智能提醒方法和装置
CN107368817B (zh) 人脸识别方法和装置
CN110781712B (zh) 一种基于人脸检测与识别的人头空间定位方法
CN115089150A (zh) 一种基于无人机的脉搏波检测方法、装置、电子设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20181221