CN109176536A - 姿势判断方法及装置 - Google Patents
姿势判断方法及装置 Download PDFInfo
- Publication number
- CN109176536A CN109176536A CN201810885953.9A CN201810885953A CN109176536A CN 109176536 A CN109176536 A CN 109176536A CN 201810885953 A CN201810885953 A CN 201810885953A CN 109176536 A CN109176536 A CN 109176536A
- Authority
- CN
- China
- Prior art keywords
- posture
- joint point
- point curve
- standard
- comparing result
- 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.)
- Pending
Links
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J19/00—Accessories fitted to manipulators, e.g. for monitoring, for viewing; Safety devices combined with or specially adapted for use in connection with manipulators
- B25J19/02—Sensing devices
- B25J19/021—Optical sensing devices
- B25J19/023—Optical sensing devices including video camera means
Abstract
本申请揭示了一种姿势判断方法及装置,其中姿势判断方法,采用阅读机器人进行姿势判断,所述阅读机器人具有用于采集被判断对象的图像的透视摄像头,所述方法包括:利用所述摄像头获取被判断对象的图像,其中所述图像至少包括所述被判断对象的脊柱图片信息;对所述图像进行预处理,以获得姿势信息;从所述姿势信息中提取所述被判断对象的脊柱的多个关节点的位置信息,根据所述位置信息依次连接相邻的所述关节点,以获得关节点曲线;对比所述关节点曲线与预存的标准关节点曲线,得到对比结果;根据所述对比结果,判断所述姿势是否标准;若所述姿势不标准,则执行预设提醒操作,从而实现了对姿势是否标准的准确判断。
Description
技术领域
本申请涉及到机器人领域,特别是涉及到一种姿势判断方法及装置。
背景技术
机器人,尤其是智能机器人已经走入了人们的视野,走进了人们的生活,走进了人们的家庭。其中阅读机器人是常用的家用机器人。但是,现有技术中,阅读机器人只能自动翻书,自动读书,但是无法做到在读书的时候,检验读书者读书的坐姿是否正确。读书者,尤其是儿童、少年,若长时间保持不正确的坐势,会导致脊柱弯曲、驼背。若阅读机器人能判断读书者的姿势,进而在姿势不标准时进行提醒,有助于读书者的体型保持与儿童、少年的成长。
发明内容
本申请的主要目的为提供一种姿势判断方法及装置,从而实现了对姿势是否标准的准确判断。
为了实现上述发明目的,本申请提出一种姿势判断方法,采用阅读机器人进行姿势判断,所述阅读机器人具有用于采集被判断对象的图像的透视摄像头,所述方法包括:
利用所述摄像头获取被判断对象的图像,其中所述图像至少包括所述被判断对象的脊柱图片信息;
对所述图像进行预处理,以获得姿势信息;
从所述姿势信息中提取所述被判断对象的脊柱的多个关节点的位置信息,根据所述位置信息依次连接相邻的所述关节点,以获得关节点曲线;
对比所述关节点曲线与预存的标准关节点曲线,得到对比结果;
根据所述对比结果,判断所述姿势是否标准;
若所述姿势不标准,则执行预设提醒操作。
进一步地,所述对所述图像进行预处理,以获得姿势信息的步骤,包括:
对所述图像进行等比例缩放和/或灰度转换处理,得到处理后的所述图像;
通过中值滤波法对处理后的所述图像进行处理,以获得姿势信息。
进一步地,所述对比所述关节点曲线与预存的标准关节点曲线,得到对比结果的步骤,包括:
提取所述关节点曲线中相邻两点的连接线段;
依次计算所述连接线段与所述预存的标准关节点曲线中的相应线段的差异角度,得到差异角度值;
分别判断所述差异角度值是否大于预设阈值,从而得到对比结果;其中,有任一所述差异角度值大于所述预设阈值的对比结果,与姿势不标准的判定结果相对应。
进一步地,所述对比所述关节点曲线与预存的标准关节点曲线,得到对比结果的步骤,包括:
利用所述关节点曲线计算出所述被判断对象脊柱的总长度;
根据所述总长度选择同样长度对应的预存的第一标准关节点曲线;
对比所述关节点曲线与所述第一标准关节点曲线,得到对比结果。
进一步地,所述对比结果为差异程度值,所述根据所述对比结果,判断所述姿势是否标准的步骤,包括:
判断所述差异程度值是否大于第一阈值;
若大于第一阈值,则判定所述姿势不标准,否则判定所述姿势标准。
本申请提出一种姿势判断装置,采用阅读机器人进行姿势判断,所述阅读机器人具有用于采集被判断对象的图像的透视摄像头,所述装置包括:
图像获取单元,用于利用所述摄像头获取被判断对象的图像,其中所述图像至少包括所述被判断对象的脊柱图片信息;
预处理单元,用于对所述图像进行预处理,以获得姿势信息;
关节点曲线获取单元,用于从所述姿势信息中提取所述被判断对象的脊柱的多个关节点的位置信息,根据所述位置信息依次连接相邻的所述关节点,以获得关节点曲线;
对比单元,用于对比所述关节点曲线与预存的标准关节点曲线,得到对比结果;
判断单元,用于根据所述对比结果,判断所述姿势是否标准;
预设提醒操作单元,用于若所述姿势不标准,则执行预设提醒操作。
进一步地,所述预处理单元,包括:
第一预处理模块,用于对所述图像进行等比例缩放和/或灰度转换处理,得到处理后的所述图像;
第二预处理模块,用于通过中值滤波法对处理后的所述图像进行处理,以获得姿势信息。
进一步地,所述对比单元,包括:
提取模块,用于提取所述关节点曲线中相邻两点的连接线段;
差异角度计算模块,用于依次计算所述连接线段与所述预存的标准关节点曲线中的相应线段的差异角度,得到差异角度值;
分别判断模块,用于分别判断所述差异角度值是否大于预设阈值,从而得到对比结果;其中,有任一所述差异角度值大于所述预设阈值的对比结果,与姿势不标准的判定结果相对应。
进一步地,所述对比单元,包括:
脊柱总长度计算模块,用于利用所述关节点曲线计算出所述被判断对象脊柱的总长度;
选择模块,用于根据所述总长度选择同样长度对应的预存的第一标准关节点曲线;
对比模块,用于对比所述关节点曲线与所述第一标准关节点曲线,得到对比结果。
进一步地,所述对比结果为差异程度值,所述判断单元,包括:
第一阈值判断模块,用于判断所述差异程度值是否大于第一阈值;
姿势判定模块,用于若大于第一阈值,则判定所述姿势不标准,否则判定所述姿势标准。
本申请的姿势判断方法及装置,通过关节点曲线与标准关节点曲线的对比,可准确判断姿势是否标准;提取多个的脊柱关节点,相较于仅采用脊柱曲线的判断方法,更为准确;对图像进行预处理,减轻计算量的同时还优化了图像质量。
附图说明
图1为本申请一实施例的姿势判断方法的流程示意图;
图2为本申请一实施例的姿势判断装置的结构示意框图;
图3为本申请一实施例的对比单元的结构示意框图;
图4为本申请一实施例的对比单元的结构示意框图;
图5为本申请一实施例的判断单元的结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
参照图1,本申请实施例提供一种姿势判断方法,采用阅读机器人进行姿势判断,所述阅读机器人具有用于采集被判断对象的图像的透视摄像头,所述方法包括步骤:
S1、利用所述摄像头获取被判断对象的图像,其中所述图像至少包括所述被判断对象的脊柱图片信息;
S2、对所述图像进行预处理,以获得姿势信息;
S3、从所述姿势信息中提取所述被判断对象的脊柱的多个关节点的位置信息,根据所述位置信息依次连接相邻的所述关节点,以获得关节点曲线;
S4、对比所述关节点曲线与预存的标准关节点曲线,得到对比结果;
S5、根据所述对比结果,判断所述姿势是否标准;
S6、若所述姿势不标准,则执行预设提醒操作。
本判断方法可用于判断小孩、成人、老人、男性、女性在坐姿或其他与脊柱相关的姿势时的姿势判断。其中阅读机器人指除了所述具有用于采集被判断对象的图像的摄像头之外,还具有用于扫描图书的内容,从而进行正确内容的阅读的第二摄像头的机器人,其中所述用于采集被判断对象的图像的摄像头与第二摄像头可以单独运作,也可以分工合作,从而实现同时进行正确内容的阅读与姿势判断。
如步骤S1所述,利用所述摄像头获取被判断对象的图像。其中摄像头可为能直接探测关节点位置信息的摄像头,例如红外摄像头。被判断对象可为小孩、小孩、成人、老人、男性、女性。获取时可为实时获取,也可为间断性获取,例如每隔10s获取一次图像、每次获取持续1s或者1帧图像。
如步骤S2所述,对所述图像进行预处理,以获得姿势信息。其中预处理包括等比例缩放和/或灰度转换和/或中值滤波法等方法,目的在于减轻计算量和优化图像质量。
进一步地,步骤S2包括:
S201、对所述图像进行等比例缩放和/或灰度转换处理,得到处理后的所述图像;
S202、通过中值滤波法对处理后的所述图像进行处理,以获得姿势信息。从而采用等比例缩放、灰度转换减少计算量,采用中值滤波法以去除图像信号中的噪声,以得到更准确的图像,使图像的失真尽可能少。从而,获得姿势信息。
如步骤S3所述,从所述姿势信息中提取被判断对象脊柱的多个关节点位置信息,依次连接相邻的所述关节点,以获得关节点曲线。其中,人类脊柱由33块椎骨(颈椎7块,胸椎12块,腰椎5块,骶骨、尾骨共9块)借韧带、关节及椎间盘连接而成,因此具有多处关节。每处关节都与姿势是否标准相关。将多个关节点连接,获得关节点曲线,这关节点曲线即可反应被判断对象的姿势信息。其中多个关节点可以优选5个以上,10个以上,更优选全部关节点。
如步骤S4所述,对比所述关节点曲线与预存的标准关节点曲线,得到对比结果。其中,预存的标准关节点曲线可通过采集大批的正确坐姿,建立图片库,提取出脊柱的标准关节点曲线,而得。进一步地,所述标准关节点曲线按年龄、性别、身材进行分类,而形成不同模型的标准关节点曲线。进一步地,所述标准关节点曲线还能按脊柱总长度来分类,而形成不同的标准关节点曲线。
如步骤S5所述,根据所述对比结果,判断所述姿势是否标准。所述标准关节点曲线代表了姿势的准确性,若对比结果表明被判断对象脊柱的关节点曲线与预存的标准关节点曲线相似,即可判断姿势标准,若对比结果表明被判断对象脊柱的关节点曲线与预存的标准关节点曲线不相似,即可判断姿势不标准。进一步地,所述对比结果可以是差异程度值、也可以是相似程度值。
如步骤S6所述,若所述姿势不标准,则执行预设提醒操作。其中,预定时间可为1分钟、3分钟、5分钟、10分钟或半小时。提醒措施可包括:语音提醒、触碰提醒、发送消息给被判断对象进行提醒等。
本申请实施例提供一种姿势判断方法的一实施例中,所述对比所述关节点曲线与预存的标准关节点曲线,得到对比结果的步骤S4,包括:
S401、提取所述关节点曲线中相邻两点的连接线段;
S402、依次计算所述连接线段与所述预存的标准关节点曲线中的相应线段的差异角度,得到差异角度值;
S403、分别判断所述差异角度值是否大于预设阈值,从而得到对比结果;其中,有任一所述差异角度值大于所述预设阈值的对比结果,与姿势不标准的判定结果相对应。
如上述步骤S401-S403所述,实现了得到对比结果。脊柱曲线的任意一段都能影响姿势的标准,因此比较脊柱曲线的任意一段与标准曲线的区别,即可判断姿势是否标准。其中计算所述连接线段与所述预存的标准关节点曲线中的相应线段的差异角度的方法包括:将对比所述连接线段的一点与所述预存的标准关节点曲线的相应线段的相应点重合,测量差异角度;或者,通过三角函数计算获得差异角度(例如可以利用水平线等辅助线辅助角度计算)。之后,分别判断所述差异角度值是否大于预设阈值。只要有一个差异角度值大于预设阈值,就表明姿势不标准;否则姿势标准。
本申请实施例提供一种姿势判断方法的一实施例中,所述对比所述关节点曲线与预存的标准关节点曲线,得到对比结果的步骤S4,包括:
S411、利用所述关节点曲线计算出所述被判断对象脊柱的总长度;
S412、根据所述总长度选择同样长度对应的预存的第一标准关节点曲线;
S413、对比所述关节点曲线与所述第一标准关节点曲线,得到对比结果。
如上述步骤S411-S413所述,实现了得到对比结果。不同年龄、性别、身材的标准关节点曲线并不相同;反应到关节点曲线总长度上,不同关节点曲线点曲线总长度的人,其相应的标准关节点曲线也不相同。因此利用关节点曲线总长度可将标准关节点曲线进行分类,进而对应地区别对于被判断对象的关节点曲线。具体地,将关节点曲线的每条线段的长度进行加和,得到所述被判断对象脊柱的总长度;若标准关节点曲线按总长度为(X,X+A]、(X,X+2A]区间的方式进行分类,而所述被判断对象脊柱的总长度为X+1/2A,则选择总长度为(X,X+A]的标准关节点曲线进行对比,其中X为参考总长度、A为总长度分数间隔参数,X、A均为正数。
本申请实施例提供一种姿势判断方法的一实施例中,所述对比结果为差异程度值,所述根据所述对比结果,判断所述姿势是否标准的步骤S5,包括:
S501、判断所述差异程度值是否大于第一阈值;
S502、若大于第一阈值,则判定所述姿势不标准,否则判定所述姿势标准。
如上述步骤S501-S502所述,实现了判断所述姿势是否标准。当对比结果为差异程度值时,例如采用差异角度值来反应被判断对象脊柱的关节点曲线与标准关节点曲线的差异时,当差异过大,超过第一阈值时,判定所述姿势不标准;当差异较小,未超过第一阈值时,判定所述姿势不标准。其中第一阈值可根据需求设置,例如10度,15度,20度。
进一步地,还可以以相似程度值来判断姿势是否标准。判断被判断对象脊柱的关节点曲线与标准关节点曲线的相似程度值可采用任意方法,在此仅举一例。以最靠下的关节点为原点,建立二维坐标系,将被判断对象脊柱的关节点曲线与标准关节点曲线的最靠下的关节点重合,采用公式Z=1-|Y1-Ys1|/Ys1-|Y2-Ys2|/Ys2-……-|YM-YsM|/YsM计算相似程度值,其中Z为相似程度值,取值为小于等于1,当为1时表示相似度最高;Y为被判断对象脊柱的关节点曲线的关节点的Y轴坐标;Ys为标准关节点曲线的关节点的Y轴坐标;其中脊柱共有M个关节点。第二阈值可设为80%-100%,优选85%、90%。
本申请的姿势判断方法,通过关节点曲线与标准关节点曲线的对比,可准确判断姿势是否标准;提取多个的脊柱关节点,相较于仅采用脊柱曲线的判断方法,更为准确;对图像进行预处理,减轻计算量的同时还优化了图像质量。
参照图2,本申请实施例提供一种姿势判断装置,采用阅读机器人进行姿势判断,所述阅读机器人具有用于采集被判断对象的图像的透视摄像头,所述装置包括:
图像获取单元10,用于利用所述摄像头获取被判断对象的图像,其中所述图像至少包括所述被判断对象的脊柱图片信息;
预处理单元20,用于对所述图像进行预处理,以获得姿势信息;
关节点曲线获取单元30,用于从所述姿势信息中提取所述被判断对象的脊柱的多个关节点的位置信息,根据所述位置信息依次连接相邻的所述关节点,以获得关节点曲线;
对比单元40,用于对比所述关节点曲线与预存的标准关节点曲线,得到对比结果;
判断单元50,用于根据所述对比结果,判断所述姿势是否标准;
预设提醒操作单元60,用于若所述姿势不标准,则执行预设提醒操作。
本判断装置可用于判断小孩、成人、老人、男性、女性在坐姿或其他与脊柱相关的姿势时的姿势判断。其中阅读机器人指除了所述具有用于采集被判断对象的图像的摄像头之外,还具有用于扫描图书的内容,从而进行正确内容的阅读的第二摄像头的机器人,其中所述用于采集被判断对象的图像的摄像头与第二摄像头可以单独运作,也可以分工合作,从而实现同时进行正确内容的阅读与姿势判断。
如图像获取单元10所述,利用所述摄像头获取被判断对象的图像。其中摄像头可为能直接探测关节点位置信息的摄像头,例如红外摄像头。被判断对象可为小孩、小孩、成人、老人、男性、女性。获取时可为实时获取,也可为间断性获取,例如每隔10s获取一次图像、每次获取持续1s或者1帧图像。
如预处理单元20所述,对所述图像进行预处理,以获得姿势信息。其中预处理包括等比例缩放和/或灰度转换和/或中值滤波法等方法,目的在于减轻计算量和优化图像质量。例如采用等比例缩放、灰度转换可减少计算量,采用中值滤波法以去除图像信号中的噪声,以得到更准确的图像,使图像的失真尽可能少。从而,获得姿势信息。
进一步地,所述预处理单元20包括:
第一预处理模块,用于对所述图像进行等比例缩放和/或灰度转换处理,得到处理后的所述图像;
第二预处理模块,用于通过中值滤波法对处理后的所述图像进行处理,以获得姿势信息。
从而采用等比例缩放、灰度转换减少计算量,采用中值滤波法以去除图像信号中的噪声,以得到更准确的图像,使图像的失真尽可能少。从而,获得姿势信息。
如关节点曲线获取单元30所述,从所述姿势信息中提取被判断对象脊柱的多个关节点位置信息,依次连接相邻的所述关节点,以获得关节点曲线。其中,人类脊柱由33块椎骨(颈椎7块,胸椎12块,腰椎5块,骶骨、尾骨共9块)借韧带、关节及椎间盘连接而成,因此具有多处关节。每处关节都与姿势是否标准相关。将多个关节点连接,获得关节点曲线,这关节点曲线即可反应被判断对象的姿势信息。其中多个关节点可以优选5个以上,10个以上,更优选全部关节点。
如对比单元40所述,对比所述关节点曲线与预存的标准关节点曲线,得到对比结果。其中,预存的标准关节点曲线可通过采集大批的正确坐姿,建立图片库,提取出脊柱的标准关节点曲线,而得。进一步地,所述标准关节点曲线按年龄、性别、身材进行分类,而形成不同模型的标准关节点曲线。进一步地,所述标准关节点曲线还能按脊柱总长度来分类,而形成不同的标准关节点曲线。
如判断单元50所述,根据所述对比结果,判断所述姿势是否标准。所述标准关节点曲线代表了姿势的准确性,若对比结果表明被判断对象脊柱的关节点曲线与预存的标准关节点曲线相似,即可判断姿势标准,若对比结果表明被判断对象脊柱的关节点曲线与预存的标准关节点曲线不相似,即可判断姿势不标准。进一步地,所述对比结果可以是差异程度值、也可以是相似程度值。
如预设提醒操作单元60所述,若所述姿势不标准,则执行预设提醒操作。其中,预定时间可为1分钟、3分钟、5分钟、10分钟或半小时。提醒措施可包括:语音提醒、触碰提醒、发送消息给被判断对象进行提醒等。
参照图3,一实施例中,所述对比单元40,包括:
提取模块401,用于提取所述关节点曲线中相邻两点的连接线段;
差异角度计算模块402,用于依次计算所述连接线段与所述预存的标准关节点曲线中的相应线段的差异角度,得到差异角度值;
分别判断模块403,用于分别判断所述差异角度值是否大于预设阈值,从而得到对比结果;其中,有任一所述差异角度值大于所述预设阈值的对比结果,与姿势不标准的判定结果相对应。
如上述模块所述,实现了得到对比结果。脊柱曲线的任意一段都能影响姿势的标准,因此比较脊柱曲线的任意一段与标准曲线的区别,即可判断姿势是否标准。其中计算所述连接线段与所述预存的标准关节点曲线中的相应线段的差异角度的方法包括:将对比所述连接线段的一点与所述预存的标准关节点曲线的相应线段的相应点重合,测量差异角度;或者,通过三角函数计算获得差异角度(例如可以利用水平线等辅助线辅助角度计算)。之后,分别判断所述差异角度值是否大于预设阈值。只要有一个差异角度值大于预设阈值,就表明姿势不标准;否则姿势标准。
参照图4,一实施例中,所述对比单元40,包括:
脊柱总长度计算模块411,用于利用所述关节点曲线计算出所述被判断对象脊柱的总长度;
选择模块412,用于根据所述总长度选择同样长度对应的预存的第一标准关节点曲线;
对比模块413,用于对比所述关节点曲线与所述第一标准关节点曲线,得到对比结果。
如上述模块所述,实现了得到对比结果。不同年龄、性别、身材的标准关节点曲线并不相同;反应到关节点曲线总长度上,不同关节点曲线点曲线总长度的人,其相应的标准关节点曲线也不相同。因此利用关节点曲线总长度可将标准关节点曲线进行分类,进而对应地区别对于被判断对象的关节点曲线。具体地,将关节点曲线的每条线段的长度进行加和,得到所述被判断对象脊柱的总长度;若标准关节点曲线按总长度为(X,X+A]、(X,X+2A]区间的方式进行分类,而所述被判断对象脊柱的总长度为X+1/2A,则选择总长度为(X,X+A]的标准关节点曲线进行对比,其中X为参考总长度、A为总长度分数间隔参数,X、A均为正数。
参照图5,一实施例中,所述对比结果为差异程度值,所述判断单元50,包括:
第一阈值判断模块501,用于判断所述差异程度值是否大于第一阈值;
姿势判定模块502,用于若大于第一阈值,则判定所述姿势不标准,否则判定所述姿势标准。
如上述模块所述,实现了判断所述姿势是否标准。当对比结果为差异程度值时,例如采用差异角度值来反应被判断对象脊柱的关节点曲线与标准关节点曲线的差异时,当差异过大,超过第一阈值时,判定所述姿势不标准;当差异较小,未超过第一阈值时,判定所述姿势不标准。其中第一阈值可根据需求设置,例如10度,15度,20度。
进一步地,还可以以相似程度值来判断姿势是否标准。判断被判断对象脊柱的关节点曲线与标准关节点曲线的相似程度值可采用任意方法,在此仅举一例。以最靠下的关节点为原点,建立二维坐标系,将被判断对象脊柱的关节点曲线与标准关节点曲线的最靠下的关节点重合,采用公式Z=1-|Y1-Ys1|/Ys1-|Y2-Ys2|/Ys2-……-|YM-YsM|/YsM计算相似程度值,其中Z为相似程度值,取值为小于等于1,当为1时表示相似度最高;Y为被判断对象脊柱的关节点曲线的关节点的Y轴坐标;Ys为标准关节点曲线的关节点的Y轴坐标;其中脊柱共有M个关节点。第二阈值可设为80%-100%,优选85%、90%。
本申请的姿势判断装置,通过关节点曲线与标准关节点曲线的对比,可准确判断姿势是否标准;提取多个的脊柱关节点,相较于仅采用脊柱曲线的判断方法,更为准确;对图像进行预处理,减轻计算量的同时还优化了图像质量。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例,并非因此限制本申请的专利范围,凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本申请的专利保护范围内。
Claims (10)
1.一种姿势判断方法,其特征在于,采用阅读机器人进行姿势判断,所述阅读机器人具有用于采集被判断对象的图像的透视摄像头,所述方法包括:
利用所述摄像头获取被判断对象的图像,其中所述图像至少包括所述被判断对象的脊柱图片信息;
对所述图像进行预处理,以获得姿势信息;
从所述姿势信息中提取所述被判断对象的脊柱的多个关节点的位置信息,根据所述位置信息依次连接相邻的所述关节点,以获得关节点曲线;
对比所述关节点曲线与预存的标准关节点曲线,得到对比结果;
根据所述对比结果,判断所述姿势是否标准;
若所述姿势不标准,则执行预设提醒操作。
2.根据权利要求1所述的姿势判断方法,其特征在于,所述对所述图像进行预处理,以获得姿势信息的步骤,包括:
对所述图像进行等比例缩放和/或灰度转换处理,得到处理后的所述图像;
通过中值滤波法对处理后的所述图像进行处理,以获得姿势信息。
3.根据权利要求1所述的姿势判断方法,其特征在于,所述对比所述关节点曲线与预存的标准关节点曲线,得到对比结果的步骤,包括:
提取所述关节点曲线中相邻两点的连接线段;
依次计算所述连接线段与所述预存的标准关节点曲线中的相应线段的差异角度,得到差异角度值;
分别判断所述差异角度值是否大于预设阈值,从而得到对比结果;其中,有任一所述差异角度值大于所述预设阈值的对比结果,与姿势不标准的判定结果相对应。
4.根据权利要求1所述的姿势判断方法,其特征在于,所述对比所述关节点曲线与预存的标准关节点曲线,得到对比结果的步骤,包括:
利用所述关节点曲线计算出所述被判断对象脊柱的总长度;
根据所述总长度选择同样长度对应的预存的第一标准关节点曲线;
对比所述关节点曲线与所述第一标准关节点曲线,得到对比结果。
5.根据权利要求1所述的姿势判断方法,其特征在于,所述对比结果为差异程度值,所述根据所述对比结果,判断所述姿势是否标准的步骤,包括:
判断所述差异程度值是否大于第一阈值;
若大于第一阈值,则判定所述姿势不标准,否则判定所述姿势标准。
6.一种姿势判断装置,其特征在于,采用阅读机器人进行姿势判断,所述阅读机器人具有用于采集被判断对象的图像的透视摄像头,所述装置包括:
图像获取单元,用于利用所述摄像头获取被判断对象的图像,其中所述图像至少包括所述被判断对象的脊柱图片信息;
预处理单元,用于对所述图像进行预处理,以获得姿势信息;
关节点曲线获取单元,用于从所述姿势信息中提取所述被判断对象的脊柱的多个关节点的位置信息,根据所述位置信息依次连接相邻的所述关节点,以获得关节点曲线;
对比单元,用于对比所述关节点曲线与预存的标准关节点曲线,得到对比结果;
判断单元,用于根据所述对比结果,判断所述姿势是否标准;
预设提醒操作单元,用于若所述姿势不标准,则执行预设提醒操作。
7.根据权利要求6所述的姿势判断装置,其特征在于,所述预处理单元,包括:
第一预处理模块,用于对所述图像进行等比例缩放和/或灰度转换处理,得到处理后的所述图像;
第二预处理模块,用于通过中值滤波法对处理后的所述图像进行处理,以获得姿势信息。
8.根据权利要求6所述的姿势判断装置,其特征在于,所述对比单元,包括:
提取模块,用于提取所述关节点曲线中相邻两点的连接线段;
差异角度计算模块,用于依次计算所述连接线段与所述预存的标准关节点曲线中的相应线段的差异角度,得到差异角度值;
均值处理模块,用于对所述差异角度值进行均值处理,得到对比结果。
分别判断模块,用于分别判断所述差异角度值是否大于预设阈值,从而得到对比结果;其中,有任一所述差异角度值大于所述预设阈值的对比结果,与姿势不标准的判定结果相对应。
9.根据权利要求6所述的姿势判断装置,其特征在于,所述对比单元,包括:
脊柱总长度计算模块,用于利用所述关节点曲线计算出所述被判断对象脊柱的总长度;
选择模块,用于根据所述总长度选择同样长度对应的预存的第一标准关节点曲线;
对比模块,用于对比所述关节点曲线与所述第一标准关节点曲线,得到对比结果。
10.根据权利要求6所述的姿势判断装置,其特征在于,所述对比结果为差异程度值,所述判断单元,包括:
第一阈值判断模块,用于判断所述差异程度值是否大于第一阈值;
姿势判定模块,用于若大于第一阈值,则判定所述姿势不标准,否则判定所述姿势标准。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810885953.9A CN109176536A (zh) | 2018-08-06 | 2018-08-06 | 姿势判断方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810885953.9A CN109176536A (zh) | 2018-08-06 | 2018-08-06 | 姿势判断方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109176536A true CN109176536A (zh) | 2019-01-11 |
Family
ID=64920292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810885953.9A Pending CN109176536A (zh) | 2018-08-06 | 2018-08-06 | 姿势判断方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109176536A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110797104A (zh) * | 2019-09-06 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 控制方法、控制装置、电子设备及存储介质 |
CN110833396A (zh) * | 2019-11-18 | 2020-02-25 | 常州市第二人民医院 | 一种脊柱筛选装置 |
CN112530145A (zh) * | 2020-11-10 | 2021-03-19 | 深圳市易平方网络科技有限公司 | 基于电视的脊椎弯曲提醒处理方法、装置、终端及介质 |
WO2021248815A1 (zh) * | 2020-06-13 | 2021-12-16 | 德派(嘉兴)医疗器械有限公司 | 一种高精度的儿童坐姿检测与矫正方法及装置 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104916093A (zh) * | 2015-06-05 | 2015-09-16 | 重庆智韬信息技术中心 | 实现学生坐姿智能矫正提醒的方法 |
CN105307017A (zh) * | 2015-11-03 | 2016-02-03 | Tcl集团股份有限公司 | 智能电视用户的姿势矫正方法及装置 |
US20170049520A1 (en) * | 2009-06-24 | 2017-02-23 | Intuitive Surgical Operations, Inc. | Arm With A Combined Force and Shape Sensor |
CN106981183A (zh) * | 2017-05-04 | 2017-07-25 | 湖北工程学院 | 坐姿矫正方法及系统 |
CN107122754A (zh) * | 2017-05-09 | 2017-09-01 | 苏州迪凯尔医疗科技有限公司 | 姿势识别方法和装置 |
WO2017172902A1 (en) * | 2016-03-29 | 2017-10-05 | Other Lab, Llc | Fluidic robotic actuator system and method |
CN107562352A (zh) * | 2017-08-15 | 2018-01-09 | 苏州三星电子电脑有限公司 | 计算机用户姿态纠正方法 |
-
2018
- 2018-08-06 CN CN201810885953.9A patent/CN109176536A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170049520A1 (en) * | 2009-06-24 | 2017-02-23 | Intuitive Surgical Operations, Inc. | Arm With A Combined Force and Shape Sensor |
CN104916093A (zh) * | 2015-06-05 | 2015-09-16 | 重庆智韬信息技术中心 | 实现学生坐姿智能矫正提醒的方法 |
CN105307017A (zh) * | 2015-11-03 | 2016-02-03 | Tcl集团股份有限公司 | 智能电视用户的姿势矫正方法及装置 |
WO2017172902A1 (en) * | 2016-03-29 | 2017-10-05 | Other Lab, Llc | Fluidic robotic actuator system and method |
CN106981183A (zh) * | 2017-05-04 | 2017-07-25 | 湖北工程学院 | 坐姿矫正方法及系统 |
CN107122754A (zh) * | 2017-05-09 | 2017-09-01 | 苏州迪凯尔医疗科技有限公司 | 姿势识别方法和装置 |
CN107562352A (zh) * | 2017-08-15 | 2018-01-09 | 苏州三星电子电脑有限公司 | 计算机用户姿态纠正方法 |
Non-Patent Citations (1)
Title |
---|
华东石油学院物探教研室、数学教研室编写小组: "《地震资料数字处理》", 30 April 1975 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110797104A (zh) * | 2019-09-06 | 2020-02-14 | 腾讯科技(深圳)有限公司 | 控制方法、控制装置、电子设备及存储介质 |
CN110833396A (zh) * | 2019-11-18 | 2020-02-25 | 常州市第二人民医院 | 一种脊柱筛选装置 |
WO2021248815A1 (zh) * | 2020-06-13 | 2021-12-16 | 德派(嘉兴)医疗器械有限公司 | 一种高精度的儿童坐姿检测与矫正方法及装置 |
CN112530145A (zh) * | 2020-11-10 | 2021-03-19 | 深圳市易平方网络科技有限公司 | 基于电视的脊椎弯曲提醒处理方法、装置、终端及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109176536A (zh) | 姿势判断方法及装置 | |
CN111368810B (zh) | 基于人体及骨骼关键点识别的仰卧起坐检测系统及方法 | |
US11017547B2 (en) | Method and system for postural analysis and measuring anatomical dimensions from a digital image using machine learning | |
EP3712837A1 (en) | Meal service management system and operating method therefor | |
Bonnechere et al. | Determination of the precision and accuracy of morphological measurements using the Kinect™ sensor: comparison with standard stereophotogrammetry | |
US20180153445A1 (en) | Measurement device and measurement method | |
CN104157107A (zh) | 一种基于Kinect传感器的人体姿势矫正装置 | |
CN105740780A (zh) | 人脸活体检测的方法和装置 | |
US20070083384A1 (en) | Method and system for posture awareness training | |
CN110020628B (zh) | 基于面部检测的坐姿检测方法、系统、设备及存储介质 | |
KR20170030633A (ko) | 보행 해석 시스템 및 기록 매체에 기록된 컴퓨터 프로그램 | |
US11331006B2 (en) | System and method for human motion detection and tracking | |
US20130177223A1 (en) | Fetus modeling method and image processing apparatus therefor | |
CN103908064A (zh) | 一种矫正坐姿的智能书桌及其矫正方法 | |
CN112102947B (zh) | 用于身体姿态评估的装置和方法 | |
KR20180110443A (ko) | 열량 정보 제공 장치 및 방법 | |
Reyes et al. | Automatic digital biometry analysis based on depth maps | |
CN113284090A (zh) | 一种脊柱侧弯检测方法与医疗平台 | |
CN112070031A (zh) | 体态检测方法、装置及设备 | |
KR20170107416A (ko) | 매트리스 자동 추천 방법 | |
US20220222975A1 (en) | Motion recognition method, non-transitory computer-readable recording medium and information processing apparatus | |
CN114419676A (zh) | 基于人工智能的坐姿分析方法、装置、计算机设备及介质 | |
CN103919359A (zh) | 一种矫正坐姿的智能书桌及其矫正方法 | |
Bandera et al. | A new paradigm for autonomous human motion description and evaluation: Application to the Get Up & Go test use case | |
CN109090864A (zh) | 桌椅高度调整方法、装置、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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190111 |