CN109389809A - 一种智能手机坐姿监督与报警系统及方法 - Google Patents

Abstract

本发明公开了一种智能手机坐姿监督与报警系统，包括标准姿态录入系统、实时姿态检测系统和报警记录系统；标准姿态录入系统包括标准姿态图像采集组件、眼镜空间范围判定组件，实时姿态检测系统包括实际姿态图像采集组件、眼镜空间位置判定组件，报警记录系统包括报警组件。本发明的系统应用于智能手机上，以深度学习神经网络为核心，以使用者佩戴的眼镜为识别目标，来计算出使用者头部空间位置，进而判断使用者当前眼睛与书本或者电脑的距离是否足够，从而间接的判断使用者坐姿是否端正。

Description

一种智能手机坐姿监督与报警系统及方法

技术领域

本发明涉及智能护眼技术领域，特别涉及一种智能手机坐姿监督与报警系统及方法。

背景技术

由于机器学习的深度学习技术最近才开始落地应用，目前很少用于护眼方面。随着智能手机的普及与手机硬件配置越来越高，使得在智能手机上运行较简单的深度神经网络成为可能。

同时由于基于深度学习的神经网络对手机计算能力和内存还是存在一定的要求，所以目前市面上基于人脸识别来计算眼睛位置的方法存在落地困难，计算复杂度大，不能运行于智能手机的问题。

目前市面上更多的护眼产品都是基于硬件的，需要使用者穿戴或者安装在座椅上一些设备，已达到纠正使用者姿态的目的，使得使用者感觉不适，同时安装也麻烦，并且需要一定的硬件成本。

发明内容

本发明的目的是克服上述背景技术中不足，提供一种智能手机坐姿监督与报警系统及方法，主要应用于智能手机上，以深度学习神经网络为核心，以使用者佩戴的眼镜为识别目标，来计算出使用者头部空间位置，进而判断使用者当前眼睛与书本或者电脑的距离是否足够，从而间接的判断使用者坐姿是否端正。

为了达到上述的技术效果，本发明采取以下技术方案：

一种智能手机坐姿监督与报警系统，包括标准姿态录入系统、实时姿态检测系统和报警记录系统；

所述标准姿态录入系统包括标准姿态图像采集组件、眼镜空间范围判定组件，实时姿态检测系统包括实际姿态图像采集组件、眼镜空间位置判定组件，报警记录系统包括报警组件；

所述标准姿态图像采集组件与眼镜空间范围判定组件相连，标准姿态图像采集组件用于采集使用者的多组标准姿态图像并传递至眼镜空间范围判定组件；

所述眼镜空间范围判定组件与眼镜空间位置判定组件相连，眼镜空间范围判定组件用于将标准姿态图像转换成对应的空间位置，并计算出标准姿态下的标准眼镜空间位置；

所述实际姿态图像采集组件与眼镜空间位置判定组件相连，实际姿态图像采集组件用于获取使用者的实际姿态图像并传递至眼镜空间位置判定组件；

所述眼镜空间位置判定组件与报警组件相连，眼镜空间位置判定组件用于通过基于深度学习的神经网络来判定使用者实际眼镜空间位置，眼镜空间位置判定组件通过将所述实际眼镜空间位置与标准眼镜空间位置进行对比，进而计算出当前姿态和标准姿态的偏离度，并在偏离度高于偏离阈值时向报警组件发出报警信号；所述报警组件在收到报警信号时则进行报警。

进一步地，所述报警组件包含音乐播放单元、震动单元、闪光灯单元和/或通讯单元；所述通讯单元与第三方智能终端通讯连接或与云端服务器通讯连接。

进一步地，所述报警记录系统还包括记录存储组件，所述记录存储组件与眼镜空间位置判定组件相连，记录存储组件用于记录并保存眼镜空间位置判定组件内生成的数据信息。

进一步地，所述标准姿态图像采集组件和/或实际姿态图像采集组件通过智能手机操作系统提供的API采集来自手机摄像头的图像数据。

同时，本发明还公开了一种智能手机坐姿监督与报警方法，包括上述的智能手机坐姿监督与报警系统，且具体包括以下步骤：

A.采集若干带有各种眼镜与眼镜的空间标注数据的样本作为训练数据样本训练能通过带有眼镜的图像来判定当前眼镜空间位置的神经网络；

B.通过标准姿态图像采集组件采集使用者的多组标准姿态图像并传递至眼镜空间范围判定组件；

C.眼镜空间范围判定组件通过基于深度学习的神经网络将标准姿态图像转换成对应的空间位置，并计算出标准姿态下的标准眼镜空间位置；

D.通过实际姿态图像采集组件获取使用者的实际姿态图像并传递至眼镜空间位置判定组件；

E.眼镜空间位置判定组件通过基于深度学习的神经网络来判定使用者实际眼镜空间位置；

F.眼镜空间位置判定组件将所述实际眼镜空间位置与标准眼镜空间位置进行对比，计算出当前姿态和标准姿态的偏离度；

G.眼镜空间位置判定组件判定计算出的偏离度是否超过偏离阈值；若超过则进入步骤H，否则，返回步骤D并进行持续监控；

H.眼镜空间位置判定组件向报警组件发出报警信号；

I.报警组件在收到报警信号时则进行报警。

进一步地，所述步骤D中实际姿态图像采集组件每隔a秒即采集一次使用者的实际姿态图像。

进一步地，报警记录系统还包括记录存储组件，所述记录存储组件与眼镜空间位置判定组件相连，记录存储组件用于记录并保存眼镜空间位置判定组件内生成的数据信息，所述步骤F中还包括眼镜空间位置判定组件将实际眼镜空间位置数据及计算出的当前姿态和标准姿态的偏离度数据传递至记录存储组件进行记录保存的操作。

进一步地，所述报警组件包含音乐播放单元、震动单元、闪光灯单元和/或通讯单元；所述通讯单元与第三方智能终端通讯连接或与云端服务器通讯连接；

所述步骤I中报警组件进行报警时至少触发以下一种操作：

I1.音乐播放单元开始播放报警音乐或报警语音；

I2.震动单元产生振动报警；

I3.闪光灯单元发出闪光报警；

I4.通讯单元向第三方智能终端发出报警信息；

I5.通讯单元向云端服务器上传报警信息，触发云端服务器进行后续的报警操作。

本发明与现有技术相比，具有以下的有益效果：

本发明的智能手机坐姿监督与报警系统及方法可应用于智能手机上，主要以深度学习神经网络为核心，以使用者佩戴的眼镜为识别目标，来计算出使用者头部空间位置，进而判断使用者当前眼睛与书本或者电脑的距离是否足够，从而间接的判断使用者坐姿是否端正，最终实现护眼的功能，使用中，不会影响使用者的正常工作，且不会让使用者感觉不适，也不存在多余的安装操作，非常便于使用。

附图说明

图1是本发明的智能手机坐姿监督与报警系统的示意图。

图2是本发明的标准姿态录入系统的工作流程示意图。

图3是本发明的实时姿态检测系统的工作流程示意图。

图4是本发明的报警记录系统的工作流程示意图。

具体实施方式

下面结合本发明的实施例对本发明作进一步的阐述和说明。

实施例：

实施例一：

如图1所示，一种智能手机坐姿监督与报警系统，包括标准姿态录入系统、实时姿态检测系统和报警记录系统。

所述标准姿态录入系统包括标准姿态图像采集组件、眼镜空间范围判定组件，实时姿态检测系统包括实际姿态图像采集组件、眼镜空间位置判定组件，报警记录系统包括报警组件。

如图2所示所述标准姿态图像采集组件与眼镜空间范围判定组件相连，标准姿态图像采集组件用于采集使用者的多组标准姿态图像并传递至眼镜空间范围判定组件。

具体的，本实施例中标准姿态图像采集组件是通过智能手机操作系统提供的API采集来自手机摄像头的图像数据，使用者在使用前可在需要进行坐姿监督的场景下如办公桌位置处等，利用手机支架等工具将手机摄像头对准自己，并保持标准坐姿，由标准姿态图像采集组件调用手机摄像头标准API采集使用者的多组标准姿态图像。

作为优选，具体在采集标准姿态图像时，可由标准姿态图像采集组件调用手机摄像头标准API，通过语音与UI界面提示用户在保证用户坐姿标准的情况下，轻微缓慢的改变坐姿与头部姿态，并采集户在标准姿态下的视频资源，按预设好的时间间隔取出相应的标准姿态图像，并且传输给眼镜空间范围判定组件。

所述眼镜空间范围判定组件与眼镜空间位置判定组件相连，眼镜空间范围判定组件用于将标准姿态图像转换成对应的空间位置，并计算出标准姿态下的标准眼镜空间位置。

具体的，本实施例中，眼镜空间范围判定组件收到标准姿态图像采集组件传递的标准姿态图像时采用通用的深度神经网络算法进行计算，得到每张标准姿态图像的眼镜空间位置，最终合并多张标准姿态图像对应的眼镜空间位置，得到标准姿态下的眼镜空间位置，并综合多张标准姿态图像对应的眼镜空间位置得出标准姿态的偏离阈值，或综合多张标准姿态图像对应的眼镜空间位置得出标准姿态的范围。

如图3所示，所述实际姿态图像采集组件与眼镜空间位置判定组件相连，实际姿态图像采集组件用于获取使用者的实际姿态图像并传递至眼镜空间位置判定组件，其中，本实施例中实际姿态图像采集组件通过智能手机操作系统提供的API采集来自手机摄像头的图像数据。

具体的，在实际使用中，使用者可将智能手机保持在标准姿态图像采集组件采集使用者的标准姿态图像时的位置，由实际姿态图像采集组件对使用者的坐姿进行实时采集，具体采集时可设定一个采集间隔时间如5s，则实际姿态图像采集组件将每隔5s即采集一次使用者的实际姿态并传递至眼镜空间位置判定组件。

所述眼镜空间位置判定组件与报警组件相连，眼镜空间位置判定组件用于通过基于深度学习的神经网络来判定使用者实际眼镜空间位置，眼镜空间位置判定组件通过将所述实际眼镜空间位置与标准眼镜空间位置进行对比，进而计算出当前姿态和标准姿态的偏离度，并在偏离度高于偏离阈值时向报警组件发出报警信号。

作为优选，在眼镜空间位置判定组件判定当前姿态和标准姿态的偏离度时，还可同时对本次判定结果进行记录，并在使用者连续多次(如2次等)实际姿态和标准姿态的偏离度高于偏离阈值时，才向报警组件发出报警信号。

如图4所示，所述报警组件在收到报警信号时则进行报警，具体的报警组件包含音乐播放单元、震动单元、闪光灯单元或通讯单元中的一种或多种；所述通讯单元与第三方智能终端通讯连接或与云端服务器通讯连接。

具体报警时可通过触发音乐播放单元开始播放报警音乐或报警语音实现，或采用震动单元产生振动报警、闪光灯单元发出闪光报警以及时提醒使用者当前坐姿不正确，同时，还可通过通讯单元向第三方智能终端发出报警信息或通讯单元向云端服务器上传报警信息，触发云端服务器进行后续的报警操作。具体如触发云端服务器通过公众号、网页、短信、语音电话等方式向监督者发送提起设置好的提醒通知。

作为优选，所述报警记录系统还包括记录存储组件，所述记录存储组件与眼镜空间位置判定组件相连，记录存储组件用于记录并保存眼镜空间位置判定组件内生成的数据信息，则使用者或监督者通过云端服务器即可及时查看实际坐姿数据。

实施例二

一种智能手机坐姿监督与报警方法，包括上述的智能手机坐姿监督与报警系统，且具体包括以下步骤：

A.采集若干带有各种眼镜与眼镜的空间标注数据的样本作为训练数据样本训练能通过带有眼镜的图像来判定当前眼镜空间位置的神经网络；

B.通过标准姿态图像采集组件采集使用者的多组标准姿态图像并传递至眼镜空间范围判定组件；

C.眼镜空间范围判定组件通过基于深度学习的神经网络将标准姿态图像转换成对应的空间位置，并计算出标准姿态下的标准眼镜空间位置；

D.通过实际姿态图像采集组件获取使用者的实际姿态图像并传递至眼镜空间位置判定组件；具体的，可设定实际姿态图像采集组件每隔5秒即采集一次使用者的实际姿态图像。

E.眼镜空间位置判定组件通过基于深度学习的神经网络来判定使用者实际眼镜空间位置；

F.眼镜空间位置判定组件将所述实际眼镜空间位置与标准眼镜空间位置进行对比，计算出当前姿态和标准姿态的偏离度；

G.眼镜空间位置判定组件判定计算出的偏离度是否超过偏离阈值；若超过则进入步骤H，否则，返回步骤D并进行持续监控；

H.眼镜空间位置判定组件向报警组件发出报警信号；

I.报警组件在收到报警信号时则进行报警。

具体的，所述报警组件包含音乐播放单元、震动单元、闪光灯单元或通讯单元中的一种或多种；所述通讯单元与第三方智能终端通讯连接或与云端服务器通讯连接。

所述步骤I中报警组件进行报警时至少触发以下一种操作：

I1.音乐播放单元开始播放报警音乐或报警语音；

I2.震动单元产生振动报警；

I3.闪光灯单元发出闪光报警；

I4.通讯单元向第三方智能终端发出报警信息；

I5.通讯单元向云端服务器上传报警信息，触发云端服务器进行后续的报警操作，具体如触发云端服务器通过公众号、网页、短信、语音电话等方式向监督者发送提起设置好的提醒通知。

作为优选，报警记录系统还包括记录存储组件，所述记录存储组件与眼镜空间位置判定组件相连，记录存储组件用于记录并保存眼镜空间位置判定组件内生成的数据信息，则所述步骤F中还包括眼镜空间位置判定组件将实际眼镜空间位置数据及计算出的当前姿态和标准姿态的偏离度数据传递至记录存储组件进行记录保存的操作。

可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (8)

1.一种智能手机坐姿监督与报警系统，其特征在于，包括标准姿态录入系统、实时姿态检测系统和报警记录系统；

所述标准姿态录入系统包括标准姿态图像采集组件、眼镜空间范围判定组件，实时姿态检测系统包括实际姿态图像采集组件、眼镜空间位置判定组件，报警记录系统包括报警组件；

所述标准姿态图像采集组件与眼镜空间范围判定组件相连，标准姿态图像采集组件用于采集使用者的多组标准姿态图像并传递至眼镜空间范围判定组件；

所述眼镜空间范围判定组件与眼镜空间位置判定组件相连，眼镜空间范围判定组件用于将标准姿态图像转换成对应的空间位置，并计算出标准姿态下的标准眼镜空间位置；

所述实际姿态图像采集组件与眼镜空间位置判定组件相连，实际姿态图像采集组件用于获取使用者的实际姿态图像并传递至眼镜空间位置判定组件；

所述眼镜空间位置判定组件与报警组件相连，眼镜空间位置判定组件用于通过基于深度学习的神经网络来判定使用者实际眼镜空间位置，眼镜空间位置判定组件通过将所述实际眼镜空间位置与标准眼镜空间位置进行对比，进而计算出当前姿态和标准姿态的偏离度，并在偏离度高于偏离阈值时向报警组件发出报警信号；所述报警组件在收到报警信号时则进行报警。

2.根据权利要求1所述的一种智能手机坐姿监督与报警系统，其特征在于，所述报警组件包含音乐播放单元、震动单元、闪光灯单元和/或通讯单元；所述通讯单元与第三方智能终端通讯连接或与云端服务器通讯连接。

3.根据权利要求1所述的一种智能手机坐姿监督与报警系统，其特征在于，所述报警记录系统还包括记录存储组件，所述记录存储组件与眼镜空间位置判定组件相连，记录存储组件用于记录并保存眼镜空间位置判定组件内生成的数据信息。

4.根据权利要求1所述的一种智能手机坐姿监督与报警系统，其特征在于，所述标准姿态图像采集组件和/或实际姿态图像采集组件通过智能手机操作系统提供的API采集来自手机摄像头的图像数据。

5.一种智能手机坐姿监督与报警方法，其特征在于，包括如权利要求1所述的智能手机坐姿监督与报警系统，且具体包括以下步骤：

A.采集若干带有各种眼镜与眼镜的空间标注数据的样本作为训练数据样本训练能通过带有眼镜的图像来判定当前眼镜空间位置的神经网络；

B.通过标准姿态图像采集组件采集使用者的多组标准姿态图像并传递至眼镜空间范围判定组件；

C.眼镜空间范围判定组件通过基于深度学习的神经网络将标准姿态图像转换成对应的空间位置，并计算出标准姿态下的标准眼镜空间位置；

D.通过实际姿态图像采集组件获取使用者的实际姿态图像并传递至眼镜空间位置判定组件；

E.眼镜空间位置判定组件通过基于深度学习的神经网络来判定使用者实际眼镜空间位置；

F.眼镜空间位置判定组件将所述实际眼镜空间位置与标准眼镜空间位置进行对比，计算出当前姿态和标准姿态的偏离度；

G.眼镜空间位置判定组件判定计算出的偏离度是否超过偏离阈值；若超过则进入步骤H，否则，返回步骤D并进行持续监控；

H.眼镜空间位置判定组件向报警组件发出报警信号；

I.报警组件在收到报警信号时则进行报警。

6.根据权利要求5所述的一种智能手机坐姿监督与报警方法，其特征在于，所述步骤D中实际姿态图像采集组件每隔a秒即采集一次使用者的实际姿态图像。

7.根据权利要求5所述的一种智能手机坐姿监督与报警方法，其特征在于，报警记录系统还包括记录存储组件，所述记录存储组件与眼镜空间位置判定组件相连，记录存储组件用于记录并保存眼镜空间位置判定组件内生成的数据信息，所述步骤F中还包括眼镜空间位置判定组件将实际眼镜空间位置数据及计算出的当前姿态和标准姿态的偏离度数据传递至记录存储组件进行记录保存的操作。

8.根据权利要求5所述的一种智能手机坐姿监督与报警方法，其特征在于，所述报警组件包含音乐播放单元、震动单元、闪光灯单元和/或通讯单元；所述通讯单元与第三方智能终端通讯连接或与云端服务器通讯连接；

所述步骤I中报警组件进行报警时至少触发以下一种操作：

I1.音乐播放单元开始播放报警音乐或报警语音；

I2.震动单元产生振动报警；

I3.闪光灯单元发出闪光报警；

I4.通讯单元向第三方智能终端发出报警信息；

I5.通讯单元向云端服务器上传报警信息，触发云端服务器进行后续的报警操作。