CN110210446A - 一种目标对象的坐姿状态检测方法、装置、设备及介质 - Google Patents
一种目标对象的坐姿状态检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN110210446A CN110210446A CN201910507156.1A CN201910507156A CN110210446A CN 110210446 A CN110210446 A CN 110210446A CN 201910507156 A CN201910507156 A CN 201910507156A CN 110210446 A CN110210446 A CN 110210446A
- Authority
- CN
- China
- Prior art keywords
- target object
- sitting posture
- key point
- human body
- dimensional coordinate
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 45
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000004590 computer program Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 8
- 230000001537 neural effect Effects 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 241000406668 Loxodonta cyclotis Species 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
Landscapes
- Engineering & Computer Science (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请公开了一种目标对象的坐姿状态检测方法、装置、设备及介质，包括：获取目标对象的同一时刻的至少两张状态图像；将至少两张状态图像输入至检测模型以获取目标对象的各人体关键点在状态图像中的二维坐标，并计算出各人体关键点对应的三维坐标；根据各人体关键点的三维坐标计算出目标对象的头部倾斜角度；利用超声波探测器计算出目标对象的身体倾斜程度；结合头部倾斜角度和身体倾斜程度判断目标对象的坐姿是否正确。相较于现有技术中仅根据超声波探测器计算出目标对象的身体倾斜程度判断目标对象的坐姿是否正确的方式，本方法通过从头部倾斜角度和身体倾斜程度两个方面进行检测以判断目标对象的坐姿是否正确，相对提高了判断的准确度。
Description
技术领域
本发明涉及姿态检测领域，特别涉及一种目标对象的坐姿状态检测方法、装置、设备及计算机可读存储介质。
背景技术
目前，越来越多的人需要以坐姿状态进行办公学习。在办公学习的过程中，坐姿的正确与否直接影响到人们的身体状态。例如，长时间近距离看电脑屏幕，将对眼睛、脊椎等造成严重的伤害。因此，现有技术提供了检测目标对象的坐姿状态的方法，通过两个超声波探测器检测目标对象的身体的不同部位在同一时刻分别与对应的超声波探测器之间的距离，并根据两个超声波探测器测出的距离差得出目标对象的身体倾斜程度，然后将该身体倾斜程度与身体倾斜程度阈值进行比较，确定出目标对象的坐姿是否正确。但是，在这种检测方式中，是根据超声波探测器接收经过目标对象反射的超声波的时间差来计算目标对象与对应的超声波探测器的距离，由于目标对象的身体本身存在一定的弧度，从而使得接收到的超声波与发射的超声波存在很大误差，导致计算出的身体倾斜程度不准确，进而使得判断结果不正确。
因此，如何提高对目标对象的坐姿状态检测的准确度是本领域技术人员目前需要解决的技术问题。
发明内容
有鉴于此，本发明的目的在于提供一种目标对象的坐姿状态检测方法，能够提高对目标对象的坐姿状态检测的准确度；本发明的另一目的是提供一种目标对象的坐姿状态检测装置、设备及计算机可读存储介质，均具有上述有益效果。
为解决上述技术问题，本发明提供一种目标对象的坐姿状态检测方法，包括：
获取目标对象的同一时刻的至少两张状态图像；
将至少两张所述状态图像输入至检测模型以获取所述目标对象的各人体关键点在所述状态图像中的二维坐标，并计算出各所述人体关键点对应的三维坐标；
根据各所述人体关键点的所述三维坐标计算出所述目标对象的头部倾斜角度；
利用超声波探测器计算出所述目标对象的身体倾斜程度；
结合所述头部倾斜角度和所述身体倾斜程度判断所述目标对象的坐姿是否正确。
优选地，所述获取目标对象的同一时刻的至少两张状态图像的过程，具体为：
结合所述目标对象的上一时刻的运动状态调整双目摄像头的拍摄角度，跟踪拍摄获取所述目标对象的同一时刻的两张所述状态图像。
优选地，所述结合所述头部倾斜角度和所述身体倾斜程度判断所述目标对象的坐姿是否正确的过程，具体包括：
判断所述头部倾斜角度是否大于倾斜角度阈值；
若是，则进一步判断所述身体倾斜程度是否大于倾斜程度阈值；
若是，则判定所述目标对象的坐姿不正确。
优选地，在所述结合所述头部倾斜角度和所述身体倾斜程度判断所述目标对象的坐姿是否正确之后，进一步包括：
记录所述目标对象的所述头部倾斜角度、所述身体倾斜程度以及对应的时间。
优选地，所述检测模型具体为openpose卷积神经网络。
优选地，在所述结合所述头部倾斜角度和所述身体倾斜程度判断所述目标对象的坐姿是否正确之后，进一步包括：
通过语音提示的方式提醒所述目标对象调整坐姿。
为解决上述技术问题，本发明还提供一种目标对象的坐姿状态检测装置，包括：
图像获取模块，用于获取目标对象的同一时刻的至少两张状态图像；
坐标确定模块，用于将至少两张所述状态图像输入至检测模型以获取所述目标对象的各人体关键点在所述状态图像中的二维坐标，并计算出各所述人体关键点对应的三维坐标；
第一计算模块，用于根据各所述人体关键点的所述三维坐标计算出所述目标对象的头部倾斜角度；
第二计算模块，用于利用超声波探测器计算出所述目标对象的身体倾斜程度；
状态判断模块，用于结合所述头部倾斜角度和所述身体倾斜程度判断所述目标对象的坐姿是否正确。
为解决上述技术问题，本发明还提供一种目标对象的坐姿状态检测设备，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现上述任一种目标对象的坐姿状态检测方法的步骤。
为解决上述技术问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一种目标对象的坐姿状态检测方法的步骤。
本发明提供了一种目标对象的坐姿状态检测方法，相较于现有技术中仅根据超声波探测器计算出目标对象的身体倾斜程度判断目标对象的坐姿是否正确的方式，本方法进一步通过获取目标对象的同一时刻的至少两张状态图像；并将至少两张状态图像输入至检测模型以获取目标对象的各人体关键点在状态图像中的二维坐标，并计算出各人体关键点对应的三维坐标；然后根据各人体关键点的三维坐标计算出目标对象的头部倾斜角度；然后结合头部倾斜角度和利用超声波探测器计算出目标对象的身体倾斜程度判断目标对象的坐姿是否正确，通过从头部倾斜角度和身体倾斜程度两个方面进行检测以判断目标对象的坐姿是否正确，相对提高了判断的准确度。
为解决上述技术问题，本发明还提供了一种目标对象的坐姿状态检测装置、设备及计算机可读存储介质，均具有上述有益效果。
附图说明
为了更清楚地说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种目标对象的坐姿状态检测方法的流程图；
图2为本发明实施例提供的一种目标对象的坐姿状态检测装置的结构图；
图3为本发明实施例提供的一种目标对象的坐姿状态检测设备的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本发明实施例的核心是提供一种目标对象的坐姿状态检测方法，能够提高对目标对象的坐姿状态检测的准确度；本发明的另一核心是提供一种目标对象的坐姿状态检测装置、设备及计算机可读存储介质，均具有上述有益效果。
为了使本领域技术人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。
图1为本发明实施例提供的一种目标对象的坐姿状态检测方法的流程图。如图1所示，一种目标对象的坐姿状态检测方法包括：
S10：获取目标对象的同一时刻的至少两张状态图像；
S20：将至少两张状态图像输入至检测模型以获取目标对象的各人体关键点在状态图像中的二维坐标，并计算出各人体关键点对应的三维坐标。
本实施例中，首先获取目标对象的同一时刻的至少两张状态图像，具体可以是通过多个摄像机同时拍摄或利用双目摄像头拍摄的方式获取。在获取到至少两张状态图像之后，将至少两张状态图像输入至检测模型中，检测出目标对象的各人体关键点，并得出各人体关键点在状态图像中的二维坐标。具体的，可以是利用双目立体成像原理根据各人体关键点分别在两张状态图像中的二维坐标，计算出各人体关键点的三维坐标。
根据双目立体成像原理将二维坐标转换为三维坐标是本领域技术人员的公知常识，此处依据双目摄像机的转换过程为例做简单的介绍：首先使用张正友标定法对双目摄像机进行双目标定，得到双目摄像机的内参数(镜头固有参数)和外参数(摄像机位置参数旋转矩阵和平移向量)以及镜头的畸变参数。然后，利用双目摄像机的外参数，通过对目标对象做刚性变换，转换到双目摄像机的3D坐标系，再依据内参数做投影变换，将目标对象成像在成像面上，得到二维图像。考虑到实际成像中必然会发生镜头畸变，因此利用张正友标定法中得到的外参数与畸变参数，结合Bouguet校正算法进行校正，从而得到两个行对准的校正图像以及重投影矩阵；然后根据上述两张校正图像计算出各人体关键点分别在左右两图像中视差；最后以左摄像头为原点，代入左图像各点的二维坐标以及对应的左右图视差，通过与重投影矩阵作矩阵运算得到各个人体关键点对应的三维坐标。
S30：根据各人体关键点的三维坐标计算出目标对象的头部倾斜角度。
具体的，在得出各人体关键点对应的三维坐标之后，根据各人体关键点之间的位置关系计算出目标对象的头部倾斜角度。
S40：利用超声波探测器计算出目标对象的身体倾斜程度。
具体的，根据不同的超声波探测器发出的超声波和接收到的超声波的时间差计算目标对象的不同身体部位至超声波探测器的距离，根据距离差得出目标对象的身体倾斜程度。需要说明的是，在本实施例中，对超声波探测器的具体型号不做限定，例如可以是HC-340超声波探测器。
S50：结合头部倾斜角度和身体倾斜程度判断目标对象的坐姿是否正确。
具体的，在得出头部倾斜角度和身体倾斜程度之后，则结合头部倾斜角度和身体倾斜程度对目标对象的坐姿进行判断，得出目标对象的坐姿是否正确的结果。
本发明实施例提供的一种目标对象的坐姿状态检测方法，相较于现有技术中仅根据超声波探测器计算出目标对象的身体倾斜程度判断目标对象的坐姿是否正确的方式，本方法进一步通过获取目标对象的同一时刻的至少两张状态图像；并将至少两张状态图像输入至检测模型以获取目标对象的各人体关键点在状态图像中的二维坐标，并计算出各人体关键点对应的三维坐标；然后根据各人体关键点的三维坐标计算出目标对象的头部倾斜角度；然后结合头部倾斜角度和利用超声波探测器计算出目标对象的身体倾斜程度判断目标对象的坐姿是否正确，通过从头部倾斜角度和身体倾斜程度两个方面进行检测以判断目标对象的坐姿是否正确，相对提高了判断的准确度。
在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，获取目标对象的同一时刻的至少两张状态图像的过程，具体为：
结合目标对象的上一时刻的运动状态调整双目摄像头的拍摄角度，跟踪拍摄获取目标对象的同一时刻的两张状态图像。
可以理解的是，在实际操作中，目标对象可能会存在移动身体或者改变坐姿、改变位置等情况，而使得预先设置的摄像头无法拍摄到目标对象运动之后的状态图像或者使得无法拍摄到完整的状态图像。因此，在本实施例中，在获取到目标对象的状态图像之后，进一步根据运行检测方法结合目标对象的当前的运动状态，预测目标对象下一时刻的运动位置，调整摄像头的拍摄角度，以使得摄像头能够跟踪拍摄目标对象，获取到目标对象的状态图像，避免由于目标对象运动而导致无法获取完整的状态图像的情况。
在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，结合头部倾斜角度和身体倾斜程度判断目标对象的坐姿是否正确的过程，具体包括：
判断头部倾斜角度是否大于倾斜角度阈值；
若是，则进一步判断身体倾斜程度是否大于倾斜程度阈值；
若是，则判定目标对象的坐姿不正确。
具体的，预先根据目标对象的体型以及摄像头、超声波探测器等检测设备的设置位置，预先设置与头部倾斜角度对应的倾斜角度阈值和与身体倾斜程度对应的倾斜程度阈值。然后再计算得出头部倾斜角度和身体倾斜程度之后，将头部倾斜角度和身体倾斜程度分别与对应的预设阈值进行比较，通过判断头部倾斜角度是否大于倾斜角度阈值以及判断身体倾斜程度是否大于倾斜程度阈值，当两种判断情况均大于预设阈值时，表示目标对象的坐姿不正确。需要说明的是，在本实施例中，判断头部倾斜角度是否大于倾斜角度阈值和判断身体倾斜程度是否大于倾斜程度阈值的执行顺序不做限定，还可以是同时进行，只有在两个判断过程均判断为大于对应的预设阈值的情况下，才判定目标对象的坐姿不正确。
本实施例提供的判断目标对象的坐姿是否正确的方法，能够达到相对准确的判断结果，并且判断过程简单，易于执行。
在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，在结合头部倾斜角度和身体倾斜程度判断目标对象的坐姿是否正确之后，进一步包括：
记录目标对象的头部倾斜角度、身体倾斜程度以及对应的时间。
具体的，在判定出目标对象的坐姿不正确之后，记录目标对象的头部倾斜角度、身体倾斜程度以及得出判定结果的时间。需要说明的是，具体的记录方式可以是以文本或以表格的形式记录，本实施例对此不做限定。更具体的，可以是以内存条、硬盘、TF(Trans-flash Card)卡和SD(Secure Digital Memory Card)卡等方式进行记录存储，具体根据实际需求进行选择，本实施例对此不做限定。
本实施例中，通过记录头部倾斜角度、身体倾斜程度以及对应的时间，能够便于后续进一步根据记录的数据分析目标对象发生坐姿不正确的频率，及目标对象保持正确坐姿的时间，分析目标对象的坐姿习惯，达到更全面的使用效果。
在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，检测模型具体为openpose卷积神经网络。
在本实施例中，是利用openpose卷积神经网络作为检测模型来得出目标对象的各人体关键点在状态图像中的二维坐标。openpose卷积神经网络通过先对整个状态图像进行每个人体关键点的检测，再将检测到的各人体关键点拼接成一个人形，利用openpose卷积神经网络得出目标对象的各人体关键点在状态图像中的二维坐标，相较于其他的检测模型，其检测的准确率更高。
在上述实施例的基础上，本实施例对技术方案作了进一步的说明和优化，具体的，在结合头部倾斜角度和身体倾斜程度判断目标对象的坐姿是否正确之后，进一步包括：
通过语音提示的方式提醒目标对象调整坐姿。
具体的，在本实施例中，在头部倾斜角度和身体倾斜程度判断出目标对象的坐姿不正确时，则进一步通过语音提示的方式提醒目标对象调整坐姿。需要说明的是，语音提示的方式可以是通过触发语音播放器或扬声器播放预先设置的语音信息的方式，以提醒目标对象调整坐姿。更进一步的，可以根据头部倾斜角度和身体倾斜程度提醒目标对象对应需要调整的部位和程度，如，“头部向右偏20度”等。本实施例在判断出目标对象坐姿不正确时，进一步通过语音提示的方式提醒目标对象调整坐姿，能够进一步提升用户体验。
上文对于本发明提供的一种目标对象的坐姿状态检测方法的实施例进行了详细的描述，本发明还提供了一种与该方法对应的目标对象的坐姿状态检测装置、设备及计算机可读存储介质，由于装置、设备及计算机可读存储介质部分的实施例与方法部分的实施例相互照应，因此装置、设备及计算机可读存储介质部分的实施例请参见方法部分的实施例的描述，这里暂不赘述。
图2为本发明实施例提供的一种目标对象的坐姿状态检测装置的结构图，如图2所示，一种目标对象的坐姿状态检测装置包括：
图像获取模块21，用于获取目标对象的同一时刻的至少两张状态图像；
坐标确定模块22，用于将至少两张状态图像输入至检测模型以获取目标对象的各人体关键点在状态图像中的二维坐标，并计算出各人体关键点对应的三维坐标；
第一计算模块23，用于根据各人体关键点的三维坐标计算出目标对象的头部倾斜角度；
第二计算模块24，用于利用超声波探测器计算出目标对象的身体倾斜程度；
状态判断模块25，用于结合头部倾斜角度和身体倾斜程度判断目标对象的坐姿是否正确。本发明实施例提供的目标对象的坐姿状态检测装置，具有上述目标对象的坐姿状态检测方法的有益效果。
图3为本发明实施例提供的一种目标对象的坐姿状态检测设备的结构图，如图3所示，一种目标对象的坐姿状态检测设备包括：
存储器31，用于存储计算机程序；
处理器32，用于执行计算机程序时实现如上述目标对象的坐姿状态检测方法的步骤。
本发明实施例提供的目标对象的坐姿状态检测设备，具有上述目标对象的坐姿状态检测方法的有益效果。
为解决上述技术问题，本发明还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现如上述目标对象的坐姿状态检测方法的步骤。
本发明实施例提供的计算机可读存储介质，具有上述目标对象的坐姿状态检测方法的有益效果。
以上对本发明所提供的目标对象的坐姿状态检测方法、装置、设备及计算机可读存储介质进行了详细介绍。本文中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。
说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
Claims (9)
1.一种目标对象的坐姿状态检测方法，其特征在于，包括：
获取目标对象的同一时刻的至少两张状态图像；
将至少两张所述状态图像输入至检测模型以获取所述目标对象的各人体关键点在所述状态图像中的二维坐标，并计算出各所述人体关键点对应的三维坐标；
根据各所述人体关键点的所述三维坐标计算出所述目标对象的头部倾斜角度；
利用超声波探测器计算出所述目标对象的身体倾斜程度；
结合所述头部倾斜角度和所述身体倾斜程度判断所述目标对象的坐姿是否正确。
2.根据权利要求1所述的方法，其特征在于，所述获取目标对象的同一时刻的至少两张状态图像的过程，具体为：
结合所述目标对象的上一时刻的运动状态调整双目摄像头的拍摄角度，跟踪拍摄获取所述目标对象的同一时刻的两张所述状态图像。
3.根据权利要求1所述的方法，其特征在于，所述结合所述头部倾斜角度和所述身体倾斜程度判断所述目标对象的坐姿是否正确的过程，具体包括：
判断所述头部倾斜角度是否大于倾斜角度阈值；
若是，则进一步判断所述身体倾斜程度是否大于倾斜程度阈值；
若是，则判定所述目标对象的坐姿不正确。
4.根据权利要求1所述的方法，其特征在于，在所述结合所述头部倾斜角度和所述身体倾斜程度判断所述目标对象的坐姿是否正确之后，进一步包括：
记录所述目标对象的所述头部倾斜角度、所述身体倾斜程度以及对应的时间。
5.根据权利要求1所述的方法，其特征在于，所述检测模型具体为openpose卷积神经网络。
6.根据权利要求1至5任一项所述的方法，其特征在于，在所述结合所述头部倾斜角度和所述身体倾斜程度判断所述目标对象的坐姿是否正确之后，进一步包括：
通过语音提示的方式提醒所述目标对象调整坐姿。
7.一种目标对象的坐姿状态检测装置，其特征在于，包括：
图像获取模块，用于获取目标对象的同一时刻的至少两张状态图像；
坐标确定模块，用于将至少两张所述状态图像输入至检测模型以获取所述目标对象的各人体关键点在所述状态图像中的二维坐标，并计算出各所述人体关键点对应的三维坐标；
第一计算模块，用于根据各所述人体关键点的所述三维坐标计算出所述目标对象的头部倾斜角度；
第二计算模块，用于利用超声波探测器计算出所述目标对象的身体倾斜程度；
状态判断模块，用于结合所述头部倾斜角度和所述身体倾斜程度判断所述目标对象的坐姿是否正确。
8.一种目标对象的坐姿状态检测设备，其特征在于，包括：
存储器，用于存储计算机程序；
处理器，用于执行所述计算机程序时实现如权利要求1至6任一项所述的目标对象的坐姿状态检测方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的目标对象的坐姿状态检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910507156.1A CN110210446A (zh) | 2019-06-12 | 2019-06-12 | 一种目标对象的坐姿状态检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910507156.1A CN110210446A (zh) | 2019-06-12 | 2019-06-12 | 一种目标对象的坐姿状态检测方法、装置、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110210446A true CN110210446A (zh) | 2019-09-06 |
Family
ID=67792318
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910507156.1A Pending CN110210446A (zh) | 2019-06-12 | 2019-06-12 | 一种目标对象的坐姿状态检测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110210446A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111045021A (zh) * | 2019-12-19 | 2020-04-21 | 北京无线电计量测试研究所 | 一种井盖智能监测方法及系统 |
| CN111814731A (zh) * | 2020-07-23 | 2020-10-23 | 科大讯飞股份有限公司 | 一种坐姿检测方法、装置、设备及存储介质 |
| CN112043282A (zh) * | 2020-09-15 | 2020-12-08 | 方秋菊 | 一种基于大数据的学生学习习惯分析系统 |
| CN112101124A (zh) * | 2020-08-20 | 2020-12-18 | 深圳数联天下智能科技有限公司 | 一种坐姿检测方法及装置 |
| CN112200088A (zh) * | 2020-10-10 | 2021-01-08 | 普联技术有限公司 | 一种坐姿监测方法、装置、设备以及系统 |
| CN112308914A (zh) * | 2020-03-06 | 2021-02-02 | 北京字节跳动网络技术有限公司 | 用于处理信息的方法、装置、设备和介质 |
| CN113095447A (zh) * | 2021-06-10 | 2021-07-09 | 深圳联合安防科技有限公司 | 一种基于图像识别的检测方法及系统 |
| CN113554609A (zh) * | 2021-07-19 | 2021-10-26 | 同济大学 | 一种基于视觉的颈部肌张力障碍识别系统 |
| WO2022227462A1 (zh) * | 2021-04-28 | 2022-11-03 | 北京市商汤科技开发有限公司 | 定位方法、装置、电子设备及存储介质 |
| CN116884083A (zh) * | 2023-06-21 | 2023-10-13 | 圣奥科技股份有限公司 | 一种基于人体关键点的坐姿检测方法、介质及设备 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013015529A1 (ko) * | 2011-07-28 | 2013-01-31 | Park In Sik | 앉은 자세 측정 및 운동용 좌석 패드 및 의자 |
| CN203376848U (zh) * | 2013-06-28 | 2014-01-01 | 西安工程大学 | 电脑坐姿矫正器 |
| CN104902169A (zh) * | 2015-05-19 | 2015-09-09 | 广东欧珀移动通信有限公司 | 一种旋转摄像头控制方法及终端 |
| CN105847681A (zh) * | 2016-03-30 | 2016-08-10 | 乐视控股（北京）有限公司 | 拍摄控制方法、设备及系统 |
| CN106331511A (zh) * | 2016-11-16 | 2017-01-11 | 广东欧珀移动通信有限公司 | 智能终端跟踪拍摄的方法和装置 |
| CN109785396A (zh) * | 2019-01-23 | 2019-05-21 | 中国科学院自动化研究所 | 基于双目相机的写字姿态监测方法、系统、装置 |
| CN109872359A (zh) * | 2019-01-27 | 2019-06-11 | 武汉星巡智能科技有限公司 | 坐姿检测方法、装置及计算机可读存储介质 |
-
2019
- 2019-06-12 CN CN201910507156.1A patent/CN110210446A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013015529A1 (ko) * | 2011-07-28 | 2013-01-31 | Park In Sik | 앉은 자세 측정 및 운동용 좌석 패드 및 의자 |
| CN203376848U (zh) * | 2013-06-28 | 2014-01-01 | 西安工程大学 | 电脑坐姿矫正器 |
| CN104902169A (zh) * | 2015-05-19 | 2015-09-09 | 广东欧珀移动通信有限公司 | 一种旋转摄像头控制方法及终端 |
| CN105847681A (zh) * | 2016-03-30 | 2016-08-10 | 乐视控股（北京）有限公司 | 拍摄控制方法、设备及系统 |
| CN106331511A (zh) * | 2016-11-16 | 2017-01-11 | 广东欧珀移动通信有限公司 | 智能终端跟踪拍摄的方法和装置 |
| CN109785396A (zh) * | 2019-01-23 | 2019-05-21 | 中国科学院自动化研究所 | 基于双目相机的写字姿态监测方法、系统、装置 |
| CN109872359A (zh) * | 2019-01-27 | 2019-06-11 | 武汉星巡智能科技有限公司 | 坐姿检测方法、装置及计算机可读存储介质 |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111045021A (zh) * | 2019-12-19 | 2020-04-21 | 北京无线电计量测试研究所 | 一种井盖智能监测方法及系统 |
| CN112308914A (zh) * | 2020-03-06 | 2021-02-02 | 北京字节跳动网络技术有限公司 | 用于处理信息的方法、装置、设备和介质 |
| CN111814731A (zh) * | 2020-07-23 | 2020-10-23 | 科大讯飞股份有限公司 | 一种坐姿检测方法、装置、设备及存储介质 |
| CN111814731B (zh) * | 2020-07-23 | 2023-12-01 | 科大讯飞股份有限公司 | 一种坐姿检测方法、装置、设备及存储介质 |
| CN112101124A (zh) * | 2020-08-20 | 2020-12-18 | 深圳数联天下智能科技有限公司 | 一种坐姿检测方法及装置 |
| CN112101124B (zh) * | 2020-08-20 | 2023-12-08 | 深圳数联天下智能科技有限公司 | 一种坐姿检测方法及装置 |
| CN112043282A (zh) * | 2020-09-15 | 2020-12-08 | 方秋菊 | 一种基于大数据的学生学习习惯分析系统 |
| CN112043282B (zh) * | 2020-09-15 | 2021-05-18 | 深圳市优课在线教育有限公司 | 一种基于大数据的学生学习习惯分析系统 |
| CN112200088A (zh) * | 2020-10-10 | 2021-01-08 | 普联技术有限公司 | 一种坐姿监测方法、装置、设备以及系统 |
| WO2022227462A1 (zh) * | 2021-04-28 | 2022-11-03 | 北京市商汤科技开发有限公司 | 定位方法、装置、电子设备及存储介质 |
| CN113095447B (zh) * | 2021-06-10 | 2021-09-07 | 深圳联合安防科技有限公司 | 一种基于图像识别的检测方法及系统 |
| CN113095447A (zh) * | 2021-06-10 | 2021-07-09 | 深圳联合安防科技有限公司 | 一种基于图像识别的检测方法及系统 |
| CN113554609B (zh) * | 2021-07-19 | 2022-07-08 | 同济大学 | 一种基于视觉的颈部肌张力障碍识别系统 |
| CN113554609A (zh) * | 2021-07-19 | 2021-10-26 | 同济大学 | 一种基于视觉的颈部肌张力障碍识别系统 |
| CN116884083A (zh) * | 2023-06-21 | 2023-10-13 | 圣奥科技股份有限公司 | 一种基于人体关键点的坐姿检测方法、介质及设备 |
| CN116884083B (zh) * | 2023-06-21 | 2024-05-28 | 圣奥科技股份有限公司 | 一种基于人体关键点的坐姿检测方法、介质及设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110210446A (zh) | 一种目标对象的坐姿状态检测方法、装置、设备及介质 | |
| US10984554B2 (en) | Monocular vision tracking method, apparatus and non-volatile computer-readable storage medium | |
| US10070120B2 (en) | Optical see-through display calibration | |
| CN105354820B (zh) | 调整虚拟现实图像的方法及装置 | |
| KR101730737B1 (ko) | 안구추적을 기반으로 한 상이한 거리 자동적응 홀로그램 디스플레이 방법 및 장치 | |
| CN110505463A (zh) | 基于拍照的实时自动3d建模方法 | |
| CN104685541B (zh) | 用于确定三维对象上注视点的方法和装置 | |
| EP2847741B1 (en) | Camera scene fitting of real world scenes for camera pose determination | |
| JP5676608B2 (ja) | 立体表示装置、立体撮影装置、および指示判定方法 | |
| TWI520576B (zh) | 將二維影像轉換爲三維影像的方法與系統及電腦可讀媒體 | |
| US20190142374A1 (en) | Intertial device tracking system and method of operation thereof | |
| CN108489454A (zh) | 深度距离测量方法、装置、计算机可读存储介质及电子设备 | |
| CN110598590A (zh) | 基于多视角相机的紧密交互人体姿态估计方法及装置 | |
| CN106951074A (zh) | 一种实现虚拟触摸校准的方法以及系统 | |
| US9727229B2 (en) | Stereoscopic display device, method for accepting instruction, and non-transitory computer-readable medium for recording program | |
| CN105791663B (zh) | 距离估算系统及距离估算方法 | |
| CN105865462A (zh) | 带有深度增强视觉传感器的基于事件的三维slam方法 | |
| CN110336942A (zh) | 一种虚化图像获取方法及终端、计算机可读存储介质 | |
| CN104076481A (zh) | 自动聚焦方法及其设备 | |
| CN109547692A (zh) | 图像姿态矫正方法、设备及终端 | |
| JP4144888B2 (ja) | 画像処理方法、画像処理装置 | |
| CN110505398A (zh) | 一种图像处理方法、装置、电子设备及存储介质 | |
| CN103780747A (zh) | 一种信息处理方法及电子设备 | |
| JPWO2012039023A1 (ja) | Ｘ線撮影装置、その画像処理方法およびプログラム | |
| CN104155839B (zh) | 用于提供3维图像的系统和方法 |
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 |
Application publication date: 20190906 |
|
| RJ01 | Rejection of invention patent application after publication |