CN110440697A - 纠正坐姿智能系统及方法 - Google Patents
纠正坐姿智能系统及方法 Download PDFInfo
- Publication number
- CN110440697A CN110440697A CN201910733085.7A CN201910733085A CN110440697A CN 110440697 A CN110440697 A CN 110440697A CN 201910733085 A CN201910733085 A CN 201910733085A CN 110440697 A CN110440697 A CN 110440697A
- Authority
- CN
- China
- Prior art keywords
- sitting posture
- posture image
- distance
- image
- microprocessor
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
- G01B11/022—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness by means of tv-camera scanning
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S11/00—Systems for determining distance or velocity not using reflection or reradiation
- G01S11/12—Systems for determining distance or velocity not using reflection or reradiation using electromagnetic waves other than radio waves
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/172—Classification, e.g. identification
-
- 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
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Emergency Management (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Measurement Of Optical Distance (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
本发明公开了一种纠正坐姿智能系统及方法,该系统包括:摄像测距模块和微处理器,摄像测距模块拍摄目标用户的坐姿图像,测量摄像测距模块距离目标用户的距离数据,发送距离数据至微处理器,微处理器根据距离数据,计算坐姿图像中各像素点在三维场景中第一方向上距离摄像测距模块的图像距离,根据坐姿图像通过人脸识别算法计算目标用户的预设部位在三维场景中第二方向和第三方向相对摄像测距模块的位置信息,根据图像距离和位置信息通过几何计算目标用户的预设部位距离桌面的当前距离,在当前距离小于预设距离阈值时,生成告警信号,通过准确计算用户预设部位距离桌面的距离,在用户坐姿错误导致预设部位离桌面过近时,提醒用户进行坐姿调整。
Description
技术领域
本发明涉及人工智能技术领域,尤其涉及一种纠正坐姿智能系统及方法。
背景技术
随着近年来人们对身体健康的关注,坐姿检测及矫正问题得到了重视。尤其对于儿童来说,从小不良的坐姿会导致脊柱及颈椎的发育问题,进而引发近视、体态不良等相关问题。常见的人体坐姿检测方法从形态上主要有穿戴式、距离检测式和红外检测式等,但现有方案相对简单直接,比如穿戴式的坐姿检测及提醒装置,但穿戴式具有不便捷性及易丢失的缺点,而且现有方案的检测准确度不高,不能达到准确纠正坐姿的效果。
上述内容仅用于辅助理解本发明的技术方案,并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提供一种纠正坐姿智能系统及方法,旨在解决现有技术中坐姿检测装置便携性差且检测准确度不高的技术问题。
为实现上述目的,本发明提供一种纠正坐姿智能系统,所述纠正坐姿智能系统包括:摄像测距模块和微处理器;
所述摄像测距模块,用于拍摄目标用户的坐姿图像,并测量所述摄像测距模块距离所述目标用户的距离数据,发送所述距离数据至所述微处理器;
所述微处理器,用于根据所述距离数据,计算所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离;
所述微处理器,还用于根据所述坐姿图像通过人脸识别算法计算所述目标用户的预设部位在所述三维场景中第二方向和第三方向相对所述摄像测距模块的位置信息;
所述微处理器,还用于根据所述图像距离和所述位置信息通过几何计算所述目标用户的所述预设部位距离桌面的当前距离;
所述微处理器,还用于判断所述当前距离是否小于预设距离阈值,在所述当前距离小于所述预设距离阈值时,生成告警信号。
优选地,所述摄像测距模块包括双目摄像头;所述坐姿图像包括左坐姿图像和右坐姿图像;
所述双目摄像头,用于通过两个摄像头拍摄目标用户的左坐姿图像和右坐姿图像,并测量所述双目摄像头距离所述目标用户的距离数据,通过通讯接口发送所述距离数据、所述左坐姿图像和所述右坐姿图像至所述微处理器;
所述微处理器,还用于根据所述距离数据,通过双目视觉算法计算所述目标用户在所述左坐姿图像的各像素点和在所述右坐姿图像的各像素点之间的视差;
所述微处理器,还用于根据所述双目摄像头的相机焦距、基线距离和所述视差,计算所述左坐姿图像和所述右坐姿图像中各像素点在三维场景中第一方向上距离所述双目摄像头的图像距离。
优选地,所述摄像测距模块包括红外投影模组、红外线IR相机模组和单目红绿蓝RGB摄像头;所述坐姿图像包括红外坐姿图像和彩色坐姿图像;
所述红外投影模组,用于向目标用户投射可控制的光点、光条或光面结构;
所述IR相机模组,用于拍摄所述目标用户的所述红外坐姿图像,并测量所述IR相机模组距离所述目标用户的距离数据,通过通讯接口发送所述距离数据和所述红外坐姿图像至所述微处理器;
所述单目RGB摄像头,用于拍摄所述目标用户的所述彩色坐姿图像,并通过所述通讯接口发送所述彩色坐姿图像至所述微处理器;
所述微处理器,还用于根据所述距离数据,通过三角定位原理计算所述红外坐姿图像中各像素点在三维场景中第一方向上距离所述红外线IR相机模组的图像距离。
优选地,所述摄像测距模块包括红外光发射器、飞行时间TOF传感器和单目红绿蓝RGB摄像头;所述坐姿图像包括彩色坐姿图像;
所述红外光发射器,用于向目标用户发射红外光;
所述TOF传感器,用于计算所述红外光发射和反射时间差或相位差,并根据所述时间差或相位差计算所述TOF传感器距离所述目标用户的距离数据,通过通讯接口发送所述距离数据和所述彩色坐姿图像至所述微处理器;
所述单目RGB摄像头,用于拍摄所述目标用户的所述彩色坐姿图像,并通过所述通讯接口发送所述彩色坐姿图像至所述微处理器;
所述微处理器,还用于根据所述距离数据,计算所述彩色坐姿图像中各像素在三维场景中第一方向上距离所述TOF传感器的图像距离。
优选地,所述纠正坐姿智能系统还包括:告警模块;
所述告警模块,用于根据所述告警信号通过声音或者灯光进行告警提示,以提醒所述目标用户纠正坐姿。
此外,为实现上述目的,本发明还提出一种纠正坐姿智能方法,其基于纠正坐姿智能系统包括:摄像测距模块和微处理器;所述纠正坐姿智能方法包括以下步骤:
所述摄像测距模块拍摄目标用户的坐姿图像,并测量所述摄像测距模块距离所述目标用户的距离数据,发送所述距离数据至所述微处理器;
所述微处理器根据所述距离数据,计算所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离;
所述微处理器根据所述坐姿图像通过人脸识别算法计算所述目标用户的预设部位在所述三维场景中第二方向和第三方向相对所述摄像测距模块的位置信息;
所述微处理器根据所述图像距离和所述位置信息通过几何计算所述目标用户的所述预设部位距离桌面的当前距离;
所述微处理器判断所述当前距离是否小于预设距离阈值,在所述当前距离小于所述预设距离阈值时,生成告警信号。
优选地,所述摄像测距模块包括双目摄像头;所述坐姿图像包括左坐姿图像和右坐姿图像;
所述摄像测距模块拍摄目标用户的坐姿图像,并测量所述摄像测距模块距离所述目标用户的距离数据,发送所述距离数据至所述微处理器,具体包括:
所述双目摄像头通过两个摄像头拍摄目标用户的左坐姿图像和右坐姿图像,并测量所述双目摄像头距离所述目标用户的距离数据,通过通讯接口发送所述距离数据、所述左坐姿图像和所述右坐姿图像至所述微处理器;
相应地,所述微处理器根据所述距离数据,计算所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离,具体包括:
所述微处理器根据所述距离数据,通过双目视觉算法计算所述目标用户在所述左坐姿图像的各像素点和在所述右坐姿图像的各像素点之间的视差;根据所述双目摄像头的相机焦距、基线距离和所述视差,计算所述左坐姿图像和所述右坐姿图像中各像素点在三维场景中第一方向上距离所述双目摄像头的图像距离。
优选地,所述摄像测距模块包括红外投影模组、红外线IR相机模组和单目红绿蓝RGB摄像头;所述坐姿图像包括红外坐姿图像和彩色坐姿图像;
所述摄像测距模块拍摄目标用户的坐姿图像,并测量所述摄像测距模块距离所述目标用户的距离数据,发送所述距离数据至所述微处理器,具体包括:
所述红外投影模组向目标用户投射可控制的光点、光条或光面结构;
所述IR相机模组拍摄所述目标用户的所述红外坐姿图像,并测量所述IR相机模组距离所述目标用户的距离数据,通过通讯接口发送所述距离数据和所述红外坐姿图像至所述微处理器;
所述单目RGB摄像头拍摄所述目标用户的所述彩色坐姿图像,并通过所述通讯接口发送所述彩色坐姿图像至所述微处理器;
相应地,所述微处理器根据所述距离数据,计算所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离,具体包括:
所述微处理器根据所述距离数据,通过三角定位原理计算所述红外坐姿图像中各像素点在三维场景中第一方向上距离所述红外线IR相机模组的图像距离。
优选地,所述摄像测距模块包括红外光发射器、飞行时间TOF传感器和单目红绿蓝RGB摄像头;所述坐姿图像包括彩色坐姿图像;
所述摄像测距模块拍摄目标用户的坐姿图像,并测量所述摄像测距模块距离所述目标用户的距离数据,发送所述距离数据至所述微处理器,具体包括:
所述红外光发射器向目标用户发射红外光;
所述TOF传感器计算所述红外光发射和反射时间差或相位差,并根据所述时间差或相位差计算所述TOF传感器距离所述目标用户的距离数据,通过通讯接口发送所述距离数据和所述彩色坐姿图像至所述微处理器;
所述单目RGB摄像头拍摄所述目标用户的所述彩色坐姿图像,并通过所述通讯接口发送所述彩色坐姿图像至所述微处理器;
相应地,所述微处理器根据所述距离数据,计算所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离,具体包括:
所述微处理器根据所述距离数据,计算所述彩色坐姿图像中各像素在三维场景中第一方向上距离所述TOF传感器的图像距离。
优选地,所述纠正坐姿智能系统还包括:告警模块;所述微处理器判断所述当前距离是否小于预设距离阈值,在所述当前距离小于所述预设距离阈值时,生成告警信号之后,所述纠正坐姿智能方法还包括:
所述告警模块根据所述告警信号通过声音或者灯光进行告警提示,以提醒所述目标用户纠正坐姿。
本发明中,纠正坐姿智能系统包括:摄像测距模块和微处理器,所述摄像测距模块,用于拍摄目标用户的坐姿图像,并测量所述摄像测距模块距离所述目标用户的距离数据,发送所述距离数据至所述微处理器,所述微处理器,用于根据所述距离数据,计算所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离,根据所述坐姿图像通过人脸识别算法计算所述目标用户的预设部位在所述三维场景中第二方向和第三方向相对所述摄像测距模块的位置信息,根据所述图像距离和所述位置信息通过几何计算所述目标用户的所述预设部位距离桌面的当前距离,基于人脸识别能够准确计算用户的预设部位距离桌面的距离,判断所述当前距离是否小于预设距离阈值,在所述当前距离小于所述预设距离阈值时,生成告警信号,基于准确计算的距离,从而在用户坐姿错误导致面部或头部离桌子距离过近时,准确提醒用户进行坐姿调整。
附图说明
图1为本发明纠正坐姿智能系统第一实施例的结构框图;
图2为本发明纠正坐姿智能系统第一实施例中所述坐姿图像对应的像素点深度图;
图3为本发明纠正坐姿智能系统第二实施例的结构框图;
图4为本发明纠正坐姿智能系统第二实施例中的双目立体视觉原理图;
图5为本发明纠正坐姿智能系统第三实施例的结构框图;
图6为本发明纠正坐姿智能系统第四实施例的结构框图;
图7为本发明纠正坐姿智能方法第一实施例的流程示意图。
本发明目的的实现、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。
参照图1,图1为本发明本发明纠正坐姿智能系统第一实施例的结构框图,提出本发明纠正坐姿智能系统第一实施例。
如图1所示,本实施例中,所述纠正坐姿智能系统包括:摄像测距模块100、测距模块300和微处理器200;
所述摄像测距模块100,用于拍摄目标用户的坐姿图像,并测量所述摄像测距模块距离所述目标用户的距离数据,发送所述距离数据至所述微处理器。
应理解的是,所述摄像测距模块100可以是两个红绿蓝(Red Green Blue)RGB摄像头,还可以是红外投影模组、红外线IR相机模组和单目红绿蓝RGB摄像头,还可以是红外光发射器、飞行时间TOF传感器和单目红绿蓝RGB摄像头。所述摄像测距模块100将摄像头拍摄到的所述目标用户的坐姿图像传输至电路主板上的微处理器200,所述目标用户可以是坐在桌前学习的小孩,也可以是坐在桌前工作的成年人,还可以是其他场景下需要保持正确坐姿的人员,本实施例对此不加以限制。
所述摄像测距模块100,用于直接获取或发送所述距离数据至所述微处理器200,所述微处理器计算所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离。具体实现有三种摄像测距模块模块:双目测距、结构光测距、TOF飞行时间测距。其中结构光测距、TOF飞行时间测距模块可以直接获取所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离。双目测距模块则是将有视差的两幅图像流发送给所述微处理器200,由所述微处理器200计算出坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离。
所述微处理器200,用于根据所述距离数据,计算所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块100的图像距离。
需要说明的是,微处理器200根据所述距离数据,计算出目标用户的实时3D信息,所述坐姿图像中各点离摄像测距模块100的距离,定义为第一方向上的距离,也可定义为Z方向上的距离。所述摄像测距模块100为两个双目摄像头时,通过对双目摄像头拍摄的两幅坐姿图像视差的计算,直接对前方景物(图像所拍摄到的范围)进行距离测量,从而计算出所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块100的图像距离,可用深度图进行表示,如图2所示,图2为所述坐姿图像对应的像素点深度图,所述像素点深度图中,颜色越深表明距离越近。
所述微处理器200,还用于根据所述坐姿图像通过人脸识别算法计算所述目标用户的预设部位在所述三维场景中第二方向和第三方向相对所述摄像测距模块100的位置信息。
所述目标用户的预设部位可以是脸部或者头部,采用人工智能和深度学习算法计算出所述目标用户的脸部或者头部在三维场景中第二方向(也可定义为X方向)和第三方向(也可定义为Y方向)相对摄像测距模块100的位置信息,从而获得所述目标用户的脸部或者头部相对摄像测距模块100的(X,Y,Z)信息。
所述微处理器200,还用于根据所述图像距离和所述位置信息通过几何计算所述目标用户的所述预设部位距离桌面的当前距离。
可理解的是,通过人脸识别算法对其中一个摄像头拍摄的所述坐姿图像进行分析,即可找到人脸或者头部在所述坐姿图像中的位置,人脸的位置被识别出来。那么利用人脸位置再到图2所示的像素点深度图中的对应位置,就可以获取脸部或者头部离摄像头的所述当前距离。具体为,所述纠正坐姿智能系统可摆放在所述目标用户的桌面上,摄像测距模块100离桌面的高度是已知的,根据所述图像距离和所述位置信息,通过几何计算计算出所述目标用户的面部或头部离桌子或者桌面的所述当前距离。
所述微处理器200,还用于判断所述当前距离是否小于预设距离阈值,在所述当前距离小于所述预设距离阈值时,生成告警信号。
在具体实现中,所述纠正坐姿智能系统还包括eMMC/SD卡/Flash等ROM模块,用于存储微处理器200需要运行的程序,系统上电后所述微处理器200从eMMC/SD卡/Flash等ROM模块读取程序并开始运行。所述纠正坐姿智能系统还包括RAM模块,用于存储部分微处理器200运行的程序以及微处理器200计算时产生的临时数据等。
进一步地,本实施例中,所述纠正坐姿智能系统还包括:告警模块;
所述告警模块,用于根据所述告警信号通过声音或者灯光进行告警提示,以提醒所述目标用户纠正坐姿。
需要说明的是,所述告警模块包括喇叭和/或警示灯,用于提醒所述目标用户纠正坐姿,当所述目标用户的面部或头部离桌子的当前距离过低,也即所述当前距离小于所述预设距离阈值时,所述微处理器200生成告警信号,控制喇叭和/或警示灯提醒所述目标用户调整坐姿。所述纠正坐姿智能系统还包括电源模块,用于给所述纠正坐姿智能系统供电。
本实施例中,纠正坐姿智能系统包括摄像测距模块100和微处理器200,所述摄像测距模块100拍摄目标用户的坐姿图像,并测量所述摄像测距模块距离所述目标用户的距离数据,发送所述距离数据至所述微处理器,所述微处理器200根据所述距离数据,计算所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块100的图像距离,根据所述坐姿图像通过人脸识别算法计算所述目标用户的预设部位在所述三维场景中第二方向和第三方向相对所述摄像测距模块100的位置信息,根据所述图像距离和所述位置信息通过几何计算所述目标用户的所述预设部位距离桌面的当前距离,基于人脸识别能够准确计算用户的预设部位距离桌面的距离,判断所述当前距离是否小于预设距离阈值,在所述当前距离小于所述预设距离阈值时,生成告警信号,基于准确计算的距离,从而在用户坐姿错误导致面部或头部离桌子距离过近时,准确提醒用户进行坐姿调整。
参照图3,图3为本发明纠正坐姿智能系统第二实施例的结构框图,提出本发明纠正坐姿智能系统第二实施例。
在本实施例中,所述摄像测距模块100包括双目摄像头101;所述坐姿图像包括左坐姿图像和右坐姿图像;
所述双目摄像头101,用于通过两个摄像头拍摄目标用户的左坐姿图像和右坐姿图像,并测量所述双目摄像头距离所述目标用户的距离数据,通过通讯接口发送所述距离数据、所述左坐姿图像和所述右坐姿图像至所述微处理器;
所述微处理器,还用于根据所述距离数据,通过双目视觉算法计算所述目标用户在所述左坐姿图像的各像素点和在所述右坐姿图像的各像素点之间的视差;
所述微处理器,还用于根据所述双目摄像头101的相机焦距、基线距离和所述视差,计算所述左坐姿图像和所述右坐姿图像中各像素点在三维场景中第一方向上距离所述双目摄像头101的图像距离。
应理解的是,参照图4,图4为双目立体视觉原理图,OL和OR是所述双目摄像头101中左右相机的光心,它们的光轴和各自的成像平面如图4中左视图和右视图。假设两相机的内部和外部参数完全相同,焦距为f,光心之间的距离(即基线)为B,两台相机在同一平面上,则他们的投影中心的Y坐标相等。同一时刻空间点P(x,y,z)在两相机上成像点分别为Pleft和Pright。Xleft为Pleft在左相机坐标系下的X坐标,Xright为Pright在右相机坐标系下的X坐标。
根据三角形相似定律,可得到关系式:
其中,所述距离数据,即为空间点P离相机的距离为z,Xl和Xr分别为左、右相机在各自的图像平面坐标系下的坐标,原点分别为各自光轴与像平面的交点。而f和b是常值,Y坐标也是在图像坐标系下的坐标,投影中心的Y坐标相等。x,y,z则是在左相机坐标系下讨论,原点为OL。相机焦距f,左右相机基线b均可以通过先验信息或者相机标定得到。视差d就是Xl-Xr,即左相机像素点(xl,yl)和右相机中对应点(xr,yr)的关系。
需要说明的是,双目立体视觉算法利用所述双目摄像头101的两个摄像头拍摄的所述左坐姿图像和所述右坐姿图像进行计算,计算得到所述左坐姿图像和所述右坐姿图像中各个像素点在所述左坐姿图像和所述右坐姿图中的视差d,然后利用三角几何关系以及已知的相机焦距f、基线距离b就可以算出所述左坐姿图像和所述右坐姿图像中各个像素点离所述双目摄像头101中相机的距离。
本实施例中,通过双目摄像头101拍摄目标用户的左坐姿图像和右坐姿图像,再通过双目视觉算法准确计算目标用户在三维场景中第一方向上距离所述双目摄像头101的图像距离,从而能够准确计算出目标用户距离桌面的距离。
参照图5,图5为本发明纠正坐姿智能系统第三实施例的结构框图,提出本发明纠正坐姿智能系统第三实施例。
参照图5,图5为本发明纠正坐姿智能系统第三实施例的结构框图,提出本发明纠正坐姿智能系统第三实施例。
在本实施例中,所述摄像测距模块100包括红外投影模组102、红外线IR相机模组103和单目红绿蓝RGB摄像头104;所述坐姿图像包括红外坐姿图像和彩色坐姿图像;
所述红外投影模组102,用于向目标用户投射可控制的光点、光条或光面结构;
所述IR相机模组103,用于拍摄所述目标用户的所述红外坐姿图像,并测量所述IR相机模组距离所述目标用户的距离数据,通过通讯接口发送所述距离数据和所述红外坐姿图像至所述微处理器;
所述单目RGB摄像头104,用于拍摄所述目标用户的所述彩色坐姿图像,并通过所述通讯接口发送所述彩色坐姿图像至所述微处理器;
所述微处理器,还用于根据所述距离数据,通过三角定位原理计算所述红外坐姿图像中各像素点在三维场景中第一方向上距离所述红外线IR相机模组103的图像距离。
可理解的是,由所述红外投影模组102向被测物体表面投射可控制的光点、光条或光面结构,并由IR相机模组103拍摄所述目标用户当前的坐姿获得所述红外坐姿图像,根据所述距离数据,通过系统几何关系,利用三角原理计算得到目标用户的实时3D信息,可将实时3D场景中各点与所述IR相机模组103的距离,定义为第一方向上距离,也可定义为Z方向上距离。将三维场景Z方向距离和所述单目RGB摄像头104拍摄的彩色坐姿图像,通过通讯接口发给电路主板上的所述微处理器。所述微处理器中运行的程序使用人工智能和深度学习算法计算出所述目标用户的脸部或者头部在三维场景中第二方向(也可定义为X方向)和第三方向(也可定义为Y方向)相对摄像测距模块的位置信息,从而获得所述目标用户的脸部或者头部相对摄像测距模块的(X,Y,Z)信息。
本实施例中,通过红外投影模组102、红外线IR相机模组103和单目红绿蓝RGB摄像头104组成的摄像测距模块拍摄红外坐姿图像和彩色坐姿图像,利用三角定位原理计算所述红外坐姿图像中各像素点在三维场景中第一方向上距离所述红外线IR相机模组103的图像距离,从而能够准确计算出目标用户距离桌面的距离基于准确计算的距离,从而在用户坐姿错误导致面部或头部离桌子距离过近时,准确提醒用户进行坐姿调整。
参照图6,图6为本发明纠正坐姿智能系统第四实施例的结构框图,提出本发明纠正坐姿智能系统第四实施例。
在本实施例中,所述摄像测距模块100包括红外光发射器105、飞行时间TOF传感器106和单目红绿蓝RGB摄像头107;所述坐姿图像包括彩色坐姿图像;
所述红外光发射器105,用于向目标用户发射红外光;
所述TOF传感器106,用于计算所述红外光发射和反射时间差或相位差,并根据所述时间差或相位差计算所述TOF传感器距离所述目标用户的距离数据,通过通讯接口发送所述距离数据和所述彩色坐姿图像至所述微处理器;
所述单目RGB摄像头107,用于拍摄所述目标用户的所述彩色坐姿图像,并通过通讯接口发送所述彩色坐姿图像至所述微处理器;
所述微处理器,还用于根据所述距离数据,计算所述彩色坐姿图像中各像素在三维场景中第一方向上距离所述TOF传感器106的图像距离。
应理解的是,所述红外光发射器105向被测物体表面(即所述目标用户)发出经调制的红外光,遇到所述目标用户反射后,所述TOF传感器106将光线发射时间和所述TOF传感器106中的芯片接收到光线的时间相减,或者根据特定频率的相位差,也即由所述TOF传感器106计算光线发射和反射时间差或相位差,则可通过光线发射和反射时间差或相位差换算所述TOF传感器距离所述目标用户的距离数据,从而换算获得所述目标用户的实时3D信息,所述目标用户所在的场景中各点离飞行时间TOF模块的距离,可定义为第一方向上距离,也可定义为Z方向上距离。所述飞行时间TOF传感器106将三维场景Z方向信息和所述单目RGB摄像头107拍摄的所述彩色坐姿图像通过通讯接口发给电路主板上的所述微处理器。所述微处理器中运行的程序使用人工智能和深度学习算法计算出所述目标用户的脸部或者头部在三维场景中第二方向(也可定义为X方向)和第三方向(也可定义为Y方向)相对所述TOF传感器106的位置信息,从而获得目标的脸部或者头部相对飞行时间TOF传感器106的距离信息(X,Y,Z)。而所述纠正坐姿智能系统摆放在所述目标用户的桌面上,飞行时间TOF传感器106离桌面的高度是已知的。通过几何计算就可以算出所述目标用户的面部或头部离桌子的距离。
本实施例中,由红外光发射器105、飞行时间TOF传感器106和单目红绿蓝RGB摄像头107构成的摄像测距模块,通过发射红外光,拍摄所述目标用户的所述彩色坐姿图像,根据所述红外光发射和反射时间差或相位差,计算所述彩色坐姿图像中各像素在三维场景中第一方向上距离所述TOF传感器106的图像距离,从而能够准确计算出目标用户距离桌面的距离基于准确计算的距离,从而在用户坐姿错误导致面部或头部离桌子距离过近时,准确提醒用户进行坐姿调整。
参照图7,图7为本发明纠正坐姿智能方法第一实施例的流程示意图,提出本发明纠正坐姿智能方法第一实施例。
在本实施例中,所述纠正坐姿智能方法基于纠正坐姿智能系统包括:摄像测距模块和微处理器;所述纠正坐姿智能方法包括以下步骤:
步骤S10:所述摄像测距模块拍摄目标用户的坐姿图像,并测量所述摄像测距模块距离所述目标用户的距离数据,发送所述距离数据至所述微处理器。
应理解的是,所述摄像测距模块可以是两个红绿蓝(Red Green Blue)RGB摄像头,还可以是红外投影模组、红外线IR相机模组和单目红绿蓝RGB摄像头,还可以是红外光发射器、飞行时间TOF传感器和单目红绿蓝RGB摄像头。所述摄像测距模块将摄像头拍摄到的所述目标用户的坐姿图像传输至电路主板上的微处理器,所述目标用户可以是坐在桌前学习的小孩,也可以是坐在桌前工作的成年人,还可以是其他场景下需要保持正确坐姿的人员,本实施例对此不加以限制。
所述摄像测距模块直接获取或发送所述距离数据至所述微处理器,所述微处理器计算所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离。具体实现有三种摄像测距模块模块:双目测距、结构光测距、TOF飞行时间测距。其中结构光测距、TOF飞行时间测距模块可以直接获取所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离。双目测距模块则是将有视差的两幅图像流发送给所述微处理器,由所述微处理器计算出坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离。
步骤S20:所述微处理器根据所述距离数据,计算所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离。
需要说明的是,微处理器根据所述距离数据,计算出目标用户的实时3D信息,所述坐姿图像中各点离摄像测距模块的距离,定义为第一方向上的距离,也可定义为Z方向上的距离。所述摄像测距模块为两个双目摄像头时,通过对双目摄像头拍摄的两幅坐姿图像视差的计算,直接对前方景物(图像所拍摄到的范围)进行距离测量,从而计算出所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离,可用深度图进行表示,如图2所示,图2为所述坐姿图像对应的像素点深度图,所述像素点深度图中,颜色越深表明距离越近。
步骤S30:所述微处理器根据所述坐姿图像通过人脸识别算法计算所述目标用户的预设部位在所述三维场景中第二方向和第三方向相对所述摄像测距模块的位置信息。
所述目标用户的预设部位可以是脸部或者头部,采用人工智能和深度学习算法计算出所述目标用户的脸部或者头部在三维场景中第二方向(也可定义为X方向)和第三方向(也可定义为Y方向)相对摄像测距模块的位置信息,从而获得所述目标用户的脸部或者头部相对摄像测距模块的(X,Y,Z)信息。
步骤S40:所述微处理器根据所述图像距离和所述位置信息通过几何计算所述目标用户的所述预设部位距离桌面的当前距离。
可理解的是,通过人脸识别算法对其中一个摄像头拍摄的所述坐姿图像进行分析,即可找到人脸或者头部在所述坐姿图像中的位置,人脸的位置被识别出来。那么利用人脸位置再到图2所示的像素点深度图中的对应位置,就可以获取脸部或者头部离摄像头的所述当前距离。具体为,所述纠正坐姿智能系统可摆放在所述目标用户的桌面上,摄像测距模块离桌面的高度是已知的,根据所述图像距离和所述位置信息,通过几何计算计算出所述目标用户的面部或头部离桌子或者桌面的所述当前距离。
步骤S50:所述微处理器判断所述当前距离是否小于预设距离阈值,在所述当前距离小于所述预设距离阈值时,生成告警信号。
在具体实现中,所述纠正坐姿智能系统还包括eMMC/SD卡/Flash等ROM模块,用于存储微处理器需要运行的程序,系统上电后所述微处理器从eMMC/SD卡/Flash等ROM模块读取程序并开始运行。所述纠正坐姿智能系统还包括RAM模块,用于存储部分微处理器运行的程序以及微处理器计算时产生的临时数据等。
在本实施例中,所述纠正坐姿智能系统还包括:告警模块;
在所述步骤S50之后,所述纠正坐姿智能方法还包括:
所述告警模块根据所述告警信号通过声音或者灯光进行告警提示,以提醒所述目标用户纠正坐姿。
需要说明的是,所述告警模块包括喇叭和/或警示灯,用于提醒所述目标用户纠正坐姿,当所述目标用户的面部或头部离桌子的当前距离过低,也即所述当前距离小于所述预设距离阈值时,所述微处理器生成告警信号,控制喇叭和/或警示灯提醒所述目标用户调整坐姿。所述纠正坐姿智能系统还包括电源模块,用于给所述纠正坐姿智能系统供电。
本实施例中,纠正坐姿智能系统包括摄像测距模块和微处理器,所述摄像测距模块拍摄目标用户的坐姿图像,并测量所述摄像测距模块距离所述目标用户的距离数据,发送所述距离数据至所述微处理器,所述微处理器根据所述距离数据,计算所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离,根据所述坐姿图像通过人脸识别算法计算所述目标用户的预设部位在所述三维场景中第二方向和第三方向相对所述摄像测距模块的位置信息,根据所述图像距离和所述位置信息通过几何计算所述目标用户的所述预设部位距离桌面的当前距离,基于人脸识别能够准确计算用户的预设部位距离桌面的距离,判断所述当前距离是否小于预设距离阈值,在所述当前距离小于所述预设距离阈值时,生成告警信号,基于准确计算的距离,从而在用户坐姿错误导致面部或头部离桌子距离过近时,准确提醒用户进行坐姿调整。
进一步地,基于上述图7所示的纠正坐姿智能方法第一实施例,提出本发明纠正坐姿智能方法的第二实施例。
在第二实施例中,所述摄像测距模块包括双目摄像头;所述坐姿图像包括左坐姿图像和右坐姿图像;
所述步骤S10,包括:
所述双目摄像头通过两个摄像头拍摄目标用户的左坐姿图像和右坐姿图像,并测量所述双目摄像头距离所述目标用户的距离数据,通过通讯接口发送所述距离数据、所述左坐姿图像和所述右坐姿图像至所述微处理器;
相应地,所述步骤S20,包括:
所述微处理器根据所述距离数据,通过双目视觉算法计算所述目标用户在所述左坐姿图像的各像素点和在所述右坐姿图像的各像素点之间的视差;根据所述双目摄像头的相机焦距、基线距离和所述视差,计算所述左坐姿图像和所述右坐姿图像中各像素点在三维场景中第一方向上距离所述双目摄像头的图像距离。
应理解的是,参照图4,图4为双目立体视觉原理图,OL和OR是所述双目摄像头中左右相机的光心,它们的光轴和各自的成像平面如图4中左视图和右视图。假设两相机的内部和外部参数完全相同,焦距为f,光心之间的距离(即基线)为B,两台相机在同一平面上,则他们的投影中心的Y坐标相等。同一时刻空间点P(x,y,z)在两相机上成像点分别为Pleft和Pright。Xleft为Pleft在左相机坐标系下的X坐标,Xright为Pright在右相机坐标系下的X坐标。
根据三角形相似定律,可得到关系式:
其中,所述距离数据,即为空间点P离相机的距离为z,Xl和Xr分别为左、右相机在各自的图像平面坐标系下的坐标,原点分别为各自光轴与像平面的交点。而f和b是常值,Y坐标也是在图像坐标系下的坐标,投影中心的Y坐标相等。x,y,z则是在左相机坐标系下讨论,原点为OL。相机焦距f,左右相机基线b均可以通过先验信息或者相机标定得到。视差d就是Xl-Xr,即左相机像素点(xl,yl)和右相机中对应点(xr,yr)的关系。
需要说明的是,双目立体视觉算法利用所述双目摄像头的两个摄像头拍摄的所述左坐姿图像和所述右坐姿图像进行计算,计算得到所述左坐姿图像和所述右坐姿图像中各个像素点在所述左坐姿图像和所述右坐姿图中的视差d,然后利用三角几何关系以及已知的相机焦距f、基线距离b就可以算出所述左坐姿图像和所述右坐姿图像中各个像素点离所述双目摄像头中相机的距离。
本实施例中,通过双目摄像头拍摄目标用户的左坐姿图像和右坐姿图像,再通过双目视觉算法准确计算目标用户在三维场景中第一方向上距离所述双目摄像头的图像距离,从而能够准确计算出目标用户距离桌面的距离。
进一步地,基于上述图7所示的纠正坐姿智能方法第一实施例,提出本发明纠正坐姿智能方法第三实施例。
在本实施例中,所述摄像测距模块包括红外投影模组、红外线IR相机模组和单目红绿蓝RGB摄像头;所述坐姿图像包括红外坐姿图像和彩色坐姿图像;
所述步骤S10,包括:
所述红外投影模组向目标用户投射可控制的光点、光条或光面结构;
所述IR相机模组拍摄所述目标用户的所述红外坐姿图像,并测量所述IR相机模组距离所述目标用户的距离数据,通过通讯接口发送所述距离数据和所述红外坐姿图像至所述微处理器;
所述单目RGB摄像头拍摄所述目标用户的所述彩色坐姿图像,并通过所述通讯接口发送所述彩色坐姿图像至所述微处理器。
相应地,所述步骤S20,包括:
所述微处理器根据所述距离数据,通过三角定位原理计算所述红外坐姿图像中各像素点在三维场景中第一方向上距离所述红外线IR相机模组的图像距离。
可理解的是,由所述红外投影模组向被测物体表面投射可控制的光点、光条或光面结构,并由IR相机模组拍摄所述目标用户当前的坐姿获得所述红外坐姿图像,根据所述距离数据,通过系统几何关系,利用三角原理计算得到目标用户的实时3D信息,可将实时3D场景中各点与所述IR相机模组的距离,定义为第一方向上距离,也可定义为Z方向上距离。将三维场景Z方向距离和所述单目RGB摄像头拍摄的彩色坐姿图像,通过通讯接口发给电路主板上的所述微处理器。所述微处理器中运行的程序使用人工智能和深度学习算法计算出所述目标用户的脸部或者头部在三维场景中第二方向(也可定义为X方向)和第三方向(也可定义为Y方向)相对摄像测距模块的位置信息,从而获得所述目标用户的脸部或者头部相对摄像测距模块的(X,Y,Z)信息。
本实施例中,通过红外投影模组、红外线IR相机模组和单目红绿蓝RGB摄像头组成的摄像测距模块拍摄红外坐姿图像和彩色坐姿图像,利用三角定位原理计算所述红外坐姿图像中各像素点在三维场景中第一方向上距离所述红外线IR相机模组的图像距离,从而能够准确计算出目标用户距离桌面的距离基于准确计算的距离,从而在用户坐姿错误导致面部或头部离桌子距离过近时,准确提醒用户进行坐姿调整。
进一步地,基于上述图7所示的纠正坐姿智能方法第一实施例,提出本发明纠正坐姿智能方法第四实施例。
在本实施例中,所述摄像测距模块包括红外光发射器、飞行时间TOF传感器和单目红绿蓝RGB摄像头;所述坐姿图像包括彩色坐姿图像;
在本实施例中,所述步骤S10,包括:
所述红外光发射器向目标用户发射红外光;
所述TOF传感器计算所述红外光发射和反射时间差或相位差,并根据所述时间差或相位差计算所述TOF传感器距离所述目标用户的距离数据,通过通讯接口发送所述距离数据和所述彩色坐姿图像至所述微处理器;
所述单目RGB摄像头拍摄所述目标用户的所述彩色坐姿图像,并通过通讯接口发送所述彩色坐姿图像至所述微处理器。
所述步骤S20,包括:
所述微处理器根据所述距离数据,计算所述彩色坐姿图像中各像素在三维场景中第一方向上距离所述TOF传感器的图像距离。
应理解的是,所述红外光发射器向被测物体(即所述目标用户)表面发出经调制的红外光,遇到所述目标用户反射后,所述TOF传感器106将光线发射时间和所述TOF传感器106中的芯片接收到光线的时间相减,或者根据特定频率的相位差,也即所述TOF传感器计算光线发射和反射时间差或相位差,则可通过光线发射和反射时间差或相位差换算所述TOF传感器距离所述目标用户的距离数据,从而换算获得所述目标用户的实时3D信息,所述目标用户所在的场景中各点离飞行时间TOF模块的距离,可定义为第一方向上距离,也可定义为Z方向上距离。所述飞行时间TOF传感器将三维场景Z方向信息和所述单目RGB摄像头拍摄的所述彩色坐姿图像通过通讯接口发给电路主板上的所述微处理器。所述微处理器中运行的程序使用人工智能和深度学习算法计算出所述目标用户的脸部或者头部在三维场景中第二方向(也可定义为X方向)和第三方向(也可定义为Y方向)相对所述TOF传感器的位置信息,从而获得目标的脸部或者头部相对飞行时间TOF传感器的距离信息(X,Y,Z)。而所述纠正坐姿智能系统摆放在所述目标用户的桌面上,飞行时间TOF传感器离桌面的高度是已知的。通过几何计算就可以算出所述目标用户的面部或头部离桌子的距离。
本实施例中,由红外光发射器、飞行时间TOF传感器和单目红绿蓝RGB摄像头构成的摄像测距模块,通过发射红外光,拍摄所述目标用户的所述彩色坐姿图像,根据所述红外光发射和反射时间差或相位差,计算所述彩色坐姿图像中各像素在三维场景中第一方向上距离所述TOF传感器的图像距离,从而能够准确计算出目标用户距离桌面的距离基于准确计算的距离,从而在用户坐姿错误导致面部或头部离桌子距离过近时,准确提醒用户进行坐姿调整。
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、方法、物品或者系统不仅包括那些要素,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、方法、物品或者系统所固有的要素。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、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序,可将这些词语解释为标识。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如只读存储器镜像(Read Only Memory image,ROM)/随机存取存储器(Random AccessMemory,RAM)、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明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,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种纠正坐姿智能系统,其特征在于,所述纠正坐姿智能系统包括:摄像测距模块和微处理器;
所述摄像测距模块,用于拍摄目标用户的坐姿图像,并测量所述摄像测距模块距离所述目标用户的距离数据,发送所述距离数据至所述微处理器;
所述微处理器,用于根据所述距离数据,计算所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离;
所述微处理器,还用于根据所述坐姿图像通过人脸识别算法计算所述目标用户的预设部位在所述三维场景中第二方向和第三方向相对所述摄像测距模块的位置信息;
所述微处理器,还用于根据所述图像距离和所述位置信息通过几何计算所述目标用户的所述预设部位距离桌面的当前距离;
所述微处理器,还用于判断所述当前距离是否小于预设距离阈值,在所述当前距离小于所述预设距离阈值时,生成告警信号。
2.如权利要求1所述的纠正坐姿智能系统,其特征在于,所述摄像测距模块包括双目摄像头;所述坐姿图像包括左坐姿图像和右坐姿图像;
所述双目摄像头,用于通过两个摄像头拍摄目标用户的左坐姿图像和右坐姿图像,并测量所述双目摄像头距离所述目标用户的距离数据,通过通讯接口发送所述距离数据、所述左坐姿图像和所述右坐姿图像至所述微处理器;
所述微处理器,还用于根据所述距离数据,通过双目视觉算法计算所述目标用户在所述左坐姿图像的各像素点和在所述右坐姿图像的各像素点之间的视差;
所述微处理器,还用于根据所述双目摄像头的相机焦距、基线距离和所述视差,计算所述左坐姿图像和所述右坐姿图像中各像素点在三维场景中第一方向上距离所述双目摄像头的图像距离。
3.如权利要求1所述的纠正坐姿智能系统,其特征在于,所述摄像测距模块包括红外投影模组、红外线IR相机模组和单目红绿蓝RGB摄像头;所述坐姿图像包括红外坐姿图像和彩色坐姿图像;
所述红外投影模组,用于向目标用户投射可控制的光点、光条或光面结构;
所述IR相机模组,用于拍摄所述目标用户的所述红外坐姿图像,并测量所述IR相机模组距离所述目标用户的距离数据,通过通讯接口发送所述距离数据和所述红外坐姿图像至所述微处理器;
所述单目RGB摄像头,用于拍摄所述目标用户的所述彩色坐姿图像,并通过所述通讯接口发送所述彩色坐姿图像至所述微处理器;
所述微处理器,还用于根据所述距离数据,通过三角定位原理计算所述红外坐姿图像中各像素点在三维场景中第一方向上距离所述红外线IR相机模组的图像距离。
4.如权利要求1所述的纠正坐姿智能系统,其特征在于,所述摄像测距模块包括红外光发射器、飞行时间TOF传感器和单目红绿蓝RGB摄像头;所述坐姿图像包括彩色坐姿图像;
所述红外光发射器,用于向目标用户发射红外光;
所述TOF传感器,用于计算所述红外光发射和反射时间差或相位差,并根据所述时间差或相位差计算所述TOF传感器距离所述目标用户的距离数据,通过通讯接口发送所述距离数据和所述彩色坐姿图像至所述微处理器;
所述单目RGB摄像头,用于拍摄所述目标用户的所述彩色坐姿图像,并通过所述通讯接口发送所述彩色坐姿图像至所述微处理器;
所述微处理器,还用于根据所述距离数据,计算所述彩色坐姿图像中各像素在三维场景中第一方向上距离所述TOF传感器的图像距离。
5.如权利要求1-4中任一项所述的纠正坐姿智能系统,其特征在于,所述纠正坐姿智能系统还包括:告警模块;
所述告警模块,用于根据所述告警信号通过声音或者灯光进行告警提示,以提醒所述目标用户纠正坐姿。
6.一种纠正坐姿智能方法,其特征在于,其基于纠正坐姿智能系统包括:摄像测距模块和微处理器;所述纠正坐姿智能方法包括以下步骤:
所述摄像测距模块拍摄目标用户的坐姿图像,并测量所述摄像测距模块距离所述目标用户的距离数据,发送所述距离数据至所述微处理器;
所述微处理器根据所述距离数据,计算所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离;
所述微处理器根据所述坐姿图像通过人脸识别算法计算所述目标用户的预设部位在所述三维场景中第二方向和第三方向相对所述摄像测距模块的位置信息;
所述微处理器根据所述图像距离和所述位置信息通过几何计算所述目标用户的所述预设部位距离桌面的当前距离;
所述微处理器判断所述当前距离是否小于预设距离阈值,在所述当前距离小于所述预设距离阈值时,生成告警信号。
7.如权利要求6所述的纠正坐姿智能方法,其特征在于,所述摄像测距模块包括双目摄像头;所述坐姿图像包括左坐姿图像和右坐姿图像;
所述摄像测距模块拍摄目标用户的坐姿图像,并测量所述摄像测距模块距离所述目标用户的距离数据,发送所述距离数据至所述微处理器,具体包括:
所述双目摄像头通过两个摄像头拍摄目标用户的左坐姿图像和右坐姿图像,并测量所述双目摄像头距离所述目标用户的距离数据,通过通讯接口发送所述距离数据、所述左坐姿图像和所述右坐姿图像至所述微处理器;
相应地,所述微处理器根据所述距离数据,计算所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离,具体包括:
所述微处理器根据所述距离数据,通过双目视觉算法计算所述目标用户在所述左坐姿图像的各像素点和在所述右坐姿图像的各像素点之间的视差;根据所述双目摄像头的相机焦距、基线距离和所述视差,计算所述左坐姿图像和所述右坐姿图像中各像素点在三维场景中第一方向上距离所述双目摄像头的图像距离。
8.如权利要求6所述的纠正坐姿智能方法,其特征在于,所述摄像测距模块包括红外投影模组、红外线IR相机模组和单目红绿蓝RGB摄像头;所述坐姿图像包括红外坐姿图像和彩色坐姿图像;
所述摄像测距模块拍摄目标用户的坐姿图像,并测量所述摄像测距模块距离所述目标用户的距离数据,发送所述距离数据至所述微处理器,具体包括:
所述红外投影模组向目标用户投射可控制的光点、光条或光面结构;
所述IR相机模组拍摄所述目标用户的所述红外坐姿图像,并测量所述IR相机模组距离所述目标用户的距离数据,通过通讯接口发送所述距离数据和所述红外坐姿图像至所述微处理器;
所述单目RGB摄像头拍摄所述目标用户的所述彩色坐姿图像,并通过所述通讯接口发送所述彩色坐姿图像至所述微处理器;
相应地,所述微处理器根据所述距离数据,计算所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离,具体包括:
所述微处理器根据所述距离数据,通过三角定位原理计算所述红外坐姿图像中各像素点在三维场景中第一方向上距离所述红外线IR相机模组的图像距离。
9.如权利要求6所述的纠正坐姿智能方法,其特征在于,所述摄像测距模块包括红外光发射器、飞行时间TOF传感器和单目红绿蓝RGB摄像头;所述坐姿图像包括彩色坐姿图像;
所述摄像测距模块拍摄目标用户的坐姿图像,并测量所述摄像测距模块距离所述目标用户的距离数据,发送所述距离数据至所述微处理器,具体包括:
所述红外光发射器向目标用户发射红外光;
所述TOF传感器计算所述红外光发射和反射时间差或相位差,并根据所述时间差或相位差计算所述TOF传感器距离所述目标用户的距离数据,通过通讯接口发送所述距离数据和所述彩色坐姿图像至所述微处理器;
所述单目RGB摄像头拍摄所述目标用户的所述彩色坐姿图像,并通过所述通讯接口发送所述彩色坐姿图像至所述微处理器;
相应地,所述微处理器根据所述距离数据,计算所述坐姿图像中各像素点在三维场景中第一方向上距离所述摄像测距模块的图像距离,具体包括:
所述微处理器根据所述距离数据,计算所述彩色坐姿图像中各像素在三维场景中第一方向上距离所述TOF传感器的图像距离。
10.如权利要求6-9中任一项所述的纠正坐姿智能方法,其特征在于,所述纠正坐姿智能系统还包括:告警模块;所述微处理器判断所述当前距离是否小于预设距离阈值,在所述当前距离小于所述预设距离阈值时,生成告警信号之后,所述纠正坐姿智能方法还包括:
所述告警模块根据所述告警信号通过声音或者灯光进行告警提示,以提醒所述目标用户纠正坐姿。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910733085.7A CN110440697A (zh) | 2019-08-08 | 2019-08-08 | 纠正坐姿智能系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910733085.7A CN110440697A (zh) | 2019-08-08 | 2019-08-08 | 纠正坐姿智能系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110440697A true CN110440697A (zh) | 2019-11-12 |
Family
ID=68434165
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910733085.7A Pending CN110440697A (zh) | 2019-08-08 | 2019-08-08 | 纠正坐姿智能系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110440697A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111127848A (zh) * | 2019-12-27 | 2020-05-08 | 深圳奥比中光科技有限公司 | 一种人体坐姿检测系统及方法 |
CN111227511A (zh) * | 2020-01-15 | 2020-06-05 | 南京理工大学 | 一种学生智能桌面及坐姿评价方法 |
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 |
CN111639574A (zh) * | 2020-05-22 | 2020-09-08 | 广东小天才科技有限公司 | 坐姿纠正方法及电子设备、存储介质 |
CN111860355A (zh) * | 2020-07-23 | 2020-10-30 | 合肥中科奔巴科技有限公司 | 用于坐姿矫正的图像像素测距方法 |
CN112530141A (zh) * | 2020-10-29 | 2021-03-19 | 宁波市益光智能科技有限公司 | 一种基于tof传感器的不良坐姿监测方法 |
CN113008299A (zh) * | 2021-02-22 | 2021-06-22 | 河北地质大学 | 在线学考一体化智慧课桌系统及相应的监测方法 |
CN113591522A (zh) * | 2020-04-30 | 2021-11-02 | 百度在线网络技术(北京)有限公司 | 图像处理方法、装置及存储介质 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400476A (zh) * | 2013-07-30 | 2013-11-20 | 步步高教育电子有限公司 | 一种坐姿提醒方法及装置 |
CN103729981A (zh) * | 2014-01-03 | 2014-04-16 | 东南大学 | 一种儿童坐姿监控智能终端 |
CN103793719A (zh) * | 2014-01-26 | 2014-05-14 | 深圳大学 | 一种基于人眼定位的单目测距方法和系统 |
CN104637263A (zh) * | 2015-01-30 | 2015-05-20 | 刘博� | 预防近视及矫正坐姿的装置及方法 |
CN105046893A (zh) * | 2015-08-07 | 2015-11-11 | 天津中科智能技术研究院有限公司 | 一种坐姿监测仪及控制方法 |
CN105139447A (zh) * | 2015-08-07 | 2015-12-09 | 天津中科智能技术研究院有限公司 | 基于双摄像头的坐姿实时检测方法 |
CN106022304A (zh) * | 2016-06-03 | 2016-10-12 | 浙江大学 | 一种基于双目相机的实时人体坐姿情况检测方法 |
CN106327811A (zh) * | 2016-11-21 | 2017-01-11 | 安徽理工大学 | 一种电脑防沉迷装置 |
CN106981183A (zh) * | 2017-05-04 | 2017-07-25 | 湖北工程学院 | 坐姿矫正方法及系统 |
CN107153829A (zh) * | 2017-06-09 | 2017-09-12 | 南昌大学 | 基于深度图像的不良坐姿提醒方法和装置 |
CN107169453A (zh) * | 2017-05-16 | 2017-09-15 | 湖南巨汇科技发展有限公司 | 一种基于深度传感器的坐姿检测方法 |
CN206893075U (zh) * | 2017-06-13 | 2018-01-16 | 吴禹铭 | 一种不良坐姿监控器 |
CN107978135A (zh) * | 2017-12-25 | 2018-05-01 | 华南理工大学广州学院 | 一种坐姿矫正控制装置及方法 |
CN208172977U (zh) * | 2018-02-26 | 2018-11-30 | 福建师范大学 | 一种基于结构光技术的智能坐姿监测装置 |
CN109064458A (zh) * | 2018-07-25 | 2018-12-21 | 梧州市兴能农业科技有限公司 | 一种不良坐姿智能提醒方法和装置 |
CN109270549A (zh) * | 2018-08-17 | 2019-01-25 | 信利光电股份有限公司 | 一种儿童书写坐姿矫正方法及系统、存储介质和移动终端 |
CN109523755A (zh) * | 2018-12-17 | 2019-03-26 | 石家庄爱赛科技有限公司 | 立体视觉坐姿提醒装置和提醒方法 |
-
2019
- 2019-08-08 CN CN201910733085.7A patent/CN110440697A/zh active Pending
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103400476A (zh) * | 2013-07-30 | 2013-11-20 | 步步高教育电子有限公司 | 一种坐姿提醒方法及装置 |
CN103729981A (zh) * | 2014-01-03 | 2014-04-16 | 东南大学 | 一种儿童坐姿监控智能终端 |
CN103793719A (zh) * | 2014-01-26 | 2014-05-14 | 深圳大学 | 一种基于人眼定位的单目测距方法和系统 |
CN104637263A (zh) * | 2015-01-30 | 2015-05-20 | 刘博� | 预防近视及矫正坐姿的装置及方法 |
CN105046893A (zh) * | 2015-08-07 | 2015-11-11 | 天津中科智能技术研究院有限公司 | 一种坐姿监测仪及控制方法 |
CN105139447A (zh) * | 2015-08-07 | 2015-12-09 | 天津中科智能技术研究院有限公司 | 基于双摄像头的坐姿实时检测方法 |
CN106022304A (zh) * | 2016-06-03 | 2016-10-12 | 浙江大学 | 一种基于双目相机的实时人体坐姿情况检测方法 |
CN106327811A (zh) * | 2016-11-21 | 2017-01-11 | 安徽理工大学 | 一种电脑防沉迷装置 |
CN106981183A (zh) * | 2017-05-04 | 2017-07-25 | 湖北工程学院 | 坐姿矫正方法及系统 |
CN107169453A (zh) * | 2017-05-16 | 2017-09-15 | 湖南巨汇科技发展有限公司 | 一种基于深度传感器的坐姿检测方法 |
CN107153829A (zh) * | 2017-06-09 | 2017-09-12 | 南昌大学 | 基于深度图像的不良坐姿提醒方法和装置 |
CN206893075U (zh) * | 2017-06-13 | 2018-01-16 | 吴禹铭 | 一种不良坐姿监控器 |
CN107978135A (zh) * | 2017-12-25 | 2018-05-01 | 华南理工大学广州学院 | 一种坐姿矫正控制装置及方法 |
CN208172977U (zh) * | 2018-02-26 | 2018-11-30 | 福建师范大学 | 一种基于结构光技术的智能坐姿监测装置 |
CN109064458A (zh) * | 2018-07-25 | 2018-12-21 | 梧州市兴能农业科技有限公司 | 一种不良坐姿智能提醒方法和装置 |
CN109270549A (zh) * | 2018-08-17 | 2019-01-25 | 信利光电股份有限公司 | 一种儿童书写坐姿矫正方法及系统、存储介质和移动终端 |
CN109523755A (zh) * | 2018-12-17 | 2019-03-26 | 石家庄爱赛科技有限公司 | 立体视觉坐姿提醒装置和提醒方法 |
Non-Patent Citations (2)
Title |
---|
周致富: "基于Kinect传感器的三维点云模型重建研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
建设部干部学院: "《工程测量》", 30 September 2009, 华中科技大学出版社 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111127848A (zh) * | 2019-12-27 | 2020-05-08 | 深圳奥比中光科技有限公司 | 一种人体坐姿检测系统及方法 |
CN111227511A (zh) * | 2020-01-15 | 2020-06-05 | 南京理工大学 | 一种学生智能桌面及坐姿评价方法 |
CN111227511B (zh) * | 2020-01-15 | 2022-04-19 | 南京理工大学 | 一种学生智能桌面及坐姿评价方法 |
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 |
CN113591522A (zh) * | 2020-04-30 | 2021-11-02 | 百度在线网络技术(北京)有限公司 | 图像处理方法、装置及存储介质 |
CN111639574A (zh) * | 2020-05-22 | 2020-09-08 | 广东小天才科技有限公司 | 坐姿纠正方法及电子设备、存储介质 |
CN111639574B (zh) * | 2020-05-22 | 2023-09-26 | 广东小天才科技有限公司 | 坐姿纠正方法及电子设备、存储介质 |
CN111860355A (zh) * | 2020-07-23 | 2020-10-30 | 合肥中科奔巴科技有限公司 | 用于坐姿矫正的图像像素测距方法 |
CN111860355B (zh) * | 2020-07-23 | 2023-09-08 | 海宁市慧视科技有限公司 | 用于坐姿矫正的图像像素测距方法 |
CN112530141A (zh) * | 2020-10-29 | 2021-03-19 | 宁波市益光智能科技有限公司 | 一种基于tof传感器的不良坐姿监测方法 |
CN112530141B (zh) * | 2020-10-29 | 2024-03-19 | 宁波市益光智能科技有限公司 | 一种基于tof传感器的不良坐姿监测方法 |
CN113008299A (zh) * | 2021-02-22 | 2021-06-22 | 河北地质大学 | 在线学考一体化智慧课桌系统及相应的监测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110440697A (zh) | 纠正坐姿智能系统及方法 | |
CN106859675B (zh) | 用3d相机进行的用于x射线管的扫描仪自动化的方法和系统 | |
CN105320271B (zh) | 利用直接几何建模的头戴式显示器校准 | |
CN109690553A (zh) | 执行眼睛注视跟踪的系统和方法 | |
CN107273846B (zh) | 一种人体体型参数确定方法及装置 | |
US20180046874A1 (en) | System and method for marker based tracking | |
CN106999038B (zh) | 信息处理设备、信息处理方法及计算机可读记录介质 | |
JP5915981B2 (ja) | 注視点検出方法及び注視点検出装置 | |
WO2020010848A1 (zh) | 控制方法、微处理器、计算机可读存储介质及计算机设备 | |
CN110321773A (zh) | 使用校准参数的用于三维(3d)注视预测的神经网络训练 | |
TW202011252A (zh) | 使用人工智慧模型的臉部辨識模組 | |
CN110044300A (zh) | 基于激光器的两栖三维视觉探测装置及探测方法 | |
US11156843B2 (en) | End-to-end artificial reality calibration testing | |
CN104395694B (zh) | 具有多个光源的运动传感器装置 | |
CN110320999A (zh) | 用于三维(3d)注视预测的深度学习 | |
CN108388341B (zh) | 一种基于红外摄像机-可见光投影仪的人机交互系统及装置 | |
CN106133796A (zh) | 用于在真实环境的视图中表示虚拟对象的方法和系统 | |
CN105956539A (zh) | 一种基于背景建模和双目视觉的人体身高测量方法 | |
CN105258680B (zh) | 一种目标位姿测量方法和装置 | |
CN106326930A (zh) | 一种确定虚拟现实中被跟踪物体位置的方法、装置及系统 | |
CN103593641B (zh) | 基于立体摄像机的物体检测方法和装置 | |
US20210409678A1 (en) | Rolling shutter camera pipeline exposure timestamp error determination | |
CN106991378A (zh) | 基于深度的人脸朝向检测方法、检测装置和电子装置 | |
US11712619B2 (en) | Handle controller | |
CN108324247B (zh) | 一种指定位置皮肤皱纹评估方法及系统 |
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: 20191112 |
|
RJ01 | Rejection of invention patent application after publication |