CN111027517A - 一种基于视觉的坐姿矫正提醒系统及方法、应用 - Google Patents
一种基于视觉的坐姿矫正提醒系统及方法、应用 Download PDFInfo
- Publication number
- CN111027517A CN111027517A CN201911364879.7A CN201911364879A CN111027517A CN 111027517 A CN111027517 A CN 111027517A CN 201911364879 A CN201911364879 A CN 201911364879A CN 111027517 A CN111027517 A CN 111027517A
- Authority
- CN
- China
- Prior art keywords
- module
- image
- sitting posture
- user
- vision
- 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
- 238000012937 correction Methods 0.000 title claims abstract description 37
- 230000004438 eyesight Effects 0.000 title claims abstract description 34
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000000605 extraction Methods 0.000 claims abstract description 29
- 230000004379 myopia Effects 0.000 claims abstract description 18
- 208000001491 myopia Diseases 0.000 claims abstract description 18
- 238000004364 calculation method Methods 0.000 claims abstract description 12
- 238000013500 data storage Methods 0.000 claims abstract description 11
- 230000002265 prevention Effects 0.000 claims abstract description 9
- 210000001508 eye Anatomy 0.000 claims description 66
- 210000003128 head Anatomy 0.000 claims description 48
- 210000001747 pupil Anatomy 0.000 claims description 30
- 238000001514 detection method Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 10
- 230000003044 adaptive effect Effects 0.000 claims description 6
- 210000005252 bulbus oculi Anatomy 0.000 claims description 6
- 238000012935 Averaging Methods 0.000 claims description 4
- 230000007797 corrosion Effects 0.000 claims description 3
- 238000005260 corrosion Methods 0.000 claims description 3
- 238000003708 edge detection Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000004308 accommodation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
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
- G06V40/70—Multimodal biometrics, e.g. combining information from different biometric modalities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2148—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the process organisation or structure, e.g. boosting cascade
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Multimedia (AREA)
- Human Computer Interaction (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Eye Examination Apparatus (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明属于近视预防技术领域，尤其涉及一种基于视觉的坐姿矫正提醒系统，包括摄像头、图像采集模块、标定模块、图像识别提取模块、中心计算模块、报警模块和数据存储模块；所述图像采集模块与所述摄像头连接，所述标定模块与所述图像采集模块连接，所述图像识别提取模块与所述图像采集模块连接，所述中心计算模块与所述图像识别提取模块连接，所述报警模块与所述中心计算模块连接，所述数据存储模块与以上各模块均连接。另外，本发明还提供一种基于视觉的坐姿矫正提醒方法。相比于现有技术，本发明的结构简单合理，矫正精准度高，用于近视预防领域具有较高的实用性和可靠性。
Description
技术领域
本发明属于近视预防技术领域，尤其涉及一种基于视觉的坐姿矫正提醒系统及方法、应用。
背景技术
随着升学压力、使用电脑，手机时间的增加和户外活动减少等原因，近视的低龄化和严重程度却越来越的加重。中小学生视力下降是当前影响青少年健康的一个重要问题。学业负担过重一直被当作近视发生的重要原因，不正确的学习姿势更加剧了近视的发生。青少年正常阅读距离应是30～35厘米，当书本与眼睛的距离达7～10厘米时，尽管能看清物体。但会使眼睛的调节异常紧张，从而形成近视。有些青少年看书、写字、做作业等连续3～4小时不休息，使眼睛负担过重，眼内外肌肉长时间处于紧张状态而得不到休息，眼睛容易疲劳引发近视。以上情况均能眼睛容易疲劳，眼睛的调节过度或痉挛而形成近视。
为解决近视预防研究问题，国内外的相关研究者提出了许多解决方案。发明专利CN 106251592A中提出了一种用于预防近视的可穿戴设备，所述设备佩戴在用户头部额头部位，内有电源模块、头部姿势测量模块、红外测距模块、数据采集处理模块、报警模块无线通讯模块，能够对佩戴者眼睛距离写字桌面或阅读物品过近时进行报警提醒。发明专利CN106297211A中涉及一种基于活动摄像头与投射光的坐姿校正提醒系统及其应用，包括摄像头、主控单元、灯光投影报警组件和三维活动支架，所述的主控单元分别与摄像头、灯光投影报警组件、三维活动支架连接；所述的摄像头、灯光投影报警组件分别安装在三维活动支架上。发明专利CN 103400474A公开了一种基于椭圆检测的近视预防装置及方法，采集包含用户头部的图像，采用椭圆检测方法从中提取得到用户头部轮廓，计算得到用户头部重心坐标，如果重心坐标位于预设的重心坐标标准值之下，报警提示用户调整坐姿，从而预防用户头部离桌面过近导致近视。
从上述专利可以看到现有技术在获取头部位姿时分别采用红外测距，视觉提取头部轮廓或者视觉提取用户、书本、桌面，并通过几者间位置判断使用者的坐姿是否正确，以此对坐姿进行矫正，从而起到预防近视在作用。但是这三种方式还存在头部位置提取精度不高，传感器佩戴麻烦，结构复杂，设备安装不方便等弊端。
有鉴于此，确有必要提供一种新的用于预防近视的坐姿矫正提醒系统及方法，以解决上述技术问题。
发明内容
本发明的目的之一在于：针对现有技术的不足，而提供一种基于视觉的坐姿矫正提醒系统，结构简单合理，精准度高。
为了实现上述目的，本发明采用以下技术方案：
一种基于视觉的坐姿矫正提醒系统，包括摄像头、图像采集模块、标定模块、图像识别提取模块、中心计算模块、报警模块和数据存储模块；所述图像采集模块与所述摄像头连接，所述标定模块与所述图像采集模块连接，所述图像识别提取模块与所述图像采集模块连接，所述中心计算模块与所述图像识别提取模块连接，所述报警模块与所述中心计算模块连接，所述数据存储模块与以上各模块均连接。
所述基于视觉的坐姿矫正提醒系统的工作原理为：摄像头拍摄用户头部图像，将其传送给图像采集模块，图像识别提取模块从图像采集模块中获取用户头部图像的轮廓信息、脸部信息、眼部信息和瞳孔信息并存在在数据存储模块，然后再将相关信息传送到中心计算模块，中心计算模块将计算得到的结果与数据存储模块中存储的信息进行比对，当超出合适范围时，中心计算模块则传递信号给报警模块，报警模块报警。而在标定过程中，摄像头拍摄标定物的图像，传递给图像采集模块，标定模块则对采集到的相关信息进行标定，并存储到数据存储模块。
作为本发明所述的基于视觉的坐姿矫正提醒系统的一种改进，所述图像识别提取模块包括轮廓提取子模块、脸部识别子模块、眼部识别子模块和瞳孔识别子模块，所述脸部识别子模块与所述轮廓提取子模块连接，所述眼部识别子模块与所述脸部识别子模块连接，所述瞳孔识别子模块与所述瞳孔识别子模块连接。
作为本发明所述的基于视觉的坐姿矫正提醒系统的一种改进，所述中心计算模块与所述瞳孔识别子模块连接。
作为本发明所述的基于视觉的坐姿矫正提醒系统的一种改进，所述报警模块为语音报警模块。
本发明的目的之二在于：提供一种基于视觉的坐姿矫正提醒方法，包括以下步骤：
S1，采集标准坐姿的用户头部图像，使头部位于图像正中位置，提取并存储标准坐姿时用户头部图像的轮廓信息、脸部信息、眼部信息以及瞳孔信息；
S2，在标准坐姿时用户头部的当前位置设置标定物，采集不同方向的多幅标定物的图像，计算出标定物实际尺寸与图像信息之间的关系，并预先测算出用户的合适活动范围；
S3，每隔特定时间间隔采集用户头部图像，将彩色图像转为灰度图像，并采用邻域平均法对灰度图像进行平滑滤波，得到平滑图像；
S4，识别步骤S3获得平滑图像中的相关信息，依次识别定位用户头部的轮廓、脸部、眼部和瞳孔；
S5，提取步骤S4定位到的用户两只眼睛的位置坐标，计算出两只眼睛的质心坐标，以两质心坐标的中心坐标作为用户头部的中心位置；
S6，当用户头部的中心位置超出合适活动范围，报警；当用户头部的中心位置未超出合适活动范围，重复步骤S3至步骤S5。
作为本发明所述的基于视觉的坐姿矫正提醒方法的一种改进，步骤S2具体包括以下步骤：
S21，制作一张棋盘格，作为标定物。
S22，通过调整标定物的方向，为标定物拍摄一些不同方向的照片；
S23，从照片中提取棋盘格角点；
S24，计算出图像的像素与实际尺寸的对应关系。
作为本发明所述的基于视觉的坐姿矫正提醒方法的一种改进，在步骤S3中，彩色图像的三分量为RGB，将彩色图像转换为灰度图像采用公式GRAY＝0.3*R+0.59*G+0.11*B。
作为本发明所述的基于视觉的坐姿矫正提醒方法的一种改进，步骤S4中具体包括以下步骤：
S41，轮廓提取：首先，利用Canny算子对步骤S3中得到的平滑图像进行边缘检测，以从步骤S1中存储的轮廓信息作为基准背景，计算基准背景的轮廓点数量和轮廓密度；其次，用当前帧的轮廓信息与基准背景的轮廓信息进行比较，如果当前帧和基准背景两者的轮廓点数量的差距以及两者的轮廓密度的差距均超过限定阈值，判断用户进入学习区域，进入下一步；
S42，脸部识别：首先，输入待检测图像，根据步骤S2的标定结果，设置检测窗口；其次，调入Haar特征分类器XML文件；然后，扫描图像，设置检测窗口增长的比例系数；最后，设置构成检测目标的相邻矩形的最小个数，如果在检测目标时，检测到的潜在的脸部目标小于设定值，则不认为是脸部区域；人脸图像中包含的模式特征十分丰富，如直方图特征、颜色特征、模板特征、结构特征及Haar特征等，本发明专利采用人脸图像的Haar特征，但是不限于使用Haar特征。采用Adaboost学习算法构造的级联分类器实现人脸检测，提取以及匹配与识别。
S43，眼部识别：首先，初步定位眼睛区域，获取两只眼睛的ROI眼睛图像，先用腐蚀图像再用使用Gabor算子滤波；其次，对于Gabor滤波后的脸部的上半部分做投影，获取两只眼睛的横坐标；然后，找出两只眼睛区域的最大灰度，对眼睛区域进行自适应阈值二值化；最后检测二值化区域，确定人眼位置，进行精确定位；
S44，瞳孔识别：首先，切割出左右眼睛的区域，对眼睛区域进行圆形轮廓提取，切割出眼球；然后，将眼球区域对应的灰度图进行自适应阈值二值化；最后根据黑灰的特性，切割出瞳孔。
作为本发明所述的基于视觉的坐姿矫正提醒方法的一种改进，步骤S5的具体包括以下步骤：
S51，提取步骤S4定位的左右瞳孔定位框坐标；
S52，分别计算两只眼睛的质心坐标A，B；
S53，以两质心坐标的中心坐标作为用户头部的中心位置，计算用户头部的中心，其坐标为(x，y)＝0.5*(A+B)。
本发明的目的之三在于：提供一种如所述的基于视觉的坐姿矫正提醒系统在预防近视领域的应用。
相比于现有技术，本发明至少具有以下有益效果：
1)本发明的基于视觉的坐姿矫正提醒系统仅需摄像头以及相关图像采集处理模块即可完成全部算法，无需额外装置，结构简单合理。
2)本发明的基于视觉的坐姿矫正提醒系统采用多次识别定位技术，从用户头部的轮廓、脸部、眼部再到瞳孔，逐层定位人体头部中心，定位精度很高。
3)本发明采用多种图像处理技术提取人体头部中心，受环境影响小，具有较强的鲁棒性。
4)本发明的系统及其方法在感应到用户接近后能自动工作，自动扫描到用户当前所坐位置，用于预防近视领域具有较强的实用性和可靠性。
附图说明
图1是本发明中系统的结构示意图。
图2是本发明中方法的流程示意图。
其中：1-摄像头，2-图像采集模块，3-标定模块，4-图像识别提取模块，5-中心计算模块，6-报警模块，41-轮廓提取子模块，42-脸部识别子模块，43-眼部识别子模块，44-瞳孔识别子模块。
具体实施方式
下面结合具体实施方式和说明书附图，对本发明作进一步详细的描述，但本发明的实施方式并不限于此。
实施例1
如图1所示，一种基于视觉的坐姿矫正提醒系统，包括摄像头1、图像采集模块2、标定模块3、图像识别提取模块4、中心计算模块5、报警模块6和数据存储模块；图像采集模块2与摄像头1连接，标定模块3与图像采集模块2连接，图像识别提取模块4与图像采集模块2连接，中心计算模块5与图像识别提取模块4连接，报警模块6与中心计算模块5连接，数据存储模块与以上各模块均连接。
进一步地，图像识别提取模块4包括轮廓提取子模块41、脸部识别子模块42、眼部识别子模块43和瞳孔识别子模块44，脸部识别子模块42与轮廓提取子模块41连接，眼部识别子模块43与脸部识别子模块42连接，瞳孔识别子模块44与眼部识别子模块43连接。
进一步地，中心计算模块5与瞳孔识别子模块44连接。
进一步地，报警模块6为语音报警模块。
实施例2
如图2所示，一种基于视觉的坐姿矫正提醒方法(采用实施例1的基于视觉的坐姿矫正提醒系统)，包括以下步骤：
1)采集标准坐姿的用户头部图像，使头部位于图像正中位置，提取并存储标准坐姿时用户头部图像的轮廓信息、脸部信息、眼部信息以及瞳孔信息；
2)在标准坐姿时用户头部的当前位置设置标定物，采集不同方向的多幅标定物的图像，计算出标定物实际尺寸与图像信息之间的关系，并预先测算出用户的合适活动范围；具体包括如下操作：
S21，制作一张棋盘格，作为标定物。
S22，通过调整标定物的方向，为标定物拍摄一些不同方向的照片；
S23，从照片中提取棋盘格角点；
S24，计算出图像的像素与实际尺寸的对应关系。
3)每隔特定时间间隔采集用户头部图像，彩色图像的三分量为RGB，采用公式GRAY＝0.3*R+0.59*G+0.11*B将彩色图像转为灰度图像，并采用邻域平均法对灰度图像进行平滑滤波，得到平滑图像；为保证算法实时运行，图像采集时设置采集窗口为合适的尺寸，根据摄像头分辨率的不同，一般采取[320*240],[640*480].[1920*1080]等；另外，均值滤波也称为线性滤波，其采用的主要方法为邻域平均法，线性滤波的基本原理是用均值代替原图像中的各个像素值，即对待处理的当前像素点(x，y)，选择一个模板，该模板由其近邻的若干像素组成，求模板中所有像素的均值，再把该均值赋予当前像素点(x，y)，作为处理后图像在该点上的灰度g(x，y)，即g(x，y)＝1/m∑f(x，y)；其中m为该模板中包含当前像素在内的像素总个数。滤波器的窗口大小根据摄像头与人体的距离可调，具体实施方式中滤波器的窗口大小选择为5×5大小的矩阵。
4)识别步骤3)获得平滑图像中的相关信息，依次识别定位用户头部的轮廓、脸部、眼部和瞳孔；具体包括如下操作：
S41，轮廓提取：首先，利用Canny算子对步骤S3中得到的平滑图像进行边缘检测，以从步骤S1中存储的轮廓信息作为基准背景，计算基准背景的轮廓点数量和轮廓密度；其次，用当前帧的轮廓信息与基准背景的轮廓信息进行比较，如果当前帧和基准背景两者的轮廓点数量的差距以及两者的轮廓密度的差距均超过限定阈值，判断用户进入学习区域，进入下一步；
S42，脸部识别：首先，输入待检测图像，根据步骤S2的标定结果，设置检测窗口；其次，调入Haar特征分类器XML文件；然后，扫描图像，设置检测窗口增长的比例系数，随着搜索速度的不同，比例系数可以调整，一般设置为1.1-1.9；最后，设置构成检测目标的相邻矩形的最小个数，如果在检测目标时，检测到的潜在的脸部目标小于设定值，则不认为是脸部区域；
S43，眼部识别：首先，初步定位眼睛区域，若用于脸部整幅图像的长宽分别为WI、HI。眼部区域的长宽为WE，HE，则有：WE＝35/100WI、HE＝30/100HI；对于左右眼ROI图像左上角像素点位置：Yl＝25/100HI、Xl＝13/100WI；YR＝25/100HI、XR＝WI-WE-13/100WI；获取两只眼睛的ROI眼睛图像，先用腐蚀图像再用使用Gabor算子滤波；其次，对于Gabor滤波后的脸部的上半部分做投影，获取两只眼睛的横坐标；然后，找出两只眼睛区域的最大灰度，对眼睛区域进行自适应阈值二值化；最后检测二值化区域，确定人眼位置，进行精确定位；
S44，瞳孔识别：首先，切割出左右眼睛的区域，对眼睛区域进行圆形轮廓提取，切割出眼球；然后，将眼球区域对应的灰度图进行自适应阈值二值化；最后根据黑灰的特性，切割出瞳孔。
5)提取步骤4)定位到的用户两只眼睛的位置坐标，计算出两只眼睛的质心坐标，以两质心坐标的中心坐标作为用户头部的中心位置；具体操作如下：
S51，提取步骤S4定位的左右瞳孔定位框坐标；
S52，分别计算两只眼睛的质心坐标A，B；
S53，以两质心坐标的中心坐标作为用户头部的中心位置，计算用户头部的中心，其坐标为(x，y)＝0.5*(A+B)。
6)当用户头部的中心位置超出合适活动范围，报警；当用户头部的中心位置未超出合适活动范围，重复步骤3)至步骤5)。
根据上述说明书的揭示和教导，本发明所属领域的技术人员还能够对上述实施方式进行变更和修改。因此，本发明并不局限于上述的具体实施方式，凡是本领域技术人员在本发明的基础上所作出的任何显而易见的改进、替换或变型均属于本发明的保护范围。此外，尽管本说明书中使用了一些特定的术语，但这些术语只是为了方便说明，并不对本发明构成任何限制。
Claims (10)
1.一种基于视觉的坐姿矫正提醒系统，其特征在于：包括摄像头、图像采集模块、标定模块、图像识别提取模块、中心计算模块、报警模块和数据存储模块；所述图像采集模块与所述摄像头连接，所述标定模块与所述图像采集模块连接，所述图像识别提取模块与所述图像采集模块连接，所述中心计算模块与所述图像识别提取模块连接，所述报警模块与所述中心计算模块连接，所述数据存储模块与以上各模块均连接。
2.根据权利要求1所述的基于视觉的坐姿矫正提醒系统，其特征在于：所述图像识别提取模块包括轮廓提取子模块、脸部识别子模块、眼部识别子模块和瞳孔识别子模块，所述脸部识别子模块与所述轮廓提取子模块连接，所述眼部识别子模块与所述脸部识别子模块连接，所述瞳孔识别子模块与所述瞳孔识别子模块连接。
3.根据权利要求2所述的基于视觉的坐姿矫正提醒系统，其特征在于：所述中心计算模块与所述瞳孔识别子模块连接。
4.根据权利要求1所述的基于视觉的坐姿矫正提醒系统，其特征在于：所述报警模块为语音报警模块。
5.一种基于视觉的坐姿矫正提醒方法，其特征在于，包括以下步骤：
S1，采集标准坐姿的用户头部图像，使头部位于图像正中位置，提取并存储标准坐姿时用户头部图像的轮廓信息、脸部信息、眼部信息以及瞳孔信息；
S2，在标准坐姿时用户头部的当前位置设置标定物，采集不同方向的多幅标定物的图像，计算出标定物实际尺寸与图像信息之间的关系，并预先测算出用户的合适活动范围；
S3，每隔特定时间间隔采集用户头部图像，将彩色图像转为灰度图像，并采用邻域平均法对灰度图像进行平滑滤波，得到平滑图像；
S4，识别步骤S3获得平滑图像中的相关信息，依次识别定位用户头部的轮廓、脸部、眼部和瞳孔；
S5，提取步骤S4定位到的用户两只眼睛的位置坐标，计算出两只眼睛的质心坐标，以两质心坐标的中心坐标作为用户头部的中心位置；
S6，当用户头部的中心位置超出合适活动范围，报警；当用户头部的中心位置未超出合适活动范围，重复步骤S3至步骤S5。
6.根据权利要求5所述的基于视觉的坐姿矫正提醒方法，其特征在于，步骤S2具体包括以下步骤：
S21，制作一张棋盘格，作为标定物。
S22，通过调整标定物的方向，为标定物拍摄一些不同方向的照片；
S23，从照片中提取棋盘格角点；
S24，计算出图像的像素与实际尺寸的对应关系。
7.根据权利要求5所述的基于视觉的坐姿矫正提醒方法，其特征在于，在步骤S3中，彩色图像的三分量为RGB，将彩色图像转换为灰度图像采用公式GRAY＝0.3*R+0.59*G+0.11*B。
8.根据权利要求5所述的基于视觉的坐姿矫正提醒方法，其特征在于，步骤S4中具体包括以下步骤：
S41，轮廓提取：首先，利用Canny算子对步骤S3中得到的平滑图像进行边缘检测，以从步骤S1中存储的轮廓信息作为基准背景，计算基准背景的轮廓点数量和轮廓密度；其次，用当前帧的轮廓信息与基准背景的轮廓信息进行比较，如果当前帧和基准背景两者的轮廓点数量的差距以及两者的轮廓密度的差距均超过限定阈值，判断用户进入学习区域，进入下一步；
S42，脸部识别：首先，输入待检测图像，根据步骤S2的标定结果，设置检测窗口；其次，调入Haar特征分类器XML文件；然后，扫描图像，设置检测窗口增长的比例系数；最后，设置构成检测目标的相邻矩形的最小个数，如果在检测目标时，检测到的潜在的脸部目标小于设定值，则不认为是脸部区域；
S43，眼部识别：首先，初步定位眼睛区域，获取两只眼睛的ROI眼睛图像，先用腐蚀图像再用使用Gabor算子滤波；其次，对于Gabor滤波后的脸部的上半部分做投影，获取两只眼睛的横坐标；然后，找出两只眼睛区域的最大灰度，对眼睛区域进行自适应阈值二值化；最后检测二值化区域，确定人眼位置，进行精确定位；
S44，瞳孔识别：首先，切割出左右眼睛的区域，对眼睛区域进行圆形轮廓提取，切割出眼球；然后，将眼球区域对应的灰度图进行自适应阈值二值化；最后根据黑灰的特性，切割出瞳孔。
9.根据权利要求8所述的基于视觉的坐姿矫正提醒方法，其特征在于，步骤S5的具体包括以下步骤：
S51，提取步骤S4定位的左右瞳孔定位框坐标；
S52，分别计算两只眼睛的质心坐标A，B；
S53，以两质心坐标的中心坐标作为用户头部的中心位置，计算用户头部的中心，其坐标为(x，y)＝0.5*(A+B)。
10.一种如权利要求1～4任一项所述的基于视觉的坐姿矫正提醒系统在预防近视领域的应用。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911364879.7A CN111027517A (zh) | 2019-12-26 | 2019-12-26 | 一种基于视觉的坐姿矫正提醒系统及方法、应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911364879.7A CN111027517A (zh) | 2019-12-26 | 2019-12-26 | 一种基于视觉的坐姿矫正提醒系统及方法、应用 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111027517A true CN111027517A (zh) | 2020-04-17 |
Family
ID=70214570
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911364879.7A Pending CN111027517A (zh) | 2019-12-26 | 2019-12-26 | 一种基于视觉的坐姿矫正提醒系统及方法、应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111027517A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113051991A (zh) * | 2020-11-08 | 2021-06-29 | 泰州市出彩网络科技有限公司 | 异常状态双重检测平台及方法 |
| CN113205033A (zh) * | 2021-04-27 | 2021-08-03 | 郭列维 | 一种视觉信息处理方法及其应用 |
| CN113487635A (zh) * | 2021-07-01 | 2021-10-08 | 盛视科技股份有限公司 | 一种基于图像差分的仰卧起坐计数方法 |
| CN113558614A (zh) * | 2021-08-31 | 2021-10-29 | 中山优感科技有限公司 | 一种健康坐姿智能检测系统及方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007272435A (ja) * | 2006-03-30 | 2007-10-18 | Univ Of Electro-Communications | 顔特徴抽出装置及び顔特徴抽出方法 |
| 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 |
| CN104239860A (zh) * | 2014-09-10 | 2014-12-24 | 广东小天才科技有限公司 | 一种使用智能终端时的坐姿检测与提醒方法及装置 |
| 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 |
| CN106529409A (zh) * | 2016-10-10 | 2017-03-22 | 中山大学 | 一种基于头部姿态的眼睛注视视角测定方法 |
| CN106781324A (zh) * | 2017-01-09 | 2017-05-31 | 海南易成长科技有限公司 | 一种护眼护脊椎提醒系统及灯具 |
| WO2017152649A1 (zh) * | 2016-03-08 | 2017-09-14 | 珠海全志科技股份有限公司 | 一种自动提示人眼离屏幕距离的方法和系统 |
-
2019
- 2019-12-26 CN CN201911364879.7A patent/CN111027517A/zh active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007272435A (ja) * | 2006-03-30 | 2007-10-18 | Univ Of Electro-Communications | 顔特徴抽出装置及び顔特徴抽出方法 |
| 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 |
| CN104239860A (zh) * | 2014-09-10 | 2014-12-24 | 广东小天才科技有限公司 | 一种使用智能终端时的坐姿检测与提醒方法及装置 |
| 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 |
| WO2017152649A1 (zh) * | 2016-03-08 | 2017-09-14 | 珠海全志科技股份有限公司 | 一种自动提示人眼离屏幕距离的方法和系统 |
| 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 |
| CN106529409A (zh) * | 2016-10-10 | 2017-03-22 | 中山大学 | 一种基于头部姿态的眼睛注视视角测定方法 |
| CN106781324A (zh) * | 2017-01-09 | 2017-05-31 | 海南易成长科技有限公司 | 一种护眼护脊椎提醒系统及灯具 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113051991A (zh) * | 2020-11-08 | 2021-06-29 | 泰州市出彩网络科技有限公司 | 异常状态双重检测平台及方法 |
| CN113205033A (zh) * | 2021-04-27 | 2021-08-03 | 郭列维 | 一种视觉信息处理方法及其应用 |
| CN113205033B (zh) * | 2021-04-27 | 2022-03-15 | 郭列维 | 一种视觉信息处理方法及其应用 |
| CN113487635A (zh) * | 2021-07-01 | 2021-10-08 | 盛视科技股份有限公司 | 一种基于图像差分的仰卧起坐计数方法 |
| CN113487635B (zh) * | 2021-07-01 | 2024-05-28 | 盛视科技股份有限公司 | 一种基于图像差分的仰卧起坐计数方法 |
| CN113558614A (zh) * | 2021-08-31 | 2021-10-29 | 中山优感科技有限公司 | 一种健康坐姿智能检测系统及方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111027517A (zh) | 一种基于视觉的坐姿矫正提醒系统及方法、应用 | |
| CN106022304B (zh) | 一种基于双目相机的实时人体坐姿情况检测方法 | |
| CN107609516B (zh) | 自适应眼动追踪方法 | |
| CN106846734B (zh) | 一种疲劳驾驶检测装置及方法 | |
| CN109670396A (zh) | 一种室内老人跌倒检测方法 | |
| CN110717392B (zh) | 一种坐姿检测与纠正方法和装置 | |
| CN112464793B (zh) | 一种在线考试作弊行为检测方法、系统和存储介质 | |
| CN110309787B (zh) | 一种基于深度相机的人体坐姿检测方法 | |
| US11232586B2 (en) | Line-of-sight estimation device, line-of-sight estimation method, and program recording medium | |
| CN110934591B (zh) | 一种坐姿检测方法及装置 | |
| CN106446779A (zh) | 身份识别方法和装置 | |
| WO2019067903A1 (en) | HEAD POSTURE ESTIMATION FROM A LOCAL EYE REGION | |
| CN105095885B (zh) | 一种人眼状态的检测方法和检测装置 | |
| CN110162232A (zh) | 屏幕显示方法、具有显示屏幕的装置、设备及存储介质 | |
| CN112232128B (zh) | 基于视线追踪的老年残障人士照护需求识别方法 | |
| CN111291701A (zh) | 一种基于图像梯度和椭圆拟合算法的视线追踪方法 | |
| CN111783702A (zh) | 一种基于图像增强算法和人体关键点定位的高效行人摔倒检测方法 | |
| CN113012407A (zh) | 一种基于机器视觉的眼屏距离提示预防近视系统 | |
| US20140334694A1 (en) | Method for determining eye location on a frontal face digital image to validate the frontal face and determine points of reference | |
| CN112396600B (zh) | 基于热成像和深度图的脱敏状态下面部神经麻痹检测系统 | |
| CN116453198B (zh) | 一种基于头部姿态差异的视线校准方法和装置 | |
| CN113129374B (zh) | 用激光点云人脸识别辅助读写姿态判断的方法和装置 | |
| CN111382653A (zh) | 一种人体坐姿的监督方法 | |
| CN112597854B (zh) | 无配合式人脸识别系统及方法 | |
| JPWO2020065790A1 (ja) | 推定装置、推定方法、およびプログラム |
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: 20200417 |
|
| RJ01 | Rejection of invention patent application after publication |