CN111444748A - 一种坐姿检测方法、装置、设备及存储介质 - Google Patents

一种坐姿检测方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111444748A
CN111444748A CN201910043873.3A CN201910043873A CN111444748A CN 111444748 A CN111444748 A CN 111444748A CN 201910043873 A CN201910043873 A CN 201910043873A CN 111444748 A CN111444748 A CN 111444748A
Authority
CN
China
Prior art keywords
sitting posture
parameter
matching degree
current
reading
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.)
Granted
Application number
CN201910043873.3A
Other languages
English (en)
Other versions
CN111444748B (zh
Inventor
不公告发明人
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing ByteDance Network Technology Co Ltd
Original Assignee
Beijing ByteDance Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing ByteDance Network Technology Co Ltd filed Critical Beijing ByteDance Network Technology Co Ltd
Priority to CN201910043873.3A priority Critical patent/CN111444748B/zh
Publication of CN111444748A publication Critical patent/CN111444748A/zh
Application granted granted Critical
Publication of CN111444748B publication Critical patent/CN111444748B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/168Feature extraction; Face representation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00Pattern recognition
    • G06F18/20Analysing
    • G06F18/22Matching criteria, e.g. proximity measures
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/70Determining position or orientation of objects or cameras
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/16Human faces, e.g. facial parts, sketches or expressions
    • G06V40/161Detection; Localisation; Normalisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Human Computer Interaction (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本公开公开了一种坐姿检测方法、装置、设备及存储介质,该方法包括:通过点读设备的摄像头采集点读用户的当前坐姿参数;确定当前坐姿参数与预设的坐姿参数之间的匹配度,其中,预设的坐姿参数根据点读用户的身体参数、点读设备所在的平面参数和点读用户所坐平面的参数确定;如果匹配度小于匹配度阈值,则向点读用户展示坐姿调整信息。本公开实施例提供的技术方案通过点读产品的摄像头采集用户坐姿参数,并确定坐姿参数与预设坐姿参数的匹配度,根据匹配度展示坐姿调整信息,解决了现有技术需要另外配置专业坐姿检测设备才能检测儿童的坐姿的问题,实现了在没有专业坐姿检测设备的情况下,能够检测出儿童使用点读产品的坐姿。

Description

一种坐姿检测方法、装置、设备及存储介质
技术领域
本公开实施例涉及通信技术领域,尤其涉及一种坐姿检测方法、装置、设备及存储介质。
背景技术
正确的坐姿是培养儿童及青少年正确学习和身体发育的必须条件,老师和家长一再强调正确的坐姿,而儿童在学习中,无论是在学校还是在家庭,坐于课桌前总会不自觉的以不正确的坐姿进行学习,老师和家长又不可能一直陪在孩子身边进行督促。
点读产品的对激发儿童的学习兴趣和提高儿童的学习效率都有很好的促进作用,在市场上很受欢迎。儿童在使用点读设备时,往往需要另外配置专业坐姿检测设备才能检测儿童的坐姿,而目前的坐姿检测设备往往价格昂贵,且类似枷锁,影响儿童的正常活动。
发明内容
本公开实施例提供一种坐姿检测方法、装置、设备及存储介质,在没有专业坐姿检测设备的情况下,能够检测出儿童使用点读产品的坐姿。
第一方面,本公开实施例提供了一种坐姿检测方法,所述方法包括:
通过点读设备的摄像头采集点读用户的当前坐姿参数;
确定所述当前坐姿参数与预设的坐姿参数之间的匹配度,其中,所述预设的坐姿参数根据点读用户的身体参数、点读设备所在的平面参数和点读用户所坐平面的参数确定;
如果所述匹配度小于匹配度阈值,则向所述点读用户展示坐姿调整信息。
进一步的,所述通过点读设备的摄像头采集点读用户的当前坐姿参数,包括:
通过点读设备的摄像头采集点读用户的当前视频;
从所述当前视频中识别出当前脸部参数和当前肢体参数。
进一步的,所述确定所述当前坐姿参数与预设的坐姿参数之间的匹配度,包括:
计算所述当前脸部参数和预设的脸部参数之间的第一匹配度;
计算所述当前肢体参数和预设的肢体参数之间的第二匹配度;
根据所述第一匹配度和第二匹配度计算当前坐姿参数与预设的坐姿参数之间的匹配度。
进一步的,所述当前脸部参数包括:当前脸部与所述摄像头的距离以及当前脸部与所述摄像头的角度;所述当前肢体参数包括:当前脸部、手部、肩部以及胸部两两之间的距离。
进一步的,计算所述当前肢体参数和预设的肢体参数之间的第二匹配度之后,还包括:
如果所述第一匹配度小于第一匹配度阈值,或者如果所述第二匹配度小于第二匹配度阈值,则向所述点读用户展示坐姿调整信息。
进一步的,所述如果所述匹配度小于匹配度阈值,则向所述点读用户展示坐姿调整信息,包括:
如果所述匹配度小于匹配度阈值,则检测所述匹配度小于匹配度阈值的累积时长;
若所述匹配度小于匹配度阈值的累积时长超过预设时长,则向所述点读用户展示坐姿调整信息。
第二方面,本公开实施例还提供了一种坐姿检测装置,所述装置包括:
采集模块,用于通过点读设备的摄像头采集点读用户的当前坐姿参数;
确定模块,用于确定所述当前坐姿参数与预设的坐姿参数之间的匹配度,其中,所述预设的坐姿参数根据点读用户的身体参数、点读设备所在的平面参数和点读用户所坐平面的参数确定;
展示模块,用于如果所述匹配度小于匹配度阈值,则向所述点读用户展示坐姿调整信息。
进一步的,所述采集模块,包括:
采集单元,用于通过点读设备的摄像头采集点读用户的当前视频;
识别单元,用于从所述当前视频中识别出当前脸部参数和当前肢体参数。
进一步的,所述确定模块,包括:
第一计算单元,用于计算所述当前脸部参数和预设的脸部参数之间的第一匹配度;
第二计算单元,用于计算所述当前肢体参数和预设的肢体参数之间的第二匹配度;
第三计算单元,用于根据所述第一匹配度和第二匹配度计算当前坐姿参数与预设的坐姿参数之间的匹配度。
进一步的,所述当前脸部参数包括:当前脸部与所述摄像头的距离以及当前脸部与所述摄像头的角度;所述当前肢体参数包括:当前脸部、手部、肩部以及胸部两两之间的距离。
进一步的,所述展示模块,还用于如果所述第一匹配度小于第一匹配度阈值,或者如果所述第二匹配度小于第二匹配度阈值,则向所述点读用户展示坐姿调整信息。
进一步的,所述展示模块,包括:
检测单元,用于如果所述匹配度小于匹配度阈值,则检测所述匹配度小于匹配度阈值的累积时长;
展示单元,用于若所述匹配度小于匹配度阈值的累积时长超过预设时长,则向所述点读用户展示坐姿调整信息。
第三方面,本公开实施例还提供了一种电子设备,所述设备,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的坐姿检测方法。
第四方面,本公开实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的坐姿检测方法。
本公开实施例提供的一种坐姿检测方法、装置、设备及存储介质,首先通过点读设备的摄像头采集点读用户的当前坐姿参数;然后确定当前坐姿参数与预设的坐姿参数之间的匹配度,其中,预设的坐姿参数根据点读用户的身体参数、点读设备所在的平面参数和点读用户所坐平面的参数确定;最后如果匹配度小于匹配度阈值,则向点读用户展示坐姿调整信息。本公开实施例提供的技术方案通过点读产品的摄像头采集用户坐姿参数,并确定坐姿参数与预设坐姿参数的匹配度,根据匹配度展示坐姿调整信息,解决了现有技术需要另外配置专业坐姿检测设备才能检测儿童的坐姿的问题,实现了在没有专业坐姿检测设备的情况下,能够检测出儿童使用点读产品的坐姿。
附图说明
图1是本公开实施例提供的一种坐姿检测方法的流程图;
图2是本公开实施例提供的一种标准坐姿的侧面示意图;
图3是本公开实施例提供的一种标准坐姿的正面示意图;
图4是本公开实施例提供的另一种坐姿检测方法的流程图;
图5是本公开实施例提供的一种坐姿检测装置的结构框图;
图6是本公开实施例提供的一种设备的结构框图。
具体实施方式
下述各实施例中,每个实施例中同时提供了可选特征和示例,实施例中记载的各个特征可进行组合,形成多个可选方案,不应将每个编号的实施例仅视为一个技术方案。下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本公开,而非对本公开的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本公开相关的部分而非全部结构。
实施例
图1是本公开实施例提供的一种坐姿检测方法的流程图,本实施例可适用于检测用户坐姿的情况,该方法可以由坐姿检测装置来执行,该装置可以采用软件和/或硬件的方式实现,该装置可以配置于电子设备中,该电子设备可以是两个或多个物理实体构成,也可以是一个物理实体构成。一般而言,该电子设备需配置有摄像头,以具备拍摄功能,该电子设备可以是智能手机、平板或照相机、点读设备等。本实施例中以该电子设备是点读设备为例进行说明。
如图1所示,本实施例提供的坐姿检测方法具体包括如下步骤:
S110、通过点读设备的摄像头采集点读用户的当前坐姿参数。
在本实施例中,点读设备又称为智能电脑读书机、同步读书机、智能点读机等,是现代数码信息技术与最新教学需求完美结合的一种有声互动的学习产品,它能将文字化的书本教材变成能按学习需要任意发声的有声教材。点读设备一般由书写面板、点读笔和处理器构成。
目前常用的点读设备的工作原理是利用横坐标与纵坐标扫描的方法得到点读笔在书写面板上点读的位置(即x与y坐标值),处理器接收到点读指令,并将书写面板上点读坐标转换成相应书本坐标,读出相应的语音文件,实现了点读功能。进一步的,获取点读位置的方式通常有两种,一种是采用在书写面板内放置点阵式的压力传感器获取点读笔在书写面板上点读的位置。另一种是在书本正前方的合适位置放置摄像头,实时获取点读笔和书本的视频图像,进而获取点读笔在书写面板上点读的位置。需要说明的是,本实施例中仅对点读设备的工作原理进行说明,而非限定,可以根据实际情况对点读设备的工作原理合理的进行选择或者设计。
进一步的,点读设备的摄像头是指安装在书写面板指定位置的摄像头。所述摄像头用于采集点读用户的当前坐姿的视频,并识别该视频获取当前坐姿参数。
进一步的,点读设备包括至少一个安装在书写面板上的摄像头。如果点读设备未安装摄像头,则在书写面板指定位置安装一个摄像头。如果点读设备有获取点读位置的摄像头,可以采用该摄像头采集点读用户的当前坐姿视频。也可以在书写面板指定位置安装摄像头采集点读用户的当前坐姿视频。
进一步的,可以根据实际情况设计摄像头的安装位置和数量,例如:可以在书写面板的不同位置安装多个摄像头,以采集不同角度下点读用户的当前坐姿视频。又如:可以将摄像头优选为双目摄像头,双目摄像头可以从采集人体立体坐姿的视频,以使获取到的当前坐姿参数更加精确,提高检测的准确性。
通过点读设备的摄像头采集点读用户的当前坐姿参数,具体可以理解为点读设备的摄像头采集当前点读用户的人体及其周边区域的视频,在采集的视频中,采用运动对象检测方法检出人体所在区域,并通过特征分析方法得到人体上半身轮廓。通过脸部特征分析方法提取当前脸部参数,采用肢体检测方法获取当前肢体参数。
进一步的,点读设备的摄像头可以是实时的采集点读用户的当前坐姿参数,也可以是间隔预设时间采集点读用户的当前坐姿参数。进一步的,间隔10秒获取一次当前坐姿参数。进一步的,间隔10秒获取一次当前坐姿视频,视频时长优选为0.5秒。即间隔10秒获取0.5秒的当前坐姿视频,根据采集的当前坐姿视频识别出当前坐姿参数。
S120、确定当前坐姿参数与预设的坐姿参数之间的匹配度。
在本实施例中,预设的坐姿参数是指标准坐姿对应的参数。预设的坐姿参数根据点读用户的身体参数、点读设备所在的平面参数和点读用户所坐平面的参数确定。预设的坐姿参数主要包括预设的脸部参数和预设的肢体参数。预设的脸部参数包括预设的脸部与摄像头的距离以及预设的脸部与摄像头的角度。预设的肢体参数包括:预设的脸部、手部、肩部以及胸部两两之间的距离。
需要说明的是,根据人体工学的研究,对人体有危害的不良坐姿可分为6 种,它们分别是身体歪斜、身体旋转、身体前倾、脸部歪斜、脸部旋转、脸部前倾。因此,本实施例中预定义的不良坐姿为:身体歪斜、身体旋转、身体前倾、脸部歪斜、脸部旋转、脸部前倾。进一步的,身体歪斜是指在正确姿势下,身体沿垂直平面发生旋转导致的不良坐姿;身体旋转是指在正确姿势下,身体沿水平平面发生旋转导致的不良坐姿;身体前倾是指在正确姿势下,身体减小腰椎的前向角度而导致的不良坐姿;脸部歪斜是指在正确姿势下,脸部沿垂直平面发生旋转导致的不良坐姿;脸部旋转:是指在正确姿势下,脸部沿水平平面发生旋转导致的不良坐姿;脸部前倾:是指在正确姿势下,脸部减小颈椎的前向角度而导致的不良坐姿。
图2是本公开实施例提供的一种标准坐姿的侧面示意图,图3是本公开实施例提供的一种标准坐姿的正面示意图。如图2中,脸部与摄像头的相对距离可以理解为标准坐姿时,点读用户的脸部与摄像头之间的距离L0。例如:标准坐姿时,点读用户的脸部与摄像头之间的距离为40厘米。预设的脸部与摄像头的角度可以理解为标准坐姿时,点读用户的脸部与摄像头之间的夹角。点读用户的脸部与摄像头之间的夹角包括水平夹角和垂直夹角。需要说明的是,在本实施例中,标准坐姿时点读用户的脸部与摄像头之间的夹角默认为30度。
进一步的,预设肢体参数包括预设的脸部、手部、肩部以及胸部两两之间的距离,具体为:预设的脸部与手部之间的距离L1、脸部与肩部之间的距离L2、脸部与胸部之间的距离(图中未示出)、肩部与胸部之间的距离(图中未示出)、手部与胸部之间的距离(图中未示出)、手部与肩部之间的距离L3等。
需要说明的是,本实施例中仅对预设肢体参数进行说明,而非限定。可以根据实际情况设备合理的肢体参数,例如:标准坐姿时,点读用户的中轴线位置。点读用户身体各个部位距离中轴线的距离等。
在本实施例中,根据预设的坐姿参数根据点读用户的身体参数、点读设备所在的平面参数和点读用户所坐平面的参数确定预设的坐姿参数。进一步的,点读用户的身体参数可以理解为点读用户的身高,点读设备所在的平面参数可以理解为放置点读设备的平面距离地面的高度。例如,可以是放置点读设备的桌面的高度。点读用户所坐平面的参数可以理解为点读用户所坐的平面距离地面的高度,例如,可以是点读用户所坐椅面距离地面的高度。
需要说明的,由于用户的身高、放置点读设备的桌面以及用户所坐平面的不同,预设的参数可能存在不同,本实施例中,采用用户的身高、放置点读设备的桌面参数以及用户所坐平面的参数来确定每个用户的预设的坐姿参数,使得预设的坐姿参数更加符合用户的实际情况。
进一步的,用户的身高、放置点读设备的桌面参数以及用户所坐平面的参数可以由用户在使用点读设备之后,由用户通过点读设备的输入设备进行输入,例如:可以通过点读设备的键盘或者操作触摸屏进行输入。也可以由摄像头采集用户的身高、放置点读设备的桌面以及用户所坐平面的图片,根据上述图片确定用户的身高、放置点读设备的桌面参数以及用户所坐平面的参数。需要说明的是,本实施例中仅对用户的身高、放置点读设备的桌面参数以及用户所坐平面的参数的采集方法进行说明,而非限定。
在本实施例中,获取到点读用户的当前坐姿参数之后,计算当前坐姿参数与预设的坐姿参数之间的匹配度。进一步的,可以计算脸部参数和肢体参数匹配度,并为脸部参数和肢体参数设置不同的权重,通过加权的方式计算最终的匹配度。
S130、如果匹配度小于匹配度阈值,则向点读用户展示坐姿调整信息。
在本实施中,匹配度阈值用于衡量点读用户的当前坐姿与标准坐姿的相似度,由专业人员根据标准坐姿的参数范围进行设计。优选的,本实施例中的匹配度阈值为0.9。
坐姿调整信息包括用户的脸部和肢体需要移动的距离和角度。进一步的,坐姿调整信息由点读用户的当前坐姿参数和预设的标准参数进行确定。进一步的,坐姿调整信息为点读用户的当前坐姿参数和预设的标准参数的绝对值。示例性的,标准坐姿中,脸部与手部之间的距离L1为35厘米,如果当前坐姿参数中脸部与手部之间的距离L1’为32厘米,则确定坐姿调整信息为脸部太高3 厘米。需要说明的是,本实施例仅对坐姿调整信息进行简单的说明,坐姿调整信息由当前坐姿参数和预设的标准参数中的各个距离和角度进行中和计算确定。
在本实施例中,可以根据实际情况设计坐姿调整信息的展示方式。例如,可以通过点读设备的显示屏显示标准坐姿与当前坐姿的图片,并在当前坐姿图片上显示具体的调整信息。也可以通过点读设备的显示屏直接显示坐姿调整信息。又如:可以通过点读设备的播放器播放坐姿调整信息。也可以显示屏和播放器向结合的方式展示坐姿调整信息。
进一步的,如果匹配度小于匹配度阈值,则确定点读用户的当前坐姿为不良坐姿,并根据当前坐姿参数和预设的标准参数计算坐姿调整信息,并向点读用户展示坐姿调整信息。
本公开实施例提供的一种坐姿检测方法,首先通过点读设备的摄像头采集点读用户的当前坐姿参数;然后确定当前坐姿参数与预设的坐姿参数之间的匹配度,其中,预设的坐姿参数根据点读用户的身体参数、点读设备所在的平面参数和点读用户所坐平面的参数确定;最后如果匹配度小于匹配度阈值,则向点读用户展示坐姿调整信息。本公开实施例提供的技术方案通过点读产品的摄像头采集用户坐姿参数,并确定坐姿参数与预设坐姿参数的匹配度,根据匹配度展示坐姿调整信息,解决了现有技术需要另外配置专业坐姿检测设备才能检测儿童的坐姿的问题,实现了在没有专业坐姿检测设备的情况下,能够检测出儿童使用点读产品的坐姿。
图4是本公开实施例提供的另一种坐姿检测方法的流程图。本实施例是在上述实施例的基础上,对坐姿检测方法作进一步地具体化。如图4所示,本实施例中的坐姿检测方法具体包括如下步骤:
S210、通过点读设备的摄像头采集点读用户的当前视频。
进一步的,点读设备包括至少一个安装在书写面板上的摄像头。如果点读设备未安装摄像头,则在书写面板指定位置安装一个摄像头。如果点读设备有获取点读位置的摄像头,可以采用该摄像头采集点读用户的当前坐姿视频。也可以在书写面板指定位置安装摄像头采集点读用户的当前坐姿视频。
进一步的,可以根据实际情况设计摄像头的安装位置和数量,例如:可以在书写面板的不同位置安装多个摄像头,以采集不同角度下点读用户的当前坐姿视频。又如:可以将摄像头优选为双目摄像头,双目摄像头可以从采集人体立体坐姿的视频,以使获取到的当前坐姿参数更加精确,提高检测的准确性。
进一步的,点读设备的摄像头可以是实时的采集点读用户的当前坐姿视频,也可以是间隔预设时间采集点读用户的当前坐姿视频。进一步的,间隔10秒获取一次当前坐姿视频。进一步的,间隔10秒获取一次当前坐姿视频,视频时长优选为0.5秒。即间隔10秒获取0.5秒的当前坐姿视频。
S220、从当前视频中识别出当前脸部参数和当前肢体参数。
在本实施例中,所述当前脸部参数包括:当前脸部与摄像头的距离以及当前脸部与所述摄像头的角度;所述当前肢体参数包括:当前脸部、手部、肩部以及胸部两两之间的距离。
在实施例中,将当前视频进行解码,得到视频帧。采用运动对象检测方法检测出人体所在区域,并通过特征分析方法得到人体上半身的轮廓。进一步的,由于摄像头获取的视频中包括上述点读用户的信息,还包括背景信息。通过运动对象检测,可以将办公桌、座椅等静止背景进行消除,留下人体上半身的二值图像。
进一步的,通过边缘提取算法提高上半身的轮廓,边缘提取是对运动对象检测得到的前景图像进一步处理,从而得到完整的边缘线。用于边缘提取的典型一阶微分算子有Roberts算子、Prewitt算子、Sobel算子,二阶算子有Laplace 算子、LOG算子等,基于最优化算法的Canny算子具有信噪比大和检测精度高的优点,故本实施例采用Canny算子进行上半身轮廓提取。
Canny算子边缘提取之后,得到一幅前景图像的边缘图,然后通过脸部特征分析方法提取当前脸部参数,采用肢体检测方法获取当前肢体参数。
本实施例采用Haar分类器实现人脸的定位,在人脸定位时的输入图像既可以选择原始图像,也可以选择运动对象检测或者对象边缘提取后的图像。需要说明的,人脸定位技术是现有技术中图像识别常用的策略,在此并不进行赘述。可以根据实际情况设计或者选择合理的人脸定位技术。
实现人脸定位之后,检测五官的水平距离和垂直距离脸部轮廓的高度和宽度,根据五官的水平距离和垂直距离脸部轮廓的高度和宽度计算当前脸部与摄像头的距离以及当前脸部与摄像头的角度。
进一步的,由于用户使用点读设备过程中的坐姿与采集到的脸部参数之间存在关联,例如:距离相同,相对夹角越大,五官的垂直距离就会越小,而五官的水平距离保持不变,或者角度保持不变,距离变大,五官的垂直距离和水平距离均会越小。因此,可通过五官的水平距离和垂直距离的变化,计算出脸部与摄像头的距离和夹角。可以根据脸部轮廓的高度和宽度,同样得到脸部与摄像头的距离和夹角。
本实施例采用肢体识别算法获取当前肢体参数,在肢体识别算法中输入图像既可以选择原始图像,也可以选择运动对象检测或者对象边缘提取后的图像。需要说明的,肢体识别算法是现有技术中图像识别常用的策略,在此并不进行赘述。可以根据实际情况设计或者选择合理的肢体识别算法。
进一步的,由于用户使用点读设备过程中的坐姿与采集到的肢体参数之间存在关联,例如:用户的头部左偏,则脸部与肩部之间的距离会减小。用户的头部上扬,则脸部与手部之间的距离会减小。
S230、计算当前脸部参数和预设的脸部参数之间的第一匹配度。
在本实施例中,计算当前脸部参数和预设的脸部参数之间的第一匹配度具体可以理解为计算当前脸部与摄像头的距离和预设的脸部与摄像头的距离之间的匹配度,计算当前脸部与摄像头的角度与预设的脸部与摄像头的角度之间的匹配度,根据上述匹配度确定第一匹配度。
进一步的,预先设置脸部与摄像头的距离以及脸部与摄像头的角度分别对应的权重值,根据上述匹配度和权重值,计算第一匹配度。
示例性的,预设的脸部与摄像头的距离为40厘米,预设的脸部与摄像头的角度为30度,脸部与摄像头距离的权重值为0.6,脸部与摄像头角度的权重值为0.4,当前脸部与摄像头的距离为38厘米,当前脸部与摄像头的角度为28度,则计算第一匹配度为0.94。
S240、计算当前肢体参数和预设的肢体参数之间的第二匹配度。
在本实施例中,计算当前肢体参数和预设的肢体参数之间的第二匹配度具体可以理解为计算当前的脸部、手部、肩部以及胸部两两之间的距离与预设的脸部、手部、肩部以及胸部两两之间的距离的之间的各个匹配度,根据各个匹配度计算第二匹配度。
进一步的,预先设置脸部、手部、肩部以及胸部两两之间的距离分别对应的权重值,根据上述匹配度和权重值,计算第二匹配度。
S250、根据第一匹配度和第二匹配度计算当前坐姿参数与预设的坐姿参数之间的匹配度。
在本实施例中,预先设置第一匹配度和第二匹配度分别对应的权重值,根据上述第一匹配度和第二匹配度和权重值,计算综合匹配度,即当前坐姿参数与预设的坐姿参数之间的匹配度。
S260、如果匹配度小于匹配度阈值,则检测匹配度小于匹配度阈值的累积时长。
在本实施例中,用户出现不良坐姿时,用户可能会发现之后自己进行调整。若是只要出现一次不良坐姿,便进行一次调整,提醒用户的次数过于频繁可能会影响用户的使用体验。因此,如果匹配度小于匹配度阈值,则检测匹配度小于匹配度阈值的累积时长。
需要说明的是,若点读设备是实时采集点读用户的当前坐姿视频,累积时长可以通过点读设备内置的计时器统计,即匹配度小于匹配度阈值时触发计时器的开关,计时器开始计时。还可以在匹配度小于匹配度阈值时获取不良坐姿开始时间点,以及当前时间点,将当前时间点减去开始时间点,得到累积时长。
进一步的,若点读设备是间隔时长采集点读用户的当前坐姿视频,则可以通过点读设备内置的计数器统计不良坐姿连续出现的次数,间隔时长为不良坐姿连续出现的次数与间隔时长的乘积。示例性的,间隔时长为10秒,连续三次坐姿视频中均存在不良坐姿,则匹配度小于匹配度阈值的累积时长为30秒。
S270、若匹配度小于匹配度阈值的累积时长超过预设时长,则向点读用户展示坐姿调整信息。
在本实施例中,预设时长是指预先设定的时长,预设时长用于用户自身发现自己坐姿不正确之后,自行进行调整。预设时长为30秒。
匹配度小于匹配度阈值的累积时长超过30秒,则向点读用户展示坐姿调整信息可以理解为,点读用户的不良坐姿超过30秒,则向点读用户展示坐姿调整信息。
可以根据实际情况设计坐姿调整信息的展示方式。例如,可以通过点读设备的显示屏显示标准坐姿与当前坐姿的图片,并在当前坐姿图片上显示具体的调整信息。也可以通过点读设备的显示屏直接显示坐姿调整信息。又如:可以通过点读设备的播放器播放坐姿调整信息。也可以显示屏和播放器向结合的方式展示坐姿调整信息。
需要说明的是,本实施例中还提供另外一种坐姿检测方法,计算所述当前肢体参数和预设的肢体参数之间的第二匹配度之后,还包括:如果第一匹配度小于第一匹配度阈值,或者如果第二匹配度小于第二匹配度阈值,则向点读用户展示坐姿调整信息。
本公开实施例提供的坐姿检测方法,首先通过点读设备的摄像头采集点读用户的当前坐姿参数;然后确定当前坐姿参数与预设的坐姿参数之间的匹配度,其中,预设的坐姿参数根据点读用户的身体参数、点读设备所在的平面参数和点读用户所坐平面的参数确定;最后如果匹配度小于匹配度阈值,则向点读用户展示坐姿调整信息。本公开实施例提供的技术方案通过点读产品的摄像头采集用户坐姿参数,并确定坐姿参数与预设坐姿参数的匹配度,根据匹配度展示坐姿调整信息,解决了现有技术需要另外配置专业坐姿检测设备才能检测儿童的坐姿的问题,实现了在没有专业坐姿检测设备的情况下,能够检测出儿童使用点读产品的坐姿。
图5是本公开实施例提供的一种坐姿检测装置的结构框图,本实施例可适用于检测用户坐姿的情况,该装置可以采用软件和/或硬件的方式实现,该装置可以配置于电子设备中,一般而言,该电子设备需配置有摄像头,以具备拍摄功能,该电子设备可以是智能手机、平板或照相机、点读设备等。如图5所示,该装置具体包括:采集模块510、确定模块520和展示模块530。其中:
采集模块510,用于通过点读设备的摄像头采集点读用户的当前坐姿参数;
确定模块520,用于确定所述当前坐姿参数与预设的坐姿参数之间的匹配度,其中,所述预设的坐姿参数根据点读用户的身体参数、点读设备所在的平面参数和点读用户所坐平面的参数确定;
展示模块530,用于如果所述匹配度小于匹配度阈值,则向所述点读用户展示坐姿调整信息。
本公开实施例提供的坐姿检测装置,首先通过点读设备的摄像头采集点读用户的当前坐姿参数;然后确定当前坐姿参数与预设的坐姿参数之间的匹配度,其中,预设的坐姿参数根据点读用户的身体参数、点读设备所在的平面参数和点读用户所坐平面的参数确定;最后如果匹配度小于匹配度阈值,则向点读用户展示坐姿调整信息。本公开实施例提供的技术方案通过点读产品的摄像头采集用户坐姿参数,并确定坐姿参数与预设坐姿参数的匹配度,根据匹配度展示坐姿调整信息,解决了现有技术需要另外配置专业坐姿检测设备才能检测儿童的坐姿的问题,实现了在没有专业坐姿检测设备的情况下,能够检测出儿童使用点读产品的坐姿。
进一步的,所述采集模块510,包括:
采集单元,用于通过点读设备的摄像头采集点读用户的当前视频;
识别单元,用于从所述当前视频中识别出当前脸部参数和当前肢体参数。
进一步的,所述确定模块520,包括:
第一计算单元,用于计算所述当前脸部参数和预设的脸部参数之间的第一匹配度;
第二计算单元,用于计算所述当前肢体参数和预设的肢体参数之间的第二匹配度;
第三计算单元,用于根据所述第一匹配度和第二匹配度计算当前坐姿参数与预设的坐姿参数之间的匹配度。
进一步的,所述当前脸部参数包括:当前脸部与摄像头的距离以及当前脸部与所述摄像头的角度;所述当前肢体参数包括:当前脸部、手部、肩部以及胸部两两之间的距离。
进一步的,所述展示模块530,还用于如果所述第一匹配度小于第一匹配度阈值,或者如果所述第二匹配度小于第二匹配度阈值,则向所述点读用户展示坐姿调整信息。
进一步的,所述展示模块530,包括:
检测单元,用于如果所述匹配度小于匹配度阈值,则检测所述匹配度小于匹配度阈值的累积时长;
展示单元,用于若所述匹配度小于匹配度阈值的累积时长超过预设时长,则向所述点读用户展示坐姿调整信息。
本公开实施例提供的坐姿检测装置可执行本公开任意实施例所提供的坐姿检测方法,具备执行方法相应的功能模块和有益效果。
图6是本公开实施例提供的一种电子设备的结构框图。如图6所示,其示出了适于用来实现本公开实施例的电子设备(例如终端设备或服务器)600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP (便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的电子设备仅仅是一个示例,不应对本公开实施例的功能和使用范围带来任何限制。
如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O) 接口605也连接至总线604。
通常,以下装置可以连接至I/O接口605;包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609 从网络上被下载和安装,或者从存储装置608被安装,或者从ROM602被安装。在该计算机程序被处理装置601执行时,执行本公开实施例的坐姿计策方法中限定的上述功能。
需要说明的是,本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM 或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、 RF(射频)等等,或者上述的任意合适的组合。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:通过点读设备的摄像头采集点读用户的当前坐姿参数;确定所述当前坐姿参数与预设的坐姿参数之间的匹配度,其中,所述预设的坐姿参数根据点读用户的身体参数、点读设备所在的平面参数和点读用户所坐平面的参数确定;如果所述匹配度小于匹配度阈值,则向所述点读用户展示坐姿调整信息。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、 Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN) —连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。其中,单元的名称在某种情况下并不构成对该单元本身的限定,例如,第一获取单元还可以被描述为“获取至少两个网际协议地址的单元”。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开中所涉及的公开范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述公开构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种坐姿检测方法,其特征在于,包括:
通过点读设备的摄像头采集点读用户的当前坐姿参数;
确定所述当前坐姿参数与预设的坐姿参数之间的匹配度,其中,所述预设的坐姿参数根据点读用户的身体参数、点读设备所在的平面参数和点读用户所坐平面的参数确定;
如果所述匹配度小于匹配度阈值,则向所述点读用户展示坐姿调整信息。
2.根据权利要求1所述的坐姿检测方法,其特征在于,所述通过点读设备的摄像头采集点读用户的当前坐姿参数,包括:
通过点读设备的摄像头采集点读用户的当前视频;
从所述当前视频中识别出当前脸部参数和当前肢体参数。
3.根据权利要求2所述的坐姿检测方法,其特征在于,所述确定所述当前坐姿参数与预设的坐姿参数之间的匹配度,包括:
计算所述当前脸部参数和预设的脸部参数之间的第一匹配度;
计算所述当前肢体参数和预设的肢体参数之间的第二匹配度;
根据所述第一匹配度和第二匹配度计算当前坐姿参数与预设的坐姿参数之间的匹配度。
4.根据权利要求3所述的坐姿检测方法,其特征在于,所述当前脸部参数包括:当前脸部与所述摄像头的距离以及当前脸部与所述摄像头的角度;所述当前肢体参数包括:当前脸部、手部、肩部以及胸部两两之间的距离。
5.根据权利要求3所述的坐姿检测方法,其特征在于,计算所述当前肢体参数和预设的肢体参数之间的第二匹配度之后,还包括:
如果所述第一匹配度小于第一匹配度阈值,或者如果所述第二匹配度小于第二匹配度阈值,则向所述点读用户展示坐姿调整信息。
6.根据权利要求1所述的坐姿检测方法,其特征在于,所述如果所述匹配度小于匹配度阈值,则向所述点读用户展示坐姿调整信息,包括:
如果所述匹配度小于匹配度阈值,则检测所述匹配度小于匹配度阈值的累积时长;
若所述匹配度小于匹配度阈值的累积时长超过预设时长,则向所述点读用户展示坐姿调整信息。
7.一种坐姿检测装置,其特征在于,包括:
采集模块,用于通过点读设备的摄像头采集点读用户的当前坐姿参数;
确定模块,用于确定所述当前坐姿参数与预设的坐姿参数之间的匹配度,其中,所述预设的坐姿参数根据点读用户的身体参数、点读设备所在的平面参数和点读用户所坐平面的参数确定;
展示模块,用于如果所述匹配度小于匹配度阈值,则向所述点读用户展示坐姿调整信息。
8.根据权利要求7所述的坐姿检测装置,其特征在于,所述当前脸部参数包括:当前脸部与所述摄像头的距离以及当前脸部与所述摄像头的角度;所述当前肢体参数包括:当前脸部、手部、肩部以及胸部两两之间的距离。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6任一所述的坐姿检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-6任一所述的坐姿检测方法。
CN201910043873.3A 2019-01-17 2019-01-17 一种坐姿检测方法、装置、设备及存储介质 Active CN111444748B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910043873.3A CN111444748B (zh) 2019-01-17 2019-01-17 一种坐姿检测方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910043873.3A CN111444748B (zh) 2019-01-17 2019-01-17 一种坐姿检测方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111444748A true CN111444748A (zh) 2020-07-24
CN111444748B CN111444748B (zh) 2021-11-26

Family

ID=71626992

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910043873.3A Active CN111444748B (zh) 2019-01-17 2019-01-17 一种坐姿检测方法、装置、设备及存储介质

Country Status (1)

Country Link
CN (1) CN111444748B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111964674A (zh) * 2020-10-23 2020-11-20 四川写正智能科技有限公司 一种结合加速度传感器判断读写状态的方法及移动终端
CN112272333A (zh) * 2020-09-11 2021-01-26 小船出海教育科技(北京)有限公司 一种学生直播课坐姿纠正方法、装置及电子设备
CN113657271A (zh) * 2021-08-17 2021-11-16 上海科技大学 结合可量化因素及不可量化因素判断的坐姿检测方法及系统
CN114027614A (zh) * 2021-11-13 2022-02-11 安徽淘云科技股份有限公司 智能书桌高度微调方法、装置和设备
CN117292520A (zh) * 2023-09-25 2023-12-26 北京至真互联网技术有限公司 一种基于智能眼镜的坐姿纠正方法及系统

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1973059A2 (en) * 2007-03-19 2008-09-24 Aisin Seiki Kabushiki Kaisha Face region detecting device, method, and program
CN103400474A (zh) * 2013-07-08 2013-11-20 电子科技大学 一种基于椭圆检测的近视预防装置及方法
CN103423657A (zh) * 2013-08-21 2013-12-04 步步高教育电子有限公司 一种智能灯具及其智能提醒的方法
CN104217554A (zh) * 2014-09-19 2014-12-17 武汉理工大学 学生健康学习姿势提醒系统及方法
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
US20160058186A1 (en) * 2014-08-29 2016-03-03 Creating Nano Technologies, Inc. Intelligence computer desk and chair system
CN105844867A (zh) * 2016-03-18 2016-08-10 广东小天才科技有限公司 一种矫正用户坐姿的方法及装置
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
CN107103309A (zh) * 2017-05-31 2017-08-29 天津中科智能识别产业技术研究院有限公司 一种基于图像识别的学生坐姿检测与纠正系统
US20170311726A1 (en) * 2016-04-27 2017-11-02 Patrick Allen Danielson Ergonomic Chair Made from Paper Substrate with Embedded Sensor, Computer Readable Medium for Interacting with the Chair, Method of Making the Chair or Other Structures from Paper Substrate
CN107392146A (zh) * 2017-07-20 2017-11-24 湖南科乐坊教育科技股份有限公司 一种儿童坐姿检测方法及装置
CN107945590A (zh) * 2017-11-20 2018-04-20 徐美琴 一种手持式的学习设备
CN107993262A (zh) * 2017-10-25 2018-05-04 深圳市金立通信设备有限公司 终端设备使用姿势提示方法、终端及计算机可读存储介质
CN108601133A (zh) * 2018-02-12 2018-09-28 甄十信息科技(上海)有限公司 一种智能台灯及基于智能台灯的坐姿纠正方法
CN108665687A (zh) * 2017-03-28 2018-10-16 上海市眼病防治中心 一种坐姿监测方法和装置
CN108806360A (zh) * 2018-05-31 2018-11-13 北京智能管家科技有限公司 伴读方法、装置、设备和存储介质
CN109118730A (zh) * 2018-10-11 2019-01-01 曹景荣 一种坐姿调整提示的方法、装置、智能台灯和存储介质

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1973059A2 (en) * 2007-03-19 2008-09-24 Aisin Seiki Kabushiki Kaisha Face region detecting device, method, and program
CN103400474A (zh) * 2013-07-08 2013-11-20 电子科技大学 一种基于椭圆检测的近视预防装置及方法
CN103423657A (zh) * 2013-08-21 2013-12-04 步步高教育电子有限公司 一种智能灯具及其智能提醒的方法
US20160058186A1 (en) * 2014-08-29 2016-03-03 Creating Nano Technologies, Inc. Intelligence computer desk and chair system
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
CN104217554A (zh) * 2014-09-19 2014-12-17 武汉理工大学 学生健康学习姿势提醒系统及方法
CN105844867A (zh) * 2016-03-18 2016-08-10 广东小天才科技有限公司 一种矫正用户坐姿的方法及装置
US20170311726A1 (en) * 2016-04-27 2017-11-02 Patrick Allen Danielson Ergonomic Chair Made from Paper Substrate with Embedded Sensor, Computer Readable Medium for Interacting with the Chair, Method of Making the Chair or Other Structures from Paper Substrate
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
CN108665687A (zh) * 2017-03-28 2018-10-16 上海市眼病防治中心 一种坐姿监测方法和装置
CN107103309A (zh) * 2017-05-31 2017-08-29 天津中科智能识别产业技术研究院有限公司 一种基于图像识别的学生坐姿检测与纠正系统
CN107392146A (zh) * 2017-07-20 2017-11-24 湖南科乐坊教育科技股份有限公司 一种儿童坐姿检测方法及装置
CN107993262A (zh) * 2017-10-25 2018-05-04 深圳市金立通信设备有限公司 终端设备使用姿势提示方法、终端及计算机可读存储介质
CN107945590A (zh) * 2017-11-20 2018-04-20 徐美琴 一种手持式的学习设备
CN108601133A (zh) * 2018-02-12 2018-09-28 甄十信息科技(上海)有限公司 一种智能台灯及基于智能台灯的坐姿纠正方法
CN108806360A (zh) * 2018-05-31 2018-11-13 北京智能管家科技有限公司 伴读方法、装置、设备和存储介质
CN109118730A (zh) * 2018-10-11 2019-01-01 曹景荣 一种坐姿调整提示的方法、装置、智能台灯和存储介质

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
张宇: "基于机器视觉的人体状态监测关键技术研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112272333A (zh) * 2020-09-11 2021-01-26 小船出海教育科技(北京)有限公司 一种学生直播课坐姿纠正方法、装置及电子设备
CN111964674A (zh) * 2020-10-23 2020-11-20 四川写正智能科技有限公司 一种结合加速度传感器判断读写状态的方法及移动终端
CN113657271A (zh) * 2021-08-17 2021-11-16 上海科技大学 结合可量化因素及不可量化因素判断的坐姿检测方法及系统
CN113657271B (zh) * 2021-08-17 2023-10-03 上海科技大学 结合可量化因素及不可量化因素判断的坐姿检测方法及系统
CN114027614A (zh) * 2021-11-13 2022-02-11 安徽淘云科技股份有限公司 智能书桌高度微调方法、装置和设备
CN114027614B (zh) * 2021-11-13 2023-04-07 安徽淘云科技股份有限公司 智能书桌高度微调方法、装置和设备
CN117292520A (zh) * 2023-09-25 2023-12-26 北京至真互联网技术有限公司 一种基于智能眼镜的坐姿纠正方法及系统
CN117292520B (zh) * 2023-09-25 2024-05-14 北京至真互联网技术有限公司 一种基于智能眼镜的坐姿纠正方法及系统

Also Published As

Publication number Publication date
CN111444748B (zh) 2021-11-26

Similar Documents

Publication Publication Date Title
CN111444748B (zh) 一种坐姿检测方法、装置、设备及存储介质
CN103729981B (zh) 一种儿童坐姿监控智能终端
WO2020224479A1 (zh) 目标的位置获取方法、装置、计算机设备及存储介质
US9111171B2 (en) Method for correcting user's gaze direction in image, machine-readable storage medium and communication terminal
US10600189B1 (en) Optical flow techniques for event cameras
CN110930329B (zh) 星空图像处理方法及装置
CN112101123B (zh) 一种注意力检测方法及装置
CN111461097A (zh) 识别图像信息的方法、装置、电子设备及介质
CN110796005A (zh) 在线教学监控的方法、装置、电子设备及介质
CN110210045B (zh) 目标区域的人数估算方法、装置及存储介质
US11812152B2 (en) Method and apparatus for controlling video frame image in live classroom
CN113608641B (zh) 曲面屏显示位置的调整方法、装置、智能音箱及存储介质
US20160150986A1 (en) Living body determination devices and methods
CN112616048B (zh) Ar眼镜及其显示方法和系统、图像处理方法及设备
CN111836073B (zh) 视频清晰度的确定方法、装置、设备及存储介质
CN111589138B (zh) 动作预测方法、装置、设备及存储介质
CN109194952B (zh) 头戴式眼动追踪设备及其眼动追踪方法
CN110675473A (zh) 生成gif动态图的方法、装置、电子设备及介质
JP2006270711A (ja) 情報提供装置及び情報提供装置の制御用プログラム
WO2022041182A1 (zh) 音乐推荐方法和装置
CN112907702A (zh) 图像处理方法、装置、计算机设备及存储介质
CN111436956A (zh) 一种注意力检测方法、装置、设备及存储介质
CN112767453B (zh) 人脸跟踪方法、装置、电子设备及存储介质
CN111445439B (zh) 图像分析方法、装置、电子设备及介质
CN114296627A (zh) 内容显示方法、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
GR01 Patent grant
GR01 Patent grant