CN111639574B - 坐姿纠正方法及电子设备、存储介质 - Google Patents
坐姿纠正方法及电子设备、存储介质 Download PDFInfo
- Publication number
- CN111639574B CN111639574B CN202010443961.5A CN202010443961A CN111639574B CN 111639574 B CN111639574 B CN 111639574B CN 202010443961 A CN202010443961 A CN 202010443961A CN 111639574 B CN111639574 B CN 111639574B
- Authority
- CN
- China
- Prior art keywords
- sitting posture
- user
- dimensional
- image
- posture image
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- 238000012937 correction Methods 0.000 claims abstract description 57
- 238000004590 computer program Methods 0.000 claims description 13
- 238000001514 detection method Methods 0.000 claims description 5
- 238000005452 bending Methods 0.000 abstract description 7
- 230000036544 posture Effects 0.000 description 312
- 238000010586 diagram Methods 0.000 description 10
- 230000004438 eyesight Effects 0.000 description 8
- 210000000988 bone and bone Anatomy 0.000 description 6
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000003287 optical effect Effects 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本申请实施例涉及计算机技术领域，公开了一种坐姿纠正方法及电子设备、存储介质，该方法包括：获取用户三维坐姿图像；将该用户三维坐姿图像与基准三维坐姿图像进行比对，得到用户三维坐姿图像与基准三维坐姿图像的偏差值；其中，基准三维坐姿图像为正确坐姿对应的三维图像；当偏差值大于预设的图像偏差阈值时，确定用户三维坐姿图像与基准三维坐姿图像不相匹配，并输出坐姿纠正提示信息。可见，实施本申请实施例，通过对比用户三维坐姿图像与基准三维坐姿图像，能够分析出用户是否出现弯腰等错误坐姿，从而提高识别出错误坐姿的准确率。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种坐姿纠正方法及电子设备、存储介质。
背景技术
随着电子技术的发展，家教机和学习平板等电子设备在辅助学生用户学习方面发挥越来越多的作用，例如纠正用户的坐姿。目前，电子设备一般是通过摄像头拍摄用户的图片分析用户的坐姿是否正确，然而，摄像头拍摄的图片一般只能分析出用户的身体或头部是否发生倾斜等，而无法分析出用户是否出现弯腰等情况，可见，现有的坐姿纠正方法识别出错误坐姿的准确率较低。
发明内容
本申请实施例公开了一种坐姿纠正方法及电子设备、存储介质，能够提高识别出错误坐姿的准确率。
本申请实施例第一方面公开了一种坐姿纠正方法，其特征在于，所述方法包括：
获取用户三维坐姿图像；
将所述用户三维坐姿图像与基准三维坐姿图像进行比对，得到所述用户三维坐姿图像与所述基准三维坐姿图像的偏差值；其中，所述基准三维坐姿图像为正确坐姿对应的三维图像；
当所述偏差值大于预设的图像偏差阈值时，确定所述用户三维坐姿图像与所述基准三维坐姿图像不相匹配；
输出坐姿纠正提示信息。
作为一种可选的实施方式，在本申请实施例第一方面中，所述获取用户三维坐姿图像之后，所述方法还包括：
识别出所述用户三维坐姿图像中包含的用户区域；
分析所述用户三维坐姿图像中包含的用户区域的像素点的深度信息，得到所述用户三维坐姿图像对应的用户与电子设备之间的距离；
当所述距离小于预设的距离阈值时，输出距离提示信息。
作为一种可选的实施方式，在本申请实施例第一方面中，所述将所述用户三维坐姿图像与基准三维坐姿图像进行比对，得到所述用户三维坐姿图像与所述基准三维坐姿图像的偏差值，包括：
在所述用户三维坐姿图像中确定出若干与指定的身体部位相对应的第一关键点；
在基准三维坐姿图像中确定出与所述若干第一关键点一一对应的若干第二关键点；
根据每个所述第一关键点与对应的第二关键点之间的偏差值确定所述用户三维坐姿图像与所述基准三维坐姿图像的偏差值。
作为一种可选的实施方式，在本申请实施例第一方面中，所述根据每个所述第一关键点与对应的第二关键点之间的偏差值确定所述用户三维坐姿图像与所述基准三维坐姿图像的偏差值，包括：
将所述若干第一关键点按照预设的连接规则连接，以得到第一形状；
获取所述用户三维坐姿图像中包含的用户区域与所述基准三维坐姿图像中包含的用户区域之间的比例信息；
根据所述比例信息缩放所述第一形状，以得到缩放后的目标第一形状；
确定出所述目标第一形状的第一中心点；
将所述若干第二关键点按照预设连接规则连接，以得到第二形状；
确定出所述第二形状的第二中心点；
移动所述目标第一形状和/或所述第二形状，直至所述第一中心点与所述第二中心点重合；
获取所述目标第一形状与所述第二形状的非重合部分的体积值，并将所述体积值作为所述用户三维坐姿图像与所述基准三维坐姿图像的偏差值。
作为一种可选的实施方式，在本申请实施例第一方面中，所述输出坐姿纠正提示信息，包括：
从所述若干第一关键点中，确定出目标第一关键点，所述目标第一关键点与所述目标第一关键点对应的第二关键点之间的偏差值大于预设的关键点偏差阈值；
根据所述目标第一关键点对应的指定身体部位生成坐姿纠正提示信息，所述坐姿纠正提示信息用于提示用户纠正所述目标第一关键点对应的指定身体部位的姿态；
输出所述坐姿纠正提示信息。
作为一种可选的实施方式，在本申请实施例第一方面中，所述获取用户三维坐姿图像，包括：
按照坐姿检测频率控制激光雷达对用户进行扫描，以获得用户三维坐姿图像。
作为一种可选的实施方式，在本申请实施例第一方面中，在所述输出坐姿纠正提示信息之后，所述方法还包括：
在检测到所述用户完成坐姿纠正后，获取所述用户的纠正后的三维坐姿图像；
如果所述纠正后的三维坐姿图像与所述基准三维坐姿图像相匹配，向所述用户的学习账号中添加预设的虚拟资源。
本申请实施例第二方面公开了一种电子设备，其特征在于，所述电子设备包括：
第一获取单元，用于获取用户三维坐姿图像；
比对单元，用于将所述用户三维坐姿图像与基准三维坐姿图像进行比对，得到所述用户三维坐姿图像与所述基准三维坐姿图像的偏差值；其中，所述基准三维坐姿图像为正确坐姿对应的三维图像；
确定单元，用于在所述偏差值大于预设的图像偏差阈值时，确定所述用户三维坐姿图像与所述基准三维坐姿图像不相匹配。
本申请实施例第三方面公开一种电子设备，所述电子设备包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行本申请实施例第一方面公开的一种坐姿纠正方法。
本申请实施例第四方面一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，其中，所述计算机程序用于执行本申请实施例第一方面公开的一种坐姿纠正方法。
本申请实施例第五方面公开一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
本申请实施例第六方面公开一种应用发布平台，所述应用发布平台用于发布计算机程序产品，其中，当所述计算机程序产品在计算机上运行时，使得所述计算机执行第一方面的任意一种方法的部分或全部步骤。
与现有技术相比，本申请实施例具有以下有益效果：
在获取用户坐着时的用户三维坐姿图像后，将该用户三维坐姿图像与正确坐姿对应的基准三维坐姿图像进行比对，得到用户三维坐姿图像与基准三维坐姿图像的偏差值；如果偏差值大于预设的图像偏差阈值，确定用户三维坐姿图像与基准三维坐姿图像不相匹配；输出坐姿纠正提示信息。可见，实施本申请实施例，通过对比用户三维坐姿图像与基准三维坐姿图像，能够分析出用户是否出现弯腰等错误坐姿，从而提高识别出错误坐姿的准确率。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，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，还可以根据这些附图获得其他的附图。
图1是本申请实施例公开的一种坐姿纠正方法的流程示意图；
图2是本申请实施例公开的另一种坐姿纠正方法的流程示意图；
图3是本申请实施例公开的一种电子设备的结构示意图；
图4是本申请实施例公开的另一种电子设备的结构示意图；
图5是本申请实施例公开的另一种电子设备的结构示意图；
图6为本申请实施例公开的一种第一形状的示例图；
图7为本申请实施例公开的一种第二形状的示例图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书中的术语“第一”、“第二”、“第三”和“第四”等是用于区别不同的对象，而不是用于描述特定顺序。本申请实施例的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本申请实施例公开了一种坐姿纠正方法及电子设备，能够提高识别出错误坐姿的准确率。以下进行结合附图进行详细描述。
请参阅图1，图1是本申请实施例公开的一种坐姿纠正方法的流程示意图。如图1所示，该坐姿纠正方法可以包括以下步骤。
101、电子设备获取用户三维坐姿图像。
本申请实施例中，上述电子设备可以为家教机、学习平板或平板电脑等任一用于辅助用户学习的电子设备，本申请实施例不作限定。
在一些实施例中，上述用户三维坐姿图像为体现用户坐姿的三维立体图像，该图像中的每个像素点带有的深度信息包含像素点的成像物到形成该图像的设备间的距离信息。电子设备可以是通过电子设备本身配置的传感器对用户进行扫描检测，得到用户三维坐姿图像；也可以是与其他能够检测到用户三维坐姿图像的外部设备进行通讯连接，从而接收外部设备检测到的用户三维坐姿图像。具体的，电子设备对用户的身体进行扫描，得到电子设备与用户之间的距离信息，并根据电子设备与用户之间的距离信息生成用户三维坐姿图像；或者，外部设备对用户的身体进行扫描，得到外部设备与用户之间的距离信息，并根据电子设备与用户之间的距离信息生成用户三维坐姿图像。其中，获取用户三维坐姿图像可以采用3D视觉技术，3D视觉技术涉及的检测方法包括但不限于飞行时间法(Time ofFlight，ToF)、结构光法、三角测距法、双目视觉发以及多目视觉法。
102、电子设备将用户三维坐姿图像与基准三维坐姿图像进行比对，得到用户三维坐姿图像与基准三维坐姿图像的偏差值。其中，基准三维坐姿图像为正确坐姿对应的三维图像。
本申请实施例中，上述基准三维坐姿图像可以是预先采集的模范用户以正确坐姿端坐时的三维图像，采集方法与上述获取用户三维坐姿图像所采用的方法相同，此处不再赘述，在采集时可以以语音或图像的形式输出关于正确坐姿的信息，从而告知用户什么是正确坐姿，其中，模范用户可以是用户三维坐姿图像对应的用户，也可以是除用户三维坐姿图像对应的用户之外的人员，本申请实施例不作限定；可选的，该基准三维坐姿图像也可以是通过以下方式获得：利用大数据分析预先采集的多个不同的用户以正确坐姿端坐时的多个三维图像，获得多个三维图像共有的若干坐姿特征，根据若干个坐姿特征生成基准三维坐姿图像。
电子设备可以对用户三维坐姿图像与基准三维坐姿图像进行整体比对或局部对比。在一些实施例中，电子设备对比用户三维坐姿图像中包含的用户区域与基准三维坐姿图像中包含的用户区域的形状，根据对比出的形状的差异度确定出偏差值，例如对比出的形状差异度为20％，则可以取差异度的分子20作为偏差值。对比两者的形状，能够全面的分析用户的坐姿，准确率较高。
可选的，电子设备对比用户三维坐姿图像与基准三维坐姿图像中相同指定身体位置的夹角以及弧度，根据用户三维坐姿图像与基准三维坐姿图像中相同指定身体位置的夹角差值以及弧度差值确定出偏差值。电子设备根据的每个像素点带有的深度信息，可以计算出不同像像素点的成像物之间的相对位置，因此，对于同一指定身体位置，电子设备能够根据用户三维坐姿图像中指定身体位置的图像区域的像素点深度信息，计算出该图像中指定身体位置的夹角以及弧度；并根据基准三维坐姿图像中该指定身体位置区域的图像的像素点深度信息计算出基准三维坐姿图像中该指定身体位置的夹角以及弧度。从三维立体的角度分析用户的坐姿，进而提高识别用户坐姿是否正确的准确率。进一步的，可以预先设置相同指定身体位置对应的权重值，从而根据用户三维坐姿图像与基准三维坐姿图像中相同指定身体位置的夹角差值、弧度差值以及权重值确定出偏差值。举例来说，电子设备对比用户三维坐姿图像与基准三维坐姿图像中脖子与肩膀连接位置处的夹角以及脊椎的弧度，如果用户三维坐姿图像与基准三维坐姿图像中脖子与肩膀连接位置处的夹角差值为A，脊椎的弧度的差值为B，则可以结合预设的脖子与肩膀连接位置处的权重值a以及预设的脊椎的弧度的权重值b获取偏差值，如通过以下计算方式计算获得偏差值：(A*a)+(B*b)。对两个三维坐姿图像对应指定身体位置的夹角以及弧度进行对比，不用进行整体对比，有利于提高判断用户坐姿是否正确的效率。
103、当上述偏差值大于预设的图像偏差阈值时，电子设备确定用户三维坐姿图像与基准三维坐姿图像不相匹配。
本申请实施例中，上述预设的图像偏差阈值为由分析实验数据得到的一个阈值，上述偏差值大于该预设的图像偏差阈值时，用户三维坐姿图像与基准三维坐姿图像差异较大，因此，确定用户三维坐姿图像与基准三维坐姿图像不相匹配。
104、电子设备输出坐姿纠正提示信息。
上述坐姿纠正提示信息为用于提示用户纠正当前的错误坐姿的信息，具体的，电子设备输出坐姿纠正提示信息的方式可以是语音播报，和/或，在以文字、三维图像和/或动画的形式在显示屏上显示。例如，语音播报坐姿纠正提示信息的内容：“请坐直身体”，并同时在显示屏播放形成正确坐姿的动画，能够直观清晰地向用户传达坐姿纠正提示信息的内容。
在一些实施例中，电子设备根据用户三维坐姿图像以及基准三维坐姿图像生成三维模型，在三维模型中对需要进行纠正的姿态(或部位)进行标注提示，生成用于提示用户的三维提示模型，从而在将该三维提示模型作为坐姿纠正提示信息输出。通过增强现实技术进行坐姿纠正提示，形象生动。
上述实施例提供的方法，通过对比用户三维坐姿图像与基准三维坐姿图像，能够分析出用户是否出现弯腰等错误坐姿，从而提高识别出错误坐姿的准确率。此外，可以对比两者的形状，能够全面的分析用户的坐姿，准确率较高。此外，可以对两个三维坐姿图像对应指定身体位置的夹角以及弧度进行对比，不用进行整体对比，有利于提高判断用户坐姿是否正确的效率。
请参阅图2，图2是本申请实施例公开的另一种坐姿纠正方法的流程示意图。如图2所示，该坐姿纠正方法可以包括以下步骤。
201、电子设备获取用户三维坐姿图像。
在一些实施例中，步骤201可以包括：
电子设备按照坐姿检测频率控制激光雷达对用户进行扫描，以获得用户三维坐姿图像。
上述激光雷达可以设置于电子设备，也可以是电子设备通过通讯连接进行控制的外部设备，激光雷达利用飞行时间法捕捉用户三维坐姿图像，其利用激光雷达发射光波，光波遇到用户(不可穿透物体)会发生反射，通过记录反射光到达配置的接收器的时间，能计算出激光雷达与用户的距离，由此便得到用户三维坐姿图像。利用激光雷达获取用户三维坐姿图像，不受物体表面性质的影响，可快速准确地采集到用户三维坐姿图像。
作为一种可选的实施方式，当上述激光雷达可以设置于电子设备时，电子设备识别出用户三维坐姿图像中包含的用户区域；分析该用户三维坐姿图像中包含的用户区域的像素点的深度信息，得到该用户三维坐姿图像对应的用户与电子设备之间的距离，具体的，用户三维坐姿图像对应的用户与电子设备之间的距离可以是用户三维坐姿图像中包含的用户区域的各个像素点的深度信息计算出的距离的平均值；当距离小于预设的距离阈值时，电子设备输出距离提示信息，该预设的距离阈值为有利于保护视力健康的最小距离值，如65厘米，该距离提示用于提示用户当前距离电子设备较近，需加大与电子设备之间的距离。进一步的，电子设备识别出用户三维坐姿图像中包含的用户区域后，根据指定的身体部位的特征从该区域中确定出该指定身体部位对应的像素点，从而分析该指定身体部位对应的像素点的深度信息，可以得到该用户三维坐姿图像对应的用户的指定的身体部位与电子设备之间的距离，该指定的身体部位包括但不限于脸部、眼睛以及肩膀等。进一步的，电子设备可以在用户三维坐姿图像中指定身体部位所在的位置标记出特征点，该特征点可以是指定身体部位的中心点等，从而确定出该特征点与电子设备之间的距离，即用户指定身体部位与电子设备之间的距离。举例来说，电子设备可以将用户三维坐姿图像中双眼的连线中点标记为特征点，从而确定出该特征点与电子设备之间的距离，即眼睛与电子设备之间的距离。
可见，实施上述实施方式，利用用户三维坐姿图像分析出用户到电子设备之间的距离，并在用户距离电子设备较近时输出距离提示信息，有利于保护用户视力，具体分析某一身体部位到电子设备的距离，更具针对性，能够更有效地保护用户视力。
202、电子设备在用户三维坐姿图像中确定出若干与指定的身体部位相对应的第一关键点。
上述指定的身体部位包括但不限于脸部、关节、眼睛以及肩膀等。用户三维坐姿图像中一个指定的身体部位上可以包含多个第一关键点，第一关键点可以位于指定身体部位的起点、末端、中心，或若干个指定的身体部位的交叉点等，本申请实施例不作限定。
在一些实施例中，电子设备在用户三维坐姿图像中识别出若干与人体关节点相对应的第一关键点，将若干第一关键点按照人体骨架的关节点分布规则进行连接，得到用户三维坐姿图像对应的用户的骨骼姿态，根据用户三维坐姿图像对应的用户的骨骼姿态判断用户三维坐姿图像对应的用户坐姿是否为正确坐姿。具体的，将用户三维坐姿图像对应的用户的骨骼姿态与预设的正确坐姿对应的骨骼姿态进行比对，得到两者的骨骼姿态相似度；当两者的骨骼姿态相似度高于指定阈值时，用户三维坐姿图像对应的用户坐姿为正确坐姿；否则，用户三维坐姿图像对应的用户坐姿为正确坐姿为错误坐姿，执行步骤208。通过分析用户三维坐姿图像得到形成该图像时用户的骨骼姿态，从而判断用户三维坐姿图像对应的用户坐姿是否为正确坐姿，准确率较高。
203、电子设备在基准三维坐姿图像中确定出与若干第一关键点一一对应的若干第二关键点；其中，基准三维坐姿图像为正确坐姿对应的三维图像。
本申请实施例中，对于每一个第一关键点，电子设备根据第一关键点对应的指定身体部位从基准三维坐姿图像中查找出与该第一关键点相对应的第二关键点，即互相对应的第一关键点和第二关键点对应相同的指定身体部位。
204、电子设备根据每个第一关键点与其对应的第二关键点之间的偏差值确定用户三维坐姿图像与基准三维坐姿图像的偏差值。
本申请实施例中，第一关键点和第二关键点之间的偏差值可以是相对三维空间位置的偏差值，既包括平面上(即左右)的相对偏差值，也包括深度的偏差值。
在一些实施例中，电子设备根据相同指定身体部位上的若干个第一关键点以及其对应的第二关键点各自的深度信息，计算若干第一关键点与其对应的第二关键点之间的深度偏差值，从而将该深度偏差值作为用户三维坐姿图像与基准三维坐姿图像的偏差值。例如，根据用户三维坐姿图像中脊椎上的若干个第一关键点的深度信息，以及基准三维坐姿图像中与该若干第一关键点相对应的若干个第二关键点的深度信息，计算出脊椎上的第一关键点与其对应的第二关键点之间的深度偏差，并作为三维坐姿图像与基准三维坐姿图像的偏差值，可以理解，若干个第二关键点为脊椎上的关键点，进而能够根据三维坐姿图像与基准三维坐姿图像的偏差值判断用户是否出现弯腰的错误坐姿。
作为一种可选的实施方式，电子设备可以将所有第一关键点与其对应的第二关键点之间的偏差值进行求和或求平均值等计算，进而将求得的总和、累积值或平均值作为用户三维坐姿图像与基准三维坐姿图像的偏差值，具体的计算方式根据后续选定的预设的图像偏差阈值的获取方式相匹配，即如果预设的图像偏差阈值是通过求和的方式获得的，则用户三维坐姿图像与基准三维坐姿图像的偏差值亦采用求和的计算方式。举例来说，电子设备在用户三维坐姿图像中确定出分别对应双眼、下巴、双肩、脖子以及脊椎的10个第一关键点，在基准三维坐姿图像中确定出与这10个第一关键点一一对应的10个第二关键点，即10个第二关键点分别位于基准三维坐姿图像中双眼、下巴、双肩、脖子以及脊椎的位置；第一关键点C与其对应的第二关键点c的偏差值为X1，第一关键点D与其对应的第二关键点d的偏差值为X2，……第一关键点L与其对应的第二关键点l的偏差值为X10，从而可以将X1、X2……X10的总和作为用户三维坐姿图像与基准三维坐姿图像的偏差值。
作为另一种可选的实施方式，电子设备可以通过比对若干第一关键点连接形成的形状与若干第二关键点连接形成的形状，得到用户三维坐姿图像与基准三维坐姿图像的偏差值。
电子设备可以将若干第一关键点按照预设的连接规则连接，以得到第一形状，该预设的连接规则可以包括但不限于从上往下或从下往上、从左往右或从右往左等；获取用户三维坐姿图像中包含的用户区域与基准三维坐姿图像中包含的用户区域之间的比例信息，根据该比例信息缩放第一形状，以得到缩放后的目标第一形状，并确定出目标第一形状的第一中心点；电子设备将若干第二关键点按照预设连接规则连接，以得到第二形状，确定出第二形状的第二中心点；电子设备移动目标第一形状和/或第二形状，直至第一中心点与第二中心点重合；电子设备获取目标第一形状与第二形状的非重合部分的体积值，并将体积值作为用户三维坐姿图像与基准三维坐姿图像的偏差值。例如，请参阅图6和图7，图6为本申请实施例公开的一种第一形状的示例图；图7为本申请实施例公开的一种第二形状的示例图；若干第一关键点为C、D、E、F、G、H、I、J、K，且依次分别对应第二关键点c、d、e、f、g、h、i、j、k；将若干第一关键点按F、G、C、D、E、H、I、J、K、F的顺序依次连接得到第一形状，则若干第一关键点按f、g、c、d、e、h、i、j、k、f的顺序依次连接得到第二形状，如果用户三维坐姿图像对应的用户与基准三维坐姿图像对应的模范用户的身体体型比例为3:2；将第一形状缩小至原本的2/3，得到目标第一形状。在目标第一形状的中心与第二形状的中心重合的情况下，目标第一形状与第二形状的非重合部分的体积值即为用户三维坐姿图像与基准三维坐姿图像的偏差值。根据比例信息缩放第一形状，能够提高判断用户是否出现错误坐姿的准确率。
205、当偏差值大于预设的图像偏差阈值时，电子设备确定用户三维坐姿图像与基准三维坐姿图像不相匹配。
206、从若干第一关键点中，确定出目标第一关键点，目标第一关键点与目标第一关键点对应的第二关键点之间的偏差值大于预设的关键点偏差阈值。
本申请实施例中，上述预设的关键点偏差阈值与目标第一关键点对应的身体部位有关，可以预先设定不同设备部位对应的关键点偏差阈值，例如，若目标第一关键点对应眼睛，则预设的关键点偏差阈值为甲，若目标第一关键点对应肩膀，则预设的关键点偏差阈值为丙。目标第一关键点与目标第一关键点对应的第二关键点之间的偏差值大于预设的关键点偏差阈值，说明目标第一关键点对应的目标身体部位的姿态与正确坐姿的差别较大。
207、电子设备根据目标第一关键点对应的指定身体部位生成坐姿纠正提示信息，该坐姿纠正提示信息用于提示用户纠正目标第一关键点对应的指定身体部位的姿态。
本申请实施例中，电子设备可以根据目标第一关键点与其对应的第二关键点的偏差值，确定出根据目标第一关键点对应的目标身体部位的纠正方法，从而根据该纠正方法生成坐姿纠正提示信息，使得坐姿纠正提示信息的内容更具针对性。举例来说，目标第一关键点对应下巴，目标第一关键点相对于其对应的第二关键点向下偏3厘米，则纠正方法为抬高下巴，进而生成的坐姿纠正提示信息可以提示用户抬高下巴位置，不要过分低头。
208、电子设备输出上述坐姿纠正提示信息。
作为一种可选的实施方式，在步骤208之后，还可以包括以下步骤：
电子设备在检测到用户完成坐姿纠正后，获取用户的纠正后的三维坐姿图像；如果纠正后的三维坐姿图像与基准三维坐姿图像相匹配，电子设备向用户的学习账号中添加预设的虚拟资源，该虚拟资源可以是包括但不限于用于兑换游戏时长的游戏积分或用于兑换娱乐性视频观看时长的虚拟货币等。纠正后的三维坐姿图像与基准三维坐姿图像相匹配，说明用户已纠正自己的坐姿，给予相应的奖励，有利于提高用户纠正坐姿的积极性。
上述实施例提供的方法，通过对比用户三维坐姿图像与基准三维坐姿图像，能够分析出用户是否出现弯腰等错误坐姿，从而提高识别出错误坐姿的准确率。此外，根据比例信息缩放第一形状，能够提高判断用户是否出现错误坐姿的准确率。此外，根据该纠正方法生成坐姿纠正提示信息，使得坐姿纠正提示信息的内容更具针对性。此外，在用户已纠正自己的坐姿后，给予相应的奖励，有利于提高用户纠正坐姿的积极性。
请参阅图3，图3是本申请实施例公开的一种电子设备的结构示意图。如图3所示，该电子设备可以包括第一获取单元301、比对单元302、确定单元303和第一输出单元304。
第一获取单元301，用于获取用户三维坐姿图像；
比对单元302，用于将用户三维坐姿图像与基准三维坐姿图像进行比对，得到用户三维坐姿图像与基准三维坐姿图像的偏差值；其中，基准三维坐姿图像为正确坐姿对应的三维图像；
确定单元303，用于在偏差值大于预设的图像偏差阈值时，确定用户三维坐姿图像与基准三维坐姿图像不相匹配；
第一输出单元304，用于输出坐姿纠正提示信息。
上述实施例提供的电子设备，通过对比用户三维坐姿图像与基准三维坐姿图像，能够分析出用户是否出现弯腰等错误坐姿，从而提高识别出错误坐姿的准确率。此外，利用用户三维坐姿图像分析出用户到电子设备之间的距离，并在用户距离电子设备较近时输出距离提示信息，有利于保护用户视力。
请参阅图4，图4是本申请实施例公开的另一种电子设备的结构示意图。其中，图4所示的电子设备是由图3所示的电子设备进行优化得到的。与图3所示的电子设备相比较，图4所示的电子设备还可以包括分析单元305、第二输出单元306、第二获取单元307和添加单元308，且比对单元302包括第一确定子单元3021、第二确定子单元3022和第三确定子单元3023。
分析单元305，用于在获取用户三维坐姿图像之后，识别出用户三维坐姿图像中包含的用户区域，并分析用户三维坐姿图像中包含的用户区域的像素点的深度信息，得到用户三维坐姿图像对应的用户与电子设备之间的距离；
第二输出单元306，还用于当距离小于预设的距离阈值时，输出距离提示信息。
比对单元302，包括：
第一确定子单元3021，用于在用户三维坐姿图像中确定出若干指定的身体部位相对应的第一关键点；
第二确定子单元3022，用于在基准三维坐姿图像中确定出与若干第一关键点一一对应的若干第二关键点；
第三确定子单元3023，用于根据每个第一关键点与对应的第二关键点之间的偏差值确定用户三维坐姿图像与基准三维坐姿图像的偏差值。
具体的，第二确定子单元3023用于根据每个第一关键点与对应的第二关键点之间的偏差值确定用户三维坐姿图像与基准三维坐姿图像的偏差值的方式具体可以为：
第二确定子单元3023，用于将若干第一关键点按照预设的连接规则连接，以得到第一形状；获取用户三维坐姿图像中包含的用户区域与基准三维坐姿图像中包含的用户区域之间的比例信息；根据该比例信息缩放第一形状，以得到缩放后的目标第一形状；确定出目标第一形状的第一中心点；将若干第二关键点按照预设连接规则连接，以得到第二形状；确定出第二形状的第二中心点；移动目标第一形状和/或第二形状，直至第一中心点与第二中心点重合；获取目标第一形状与第二形状的非重合部分的体积值，并将体积值作为用户三维坐姿图像与基准三维坐姿图像的偏差值。
第一输出单元304用于输出坐姿纠正提示信息的方式具体可以为：
第一输出单元304，用于从若干第一关键点中，确定出目标第一关键点，目标第一关键点与目标第一关键点对应的第二关键点之间的偏差值大于预设的关键点偏差阈值；根据目标第一关键点对应的目标身体部位生成坐姿纠正提示信息，坐姿纠正提示信息用于提示用户纠正目标身体部位的姿态；输出坐姿纠正提示信息。
第一获取单元301用于获取用户三维坐姿图像的方式具体可以为：
第一获取单元301，用于按照坐姿检测频率控制激光雷达对用户进行扫描，以获得用户三维坐姿图像。
第二获取单元307，用于在输出坐姿纠正提示信息之后，如果检测到用户完成坐姿纠正，获取用户的纠正后的三维坐姿图像；
添加单元308，用于在纠正后的三维坐姿图像与基准三维坐姿图像相匹配时，向用户的学习账号中添加预设的虚拟资源。此外，根据身体体型比例信息缩放第一形状，能够提高判断用户是否出现错误坐姿的准确率。此外，根据该纠正方法生成坐姿纠正提示信息，使得坐姿纠正提示信息的内容更具针对性。此外，在用户已纠正自己的坐姿后，给予相应的奖励，有利于提高用户纠正坐姿的积极性。
上述实施例提供的电子设备，通过对比用户三维坐姿图像与基准三维坐姿图像，能够分析出用户是否出现弯腰等错误坐姿，从而提高识别出错误坐姿的准确率。此外，根据比例信息缩放第一形状，能够提高判断用户是否出现错误坐姿的准确率。此外，根据该纠正方法生成坐姿纠正提示信息，使得坐姿纠正提示信息的内容更具针对性。此外，在用户已纠正自己的坐姿后，给予相应的奖励，有利于提高用户纠正坐姿的积极性。
请参阅图5，图5是本申请实施例公开的另一种电子设备的结构示意图。如图5所示，该电子设备可以包括：
存储有可执行程序代码的存储器501；
与存储器501耦合的处理器502；
其中，处理器502调用存储器501中存储的可执行程序代码，执行上述各实施例中描述的坐姿纠正方法。
本申请实施例公开一种计算机可读存储介质，其存储计算机程序，其中，该计算机程序使得计算机执行上述各实施例中描述的坐姿纠正方法。
本申请实施例还公开一种计算机程序产品，其中，当计算机程序产品在计算机上运行时，使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。
本申请实施例还公开一种应用发布平台，该应用发布平台用于发布计算机程序产品，其中，当上述计算机程序产品在计算机上运行时，使得计算机执行如以上各方法实施例中的方法的部分或全部步骤。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质包括只读存储器(Read-Only Memory，ROM)、随机存储器(Random Access Memory，RAM)、可编程只读存储器(Programmable Read-only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、只读光盘(CompactDisc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
以上对本申请实施例公开的坐姿纠正方法及电子设备、存储介质进行了详细介绍，本文中应用了具体个例对本申请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申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。
Claims (8)
1.一种坐姿纠正方法，其特征在于，所述方法包括：
获取用户三维坐姿图像；
在所述用户三维坐姿图像中确定出若干与指定身体部位对应的第一关键点；
在基准三维坐姿图像中确定出与所述若干第一关键点一一对应的若干第二关键点；其中，所述基准三维坐姿图像为正确坐姿对应的三维图像；
将所述若干第一关键点按照预设的连接规则连接，以得到第一形状；
获取所述用户三维坐姿图像中包含的用户区域与所述基准三维坐姿图像中包含的用户区域之间的比例信息；
根据所述比例信息缩放所述第一形状，以得到缩放后的目标第一形状；
确定出所述目标第一形状的第一中心点；
将所述若干第二关键点按照预设连接规则连接，以得到第二形状；
确定出所述第二形状的第二中心点；
移动所述目标第一形状和/或所述第二形状，直至所述第一中心点与所述第二中心点重合；
获取所述目标第一形状与所述第二形状的非重合部分的体积值，并将所述体积值作为所述用户三维坐姿图像与所述基准三维坐姿图像的偏差值；
当所述偏差值大于预设的图像偏差阈值时，确定所述用户三维坐姿图像与所述基准三维坐姿图像不相匹配；
输出坐姿纠正提示信息。
2.根据权利要求1所述的方法，其特征在于，所述获取用户三维坐姿图像之后，所述方法还包括：
识别出所述用户三维坐姿图像中包含的用户区域；
分析所述用户三维坐姿图像中包含的用户区域的像素点的深度信息，得到所述用户三维坐姿图像对应的用户与电子设备之间的距离；
当所述距离小于预设的距离阈值时，输出距离提示信息。
3.根据权利要求1所述的方法，其特征在于，所述输出坐姿纠正提示信息，包括：
从所述第一关键点中，确定出目标第一关键点，所述目标第一关键点与所述目标第一关键点对应的第二关键点之间的偏差值大于预设的关键点偏差阈值；
根据所述目标第一关键点对应的指定身体部位生成坐姿纠正提示信息，所述坐姿纠正提示信息用于提示用户纠正所述目标第一关键点对应的指定身体部位的姿态；
输出所述坐姿纠正提示信息。
4.根据权利要求1所述的方法，其特征在于，所述获取用户三维坐姿图像，包括：
按照坐姿检测频率控制激光雷达对用户进行扫描，以获得用户三维坐姿图像。
5.根据权利要求4所述的方法，其特征在于，在所述输出坐姿纠正提示信息之后，所述方法还包括：
在检测到所述用户完成坐姿纠正后，获取所述用户的纠正后的三维坐姿图像；
如果所述纠正后的三维坐姿图像与所述基准三维坐姿图像相匹配，向所述用户的学习账号中添加预设的虚拟资源。
6.一种电子设备，其特征在于，所述电子设备包括：
第一获取单元，用于获取用户三维坐姿图像；
比对单元，包括：
第一确定子单元，用于在所述用户三维坐姿图像中确定出若干指定的身体部位相对应的第一关键点；
第二确定子单元，用于在基准三维坐姿图像中确定出与若干第一关键点一一对应的若干第二关键点；其中，所述基准三维坐姿图像为正确坐姿对应的三维图像；
第三确定子单元，用于将若干第一关键点按照预设的连接规则连接，以得到第一形状；获取用户三维坐姿图像中包含的用户区域与基准三维坐姿图像中包含的用户区域之间的比例信息；根据该比例信息缩放第一形状，以得到缩放后的目标第一形状；确定出目标第一形状的第一中心点；将若干第二关键点按照预设连接规则连接，以得到第二形状；确定出第二形状的第二中心点；移动目标第一形状和/或第二形状，直至第一中心点与第二中心点重合；获取目标第一形状与第二形状的非重合部分的体积值，并将体积值作为用户三维坐姿图像与基准三维坐姿图像的偏差值；
确定单元，用于在所述偏差值大于预设的图像偏差阈值时，确定所述用户三维坐姿图像与所述基准三维坐姿图像不相匹配；
第一输出单元，用于输出坐姿纠正提示信息。
7.一种电子设备，其特征在于，所述电子设备包括：
存储有可执行程序代码的存储器；
与所述存储器耦合的处理器；
所述处理器调用所述存储器中存储的所述可执行程序代码，执行权利要求1~5任一项所述的一种坐姿纠正方法。
8.一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存储计算机程序，其中，所述计算机程序用于执行权利要求1~5任一项所述的一种坐姿纠正方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010443961.5A CN111639574B (zh) | 2020-05-22 | 2020-05-22 | 坐姿纠正方法及电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010443961.5A CN111639574B (zh) | 2020-05-22 | 2020-05-22 | 坐姿纠正方法及电子设备、存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111639574A CN111639574A (zh) | 2020-09-08 |
| CN111639574B true CN111639574B (zh) | 2023-09-26 |
Family
ID=72329357
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010443961.5A Active CN111639574B (zh) | 2020-05-22 | 2020-05-22 | 坐姿纠正方法及电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111639574B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112190258B (zh) * | 2020-09-30 | 2021-07-20 | 珠海格力电器股份有限公司 | 座椅角度调节方法、装置、存储介质及电子设备 |
| CN112485782B (zh) * | 2020-11-24 | 2024-07-09 | 京东方科技集团股份有限公司 | 坐姿监测方法及装置、电子设备和可读存储介质 |
| CN112270815B (zh) * | 2020-12-23 | 2021-03-16 | 四川写正智能科技有限公司 | 一种基于智能手表的读写姿态识别方法及系统 |
| CN113297938B (zh) * | 2021-05-17 | 2024-05-24 | 深圳市优必选科技股份有限公司 | 坐姿监控的方法、装置、电子设备及存储介质 |
| CN114038016A (zh) * | 2021-11-16 | 2022-02-11 | 平安普惠企业管理有限公司 | 一种坐姿检测方法、装置、设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108960036A (zh) * | 2018-04-27 | 2018-12-07 | 北京市商汤科技开发有限公司 | 三维人体姿态预测方法、装置、介质及设备 |
| WO2019069369A1 (ja) * | 2017-10-03 | 2019-04-11 | 富士通株式会社 | 姿勢認識システム、画像補正プログラムおよび画像補正方法 |
| CN110440697A (zh) * | 2019-08-08 | 2019-11-12 | 肖乐 | 纠正坐姿智能系统及方法 |
| CN110717392A (zh) * | 2019-09-05 | 2020-01-21 | 云知声智能科技股份有限公司 | 一种坐姿检测与纠正方法和装置 |
| 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 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8442267B2 (en) * | 2008-12-24 | 2013-05-14 | Electronics And Telecommunications Research Institute | Apparatus and method for detecting upper body posture and hand posture |
-
2020
- 2020-05-22 CN CN202010443961.5A patent/CN111639574B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2019069369A1 (ja) * | 2017-10-03 | 2019-04-11 | 富士通株式会社 | 姿勢認識システム、画像補正プログラムおよび画像補正方法 |
| CN108960036A (zh) * | 2018-04-27 | 2018-12-07 | 北京市商汤科技开发有限公司 | 三维人体姿态预测方法、装置、介质及设备 |
| CN110440697A (zh) * | 2019-08-08 | 2019-11-12 | 肖乐 | 纠正坐姿智能系统及方法 |
| CN110717392A (zh) * | 2019-09-05 | 2020-01-21 | 云知声智能科技股份有限公司 | 一种坐姿检测与纠正方法和装置 |
| 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 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111639574A (zh) | 2020-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111639574B (zh) | 坐姿纠正方法及电子设备、存储介质 | |
| US6890262B2 (en) | Video game apparatus, method and recording medium storing program for controlling viewpoint movement of simulated camera in video game | |
| JP5039808B2 (ja) | ゲーム装置、ゲーム装置の制御方法、及びプログラム | |
| US9154739B1 (en) | Physical training assistant system | |
| US8613666B2 (en) | User selection and navigation based on looped motions | |
| KR102106135B1 (ko) | 행동 인식 기반의 응용 서비스 제공 장치 및 그 방법 | |
| JP6809226B2 (ja) | 生体検知装置、生体検知方法、および、生体検知プログラム | |
| CN105320271A (zh) | 利用直接几何建模的头戴式显示器校准 | |
| US6611283B1 (en) | Method and apparatus for inputting three-dimensional shape information | |
| CN104885098A (zh) | 基于移动装置的文本检测及跟踪 | |
| US20120053015A1 (en) | Coordinated Motion and Audio Experience Using Looped Motions | |
| CN113994396A (zh) | 基于增强现实和/或姿势检测技术的用户引导系统 | |
| CN110544302A (zh) | 基于多目视觉的人体动作重建系统、方法和动作训练系统 | |
| US11429193B2 (en) | Control of virtual objects based on gesture changes of users | |
| JP2015186531A (ja) | 動作情報処理装置、及びプログラム | |
| KR101639161B1 (ko) | 골격 정보를 이용한 사용자 인증 방법 | |
| KR20180121902A (ko) | 검증 코드 기반의 검증 프로세싱 방법 및 장치 | |
| US20130069939A1 (en) | Character image processing apparatus and method for footskate cleanup in real time animation | |
| CN112543343A (zh) | 基于连麦直播的直播画面处理方法、装置及电子设备 | |
| KR20170078176A (ko) | 동작 인식 기반의 게임을 제공하기 위한 장치, 이를 위한 방법 및 이 방법이 기록된 컴퓨터 판독 가능한 기록매체 | |
| KR102498002B1 (ko) | 증강 현실을 이용한 당구 학습 방법 및 시스템 | |
| CN113743237A (zh) | 跟随动作的准确度判定方法、装置、电子设备及存储介质 | |
| KR20170116437A (ko) | 스키 시뮬레이터에서 사용자 자세 인식 장치 및 그 방법 | |
| CN113342157B (zh) | 眼球追踪处理方法及相关装置 | |
| CN112973110A (zh) | 云游戏控制方法、装置、网络电视及计算机可读存储介质 |
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 |