CN111734974B - 一种具有坐姿提醒功能的智能台灯 - Google Patents

一种具有坐姿提醒功能的智能台灯 Download PDF

Info

Publication number
CN111734974B
CN111734974B CN202010423617.XA CN202010423617A CN111734974B CN 111734974 B CN111734974 B CN 111734974B CN 202010423617 A CN202010423617 A CN 202010423617A CN 111734974 B CN111734974 B CN 111734974B
Authority
CN
China
Prior art keywords
user
sitting posture
face
face frame
information
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
Application number
CN202010423617.XA
Other languages
English (en)
Other versions
CN111734974A (zh
Inventor
吴嘉毅
赵永军
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.)
Guangdong Mingfeng Power Technology Co ltd
Zhongshan Mingyi Smart Home Technology Co ltd
Original Assignee
Zhongshan Mingyi Smart Home 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 Zhongshan Mingyi Smart Home Technology Co ltd filed Critical Zhongshan Mingyi Smart Home Technology Co ltd
Publication of CN111734974A publication Critical patent/CN111734974A/zh
Application granted granted Critical
Publication of CN111734974B publication Critical patent/CN111734974B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F21—LIGHTING
    • F21S—NON-PORTABLE LIGHTING DEVICES; SYSTEMS THEREOF; VEHICLE LIGHTING DEVICES SPECIALLY ADAPTED FOR VEHICLE EXTERIORS
    • F21S6/00—Lighting devices intended to be free-standing
    • F21S6/002—Table lamps, e.g. for ambient lighting
    • F21S6/003—Table lamps, e.g. for ambient lighting for task lighting, e.g. for reading or desk work, e.g. angle poise lamps
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F21—LIGHTING
    • F21V—FUNCTIONAL FEATURES OR DETAILS OF LIGHTING DEVICES OR SYSTEMS THEREOF; STRUCTURAL COMBINATIONS OF LIGHTING DEVICES WITH OTHER ARTICLES, NOT OTHERWISE PROVIDED FOR
    • F21V23/00—Arrangement of electric circuit elements in or on lighting devices
    • F21V23/003—Arrangement of electric circuit elements in or on lighting devices the elements being electronics drivers or controllers for operating the light source, e.g. for a LED array
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F21—LIGHTING
    • F21V—FUNCTIONAL FEATURES OR DETAILS OF LIGHTING DEVICES OR SYSTEMS THEREOF; STRUCTURAL COMBINATIONS OF LIGHTING DEVICES WITH OTHER ARTICLES, NOT OTHERWISE PROVIDED FOR
    • F21V23/00—Arrangement of electric circuit elements in or on lighting devices
    • F21V23/04—Arrangement of electric circuit elements in or on lighting devices the elements being switches
    • F21V23/0442—Arrangement of electric circuit elements in or on lighting devices the elements being switches activated by means of a sensor, e.g. motion or photodetectors
    • F21V23/0464—Arrangement of electric circuit elements in or on lighting devices the elements being switches activated by means of a sensor, e.g. motion or photodetectors the sensor sensing the level of ambient illumination, e.g. dawn or dusk sensors
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F21—LIGHTING
    • F21V—FUNCTIONAL FEATURES OR DETAILS OF LIGHTING DEVICES OR SYSTEMS THEREOF; STRUCTURAL COMBINATIONS OF LIGHTING DEVICES WITH OTHER ARTICLES, NOT OTHERWISE PROVIDED FOR
    • F21V23/00—Arrangement of electric circuit elements in or on lighting devices
    • F21V23/04—Arrangement of electric circuit elements in or on lighting devices the elements being switches
    • F21V23/0442—Arrangement of electric circuit elements in or on lighting devices the elements being switches activated by means of a sensor, e.g. motion or photodetectors
    • F21V23/0485—Arrangement of electric circuit elements in or on lighting devices the elements being switches activated by means of a sensor, e.g. motion or photodetectors the sensor sensing the physical interaction between a user and certain areas located on the lighting device, e.g. a touch sensor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F21—LIGHTING
    • F21V—FUNCTIONAL FEATURES OR DETAILS OF LIGHTING DEVICES OR SYSTEMS THEREOF; STRUCTURAL COMBINATIONS OF LIGHTING DEVICES WITH OTHER ARTICLES, NOT OTHERWISE PROVIDED FOR
    • F21V33/00—Structural combinations of lighting devices with other articles, not otherwise provided for
    • F21V33/0004—Personal or domestic articles
    • F21V33/0052—Audio or video equipment, e.g. televisions, telephones, cameras or computers; Remote control devices therefor
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F21—LIGHTING
    • F21V—FUNCTIONAL FEATURES OR DETAILS OF LIGHTING DEVICES OR SYSTEMS THEREOF; STRUCTURAL COMBINATIONS OF LIGHTING DEVICES WITH OTHER ARTICLES, NOT OTHERWISE PROVIDED FOR
    • F21V33/00—Structural combinations of lighting devices with other articles, not otherwise provided for
    • F21V33/0064—Health, life-saving or fire-fighting equipment
    • F21V33/0076—Safety or security signalisation, e.g. smoke or burglar alarms, earthquake detectors; Self-defence devices
    • F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
    • F21—LIGHTING
    • F21Y—INDEXING SCHEME ASSOCIATED WITH SUBCLASSES F21K, F21L, F21S and F21V, RELATING TO THE FORM OR THE KIND OF THE LIGHT SOURCES OR OF THE COLOUR OF THE LIGHT EMITTED
    • F21Y2115/00—Light-generating elements of semiconductor light sources
    • F21Y2115/10—Light-emitting diodes [LED]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Engineering & Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Human Computer Interaction (AREA)
  • Computer Security & Cryptography (AREA)
  • Environmental & Geological Engineering (AREA)
  • Multimedia (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种具有坐姿提醒功能的智能台灯，包括灯头、转臂、立柱和底座；所述转臂一端与灯头转动连接，另一端与立柱的一端转动连接；所述立柱的另一端与底座连接；所述立柱内设置有处理控制单元，所述处理控制单元集成有坐姿检测方法，用于对用户坐姿状况进行检测，并将检测结果反馈给用户，如果错误则提示用户坐姿不正确。本发明通过摄像头采集用户的坐姿图像数据上传，通过台灯的处理控制单元，对用户不良坐姿提醒,用户无需佩戴任何功能配件，使用简单、方便并且不会产生体感的不适，采用的是基于神经网络系统，能自动学习用户的使用习惯，自动优化算法，能随着用户长时间使用后，提高坐姿判断的准确度，带给用户更佳的使用体验。

Description

一种具有坐姿提醒功能的智能台灯
技术领域
本发明涉及智能检测技术领域，具体涉及一种具有坐姿提醒功能的智能台灯。
背景技术
人们日常生活中长期的不正确的坐姿通常是脊柱疾病的成因之一。此外，长期不正确的坐姿还极易让经常需要阅读、书写的青少年人群养成视距过近的不良习惯，短期不良后果是容易产生视疲劳，长期可能诱发屈光不正等疾病。目前，我国青少年的近视率常年居于世界前列，因此近年来国家对于青少年近视防护工作日益重视，以望改变这一现象。除了给青少年课业减负，通过日常的提醒与纠正不良的坐姿和用眼习惯以养成良好的用眼习惯，也可以直接减少有关疾病的发病概率。
目前市面上已有的部分台灯产品也集成了相关的功能来提醒用户在使用时保持一个正确的坐姿。但是这些产品在技术或是用户体验上均存在不小的问题。部分产品通过让用户佩戴传感器设备的方式来判断其坐姿是否正确，使用方式繁琐而且额外的配件容易丢失，用户体验不好；还有些产品采用的是一体化设计，通过传统的红外光栅技术，在空间中设置光栅区域来判断用户是否移动出了特定区域，这类产品设置的光栅密度有限，仅能对特定位置进行判断，如果想要提高检测精度需要增加传感器数量。同时这种依赖光栅技术的实施方案灵活度低，机械误差大；此外还有一些产品使用了视觉传感器，通过采集用户图像来判断用户状态，但是存在对于用户的前倾、后仰、抬头或是低头等错误坐姿的检测速度慢或是精度不高的不足之处。
发明内容
有鉴于此，为了解决现有技术中的上述问题，本发明提出一种具有坐姿提醒功能的智能台灯，能对用户不良坐姿进行提醒。
本发明通过以下技术手段解决上述问题：
一种具有坐姿提醒功能的智能台灯，包括灯头、转臂、立柱和底座；
所述转臂一端与灯头转动连接，另一端与立柱的一端转动连接；
所述立柱的另一端与底座连接；
所述立柱内设置有处理控制单元，所述处理控制单元集成有坐姿检测方法，用于对用户坐姿状况进行检测，并将检测结果反馈给用户，如果错误则提示用户坐姿不正确。
进一步地，所述处理控制单元还将用户坐姿状况的检测结果经由云端服务器，实时或定时发送至终端设备。
进一步地，所述灯头包括灯头上板、灯头下盖、灯头锁紧块和灯头转轴；
灯头上板和灯头下盖通过灯头锁紧块围成一腔体，腔体内设置有散热组件和光学组件，散热组件和光学组件电连接，光学组件上设置有LED光源，灯头锁紧块上面盖有装饰盖板；
灯头锁紧块通过灯头转轴与转臂的一端转动连接。
进一步地，所述立柱包括转轴固定件、下转轴和立柱外壁，转轴固定件设置于立柱外壁内，转轴固定件的一端通过下转轴与转臂的另一端转动连接，转轴固定件的另一端连接底座；
所述转轴固定件上设置有摄像头、处理控制单元、语音输出单元和电源输出单元；
所述电源输出单元分别与摄像头、处理控制单元、语音输出单元、光学组件电连接；
所述处理控制单元分别与摄像头、语音输出单元电连接；
所述立柱外壁正对摄像头的位置设置有镜片；
所述立柱外壁正对语音输出单元的位置设置有语音孔。
进一步地，所述底座包括底座上盖、底座下盖和电源插座；
所述电源插座与电源输出单元电连接；
所述底座上盖与电源插座连接；
所述底座上盖设置有光线传感器和触摸控制单元；
所述触摸控制单元设置有开关键、坐姿监测键、视力测量键、学习模式键和功能组合键。
进一步地，所述坐姿检测方法具体包括：
开启坐姿检测功能，首先加载已经训练完成的神经网络模型，然后检查嵌入式设备内的特定位置是否存在保存有标定好的标准坐姿信息的配置文件，如果文件存在则进入坐姿检测模式，如果文件不存在则进入标准坐姿标定模式，待标定完成后，将配置文件保存在指定位置，然后进入坐姿检测模式；
进入标准坐姿的标定模式，确保摄像头能够将用户脸部区域完整拍摄后，开始标准坐姿的录入环节；在标定过程中，持续提取用户脸部区域的[W,H,S,X,Y]特征信息，人脸框的宽度W，高度H，面积大小S以及框的中心位置(X,Y)，其中，X指的是中心点在图像上的横坐标值，Y指的是中心点在图像上的纵坐标值；在标定完成后，对各个特征进行分析：首先分别计算每组特征的均值μi和标准差σi,确定每组特征的上下限分别为μi-2σi和μi+2σi,最终将各个特征的上下限及其均值保存为配置文件，以供检测时调用；
进入检测模式，初始化获得用户输入的设定允许偏离的阈值和用户设定的最大允许错误坐姿的时间，并载入配置文件；此后，从实时获取的视频流中截取视频帧作为神经网络模型的输入，在对神经网络模型的输出结果进行筛除和去除冗余信息后进行分析，判断用户是否在监控区域内；在判断用户在监控区域内的情况下，提取用户坐姿的5个特征[W,H,S,X,Y]；该过程每N秒实施一次，将每次计算得到的各个特征值连同用户输入的设定允许偏离的阈值与获取的对应特征的标定参考值进行对比之后得出用户在一个单元内的坐姿正确与否；
结合用户设定的最大允许错误坐姿的时间，当用户坐姿持续错误一定时间后设备向外发送报警信息，并且在一段时间内不再提醒，以避免提醒过于频繁，影响用户体验。
进一步地，已经训练完成的神经网络模型具体结构为：
神经网络模型指的是一种单次目标检测的深度学习的网络模型，该模型采用的是SSD类的网络模型结构，模型以RGB三通道的图片作为输入；图片经过6层深度可分离卷积层后，输入RFB(Receptive Field Block)卷积层，然后经过5层深度可分离卷积层，将第7、10、12层的输出分别输入到分类头部(Classification Header)和回归头部(RegressionHeader)，得到人脸预测框的分类和预测框的位置，最后将两个头部的输出合并，得到一个大小为(500,6)的矩阵；其中分类头部输出当前框属于背景/人脸区域的概率，回归头部输出预测框的左上角点PLT(x1,y1)和右下角点PRB(x2,y2)的坐标；
训练完成的神经网络模型指的是利用公开的人脸数据集和自建的人脸数据集训练神经网络模型；自建数据集指的是通过模拟实际使用过程，利用测试机收集一系列用户使用设备时的图片，之后采取人工标注的方式标注出图片中用户人脸的位置，同时对一些不合要求的图片进行剔除。
进一步地，标定模式和检测模式中5个特征值[W,H,S,X,Y]的计算方法为：
摄像头需置于用户前方，摄像头与用户的连线与用户正前方向的夹角不超过45°以确保用户人脸能够较为完整的被摄像头拍摄记录；
摄像头实时采集含有用户上半身的视频流，同时应确保用户的脸部被完整地拍摄；然后从视频流中每隔特定时间抽取出一帧图像作为算法处理的对象，使用双线性插值的方法将图像初步整定到160像素宽、120像素高的大小，记作Image1；
将RGB三通道的图像Image1输入到预先训练好的神经网络模型中，得到网络输出人脸框数组(BoxesArray)，其中人脸框数组由所有可能的人脸框信息(BoxInfo)构成，每一个人脸框信息都记录有表征当前人脸框的信息，包括：框的左上角点PLT的坐标(x1,y1)和右下角点PRB的坐标(x2,y2)以及当前框确实是人脸区域的一个概率值(score)；
对得到的人脸框数组中的人脸框信息进行筛选，选择筛选后的概率值最大的人脸框信息作为最后用于用户脸部的依据；
根据得到的最终的人脸框信息，在判断用户存在于监控区域的条件下，提取出用户脸部特征:人脸框的宽度W，高度H，面积大小S以及框的中心位置(X,Y)；其中，X指的是中心点在图像上的横坐标值，Y指的是中心点在图像上的纵坐标值；
对人脸框信息的筛选：首先通过非极大抑制的方法，去除冗余的检测框；然后保留概率值大于0.85的人脸框信息；然后保留由左上角点PLT和右下角点PRB组成的矩形框面积不小于1000平方像素的人脸框信息，最终在所有剩下的人脸框信息中取概率值最大的人脸框信息作为最终用于分析用户坐姿的依据；
记此时人脸框信息为(x1,y1,x2,y2)，那么5个特征值[W,H,S,X,Y]的计算方式为W＝x2-x1、H＝y2-y1、S＝WH、
Figure GDA0003578133050000051
进一步地，判断用户是否在监控区域内的方法为：
对人脸框数组筛选后，人脸框数组中仍然还有人脸框信息的话，则认为用户在监控区域内；若经过筛选后，人脸框数组中没有人脸框信息剩下的话，则分类讨论：
①、若上一次检测结果显示用户的脸部区域在图像的中间位置，则认为此次检测有误，用户仍然在监控区域内，但是因为用户脸部姿态过大无法检测到人脸信息；
②、若符合①中的条件，但是已经有连续5次人脸框数组中没有人脸框信息剩下，则认为用户已经离开了监控区域，设备提示用户可能已经离开监控区域；
③、若上一次检测结果显示用户的脸部区域在图像的边缘位置，则认为用户已经离开了监控区域，设备提示用户已经离开了监控区域。
进一步地，用于判断用户处于正确坐姿状态时的判断依据为：
使用者设定允许偏离的最大程度α；标定得到的人脸框的宽度W的参考值上限
Figure GDA0003578133050000061
下限
Figure GDA0003578133050000062
和均值WST；标定得到的高度H的参考值上限
Figure GDA0003578133050000063
下限
Figure GDA0003578133050000064
和均值HST；标定得到的面积大小S的参考值上限
Figure GDA0003578133050000065
下限
Figure GDA0003578133050000066
和均值SST；标定得到的中心点在图像上的横坐标值X的参考值上限
Figure GDA0003578133050000067
下限
Figure GDA0003578133050000068
和均值XST；标定得到的中心点在图像上的纵坐标值Y的参考值上限
Figure GDA0003578133050000069
下限
Figure GDA00035781330500000610
和均值YST；
①若
Figure GDA00035781330500000611
a)若
Figure GDA00035781330500000612
且
Figure GDA00035781330500000613
Figure GDA00035781330500000614
判断用户坐姿正确；
b)其余情况则认为用户坐姿错误；
②若
Figure GDA00035781330500000615
判断用户坐姿错误；
③若
Figure GDA00035781330500000616
a)若
Figure GDA00035781330500000617
或
Figure GDA00035781330500000618
时：
i.若
Figure GDA00035781330500000619
且
Figure GDA00035781330500000620
Figure GDA00035781330500000621
且
Figure GDA00035781330500000622
时，判断用户坐姿正确；
ii.其余情况则认为用户坐姿错误；
b)若
Figure GDA0003578133050000071
或
Figure GDA0003578133050000072
时：
i.若
Figure GDA0003578133050000073
且
Figure GDA0003578133050000074
Figure GDA0003578133050000075
且
Figure GDA0003578133050000076
时，判断用户坐姿正确；
ii.其余情况则认为用户坐姿错误。
与现有技术相比，本发明的有益效果至少包括：
1、能自动判断用户使用时的状况从而进行逻辑判断，能通过友好的提示功能提醒用户要进行的操作，方便用户使用。
2、通过摄像头采集用户的坐姿图像数据上传，通过台灯的处理控制单元，对用户不良坐姿提醒,用户无需佩戴任何功能配件，使用简单、方便并且不会产生体感的不适。
3、采用的是基于神经网络系统，能自动学习用户的使用习惯，自动优化算法，能随着用户长时间使用后，提高坐姿判断的准确度，带给用户更佳的使用体验。
4、台灯内置有带智能通讯功能的处理控制单元，可将用户数据经由本处理控制单元解析后，上传云端服务器，并将用户坐姿统计数据，实时或定时反馈回传给监护人，方便监护人对用户的坐姿情况进行监督，能更进一步采取措施进行改变不良的用眼习惯。
5、监护人还可通过云端服务器解析出的提供的参数，对台灯进行远程操作，如启动摄像头、调节台灯亮度，合理控制用户使用时间等，给用户创造更佳的用光环境，和良好的用眼习惯。
6、用户可以通过灯臂、灯头转轴，能更方便、快捷调整更适合的灯头位置，提供最优的灯光照射位置，创造更佳的用光环境。
7、灯台采用了优质光线传感器，并在处理控制器中集成了光线自动适应环境的算法。可以自动根据环境的条件变化自动把光线调整到最佳的阅读环境。给用户创造更佳的用光环境，能更好的保护用户视力健康。
8、对于用户的不良坐姿具有提醒功能，及时纠正用户的不良坐姿，长期使用本台灯使得用户形体更优美，预防脊柱疾病。
9、对于用户的不良坐姿具有提醒功能，及时纠正用户的不良坐姿，能有效缓解眼部疲劳，预防近视。
10、对于用户的不良坐姿具有提醒功能，监护人无需担心长期学习对青少年身体产生的危害。
11、由于直接减少脊柱疾病、近视等有关疾病的发病概率，相关能源支出也相应的减少，达到节能减排、可持续发展。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述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发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明具有坐姿提醒功能的智能台灯的整体结构示意图；
图2是本发明具有坐姿提醒功能的智能台灯的爆炸图；
图3是坐姿检测方法总体结构框图；
图4是坐姿检测方法的流程图；
图5是改进后的SSD类单次目标检测网络模型的示意图。
附图标记说明：
1、灯头；2、转臂；3、立柱；4、底座；11、灯头上板；12、散热组件；13、光学组件；14；LED光源；15、灯头下盖；16、装饰盖板；17、灯头锁紧块；18、灯头转轴；31、立柱外壁；32、镜片；33、下转轴；34、摄像头；35、处理控制单元；36、语音输出单元；37、电源输出单元；38、转轴固定件；41、光线传感器；42、触摸控制单元；43、底座上盖；44、电源插座；45、底座下盖。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面将结合附图和具体的实施例对本发明的技术方案进行详细说明。需要指出的是，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1，本发明提供一种具有坐姿提醒功能的智能台灯，包括灯头1、转臂2、立柱3和底座4；
所述转臂2一端与灯头1转动连接，另一端与立柱3的一端转动连接；
所述立柱3的另一端与底座4连接；
所述立柱3内设置有处理控制单元35，所述处理控制单元35集成有坐姿检测方法，用于对用户坐姿状况进行检测，并将检测结果反馈给用户，如果错误则提示用户坐姿不正确，同时所述处理控制单元35还将用户坐姿状况的检测结果经由云端服务器，实时或定时发送至终端设备(例如监护人的手机)，方便监护人对用户的坐姿情况进行监督。
请参阅图2，所述灯头1包括灯头上板11、灯头下盖15、灯头锁紧块17和灯头转轴18；
灯头上板11和灯头下盖15通过灯头锁紧块17围成一腔体，腔体内设置有散热组件12和光学组件13，散热组件12和光学组件13电连接，光学组件13上设置有LED光源14，灯头锁紧块17上面盖有装饰盖板16；
灯头锁紧块17通过灯头转轴18与转臂2的一端转动连接；灯头转轴18可水平和垂直方向对灯头进行调整，本台灯采用高寿命的五金阻尼转轴，能方便让用户调节灯头位置，给用户提供最优的灯光照射位置。
所述立柱3包括转轴固定件38、下转轴33和立柱外壁31，转轴固定件38设置于立柱外壁31内，转轴固定件38的一端通过下转轴33与转臂2的另一端转动连接，转轴固定件38的另一端连接底座；
所述转轴固定件38上设置有摄像头34、处理控制单元35、语音输出单元36和电源输出单元37；
所述处理控制单元35分别与摄像头34、语音输出单元36电连接；
所述电源输出单元37分别与摄像头34、处理控制单元35、语音输出单元36、光学组件13电连接；
摄像头34位于转轴固定件38的上部，与使用者脸部高度大致对齐；用于实时采集用户面部数据；
语音输出单元36将坐姿检测方法的检测结果实时向用户，如果错误会提示用户坐姿不正确；
电源输出单元37为DC TO DC单元，它为整套台灯提供稳定的直流电源输出；
所述立柱外壁31正对摄像头34的位置设置有镜片32；
所述立柱外壁31正对语音输出单元36的位置设置有语音孔。
所述底座4包括底座上盖43、底座下盖45和电源插座44；
所述电源插座44与电源输出单元37电连接；电源插座44为DC电源插座44，用于接受电源适配控制器的电源输入；
所述底座上盖43与电源插座44连接；
所述底座上盖43设置有光线传感器41和触摸控制单元42；光线传感器41用于感应环境光线强弱，为处理控制单元35提供外界环境参数；
所述触摸控制单元42设置有开关键、坐姿监测键、视力测量键和学习模式键；其中开关键集成开关、延时开关台灯延时开关功能；坐姿监测键设有坐姿监测功能开关功能、标准坐姿录入功能；视力测量键设有倒计时功能、唤醒视力测量功能；学习模式键用于设定台灯进入学习模式，进入学习模式，能自动感光，自动调整到最大亮度，同时开启45分钟休息提醒功能；组合键(开关键+学习模式键)用于台灯配网功能。
请参阅图3、图4，该坐姿检测方法具体包括如下步骤：
步骤S1、通过台灯按键或者通过手机APP内指令开启坐姿检测功能，设备将首先加载已经训练完成的神经网络模型，然后读取嵌入式设备内的特定位置是否存在保存有标定好的标准坐姿信息的配置文件，如果文件存在则进入坐姿检测模式，如果文件不存在则进入标准坐姿标定模式，待标定完成后，将配置文件保存在指定位置。台灯位置与用户相对位置发生较大变动后，需要重新录入标准坐姿以对设备进行标定。
步骤S2、进入标准坐姿的标定模式后，设备将提示用户：用户已经进入了标定模式，需要保持标准坐姿一段时间。然后设备将在3秒后开始标准坐姿信息的采集工作。设备将首先检查用户是否在监控区域的中央区域，若用户不在该区域内，设备将会引导用户调节图1中的可调节支柱2机构，以确保标定时用户脸部区域在监控的中央区域。标定过程持续10s，当设备完成标准坐姿的信息收集工作后，将提示用户标定完成。在标定过程中，设备持续提取用户脸部区域的[W,H,S,X,Y]特征信息，人脸框的宽度W，高度H，面积大小S以及框的中心位置(X,Y)。其中，X指的是中心点在图像上的横坐标值，Y指的是中心点在图像上的纵坐标值。W、H、X、Y的单位为像素，S的单位为平方像素。在标定完成后，设备对各个特征进行分析：首先分别计算每组特征的均值μi和标准差σi,确定每组特征的上下限分别为μi-2σi和μi+2σi,最终设备将各个特征的上下限及其均值保存为配置文件，以供检测时调用。
步骤S3、设备进入检测模式时将从用户处获取归一化后的检测阈值信息和最大允许错误坐姿的时间，然后开始初始化。过程中将会载入标准坐姿标定后得到的配置文件。设备在检测模式下初始化完成后，实时从获取的视频流中截取视频帧作为检测分析的对象，在判断用户存在于监控区域的条件下，提取用户的5个特征，每间隔0.5秒检测一次，将每次提取的5个特征值与加载的标准坐姿配置文件内的各个特征值的上下限进行比对，作出用户在当次检测下坐姿是否正确的判断。根据得到的特征W、H、S、X、Y五个特征和预先标定的标准坐姿的这五个特征的进行比对分析，可以快速准确地判断用户出是否偏移出了预先设定的范围。
步骤S4、结合步骤S3中的用户设定数值，当用户坐姿持续错误一定时间后设备向外发送报警信息，并且在一段时间内不再提醒，以避免提醒过于频繁，影响用户体验。
请参阅图5，步骤S1中改进后的SSD类单次目标检测网络模型具体为：
RGB三通道的图片作为输入，经过6层深度可分离卷积层后，输入RFB(ReceptiveField Block)卷积层，然后经过5层深度可分离卷积层，将第7、10、12层的输出分别输入到分类头部和回归头部分别得到人脸预测框的分类和预测框的位置，最后将两个头部的输出合并，得到一个大小为(500,6)的矩阵。其中分类头部输出当前框属于背景/人脸区域的概率，回归头部输出预测框位置(x1,y1,x2,y2)。
步骤S1中的神经网络模型指的是一种单次目标检测的深度学习的网络模型，该模型采用的是SSD类的网络模型结构，其中卷积操作参考移动互联网(MobileNet)网络设计，使用了深度可分离卷积核以减小网络模型大小提升网络计算速度；网络模型通过加入RFB层来降低网络深度，扩大特征图对应像素的感受野，以提高检测速度和检测精度；针对人脸检测问题和模型使用的场景，发明在原有的SSD模型上，只针对大尺寸和中尺寸脸进行检测，通过删除不必要的特征检测层，减少不必要的人脸预测框来进一步提升检测速度和减少运行内存的占用，以便将网络部署在嵌入式设备上。
步骤S1中的训练方法指的是利用公开的人脸数据集和自建的人脸数据集训练步骤S1中所提及的网络模型。自建数据集指的是通过模拟实际使用过程，利用测试机收集一系列用户使用设备时的图片，之后采取人工标注的方式标注出图片中用户人脸的位置，同时对一些不合要求的图片进行剔除。
步骤S2中5个特征值的计算方法为：
步骤S21、台灯需置于用户前方，台灯与用户的连线与用户正前方向的夹角不超过45°以确保用户人脸能够较为完整的被台灯上的摄像头拍摄记录；
步骤S22、摄像头实时采集含有用户上半身的视频流，同时应在硬件结构上确保用户的脸部被完整地拍摄。然后从视频流中每隔特定时间抽取出一帧图像作为算法处理的对象，使用双线性插值的方法将图像初步整定到160像素宽、120像素高的大小，记作Image1；
步骤S23、将RGB三通道的图像Image1输入到预先训练好的神经网络模型中，得到网络输出人脸框数组，其中人脸框数组由所有可能的人脸框信息构成，每一个人脸框信息都记录有表征当前人脸框的信息，包括：框的左上角点PLT的坐标(x1,y1)和右下角点PRB的坐标(x2,y2)以及当前框是人脸区域的一个概率值。
步骤S24、对步骤S23中得到的人脸框数组中的人脸框信息进行筛选，选择筛选后的概率值最大的人脸框信息作为最后用于用户脸部的依据。
具体地，筛选方法为：首先通过非极大抑制的方法，去除冗余的检测框；然后保留概率值大于0.85的人脸框信息；然后保留由左上角点PLT和右下角点PRB组成的矩形框面积不小于1000平方像素的人脸框信息，最终在所有剩下的人脸框信息中取概率值最大的人脸框信息作为最终用于分析用户坐姿的依据。
步骤S25、根据步骤S24中得到的最终的人脸框信息，在判断用户存在于监控区域的条件下，提取出用户脸部特征:人脸框的宽度W，高度H，面积大小S以及框的中心位置(X,Y)。其中，X指的是中心点在图像上的横坐标值，Y指的是中心点在图像上的纵坐标值。(W、H、X、Y的单位为像素，S的单位为平方像素)。W＝x2-x1、H＝y2-y1、S＝WH、
Figure GDA0003578133050000141
具体地，判断用户是否在监控区域内的方法为：若经过步骤S24中对于人脸框数组的筛选后，人脸框数组中仍然还有人脸框信息的话，则认为用户在监控区域内；若经过筛选后，人脸框数组中没有人脸框信息剩下的话，则分类讨论：①、若上一次检测结果显示用户的脸部区域在图像的中间位置，则认为此次检测有误，用户仍然在监控区域内；②、若符合①中的条件，但是已经有连续5次人脸框数组中没有人脸框信息剩下，则认为用户已经离开了监控区域；③、若上一次检测结果显示用户的脸部区域在图像的边缘位置，则认为用户已经离开了监控区域。
步骤S3中5个特征值的计算方法为：
使用双线性插值的方法将图像尺寸重新整定到160像素宽，120像素高的大小后，将整定后的图像作为网络模型的输入。在经过网络的前向推断过程后，网络将输出一个大小为(500,6)的矩阵。矩阵的每一行均表示为网络预测的人脸区域框，首先根据分类头部的输出提取出所有预测为脸部区域且置信度大于0.7的人脸区域框得到人脸框数组，然后采用非极大抑制的方法去除掉冗余的人脸预测框。之后保留概率值大于0.85的人脸框信息；然后保留由左上角点PLT和右下角点PRB组成的矩形框面积不小于1000平方像素的人脸框信息，最终在所有剩下的人脸框信息中取概率值最大的人脸框信息作为最终用于分析用户坐姿的依据。记此时人脸框信息为(x1,y1,x2,y2)，那么5个特征值[W,H,S,X,Y]的计算方式为W＝x2-x1、H＝y2-y1、S＝WH、
Figure GDA0003578133050000142
步骤S3中判断用户是否在监控区域内的方法为：
在步骤S3中对人脸框数组筛选后，人脸框数组中仍然还有人脸框信息的话，则认为用户在监控区域内；若经过筛选后，人脸框数组中没有人脸框信息剩下的话，则分类讨论：
①若上一次检测结果显示用户的脸部区域在图像的中间位置，则认为此次检测有误，用户仍然在监控区域内，但是因为用户脸部姿态过大无法检测到人脸信息；
②若符合①中的条件，但是已经有连续5次人脸框数组中没有人脸框信息剩下，则认为用户已经离开了监控区域，设备提示用户可能已经离开监控区域；
③若上一次检测结果显示用户的脸部区域在图像的边缘位置，则认为用户已经离开了监控区域，设备提示用户已经离开了监控区域。
步骤S3中用户处于正确坐姿状态时的判断依据如下：
使用者设定允许偏离的最大程度α；标定得到的人脸框的宽度W的参考值上限
Figure GDA0003578133050000151
下限
Figure GDA0003578133050000152
和均值WST；标定得到的高度H的参考值上限
Figure GDA0003578133050000153
下限
Figure GDA0003578133050000154
和均值HST；标定得到的面积大小S的参考值上限
Figure GDA0003578133050000155
下限
Figure GDA0003578133050000156
和均值SST；标定得到的中心点在图像上的横坐标值X的参考值上限
Figure GDA0003578133050000157
下限
Figure GDA0003578133050000158
和均值XST；标定得到的中心点在图像上的纵坐标值Y的参考值上限
Figure GDA0003578133050000159
下限
Figure GDA00035781330500001510
和均值YST；
①若
Figure GDA00035781330500001511
a)若
Figure GDA00035781330500001512
且
Figure GDA00035781330500001513
Figure GDA00035781330500001514
判断用户坐姿正确；
b)其余情况则认为用户坐姿错误；
②若
Figure GDA00035781330500001515
判断用户坐姿错误；
③若
Figure GDA00035781330500001516
a)若
Figure GDA00035781330500001517
或
Figure GDA00035781330500001518
时：
i.若
Figure GDA00035781330500001519
且
Figure GDA00035781330500001520
Figure GDA00035781330500001521
且
Figure GDA00035781330500001522
时，判断用户坐姿正确；
ii.其余情况则认为用户坐姿错误；
b)若
Figure GDA0003578133050000161
或
Figure GDA0003578133050000162
时：
i.若
Figure GDA0003578133050000163
且
Figure GDA0003578133050000164
Figure GDA0003578133050000165
且
Figure GDA0003578133050000166
时，判断用户坐姿正确；
ii.其余情况则认为用户坐姿错误；
本发明坐姿检测方法使用的特征仅需要使用人脸区域的宽、高、面积和位置的横纵坐标这5个特征即可快速、准确地反映用户当前的坐姿。该坐姿检测方法采用基于单次目标检测深度学习方法对用户人脸进行搜寻，通过进一步分析用户脸部的状态和位置，对用户的坐姿进行分析和判断，具有低成本的优势。该方法基于深度学习的方法，利用改进后的SSD类单次目标检测网络模型从输入图像中搜寻监控区域内的最有可能为用户脸部的区域，并结合视频流的上文信息进一步确定用户的脸部区域，同时得出用户是否在监控区域内的结论。进一步地，该方法通过分析脸部区域的状态和位置，结合用户的设置，动态地设定偏移边界和判断偏移标准，进而得到用户的当前坐姿情况，相应地向外传递提醒信息。
采用上述坐姿检测方法的智能台灯至少包括以下有益效果：
1、能自动判断用户使用时的状况从而进行逻辑判断，能通过友好的提示功能提醒用户要进行的操作，方便用户使用。
2、通过摄像头采集用户的坐姿图像数据上传，通过台灯的处理控制单元，对用户不良坐姿提醒,用户无需佩戴任何功能配件，使用简单、方便并且不会产生体感的不适。
3、采用的是基于神经网络系统，能自动学习用户的使用习惯，自动优化算法，能随着用户长时间使用后，提高坐姿判断的准确度，带给用户更佳的使用体验。
4、台灯内置有带智能通讯功能的处理控制单元，可将用户数据经由本处理控制单元解析后，上传云端服务器，并将用户坐姿统计数据，实时或定时反馈回传给监护人，方便监护人对用户的坐姿情况进行监督，能更进一步采取措施进行改变不良的用眼习惯。
5、监护人还可通过云端服务器解析出的提供的参数，对台灯进行远程操作，如启动摄像头、调节台灯亮度，合理控制用户使用时间等，给用户创造更佳的用光环境，和良好的用眼习惯。
6、用户可以通过灯臂、灯头转轴，能更方便、快捷调整更适合的灯头位置，提供最优的灯光照射位置，创造更佳的用光环境。
7、灯台采用了优质光线传感器，并在处理控制器中集成了光线自动适应环境的算法。可以自动根据环境的条件变化自动把光线调整到最佳的阅读环境。给用户创造更佳的用光环境，能更好的保护用户视力健康。
8、对于用户的不良坐姿具有提醒功能，及时纠正用户的不良坐姿，长期使用本台灯使得用户形体更优美，预防脊柱疾病。
9、对于用户的不良坐姿具有提醒功能，及时纠正用户的不良坐姿，能有效缓解眼部疲劳，预防近视。
10、对于用户的不良坐姿具有提醒功能，监护人无需担心长期学习对青少年身体产生的危害。
11、由于直接减少脊柱疾病、近视等有关疾病的发病概率，相关能源支出也相应的减少，达到节能减排、可持续发展。
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (9)

1.一种具有坐姿提醒功能的智能台灯，其特征在于，包括灯头、转臂、立柱和底座；
所述转臂一端与灯头转动连接，另一端与立柱的一端转动连接；
所述立柱的另一端与底座连接；
所述立柱内设置有处理控制单元，所述处理控制单元集成有坐姿检测方法，用于对用户坐姿状况进行检测，并将检测结果反馈给用户，如果错误则提示用户坐姿不正确；
所述坐姿检测方法具体包括：
开启坐姿检测功能，首先加载已经训练完成的神经网络模型，然后检查嵌入式设备内的特定位置是否存在保存有标定好的标准坐姿信息的配置文件，如果文件存在则进入坐姿检测模式，如果文件不存在则进入标准坐姿标定模式，待标定完成后，将配置文件保存在指定位置，然后进入坐姿检测模式；
进入标准坐姿的标定模式，确保摄像头能够将用户脸部区域完整拍摄后，开始标准坐姿的录入环节；在标定过程中，持续提取用户脸部区域的[W,H,S,X,Y]特征信息，人脸框的宽度W，高度H，面积大小S以及框的中心位置(X,Y)，其中，X指的是中心点在图像上的横坐标值，Y指的是中心点在图像上的纵坐标值；在标定完成后，对各个特征进行分析：首先分别计算每组特征的均值μi和标准差σi,确定每组特征的上下限分别为μi-2σi和μi+2σi,最终将各个特征的上下限及其均值保存为配置文件，以供检测时调用；
进入检测模式，初始化获得用户输入的设定允许偏离的阈值和用户设定的最大允许错误坐姿的时间，并载入配置文件；此后，从实时获取的视频流中截取视频帧作为神经网络模型的输入，在对经过筛选和去除冗余信息后的神经网络模型的输出结果进行分析，判断用户是否存在于监控区域内；在判断用户在监控区域内的情况下，提取用户坐姿的5个特征[W,H,S,X,Y]；该过程每N秒实施一次，将每次计算得到的各个特征值连同用户输入的设定允许偏离的阈值与获取的对应特征的标定参考值进行对比之后得出用户在一个单元内的坐姿正确与否；
结合用户设定的最大允许错误坐姿的时间，当用户坐姿持续错误一定时间后设备向外发送报警信息，并且在一段时间内不再提醒，以避免提醒过于频繁，影响用户体验。
2.根据权利要求1所述的具有坐姿提醒功能的智能台灯，其特征在于，所述处理控制单元还将用户坐姿状况的检测结果经由云端服务器，实时或定时发送至终端设备。
3.根据权利要求1所述的具有坐姿提醒功能的智能台灯，其特征在于，所述灯头包括灯头上板、灯头下盖、灯头锁紧块和灯头转轴；
灯头上板和灯头下盖通过灯头锁紧块围成一腔体，腔体内设置有散热组件和光学组件，散热组件和光学组件电连接，光学组件上设置有LED光源，灯头锁紧块上面盖有装饰盖板；
灯头锁紧块通过灯头转轴与转臂的一端转动连接。
4.根据权利要求3所述的具有坐姿提醒功能的智能台灯，其特征在于，所述立柱包括转轴固定件、下转轴和立柱外壁，转轴固定件设置于立柱外壁内，转轴固定件的一端通过下转轴与转臂的另一端转动连接，转轴固定件的另一端连接底座；
所述转轴固定件上设置有摄像头、处理控制单元、语音输出单元和电源输出单元；
所述电源输出单元分别与摄像头、处理控制单元、语音输出单元、光学组件电连接；
所述处理控制单元分别与摄像头、语音输出单元电连接；
所述立柱外壁正对摄像头的位置设置有镜片；
所述立柱外壁正对语音输出单元的位置设置有语音孔。
5.根据权利要求4所述的具有坐姿提醒功能的智能台灯，其特征在于，所述底座包括底座上盖、底座下盖和电源插座；
所述电源插座与电源输出单元电连接；
所述底座上盖与电源插座连接；
所述底座上盖设置有光线传感器和触摸控制单元；
所述触摸控制单元设置有开关键、坐姿监测键、视力测量键、学习模式键和功能组合键。
6.根据权利要求1所述的具有坐姿提醒功能的智能台灯，其特征在于，已经训练完成的神经网络模型具体结构为：
神经网络模型指的是一种单次目标检测的深度学习的网络模型，该模型采用的是SSD类的网络模型结构，模型以RGB三通道的图片作为输入；图片经过6层深度可分离卷积层后，输入RFB卷积层，然后经过5层深度可分离卷积层，将第7、10、12层的输出分别输入到分类头部和回归头部，得到人脸预测框的分类和预测框的位置，最后将两个头部的输出合并，得到一个大小为(500,6)的矩阵；其中分类头部输出当前框属于背景/人脸区域的概率，回归头部输出预测框的左上角点PLT(x1,y1)和右下角点PRB(x2,y2)的坐标；
训练完成的神经网络模型指的是利用公开的人脸数据集和自建的人脸数据集训练神经网络模型；自建数据集指的是通过模拟实际使用过程，利用测试机收集一系列用户使用设备时的图片，之后采取人工标注的方式标注出图片中用户人脸的位置，同时对一些不合要求的图片进行剔除。
7.根据权利要求1所述的具有坐姿提醒功能的智能台灯，其特征在于，标定模式和检测模式中5个特征值[W,H,S,X,Y]的计算方法为：
摄像头需置于用户前方，摄像头与用户的连线与用户正前方向的夹角不超过45°以确保用户人脸能够较为完整的被摄像头拍摄记录；
摄像头实时采集含有用户上半身的视频流，同时应确保用户的脸部被完整地拍摄；然后从视频流中每隔特定时间抽取出一帧图像作为算法处理的对象，使用双线性插值的方法将图像初步整定到160像素宽、120像素高的大小，记作Image1；
将RGB三通道的图像Image1输入到预先训练好的神经网络模型中，得到网络输出人脸框数组，其中人脸框数组由所有可能的人脸框信息构成，每一个人脸框信息都记录有表征当前人脸框的信息，包括：框的左上角点PLT的坐标(x1,y1)和右下角点PRB的坐标(x2,y2)以及当前框确实是人脸区域的一个概率值；
对得到的人脸框数组中的人脸框信息进行筛选，选择筛选后的概率值最大的人脸框信息作为最后用于用户脸部的依据；
根据得到的最终的人脸框信息，在判断用户存在于监控区域的条件下，提取出用户脸部特征:人脸框的宽度W，高度H，面积大小S以及框的中心位置(X,Y)；其中，X指的是中心点在图像上的横坐标值，Y指的是中心点在图像上的纵坐标值；
对人脸框信息的筛选：首先通过非极大抑制的方法，去除冗余的检测框；然后保留概率值大于0.85的人脸框信息；然后保留由左上角点PLT和右下角点PRB组成的矩形框面积不小于1000平方像素的人脸框信息，最终在所有剩下的人脸框信息中取概率值最大的人脸框信息作为最终用于分析用户坐姿的依据；
记此时人脸框信息为(x1,y1,x2,y2)，那么5个特征值[W,H,S,X,Y]的计算方式为W＝x2-x1、H＝y2-y1、S＝WH、
Figure FDA0003578133040000041
8.根据权利要求7所述的具有坐姿提醒功能的智能台灯，其特征在于，判断用户是否在监控区域内的方法为：
对人脸框数组筛选后，人脸框数组中仍然还有人脸框信息的话，则认为用户在监控区域内；若经过筛选后，人脸框数组中没有人脸框信息剩下的话，则分类讨论：
①、若上一次检测结果显示用户的脸部区域在图像的中间位置，则认为此次检测有误，用户仍然在监控区域内，但是因为用户脸部姿态过大无法检测到人脸信息；
②、若符合①中的条件，但是已经有连续5次人脸框数组中没有人脸框信息剩下，则认为用户已经离开了监控区域，设备提示用户可能已经离开监控区域；
③、若上一次检测结果显示用户的脸部区域在图像的边缘位置，则认为用户已经离开了监控区域，设备提示用户已经离开了监控区域。
9.根据权利要求1所述的具有坐姿提醒功能的智能台灯，其特征在于，用于判断用户处于正确坐姿状态时的判断依据为：
使用者设定允许偏离的最大程度α；标定得到的人脸框的宽度W的参考值上限
Figure FDA0003578133040000051
下限
Figure FDA0003578133040000052
和均值WST；标定得到的高度H的参考值上限
Figure FDA0003578133040000053
下限
Figure FDA0003578133040000054
和均值HST；标定得到的面积大小S的参考值上限
Figure FDA0003578133040000055
下限
Figure FDA0003578133040000056
和均值SST；标定得到的中心点在图像上的横坐标值X的参考值上限
Figure FDA0003578133040000057
下限
Figure FDA0003578133040000058
和均值XST；标定得到的中心点在图像上的纵坐标值Y的参考值上限
Figure FDA0003578133040000059
下限
Figure FDA00035781330400000510
和均值YST；
①若
Figure FDA00035781330400000511
a)若
Figure FDA00035781330400000512
且
Figure FDA00035781330400000513
Figure FDA00035781330400000514
判断用户坐姿正确；
b)其余情况则认为用户坐姿错误；
②若
Figure FDA00035781330400000515
判断用户坐姿错误；
③若
Figure FDA00035781330400000516
a)若
Figure FDA0003578133040000061
或
Figure FDA0003578133040000062
时：
i.若
Figure FDA0003578133040000063
且
Figure FDA0003578133040000064
Figure FDA0003578133040000065
且
Figure FDA0003578133040000066
时，判断用户坐姿正确；
ii.其余情况则认为用户坐姿错误；
b)若
Figure FDA0003578133040000067
或
Figure FDA0003578133040000068
时：
i.若
Figure FDA0003578133040000069
且
Figure FDA00035781330400000610
Figure FDA00035781330400000611
且
Figure FDA00035781330400000612
时，判断用户坐姿正确；
ii.其余情况则认为用户坐姿错误。
CN202010423617.XA 2020-01-22 2020-05-19 一种具有坐姿提醒功能的智能台灯 Active CN111734974B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN2020100734104 2020-01-22
CN202010073410 2020-01-22

Publications (2)

Publication Number Publication Date
CN111734974A CN111734974A (zh) 2020-10-02
CN111734974B true CN111734974B (zh) 2022-06-03

Family

ID=72647308

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010423617.XA Active CN111734974B (zh) 2020-01-22 2020-05-19 一种具有坐姿提醒功能的智能台灯

Country Status (1)

Country Link
CN (1) CN111734974B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114688473A (zh) * 2020-12-31 2022-07-01 欧普照明股份有限公司 一种用于坐姿监测的台灯
CN115013758A (zh) * 2021-03-05 2022-09-06 北京字节跳动网络技术有限公司 一种学习台灯
CN113531426A (zh) * 2021-07-14 2021-10-22 深圳思悦创新有限公司 具有坐姿提醒、自关闭和亮度调节功能的嵌入式ai台灯

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102207260A (zh) * 2011-06-11 2011-10-05 石宝山 一种感应式台灯
CN206191357U (zh) * 2016-07-19 2017-05-24 中山市目明视光视力科技有限公司 一种具有坐姿纠正提醒功能的台灯
WO2018006839A1 (zh) * 2016-07-06 2018-01-11 欧普照明股份有限公司 一种坐姿监测设备及照明设备
US10378706B1 (en) * 2018-08-23 2019-08-13 Qisda Corporation Table lamp capable of correcting reading habits
CN110334631A (zh) * 2019-06-27 2019-10-15 西安工程大学 一种基于人脸检测与二值运算的坐姿检测方法
CN110345407A (zh) * 2019-06-20 2019-10-18 华南理工大学 一种基于深度学习的智能矫姿台灯及矫姿方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10860837B2 (en) * 2015-07-20 2020-12-08 University Of Maryland, College Park Deep multi-task learning framework for face detection, landmark localization, pose estimation, and gender recognition
CN106022304B (zh) * 2016-06-03 2019-11-29 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
CN107330439B (zh) * 2017-07-14 2022-11-04 腾讯科技（深圳）有限公司 一种图像中物体姿态的确定方法、客户端及服务器
CN108814616B (zh) * 2018-04-12 2021-11-05 深圳和而泰数据资源与云技术有限公司 一种坐姿识别的方法及智能座椅

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102207260A (zh) * 2011-06-11 2011-10-05 石宝山 一种感应式台灯
WO2018006839A1 (zh) * 2016-07-06 2018-01-11 欧普照明股份有限公司 一种坐姿监测设备及照明设备
CN206191357U (zh) * 2016-07-19 2017-05-24 中山市目明视光视力科技有限公司 一种具有坐姿纠正提醒功能的台灯
US10378706B1 (en) * 2018-08-23 2019-08-13 Qisda Corporation Table lamp capable of correcting reading habits
CN110345407A (zh) * 2019-06-20 2019-10-18 华南理工大学 一种基于深度学习的智能矫姿台灯及矫姿方法
CN110334631A (zh) * 2019-06-27 2019-10-15 西安工程大学 一种基于人脸检测与二值运算的坐姿检测方法

Also Published As

Publication number Publication date
CN111734974A (zh) 2020-10-02

Similar Documents

Publication Publication Date Title
CN111734974B (zh) 一种具有坐姿提醒功能的智能台灯
CN109377616B (zh) 一种基于二维人脸识别的门禁控制系统
CN108601133A (zh) 一种智能台灯及基于智能台灯的坐姿纠正方法
CN103729981B (zh) 一种儿童坐姿监控智能终端
CN105072327B (zh) 一种防闭眼的人像拍摄处理的方法和装置
EP3776583B1 (en) Guidance method and system for teledentistry imaging
US20060045312A1 (en) Image comparison device for providing real-time feedback
CN106293059B (zh) 控制方法及控制装置
CN111178313B (zh) 一种监督用户坐姿的方法及设备
CN109785396B (zh) 基于双目相机的写字姿态监测方法、系统、装置
CN109754885A (zh) 近视预测系统及方法
CN110119672A (zh) 一种嵌入式疲劳状态检测系统及方法
CN107169453A (zh) 一种基于深度传感器的坐姿检测方法
CN103400474A (zh) 一种基于椭圆检测的近视预防装置及方法
CN110897425A (zh) 儿童坐姿检测坐垫、与坐垫交互的装置以及坐姿监测方法
WO2018099247A1 (zh) 一种投影控制方法和装置
CN111081375A (zh) 健康监测的预警方法及系统
CN111667798A (zh) 一种屏幕调节方法及装置
CN117481461A (zh) 一种可识别坐姿的智能儿童升降桌控制系统及方法
CN111047832A (zh) 具有坐姿调整功能的移动设备及其使用方法
CN111444789B (zh) 一种基于视频感应技术的近视预防方法及其系统
CN113361342A (zh) 一种基于多模态的人体坐姿检测方法及装置
CN116805433A (zh) 一种人体运动轨迹数据分析系统
CN114399786A (zh) 一种学习桌的视觉纠正握笔系统及其控制方法
CN113903161A (zh) 一种坐姿提醒装置及方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230522

Address after: 528447, Building No. 5 Futian 10th Road, Gangkou Town, Zhongshan City, Guangdong Province, China, Second and Fifth Floors, Second and Second Floors

Patentee after: Zhongshan Mingyi Smart Home Technology Co.,Ltd.

Patentee after: Guangdong Mingfeng Power Technology Co.,Ltd.

Address before: 528447 floor 1, block B, No. 16, muhejing 6th Street, Gangkou Town, Zhongshan City, Guangdong Province

Patentee before: Zhongshan Mingyi Smart Home Technology Co.,Ltd.

TR01 Transfer of patent right