CN111860311A - 一种人体异常姿态的提示方法及系统 - Google Patents
一种人体异常姿态的提示方法及系统 Download PDFInfo
- Publication number
- CN111860311A CN111860311A CN202010696314.5A CN202010696314A CN111860311A CN 111860311 A CN111860311 A CN 111860311A CN 202010696314 A CN202010696314 A CN 202010696314A CN 111860311 A CN111860311 A CN 111860311A
- Authority
- CN
- China
- Prior art keywords
- human body
- posture
- abnormal
- preset
- neural network
- 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
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
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Human Computer Interaction (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Image Analysis (AREA)
- Alarm Systems (AREA)
Abstract
本发明实施例是关于一种人体异常姿态的提示方法及系统。该方法包括:通过终端摄像头实时获取人体姿态的视频帧数据,并将获得的所述视频帧数据输入预设神经网络模型;通过所述预设神经网络模型的计算及分析处理,以判断人体是否处于异常姿态,并统计人体处于所述异常姿态的第一时长;若所述第一时长超过所述第一预设时长,则将该人体的异常姿态进行刻画,并与人体正常姿态进行重叠对比,并生成第一提示信息;所述终端将所述第一提示信息在终端显示界面显示。本发明实施例可以提示人们适当活动身体,并调整自身姿态,以及使人们具有异常姿态对身体危害的危机意识。
Description
技术领域
本发明实施例涉及人工智能技术领域,尤其涉及一种人体异常姿态的提示方法及系统。
背景技术
在我们的生活中很多人都出现过颈椎或腰椎疼痛的症状表现,而引发颈椎或腰椎疼痛的其中一个原因是身体长时间处于一个固定的姿势下,导致头颈部处于单一的姿态,从而有可能导致颈椎以及腰椎出现局部过度活动的情况,使得局部颈椎和腰椎受到损伤而引发颈椎以及腰椎疼痛的状况发生。
而且现在的很多工作都是面对电脑办公,经常需要保持一个姿势很长时间,因而,这类人群中基本都存在颈肩疼痛、腰椎疼痛的症状,例如IT工作者,需要面对电脑连续工作好几个小时,而此时的身体将会不自觉发生变化,例如脖子会不自觉前倾,腰部会塌陷,脊椎也会出现一定程度上的扭曲,若长时间不进行调整,将会使得颈椎、肩部、腰部进一步劳损,经过日积月累将会对人体造成不可逆的伤害,严重时将会导致头痛头晕、上肢麻木,给人们生活带来很大的不便;若是在长时间维持一个姿势的工作中,人们能够得到图片或文字样式的提醒,提醒久坐的人起身锻炼、或是引导久坐的人如何纠正坐姿等,将会在一定程度上缓解颈肩及腰部的劳损。因此,有必要改善上述相关技术方案中存在的一个或者多个问题。
需要注意的是,本部分旨在为权利要求书中陈述的本发明的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。
发明内容
本发明实施例的目的在于提供一种人体异常姿态的提示方法及系统,进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。
根据本发明实施例的第一方面,提供一种人体异常姿态的提示方法,该方法包括:
通过终端摄像头实时获取人体姿态的视频帧数据,并将获得的所述视频帧数据输入预设神经网络模型;
通过所述预设神经网络模型的计算及分析处理,以判断人体是否处于异常姿态,并统计人体处于所述异常姿态的第一时长;
其中,所述预设神经网路模型是通过多个人体姿态正负样本训练后固化该预设神经网络模型中的参数而进行使用的,且该模型设置人体处于异常姿态的第一预设时长;
若所述第一时长超过所述第一预设时长,则将该人体的异常姿态进行刻画,并与人体正常姿态进行重叠对比,并生成第一提示信息;
所述终端将所述第一提示信息在终端显示界面显示;
其中,所述第一提示信息包括所述异常姿态与正常姿态的重叠对比图片信息和/或训练动作信息;所述训练动作信息为针对所述人体异常姿态的单一异常姿态和/或多个异常姿态组合生成的训练动作信息。
本发明的一实施例中,所述方法还包括:
若人体处于正常姿态,则统计人体处于正常姿态的第二时长;
若所述第二时长超于第二预设时长,则生成第二提示信息并在终端显示界面显示;
其中,所述第二提示信息包括提示休息信息和/或基础训练动作信息。
本发明的一实施例中,所述人体姿态包括颈部姿态和/或肩部姿态和/或腰部姿态。
本发明的一实施例中,对所述人体异常姿态的刻画包括对人体轮廓的线条刻画,以生成人体轮廓线条图。
本发明的一实施例中,所述第一预设时长为20分钟;和/或,所述第二预设时长为40分钟。
根据本发明实施例的第二方面,提供一种人体异常姿态的提示系统,该系统包括:
摄像头单元,用于通过终端摄像头实时获取人体姿态的视频帧数据;
采集单元,用于将获得的所述视频帧数据输入预设神经网络模型;
分析单元,用于通过所述预设神经网络模型的计算及分析处理;
判断单元,用于判断人体是否处于异常姿态;
统计单元,用于统计人体处于所述异常姿态的第一时长;
其中,所述预设神经网路模型是通过多个人体姿态正负样本训练后固化该预设神经网络模型中的参数而进行使用的,且该模型设置人体处于异常姿态的第一预设时长;
判断子单元,用于判断所述第一时长是否超过所述第一预设时长;
刻画单元,用于将该人体的异常姿态进行刻画,并与人体正常姿态进行重叠对比;
提示单元,用于生成第一提示信息;
显示单元,用于显示所述第一提示信息;
其中,所述第一提示信息包括所述异常姿态与正常姿态的重叠对比图片信息和/或训练动作信息;所述训练动作信息为针对所述人体异常姿态的单一异常姿态和/或多个异常姿态组合生成的训练方式。
本发明的一实施例中,所述系统还包括:
统计子单元,用于在人体处于正常姿态时,统计人体处于正常姿态的第二时长;
提示子单元,用于在所述第二时长超于第二预设时长时,生成第二提示信息;
显示子单元,用于显示所述第二提示信息;
其中,所述第二提示信息包括提示休息信息和/或基础训练动作信息。
本发明的一实施例中,所述人体姿态包括颈部姿态和/或肩部姿态和/或腰部姿态。
本发明的一实施例中,对所述人体异常姿态的刻画包括对人体轮廓的线条刻画,以生成人体轮廓线条图。
本发明的一实施例中,所述第一预设时长为20分钟;和/或,所述第二预设时长为40分钟。
本发明的实施例提供的技术方案可以包括以下有益效果:
本发明的实施例中,根据上述提供的人体异常姿态的提示方法及系统,通过预设神经网络模型对人体处于异常姿态的计算及分析处理,当人体处于异常姿态的时长超过预设时长时,将刻画人体异常姿态的轮廓线条图,并与人体正常姿态进行重叠对比,以生成一对比图片,并连同训练动作信息一同发送至终端,以提示人们适当活动身体,并调整自身姿态,以及使人们具有异常姿态对身体危害的危机意识。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理。显而易见地,下面描述中的附图仅仅是本公开的一些实施例,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示出本发明示例性实施例中人体异常姿态的提示方法流程图;
图2示出本发明示例性实施例中人体异常姿态的提示系统框架示意图;
图3示出本发明示例性实施例中人体异常姿态示意图;
图4示出本发明示例性实施例中人体异常姿态与正常姿态重叠对比示意图;
图5示出本发明示例性实施例中训练动作示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本发明将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。
此外,附图仅为本发明实施例的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。
本示例实施方式中首先提供了一种人体异常姿态的提示方法。参考图1中所示,该方法可以包括:
步骤S101,通过终端摄像头实时获取人体姿态的视频帧数据,并将获得的所述视频帧数据输入预设神经网络模型。
步骤S102,通过所述预设神经网络模型的计算及分析处理,以判断人体是否处于异常姿态,并统计人体处于所述异常姿态的第一时长。其中,所述预设神经网路模型是通过多个人体姿态正负样本训练后固化该预设神经网络模型中的参数而进行使用的,且该模型设置人体处于异常姿态的第一预设时长。
步骤S103,若所述第一时长超过所述第一预设时长,则将该人体的异常姿态进行刻画,并与人体正常姿态进行重叠对比,并生成第一提示信息;其中,所述第一提示信息包括所述异常姿态与正常姿态的重叠对比图片信息和/或训练动作信息;所述训练动作信息为针对所述人体异常姿态的单一异常姿态和/或多个异常姿态组合生成的训练动作信息。
步骤S104,所述终端将所述第一提示信息在终端显示界面显示。
根据上述提供的人体异常姿态的提示方法,通过预设神经网络模型对人体处于异常姿态的计算及分析处理,当人体处于异常姿态的时长超过预设时长时,将刻画人体异常姿态的轮廓线条图,并与人体正常姿态进行重叠对比,以生成一对比图片,连同训练动作信息一同发送至终端,以提示人们活动身体,并调整自身姿态,以及使人们具有异常姿态对身体危害的危机意识。
下面,将参考图1至图5对本示例实施方式中的上述人体异常姿态的提示方法的各个部分进行更详细的说明。
在步骤S101中,通过终端摄像头实时获取人体姿态的视频帧数据,并将获得的所述视频帧数据输入预设神经网络模型。
示例的,当人们在工作、学习或是在使用电子产品时,极易采用不恰当的姿态进行,例如低头、脖子前倾、腰部塌陷等异常姿态,并且会长时间维持该种异常姿态,为及时提示人们调整自己的姿态,避免长时间异常姿态对人体产生的损害,本实施例提供了一种人体异常姿态的提示方法,首先通过摄像头实时获取人体姿态的视频帧数据,并且预设一神经网络模型,神经网络是由大量的、简单的处理单元(称为神经元)广泛地互相连接而形成的复杂网络系统,它反映了人脑功能的许多基本特征,是一个高度复杂的非线性动力学习系统。神经网络具有大规模并行、分布式存储和处理、自组织、自适应和自学能力。摄像头中的采集单元将摄像头获取的视频帧数据输入预设的神经网络模型,该神经网络可以选择BP神经网络,但不限于此,BP网络能学习和存贮大量的输入-输出模式映射关系,而无需事前揭示描述这种映射关系的数学方程,具体可根据现有技术进行理解,在此不再赘述。
在步骤S102中,通过所述预设神经网络模型的计算及分析处理,以判断人体是否处于异常姿态,并统计人体处于所述异常姿态的第一时长。其中,所述预设神经网路模型是通过多个人体姿态正负样本训练后固化该预设神经网络模型中的参数而进行使用的,且该模型设置人体处于异常姿态的第一预设时长。
示例的,预设神经网络模型是通过大量人体姿态正负样本训练后,固化其参数进行使用的,正样本为想要正确分类出的类别所对应的样本,在本实施例中,正样本为视频帧中的人体,可具体为人的颈肩部及腰部,负样本可以为除人体外的桌子、椅子、电脑等等,当神经网络模型固化完成其参数后,将人体姿态视频帧数据实时输入后,神经网络模型将会输出姿态状态,并且统计各种异常姿态的持续时长。例如,摄像头将会实时获取人体姿态的视频帧数据,当人们处于低头状态时,输入神经网络模型的视频帧数据将会将该低头姿态数据进行计算分析,以判断人体此时正处于低头状态,并将该异常姿态进行输出,并且统计此时人体低头的第一时长。在一个示例中,所述人体姿态包括颈部姿态和/或肩部姿态和/或腰部姿态。但不限于此,也可针对腿部姿态,例如对经常跷二郎腿的人进行姿态识别及提示。
在步骤S103中,若所述第一时长超过所述第一预设时长,则将该人体的异常姿态进行刻画,并与人体正常姿态进行重叠对比,并生成第一提示信息;其中,所述第一提示信息包括所述异常姿态与正常姿态的重叠对比图片信息和/或训练动作信息;所述训练动作信息为针对所述人体异常姿态的单一异常姿态和/或多个异常姿态组合生成的训练动作信息。
示例的,神经网络模型可将输出的异常姿态信号传送至统计模块,该模块对该异常姿态进行时长统计,当该时长超过预设时长时,神经网络模型将此时人体的异常姿态视频帧即图片传输至刻画模块,以通过刻画模块对此时人体异常姿态进行轮廓线条勾画,并将该轮廓线条图与人体正常姿态线条图进行重叠比对,并生成第一提示信息发送至终端模块,以提示人体此时身体正处于异常姿态。例如,神经网络模型将人体头前倾姿态判定为异常姿态,并通过统计模块统计该异常姿态输出的时长,即人体处于头前倾姿态的时长,在一个示例中,所述第一预设时长为20分钟。当该时长超过预设的20分钟时,但不限于此,可根据实际情况进行设置,刻画模块将会根据提取的异常姿态视频帧刻画此时人体处于头前倾姿态的轮廓线条图,在一个示例中,对所述人体异常姿态的刻画包括对人体轮廓的线条刻画,以生成人体轮廓线条图。可根据人体异常姿态的视频帧数据提取人体图像数据,并将该图像数据进行刻画,以形成人体的轮廓线条图,并将该线条图与人体处于正常姿态的线条图进行重叠对比,以此显示此时人体头部前倾的程度,使人们能够直观的感受,并进行一定程度上的改善,当线条图重叠对比完成后,神经网络模型可将该线条图重叠对比图、以及该异常姿态长时间保持所带来的危害信息、以及针对该异常姿态进行的训练动作信息生成一提示信息,并通过通信模块将该提示信息发送至终端模块,并在该终端模块上进行显示。在步骤S104中,所述终端将所述第一提示信息在终端显示界面显示。例如在电脑一侧角进行显示,用于提示人们身体处于异常姿态的部位,并且提示人们该异常姿态所带来的危害,并且可显示2~3组简单的训练动作,以供人们进行训练,来缓解异常姿态对身体带来的损伤。并且上述训练动作信息可以为针对单一异常姿态或者多个异常姿态组合而生成的训练动作,例如,若人体仅是存在头前倾的异常姿态,则训练动作信息仅是针对头部的活动训练信息;若人体仅是腰部塌陷或扭曲的异常姿态,则训练动作信息仅是针对腰部的活动训练信息;若人体同时存在头部、肩部、腰部的异常姿态,则训练动作信息将会同时针对头部、肩部、腰部的活动训练信息。
在一个实施例中,该方法还包括步骤S1031,若人体处于正常姿态,则统计人体处于正常姿态的第二时长;步骤S1032,若所述第二时长超于第二预设时长,则生成第二提示信息并在终端显示界面显示;其中,所述第二提示信息包括提示休息信息和/或基础训练动作信息。
示例的,神经网络模型输出人体姿态为正常姿态,并通过统计模块统计正常姿态输出的时长,当该时长超过预设的时长时,将会生成一提示信息,并将该提示信息发送至终端模块。示例的,所述第二预设时长为40分钟。当人体维持正常的姿态超过40分钟时,神经网络模型将会将提示休息信息和基础训练动作信息共同发送至手机端或是电脑端,以此提示人们可以喝水或做一组基础动作以使身体得到放松。
本示例实施方式中还提供了一种人体异常姿态的提示系统。参考图1中所示,该系统可以包括:摄像头单元、采集单元、分析单元、判断单元、统计单元、判断子单元、刻画单元、提示单元及显示单元。
所述摄像头单元用于通过终端摄像头实时获取人体姿态的视频帧数据;
所述采集单元用于将获得的所述视频帧数据输入预设神经网络模型;
所述分析单元用于通过所述预设神经网络模型的计算及分析处理;
所述判断单元用于判断人体是否处于异常姿态;
所述统计单元用于统计人体处于所述异常姿态的第一时长;
其中,所述预设神经网路模型是通过多个人体姿态正负样本训练后固化该预设神经网络模型中的参数而进行使用的,且该模型设置人体处于异常姿态的第一预设时长;
所述判断子单元用于判断所述第一时长是否超过第一预设时长;
所述刻画单元用于将该人体的异常姿态进行刻画,并与人体正常姿态进行重叠对比;
所述提示单元用于生成第一提示信息;
所述显示单元用于显示所述第一提示信息;
其中,所述第一提示信息包括所述异常姿态与正常姿态的重叠对比图片信息和/或训练动作信息;所述训练动作信息为针对所述人体异常姿态的单一异常姿态和/或多个异常姿态组合生成的训练方式。
具体实施方式可参考上述实施例进行理解,在此不再赘述。
在一个示例中,该系统还包括统计子单元、提示子单元、显示子单元。
所述统计子单元用于在人体处于正常姿态时,统计人体处于正常姿态的第二时长;
所述提示子单元用于在所述第二时长超于第二预设时长时,生成第二提示信息;
所述显示子单元用于显示所述第二提示信息
其中,所述第二提示信息包括提示休息信息和/或基础训练动作信息。
在一个示例中,所述人体姿态包括颈部姿态和/或肩部姿态和/或腰部姿态。
在一个示例中,对所述人体异常姿态的刻画包括对人体轮廓的线条刻画,以生成人体轮廓线条图。
在一个示例中,所述第一预设时长为20分钟;和/或,所述第二预设时长为40分钟。
根据上述提供的人体异常姿态的提示方法及系统,通过预设神经网络模型对人体处于异常姿态的计算及分析处理,当人体处于异常姿态的时长超过预设时长时,将刻画人体异常姿态的轮廓线条图,并与人体正常姿态进行重叠对比,以生成一对比图片,连同训练动作信息一同发送至终端,以提示人们活动身体,并调整自身姿态,以及使人们具有异常姿态对身体危害的危机意识。
需要理解的是,上述描述中的术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明实施例和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明实施例的限制。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明实施例的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
在本发明实施例中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或成一体;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。
在本发明实施例中,除非另有明确的规定和限定,第一特征在第二特征之“上”或之“下”可以包括第一和第二特征直接接触,也可以包括第一和第二特征不是直接接触而是通过它们之间的另外的特征接触。而且,第一特征在第二特征“之上”、“上方”和“上面”包括第一特征在第二特征正上方和斜上方,或仅仅表示第一特征水平高度高于第二特征。第一特征在第二特征“之下”、“下方”和“下面”包括第一特征在第二特征正下方和斜下方,或仅仅表示第一特征水平高度小于第二特征。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外,本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由所附的权利要求指出。
Claims (10)
1.一种人体异常姿态的提示方法,其特征在于,该方法包括:
通过终端摄像头实时获取人体姿态的视频帧数据,并将获得的所述视频帧数据输入预设神经网络模型;
通过所述预设神经网络模型的计算及分析处理,以判断人体是否处于异常姿态,并统计人体处于所述异常姿态的第一时长;
其中,所述预设神经网路模型是通过多个人体姿态正负样本训练后固化该预设神经网络模型中的参数而进行使用的,且该模型设置人体处于异常姿态的第一预设时长;
若所述第一时长超过所述第一预设时长,则将该人体的异常姿态进行刻画,并与人体正常姿态进行重叠对比,并生成第一提示信息;
所述终端将所述第一提示信息在终端显示界面显示;
其中,所述第一提示信息包括所述异常姿态与正常姿态的重叠对比图片信息和/或训练动作信息;所述训练动作信息为针对所述人体异常姿态的单一异常姿态和/或多个异常姿态组合生成的训练动作信息。
2.根据权利要求1所述提示方法,其特征在于,该方法还包括:
若人体处于正常姿态,则统计人体处于正常姿态的第二时长;
若所述第二时长超于第二预设时长,则生成第二提示信息并在终端显示界面显示;
其中,所述第二提示信息包括提示休息信息和/或基础训练动作信息。
3.根据权利要求1所述提示方法,其特征在于,所述人体姿态包括颈部姿态和/或肩部姿态和/或腰部姿态。
4.根据权利要求3所述提示方法,其特征在于,对所述人体异常姿态的刻画包括对人体轮廓的线条刻画,以生成人体轮廓线条图。
5.根据权利要求4所述提示方法,其特征在于,所述第一预设时长为20分钟;和/或,所述第二预设时长为40分钟。
6.一种人体异常姿态的提示系统,其特征在于,该系统包括:
摄像头单元,用于通过终端摄像头实时获取人体姿态的视频帧数据;
采集单元,用于将获得的所述视频帧数据输入预设神经网络模型;
分析单元,用于通过所述预设神经网络模型的计算及分析处理;
判断单元,用于判断人体是否处于异常姿态;
统计单元,用于统计人体处于所述异常姿态的第一时长;
其中,所述预设神经网路模型是通过多个人体姿态正负样本训练后固化该预设神经网络模型中的参数而进行使用的,且该模型设置人体处于异常姿态的第一预设时长;
判断子单元,用于判断所述第一时长是否超过所述第一预设时长;
刻画单元,用于将该人体的异常姿态进行刻画,并与人体正常姿态进行重叠对比;
提示单元,用于生成第一提示信息;
显示单元,用于显示所述第一提示信息;
其中,所述第一提示信息包括所述异常姿态与正常姿态的重叠对比图片信息和/或训练动作信息;所述训练动作信息为针对所述人体异常姿态的单一异常姿态和/或多个异常姿态组合生成的训练方式。
7.根据权利要求6所述提示系统,其特征在于,该系统还包括:
统计子单元,用于在人体处于正常姿态时,统计人体处于正常姿态的第二时长;
提示子单元,用于在所述第二时长超于第二预设时长时,生成第二提示信息;
显示子单元,用于显示所述第二提示信息;
其中,所述第二提示信息包括提示休息信息和/或基础训练动作信息。
8.根据权利要求6所述提示系统,其特征在于,所述人体姿态包括颈部姿态和/或肩部姿态和/或腰部姿态。
9.根据权利要求8所述提示系统,其特征在于,对所述人体异常姿态的刻画包括对人体轮廓的线条刻画,以生成人体轮廓线条图。
10.根据权利要求9所述提示系统,其特征在于,所述第一预设时长为20分钟;和/或,所述第二预设时长为40分钟。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010696314.5A CN111860311A (zh) | 2020-07-20 | 2020-07-20 | 一种人体异常姿态的提示方法及系统 |
SE2051565A SE2051565A1 (en) | 2020-07-20 | 2020-07-28 | Abnormal body posture prompt method and system |
PCT/CN2020/105200 WO2021047315A2 (zh) | 2020-07-20 | 2020-07-28 | 一种人体异常姿态的提示方法及系统 |
ZA2020/07887A ZA202007887B (en) | 2020-07-20 | 2020-12-17 | Abnormal body posture prompt method and system |
AU2020104278A AU2020104278A4 (en) | 2020-07-20 | 2020-12-23 | Abnormal Body Posture Prompt Method And System |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010696314.5A CN111860311A (zh) | 2020-07-20 | 2020-07-20 | 一种人体异常姿态的提示方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111860311A true CN111860311A (zh) | 2020-10-30 |
Family
ID=73001934
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010696314.5A Pending CN111860311A (zh) | 2020-07-20 | 2020-07-20 | 一种人体异常姿态的提示方法及系统 |
Country Status (5)
Country | Link |
---|---|
CN (1) | CN111860311A (zh) |
AU (1) | AU2020104278A4 (zh) |
SE (1) | SE2051565A1 (zh) |
WO (1) | WO2021047315A2 (zh) |
ZA (1) | ZA202007887B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112613440A (zh) * | 2020-12-29 | 2021-04-06 | 北京市商汤科技开发有限公司 | 一种姿态检测的方法、装置、电子设备及存储介质 |
CN116912596A (zh) * | 2023-08-04 | 2023-10-20 | 无锡学院 | 一种多源数据归一化处理与融合的方法及系统 |
CN117523936A (zh) * | 2023-11-07 | 2024-02-06 | 中国人民解放军中部战区总医院 | 基于评价反馈的交互式伤员救治技能组训方法及系统 |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113989856B (zh) * | 2021-12-13 | 2024-01-05 | 周清 | 一种基于异构软件接口的模式识别集成服务系统 |
CN114601478B (zh) * | 2022-05-11 | 2022-09-02 | 西南交通大学 | 一种提高司机警觉度的方法、装置、设备及可读存储介质 |
CN116580424A (zh) * | 2023-05-05 | 2023-08-11 | 深圳市领天智杰科技有限公司 | 一种基于神经网络的防近视方法和装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106055460A (zh) * | 2016-05-26 | 2016-10-26 | 广东欧珀移动通信有限公司 | 一种移动终端的防沉迷提示方法、装置及移动终端 |
CN108154104A (zh) * | 2017-12-21 | 2018-06-12 | 北京工业大学 | 一种基于深度图像超像素联合特征的人体姿态估计方法 |
US20190159719A1 (en) * | 2017-11-30 | 2019-05-30 | Institute For Information Industry | Electronic apparatus, system, and method for providing body posture health information |
CN110321786A (zh) * | 2019-05-10 | 2019-10-11 | 北京邮电大学 | 一种基于深度学习的人体坐姿实时监视方法和系统 |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150375083A1 (en) * | 2014-06-05 | 2015-12-31 | Zih Corp. | Method, Apparatus, And Computer Program Product For Enhancement Of Event Visualizations Based On Location Data |
CN108256433B (zh) * | 2017-12-22 | 2020-12-25 | 银河水滴科技(北京)有限公司 | 一种运动姿态评估方法及系统 |
CN112169297A (zh) * | 2018-03-05 | 2021-01-05 | 蚌埠珠领智能科技有限公司 | 一种形体动作综合训练装置的工作方法 |
CN109919034A (zh) * | 2019-01-31 | 2019-06-21 | 厦门大学 | 一种肢体动作识别与纠正辅助训练系统及方法 |
CN111091046A (zh) * | 2019-10-28 | 2020-05-01 | 北京灵鹦科技有限公司 | 一种基于机器视觉的用户不良坐姿矫正系统 |
CN111104905B (zh) * | 2019-12-19 | 2024-02-02 | 北京奇艺世纪科技有限公司 | 坐姿调整方法、装置、电子设备及存储介质 |
-
2020
- 2020-07-20 CN CN202010696314.5A patent/CN111860311A/zh active Pending
- 2020-07-28 SE SE2051565A patent/SE2051565A1/en not_active Application Discontinuation
- 2020-07-28 WO PCT/CN2020/105200 patent/WO2021047315A2/zh active Application Filing
- 2020-12-17 ZA ZA2020/07887A patent/ZA202007887B/en unknown
- 2020-12-23 AU AU2020104278A patent/AU2020104278A4/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106055460A (zh) * | 2016-05-26 | 2016-10-26 | 广东欧珀移动通信有限公司 | 一种移动终端的防沉迷提示方法、装置及移动终端 |
US20190159719A1 (en) * | 2017-11-30 | 2019-05-30 | Institute For Information Industry | Electronic apparatus, system, and method for providing body posture health information |
CN108154104A (zh) * | 2017-12-21 | 2018-06-12 | 北京工业大学 | 一种基于深度图像超像素联合特征的人体姿态估计方法 |
CN110321786A (zh) * | 2019-05-10 | 2019-10-11 | 北京邮电大学 | 一种基于深度学习的人体坐姿实时监视方法和系统 |
Non-Patent Citations (1)
Title |
---|
桂树;郭立;陆海先;谢锦生;: "基于统计模型的异常姿态检测", 通信技术, no. 09 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112613440A (zh) * | 2020-12-29 | 2021-04-06 | 北京市商汤科技开发有限公司 | 一种姿态检测的方法、装置、电子设备及存储介质 |
CN116912596A (zh) * | 2023-08-04 | 2023-10-20 | 无锡学院 | 一种多源数据归一化处理与融合的方法及系统 |
CN116912596B (zh) * | 2023-08-04 | 2024-03-22 | 无锡学院 | 一种多源数据归一化处理与融合的方法及系统 |
CN117523936A (zh) * | 2023-11-07 | 2024-02-06 | 中国人民解放军中部战区总医院 | 基于评价反馈的交互式伤员救治技能组训方法及系统 |
CN117523936B (zh) * | 2023-11-07 | 2024-06-18 | 中国人民解放军中部战区总医院 | 基于评价反馈的交互式伤员救治技能组训方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2021047315A3 (zh) | 2021-06-17 |
AU2020104278A4 (en) | 2021-04-08 |
SE2051565A1 (en) | 2021-03-18 |
ZA202007887B (en) | 2021-09-29 |
WO2021047315A2 (zh) | 2021-03-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111860311A (zh) | 一种人体异常姿态的提示方法及系统 | |
CN107169453B (zh) | 一种基于深度传感器的坐姿检测方法 | |
CN105022981B (zh) | 一种检测人眼健康状态的方法、装置及移动终端 | |
KR101379351B1 (ko) | 사용자의 착석 자세 모니터링 시스템 | |
CN107945467A (zh) | 一种基于臀部压力分布特征的便携式坐姿监测与提醒系统 | |
CN104157107A (zh) | 一种基于Kinect传感器的人体姿势矫正装置 | |
CN109685007B (zh) | 用眼习惯的预警方法、用户设备、存储介质及装置 | |
CN105147235A (zh) | 视力测试系统 | |
CN110934591B (zh) | 一种坐姿检测方法及装置 | |
CN109948435A (zh) | 坐姿提醒方法及装置 | |
CN206026295U (zh) | 视力测试装置 | |
CN201064301Y (zh) | 一种椅子 | |
CN109512188B (zh) | 一种坐姿检测方法和装置以及座椅 | |
CN114120357B (zh) | 一种基于神经网络的防近视方法和装置 | |
CN112070031A (zh) | 体态检测方法、装置及设备 | |
CN111047832A (zh) | 具有坐姿调整功能的移动设备及其使用方法 | |
CN110288813A (zh) | 一种健康坐姿监控方法与及其监控系统 | |
CN212569810U (zh) | 一种基于视觉的防近视预防监测系统 | |
CN107945468A (zh) | 一种座椅的坐姿提醒装置和方法以及座椅 | |
CN111009047A (zh) | 一种多功能智慧教室的整合系统 | |
CN112464776A (zh) | 一种学习状态监测方法、系统和装置 | |
Wang et al. | The sitting posture monitoring method based on notch sensor | |
CN113903161A (zh) | 一种坐姿提醒装置及方法 | |
CN113835096A (zh) | 监测学习姿态的系统及其方法 | |
CN112690781A (zh) | 一种基于多传感器的久坐提醒及健康监测系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |