CN112861563A - 一种坐姿检测的检测方法及其系统 - Google Patents
一种坐姿检测的检测方法及其系统 Download PDFInfo
- Publication number
- CN112861563A CN112861563A CN201911097807.0A CN201911097807A CN112861563A CN 112861563 A CN112861563 A CN 112861563A CN 201911097807 A CN201911097807 A CN 201911097807A CN 112861563 A CN112861563 A CN 112861563A
- Authority
- CN
- China
- Prior art keywords
- sitting posture
- deviation
- standard
- information
- module
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 27
- 230000002159 abnormal effect Effects 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 13
- 230000008569 process Effects 0.000 claims abstract description 5
- 230000036544 posture Effects 0.000 description 125
- 210000003128 head Anatomy 0.000 description 54
- 238000005452 bending Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002285 radioactive effect Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/24—Reminder alarms, e.g. anti-loss alarms
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Computer Interaction (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种坐姿检测的检测方法，包括以下步骤：S1，首次处理坐姿计算模块；S2，注册标准坐姿；S3，判断所述注册是否成功？如果否，则重新进入步骤S2；如果是，则进行下一步骤；S4，再次处理坐姿计算模块；S5，对比实时坐标和标准坐姿偏差；S6，判断所述偏差是否超过阈值？如果否，则重新进入步骤S4；如果是，则进行下一步骤；S7，判断该状态持续时间是否超过指定周期？如果否，则重新进入步骤S4，如果是，则进行下一步骤；S8，坐姿异常报警,赋值Alarm＝1；S9，再一次处理坐姿计算模块，用于获取坐姿信息；S10，再次对比实时坐标和标准坐标偏差；S11，判断坐姿是否达到标准？如果否，则重新进入步骤S8；如果是，则取消报警，重置Alarm＝0，重新进入步骤S4。
Description
技术领域
本发明涉及人头检测领域，特别涉及一种坐姿检测的检测方法及系统。
背景技术
随着科技的不断发展，特别是计算机视觉技术的发展，人头检测技术广泛应用于视频监控，安防等各个领域，图像特征提取方法具有良好的识别性能。其中，坐姿检测也是识别领域的一个重要内容。在现有技术中，包括有1、基于超声波、激光线等测量人与传感器间距离，并以此判断坐姿是否标准。2、基于深度传感器，采集人的坐姿信息，提取关键数据建立坐姿模型，使用坐姿模型对实际坐姿进行检测判断。3、基于图像传感器，采集人脸的角度，人眼睛状态等，同预设阈值进行比较进行坐姿标准性判断。
但是在现有技术中，存在以下缺陷：
1、基于激光线、超声波检测人与检测装置间的距离，并根据检测结果进行判断人的坐姿是否正确，该方法对于大幅度的姿态变化检测效果可以，但是针对侧脸、歪头等局部不健康的坐姿无法做出准确判断，而且这些方法使用的超声波和激光线，人长时间处在这些放射性环境下对身体健康有害。
2、专利CN102096801A基于图像的信息，通过获取人脸的倾斜角，眼睛区域面积差、头肩曲线差，并与初始获取的标准数据做差超过预设阈值即为坐姿异常。因该方法中是用人脸检测模块并获取人脸的倾斜角进而进行坐姿判断，当人脸因角度过大或被其他物品遮挡时(如戴口罩等)无法保证完整人脸呈现在图像中时，人脸检测失效导致角度和人眼状态检测无法正常进行，最终导致坐姿检测失效。
3、专利CN107169453A基于深度传感器的坐姿检测，需要使用深度传感器获取深度图像，深度传感器较普通的图像传感器成本较高。
此外，现有技术中的常用术语包括：
1)、人头检测模块：输入一张包含有完整人头的图像，人头检测模块会返回图像中人头的边界框boundingbox坐标。
2)、人头空间角度：由人头的pitch、yaw、roll三个角度组成，其中，pitch是围绕y轴旋转；yaw是围绕z轴旋转；roll是围绕x轴旋转。对pitch、yaw、roll解释可参见图4。
3)、人头角度检测模块：输入一张人头ROI(Region of Interest感兴趣区域)数据的灰度图像，获取人头的空间角度。
4)、坐姿信息：包含人头的空间角度和人头的空间位置信息。
5)、标准坐姿信息：人在以标准姿态坐在桌子前或其他位置时由本发明采集的一组或多组坐姿信息。
6)、IOU：IOU的全称为交并比(Intersection over Union)，IOU计算的是两个boundingbox的交集和并集的比值，IOU＝intersection/uion，见图5。
7)、人头空间位置偏移值：依据人头检测模块中检测的boundingbox，计算boundingbox的IOU作为人头位置偏移值。
发明内容
为了解决上述问题，本发明的目的在于：
1、提出一种新的坐姿检测方法，使用普通图像传感器即可进行坐姿检测，做到坐姿异常报警，可以避免类似超声波、激光线等对人体健康影响同时也可以降低产品成本。
2、本发明，通过获取到图像数据后，获取坐姿信息，通过坐姿信息可以检测出目标低头、侧脸、歪头、趴下、身体倾斜等多种不健康坐姿。
具体地，本发明提供一种坐姿检测的检测方法，包括以下步骤：
S1，首次处理坐姿计算模块，用于获取坐姿信息；
S2，注册标准坐姿；
S3，判断所述注册是否成功？如果否，则重新进入步骤S2；如果是，则进行下一步骤；
S4，再次处理坐姿计算模块，用于获取坐姿信息；
S5，对比实时坐标和标准坐姿偏差；
S6，判断所述偏差是否超过阈值？如果否，则重新进入步骤S4；如果是，则进行下一步骤；
S7，判断该状态持续时间是否超过指定周期？如果否，则重新进入步骤S4，如果是，则进行下一步骤；
S8，坐姿异常报警,赋值Alarm＝1；
S9，再一次处理坐姿计算模块，用于获取坐姿信息；
S10，再次对比实时坐标和标准坐标偏差；
S11，判断坐姿是否达到标准？如果否，则重新进入步骤S8；如果是，则取消报警，重置Alarm＝0，重新进入步骤S4。
本申请还涉及一种坐姿检测的检测系统，所述系统应用前述的方法，所述系统包括：坐姿计算模块、注册标准坐姿模块和比较判断模块，其中，
所述的坐姿计算模块，用于获取坐姿信息；
所述的注册标准坐姿模块，用于判断注册标准坐姿是否成功；
所述的比较判断模块，用于对比实时坐姿和标准坐姿偏差、判断偏差是否超过阈值、判断状态是否持续周期以及判断坐姿是否标准。
由此，本申请的优势在于：采用本申请只需要使用普通图像传感器即可进行坐姿检测，做到坐姿异常报警，可以避免类似超声波、激光线对人体健康的影响同时也可以降低产品成本。通过本申请的装置获取到图像数据后，可以根据目标人物和环境状况智能生成标准坐姿数据，判断异常坐姿更准确，采用人头检测获取人头角度空间角度和人头空间位置可以很好解决因人脸角度过大或遮挡时无法检测人脸获取人脸角度的问题，因此可以有效检测低头、侧脸、歪头、趴下、身体倾斜等多种不健康坐姿。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，并不构成对本发明的限定。
图1是本发明涉及的方法的流程图的示意框图。
图2是本发明涉及方法的步骤中坐姿计算模块的示意框图。
图3是本发明的具体系统的示意框图。
图4是本发明坐姿检测时的示意图。
图5是本发明涉及到的IOU比值的示意图。
具体实施方式
为了能够更清楚地理解本发明的技术内容及优点，现结合附图对本发明进行进一步的详细说明。
如图1所示，本发明涉及一种坐姿检测的检测方法，包括以下步骤：
S1，首次处理坐姿计算模块，用于获取坐姿信息；
S2，注册标准坐姿；
S3，判断所述注册是否成功？如果否，则重新进入步骤S2；如果是，则进行下一步骤；
S4，再次处理坐姿计算模块，用于获取坐姿信息；
S5，对比实时坐标和标准坐姿偏差；
S6，判断所述偏差是否超过阈值？如果否，则重新进入步骤S4；如果是，则进行下一步骤；
S7，判断该状态持续时间是否超过指定周期？如果否，则重新进入步骤S4，如果是，则进行下一步骤；
S8，坐姿异常报警,赋值Alarm＝1；
S9，再一次处理坐姿计算模块，用于获取坐姿信息；
S10，再次对比实时坐标和标准坐标偏差；
S11，判断坐姿是否达到标准？如果否，则重新进入步骤S8；如果是，则取消报警，重置Alarm＝0，重新进入步骤S4。
所述的步骤S1、S4或S9中所述的坐姿计算模块，如图2所示，用于获取坐姿信息，包括：人头检测模块、人头角度检测模块和计算坐姿信息。
所述步骤S1、S4或S9的处理坐姿计算模块进一步包括：
a，所述的人头检测模块从图像数据获得人头的边界框(boundingbox)的数据；
b,依据人头边界框(boundingbox)扣取人头ROI数据并传给所述的人头角度检测模块以获取人头空间角度的数据；
c，所述的计算坐姿信息是将获得的人头边界框(boundingbox)和人头空间角度的数据信息整合到一起，以供其他模块进行计算。
所述的步骤S2中，进一步包括：通过步骤S1获取坐姿信息，一帧数据得到的坐姿信息作为一个结果，连续取预设个数n的坐姿信息结果，其中n为大于等于3的正整数。
所述的步骤S2中，进一步包括：判断注册标准坐姿成功的条件是，
1)坐姿信息结果中至少3个角度偏差值最大值小于预设第一阈值；
2)空间位置偏移值满足预设第二阈值；
3)以上两个条件1)和2)必须同时满足，则标准坐姿注册成功。
所述步骤S5或S10中的对比实时坐姿和标准坐姿偏差，进一步包括：
A.检测中获取当前帧的坐姿信息同已注册的坐姿信息进行偏差计算；
B.计算人头空间角度偏差值、人头空间位置偏移值。
所述的步骤S6中，所述偏差是否超过阈值，进一步包括：
如果计算得到的人头空间角度偏差值、人头空间位置偏移值这两个偏差值均未超过预设阈值，则认为当前采集的坐姿正常，继续监测坐姿信息；
如果计算得到的人头空间角度偏差值、人头空间位置偏移值两个偏差值有一个超过预设阈值或两个都超过预设阈值，则认为当前坐姿不正常，进行下一步骤。
所述步骤S7中，判断该状态持续时间是否超过指定周期进一步包括：
当偏差超过阈值，判断坐姿不正常时开始累计坐姿异常帧的个数并同时开始计时，当在所述的指定周期内，坐姿异常计数超过预设第三阈值，则确认异常坐姿成立，Alarm＝1，给出报警信号；否则认为是虚假信息，继续进行处理坐姿计算模块。
步骤S6所述的偏差为人头空间角度偏差值或人头空间位置偏移值，所述的阈值为对应的第一阈值或第二阈值。
如图3所示，本申请还涉及一种坐姿检测的检测系统，包括：坐姿计算模块、注册标准坐姿模块和比较判断模块，其中，
所述的坐姿计算模块，用于获取坐姿信息；
所述的注册标准坐姿模块，用于判断注册标准坐姿是否成功；
所述的比较判断模块，包括：对比实时坐姿和标准坐姿偏差、判断偏差是否超过阈值、判断状态是否持续周期以及判断坐姿是否标准；所述系统应用前述的方法。
所述的指定周期是预设的时间周期，例如1分钟,3分钟,5分钟等，根据客户需要而预先设定。
所述的第三阈值，例如3次或5次，10次等，根据客户需要而设定。
其中，计算人头空间角度偏差值、人头空间位置偏移值以及预设阈值的方法已是较为成熟的现有技术，在此不再累述。
此外，本申请具体涉及的技术方案还可以解释为以下内容：
1、坐姿计算模块：
坐姿计算模块包括：人头检测模块、人头角度检测模块和计算坐姿信息。
人头检测模块从图像数据获得人头的边界框，依据人头边界框扣取人头ROI数据并传给人头角度检测模块，获取人头空间角度，计算坐姿信息模块即将获得的人头边界框和人头空间角度的数据信息整合到一起，以供其他单元进行计算。
2、注册标准坐姿：
通过1坐姿检测模块获取坐姿信息，一帧数据得到的坐姿信息作为一个结果，连续取预设个数的坐姿结果。验证坐姿注册成功条件为，1)坐姿结果中三个角度偏差最大值小于预设阈值2)空间位置偏移值满足预设阈值。两个条件同时满足即标准坐姿注册成功。
3、对比实时坐姿和标准坐姿偏差：
检测中获取当前帧的坐姿信息同已注册的坐姿信息进行偏差计算，计算人头空间角度偏差值、人头空间位置偏移值。
4、偏差超过阈值：
如果上述3对比实时坐姿和标准坐姿偏差中计算得到的这两个偏差值均未超过预设阈值，则认为当前采集的坐姿正常继续监测坐姿信息，若两个偏差值有一个超过预设阈值或两个都超过预设阈值，则认为当前坐姿不正常，进行下一步判断。
5、该状态持续周期：
当上述4偏差超过阈值中判断坐姿不正常时开始累计坐姿异常帧的个数并同时开始计时，当在预设时间周期内，坐姿异常计数超过预设阈值，则确认异常坐姿成立，Alarm＝1，给出报警信号，否则认为是虚假信息，继续进行坐姿计算模块的计算。
6、坐姿是否标准：
当上述5中触发Alarm＝1报警信号后，则开始进行1、3、4步骤，如4步骤中判断坐姿正常则取消Alarm＝1报警信号，重置Alarm＝0。继续1、3、4步骤监控坐姿信息。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明实施例可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种坐姿检测的检测方法，其特征在于，包括以下步骤：
S1，首次处理坐姿计算模块，用于获取坐姿信息；
S2，注册标准坐姿；
S3，判断所述注册是否成功？如果否，则重新进入步骤S2；如果是，则进行下一步骤；
S4，再次处理坐姿计算模块，用于获取坐姿信息；
S5，对比实时坐标和标准坐姿偏差；
S6，判断所述偏差是否超过阈值？如果否，则重新进入步骤S4；如果是，则进行下一步骤；
S7，判断该状态持续时间是否超过指定周期？如果否，则重新进入步骤S4，如果是，则进行下一步骤；
S8，坐姿异常报警,赋值Alarm＝1；
S9，再一次处理坐姿计算模块，用于获取坐姿信息；
S10，再次对比实时坐标和标准坐标偏差；
S11，判断坐姿是否达到标准？如果否，则重新进入步骤S8；如果是，则取消报警，重置Alarm＝0，重新进入步骤S4。
2.根据权利要求1所述的一种坐姿检测的检测方法，其特征在于，所述的步骤S1、S4或S9中所述的坐姿计算模块，用于获取坐姿信息，包括：人头检测模块、人头角度检测模块和计算坐姿信息。
3.根据权利要求2所述的一种坐姿检测的检测方法，其特征在于，步骤S1、S4或S9的处理坐姿计算模块进一步包括：
a，所述的人头检测模块从图像数据获得人头的边界框的数据；
b,依据人头边界框获取人头ROI数据并传给所述的人头角度检测模块已获得人头空间角度数据；
c，所述的计算坐姿信息是将获得的人头边界框和人头空间角度的数据信息整合到一起，以供其他模块进行计算。
4.根据权利要求1所述的一种坐姿检测的检测方法，其特征在于，所述的步骤S2中，进一步包括：通过步骤S1获取坐姿信息，一帧数据得到的坐姿信息作为一个结果，连续取预设个数n的坐姿信息结果，其中n为大于等于3的正整数。
5.根据权利要求4所述的一种坐姿检测的检测方法，其特征在于，所述的步骤S2中，进一步包括：判断注册标准坐姿成功的条件是，
1)坐姿信息结果中至少3个角度偏差值最大值小于预设第一阈值；
2)空间位置偏移值满足预设第二阈值；
3)以上两个条件1)和2)必须同时满足，则标准坐姿注册成功。
6.根据权利要求1所述的一种坐姿检测的检测方法，其特征在于，所述步骤S5或S10中的对比实时坐姿和标准坐姿偏差，进一步包括：
A.检测中获取当前帧的坐姿信息同已注册的坐姿信息进行偏差计算；
B.计算人头空间角度偏差值、人头空间位置偏移值。
7.根据权利要求1所述的一种坐姿检测的检测方法，其特征在于，所述的步骤S6中，所述偏差是否超过阈值，进一步包括：
如果计算得到的人头空间角度偏差值、人头空间位置偏移值这两个偏差值均未超过预设阈值，则认为当前采集的坐姿正常，继续监测坐姿信息；
如果计算得到的人头空间角度偏差值、人头空间位置偏移值这两个偏差值有一个超过预设阈值或两个都超过预设阈值，则认为当前坐姿不正常，进行下一步骤。
8.根据权利要求1所述的一种坐姿检测的检测方法，其特征在于，所述步骤S7中，判断该状态持续时间是否超过指定周期，进一步包括：当偏差超过阈值，判断坐姿不正常时开始累计坐姿异常帧的个数并同时开始计时，当在所述的指定周期内，坐姿异常计数超过预设第三阈值，则确认异常坐姿成立，进行步骤S8，赋值Alarm＝1，给出报警信号；否则认为是虚假信息，进行步骤S9，再一次处理坐姿计算模块。
9.根据权利要求1所述的一种坐姿检测的检测方法，其特征在于，步骤S6所述的偏差为人头空间角度偏差值或人头空间位置偏移值，所述的阈值为对应的第一阈值或第二阈值。
10.一种坐姿检测的检测系统，其特征在于，包括：坐姿计算模块、注册标准坐姿模块和比较判断模块，其中，
所述的坐姿计算模块，用于获取坐姿信息；
所述的注册标准坐姿模块，用于判断注册标准坐姿是否成功；
所述的比较判断模块，用于对比实时坐姿和标准坐姿偏差、判断偏差是否超过阈值、判断状态是否持续周期以及判断坐姿是否标准；
所述系统应用前述权利要求1-9所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911097807.0A CN112861563A (zh) | 2019-11-12 | 2019-11-12 | 一种坐姿检测的检测方法及其系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911097807.0A CN112861563A (zh) | 2019-11-12 | 2019-11-12 | 一种坐姿检测的检测方法及其系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112861563A true CN112861563A (zh) | 2021-05-28 |
Family
ID=75984436
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911097807.0A Pending CN112861563A (zh) | 2019-11-12 | 2019-11-12 | 一种坐姿检测的检测方法及其系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112861563A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102096801A (zh) * | 2009-12-14 | 2011-06-15 | 北京中星微电子有限公司 | 一种坐姿检测方法及装置 |
| CN103488980A (zh) * | 2013-10-10 | 2014-01-01 | 广东小天才科技有限公司 | 一种基于摄像头的坐姿判断方法和装置 |
| KR101722131B1 (ko) * | 2015-11-25 | 2017-03-31 | 국민대학교 산학협력단 | 멀티 모달 센서를 이용한 인체의 자세 및 공간 인지 시스템 |
| CN107169453A (zh) * | 2017-05-16 | 2017-09-15 | 湖南巨汇科技发展有限公司 | 一种基于深度传感器的坐姿检测方法 |
| CN107491751A (zh) * | 2017-08-14 | 2017-12-19 | 成都伞森科技有限公司 | 坐姿分析方法及装置 |
| CN109523755A (zh) * | 2018-12-17 | 2019-03-26 | 石家庄爱赛科技有限公司 | 立体视觉坐姿提醒装置和提醒方法 |
| CN110415497A (zh) * | 2019-08-09 | 2019-11-05 | 四川长虹电器股份有限公司 | 坐姿报警方法及系统 |
-
2019
- 2019-11-12 CN CN201911097807.0A patent/CN112861563A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102096801A (zh) * | 2009-12-14 | 2011-06-15 | 北京中星微电子有限公司 | 一种坐姿检测方法及装置 |
| CN103488980A (zh) * | 2013-10-10 | 2014-01-01 | 广东小天才科技有限公司 | 一种基于摄像头的坐姿判断方法和装置 |
| KR101722131B1 (ko) * | 2015-11-25 | 2017-03-31 | 국민대학교 산학협력단 | 멀티 모달 센서를 이용한 인체의 자세 및 공간 인지 시스템 |
| CN107169453A (zh) * | 2017-05-16 | 2017-09-15 | 湖南巨汇科技发展有限公司 | 一种基于深度传感器的坐姿检测方法 |
| CN107491751A (zh) * | 2017-08-14 | 2017-12-19 | 成都伞森科技有限公司 | 坐姿分析方法及装置 |
| CN109523755A (zh) * | 2018-12-17 | 2019-03-26 | 石家庄爱赛科技有限公司 | 立体视觉坐姿提醒装置和提醒方法 |
| CN110415497A (zh) * | 2019-08-09 | 2019-11-05 | 四川长虹电器股份有限公司 | 坐姿报警方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 曾星;罗武胜;孙备;鲁琴;刘涛诚;: "基于深度图像的嵌入式人体坐姿检测系统的实现", 计算机测量与控制, no. 09 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109919132B (zh) | 一种基于骨架检测的行人跌倒识别方法 | |
| CN108629946B (zh) | 一种基于rgbd传感器的人体跌倒检测方法 | |
| US8369608B2 (en) | System and method for detecting drowsy facial expressions of vehicle drivers under changing illumination conditions | |
| CN112861564A (zh) | 一种坐姿检测的实现装置 | |
| CN110889376A (zh) | 一种基于深度学习的安全帽佩戴检测系统及方法 | |
| CN104954747B (zh) | 视频监视方法和装置 | |
| CN106919254B (zh) | 一种头戴式虚拟现实设备及安全保护方法 | |
| US20190266425A1 (en) | Identification apparatus, identification method, and non-transitory tangible recording medium storing identification program | |
| CN113297938B (zh) | 坐姿监控的方法、装置、电子设备及存储介质 | |
| CN114894337B (zh) | 一种用于室外人脸识别测温方法及装置 | |
| CN110866450A (zh) | 一种帕金森病监测方法、装置及存储介质 | |
| KR20140110484A (ko) | 영상정보를 이용한 위험 행동 검지방법 | |
| CN110598536A (zh) | 一种基于人体骨架运动模型的跌倒检测方法及系统 | |
| CN106937532A (zh) | 用于检测真正用户的系统和方法 | |
| CN118379800B (zh) | 遮挡条件下的人体跌倒检测方法、装置、设备及存储介质 | |
| JP5027758B2 (ja) | 画像監視装置 | |
| US8503737B2 (en) | Visual line estimating apparatus | |
| CN111191499B (zh) | 一种基于最小中心线的跌倒检测方法及装置 | |
| JP2004042777A (ja) | 障害物検知装置 | |
| KR20190036929A (ko) | 실시간 자세 관리 시스템 | |
| LU100684B1 (en) | Method and system for head pose estimation | |
| CN112861562A (zh) | 一种检测坐姿异常的检测方法及其系统 | |
| CN117593792A (zh) | 一种基于视频帧的异常姿态检测方法和装置 | |
| CN117690081A (zh) | 基于多模态数据融合的安全带检测方法及装置 | |
| CN112861563A (zh) | 一种坐姿检测的检测方法及其系统 |
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 |