CN113312939A - 一种防止坐姿检测中检测器前无目标时产生误报的系统 - Google Patents
一种防止坐姿检测中检测器前无目标时产生误报的系统 Download PDFInfo
- Publication number
- CN113312939A CN113312939A CN202010118348.6A CN202010118348A CN113312939A CN 113312939 A CN113312939 A CN 113312939A CN 202010118348 A CN202010118348 A CN 202010118348A CN 113312939 A CN113312939 A CN 113312939A
- Authority
- CN
- China
- Prior art keywords
- sitting posture
- face
- unit
- module
- detection
- 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 68
- 238000004364 calculation method Methods 0.000 claims abstract description 28
- 230000002159 abnormal effect Effects 0.000 claims description 22
- 238000000034 method Methods 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 claims description 2
- 230000036544 posture Effects 0.000 description 133
- 238000000605 extraction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000005452 bending Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001788 irregular Effects 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
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Image Processing (AREA)
Abstract
本发明提供一种防止坐姿检测中检测器前无目标时产生误报的系统,包括:坐姿计算模块,其包括:人脸检测单元、人脸角度检测单元,计算坐姿信息数据单元,人脸计数累加器和未检出人脸计数累加器;注册标准坐姿模块;比较判断模块;坐姿异常报警模块;其中,所述的坐姿计算模块;其中比较判断模块包括:对比实时坐姿和标准坐姿偏差单元;判断偏差是否超过阈值单元;判断状态持续周期单元;判断有无目标单元,用于对人脸计数累加器进行判断,如果人脸计数累加器不大于1,则认为在检测周期内没有检出人脸,判定为没有目标人物在检测器检测范围内,则进入坐姿异常报警模块;如果人脸计数累加器大于1,则重新进入坐姿计算模块;判断坐姿是否标准单元。
Description
技术领域
本发明涉及人脸识别领域,特别涉及一种防止坐姿检测中检测器前无目标时产生误报的系统。
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,人脸识别技术广泛应用于信息安全、电子认证等各个领域,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、基于普通图像传感器,获取人脸角度、人形姿态等特征数据,并与预先设定的标准姿态特征数据匹配进而判断坐姿是否异常。
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,眼镜区域面积差、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,因该方法中只解决待检测目标处在检测范围内坐姿正常和异常的区别,并没有解决待检测目标离开检测范围内的情况,此时会导致检测器判断异常触发坐姿异常报警,影响使用体验。
3、专利CN110334631A基于人脸检测和二值运算的坐姿检测,利用adaboost人脸检测算法定位标准坐姿头部位置,并设置容限作为标准,检测目标头部位置是否超过该标准容限作为坐姿异常评判标准。因基于adboost等浅层人脸检测算法或深度CNN人脸检测算法,对人脸检测能力有一定限度,当人脸角度过大或应用环境复杂会导致人脸检测算法无法检出人脸,影响后续判断,该种情况同待检测目标正常离开检测范围时无人脸检测输出情况相同无法区分,因此会导致误报产生,影响使用体验。
现有技术中的常用术语包括:
1、人脸检测模块:输入一张包含有完整人脸的图像,人脸检测模块会返回图像中人脸的边界框(boundingbox)坐标。
2、人脸空间角度:由人脸的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解释如图3所示。
3、人脸角度检测模块:输入一张人脸ROI数据的灰度图像,获取人脸的空间角度,其中,ROI(region of interest),感兴趣区域。机器视觉、图像处理中,从被处理的图像以方框、圆、椭圆、不规则多边形等方式勾勒出需要处理的区域,称为感兴趣区域,ROI。
4、人脸计数累加器:当人脸检测模块检测出人脸时人脸计数累加器进行加1运算。
5、未检出人脸计数累加器:当人脸检测模块没有检出人脸时未检出人脸计数累加器加1运算。
6、坐姿信息:有人脸的空间角度、人脸的空间位置信息、人脸计数累加器、未检出人脸计数累加器。
7、标准坐姿信息:人在以标准姿态坐在桌子前或其他位置时有本发明采集的一组或多组坐姿信息。
8、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,如图4所示,IOU=intersection/uion(交集/并集)。IOU:目标检测中使用的一个概念,是产生的候选框(candidate bound)与原标记框(groundtruth bound)的交叠率,即它们的交集与并集的比值。
9、人脸空间位置偏移值:依据1中检测的boundingbox,计算boundingbox的IOU作为人脸位置偏移值。
发明内容
为了解决上述问题,本发明的目的在于:提出一种新的系统用于解决使用普通图像传感器时,基于人脸、人形姿态特征提取算法实现坐姿检测方案中无法区分没有目标人物情况下人脸、人形姿态特征提取的结果和有目标人物但是人脸、人形特征无法正常提取特征的结果的问题。
具体地,本发明提供一种防止坐姿检测中检测器前无目标时产生误报的系统,包括:
坐姿计算模块,用于获取坐姿信息;
注册标准坐姿模块,用于注册标准坐姿和判断注册标准坐姿是否成功;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、判断有无目标、判断坐姿是否标准;
坐姿异常报警模块,用于通过获得比较判断模块的结果,对坐姿异常进行报警;
其中,所述的坐姿计算模块进一步包括:人脸检测单元、人脸角度检测单元,计算坐姿信息数据单元,人脸计数累加器和未检出人脸计数累加器;
其中,所述的比较判断模块进一步包括:
对比实时坐姿和标准坐姿偏差单元,用于检测中获取当前帧的坐姿信息数据同已注册的坐姿信息进行偏差计算,并计算人脸空间角度偏差值、人脸空间位置偏移值;
判断偏差是否超过阈值单元,用于判断偏差是否超过阈值,如果未超过,则认为坐姿正常,则重新进入坐姿计算模块;如果超过,则认为当前坐姿不正常,进入判断状态持续周期单元;
判断状态持续周期单元,用于判断上述偏差超过阈值的状态持续时间是否超过指定周期,如果否,则重新进入坐姿计算模块,如果是,则进入判断有无目标单元;
判断有无目标单元,用于对人脸计数累加器进行判断,如果人脸计数累加器不大于1,则认为在检测周期内没有检出人脸,判定为没有目标人物在检测器检测范围内,则进入坐姿异常报警模块;如果人脸计数累加器大于1,则重新进入坐姿计算模块;
判断坐姿是否标准单元,用于判断坐姿是否达到标准,如果达到,则重新进入坐姿计算模块,如果未达到,则重新进入坐姿异常报警模块。
所述的判断偏差是否超过阈值单元中,如果计算得到的人脸空间角度偏差值、人脸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,或未检出人脸计数累加器超过预设阈值,则认为当前坐姿不正常,进入判断状态持续周期单元。
所述判断有无目标单元中,判定为没有目标人物在检测器检测范围内,则取消报警信号,并将Alarm=0;如果人脸计数累加器大于1,则认为在检测周期内检出人脸,判定为有目标人物在检测器检测范围内,重新进入坐姿计算模块。
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,特别是针对现有技术中无法区分没有目标人物情况下人脸、人形姿态特征提取的结果和有目标人物但是人脸、人形特征无法正常提取特征的结果的问题,采用本申请的方法得到了很好的解决,系统结构简单,维修方便。
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是本发明的系统的示意框图。
图2是本发明系统中坐姿计算模块的示意框图。
图3是本发明坐姿检测时的示意图。
图4是是本发明涉及的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,本发明涉及一种防止坐姿检测中检测器前无目标时产生误报的系统,包括:
坐姿计算模块,用于获取坐姿信息;
注册标准坐姿模块,用于注册标准坐姿和判断注册标准坐姿是否成功;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、判断有无目标、判断坐姿是否标准;
坐姿异常报警模块,用于通过获得比较判断模块的结果,对坐姿异常进行报警;
其中,如图2所示,所述的坐姿计算模块进一步包括:人脸检测单元、人脸角度检测单元,计算坐姿信息数据单元,人脸计数累加器和未检出人脸计数累加器;
其中,所述的比较判断模块进一步包括:
对比实时坐姿和标准坐姿偏差单元,用于检测中获取当前帧的坐姿信息数据同已注册的坐姿信息进行偏差计算,并计算人脸空间角度偏差值、人脸空间位置偏移值;
判断偏差是否超过阈值单元,用于判断偏差是否超过阈值,如果未超过,则认为坐姿正常,则重新进入坐姿计算模块;如果超过,则认为当前坐姿不正常,进入判断状态持续周期单元;
判断状态持续周期单元,用于判断上述偏差超过阈值的状态持续时间是否超过指定周期,如果否,则重新进入坐姿计算模块,如果是,则进入判断有无目标单元;
判断有无目标单元,用于对人脸计数累加器进行判断,如果人脸计数累加器不大于1,则认为在检测周期内没有检出人脸,判定为没有目标人物在检测器检测范围内,则进入坐姿异常报警模块;如果人脸计数累加器大于1,则重新进入坐姿计算模块;
判断坐姿是否标准单元,用于判断坐姿是否达到标准,如果达到,则重新进入坐姿计算模块,如果未达到,则重新进入坐姿异常报警模块。
所述的注册标准坐姿,进一步包括:通过坐姿计算模块获取坐姿信息数据,一帧数据得到的坐姿信息数据作为一个结果,连续取预设个数n的坐姿信息数据结果,其中n为大于等于3的正整数。
所述的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。
所述的处理坐姿计算模块进一步包括:
a,所述的人脸检测单元从图像数据获得人脸边界框;
b,依据人脸边界框扣取人脸ROI数据并传给人脸角度检测单元,获取人脸空间角度,并对人脸计数累加器加1,当人脸检测单元无法从图像数据中获得人脸边界框时人脸计数累加器不做处理,未检出人脸计数累加器加1;
c,计算坐姿信息单元即将获得的人脸边界框和人脸空间角度整合到一起,并更新人脸计数累加器和未检出人脸计数累加器,以供其他模块或单元进行计算。
所述的判断偏差是否超过阈值单元中,如果计算得到的人脸空间角度偏差值、人脸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,或未检出人脸计数累加器超过预设阈值,则认为当前坐姿不正常,进入判断状态持续周期单元。
所述的判断状态持续周期单元中,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次数,则确认异常坐姿成立,给出报警信号,进入判断有无目标单元;否则认为是虚假信息,重新进入坐姿计算模块,继续监控坐姿数据信息。
所述预设次数为大于1的正整数。
所述的给出报警信号,并将Alarm=1。
所述判断有无目标单元中,判定为没有目标人物在检测器检测范围内,则取消报警信号,并将Alarm=0;如果人脸计数累加器大于1,则认为在检测周期内检出人脸,判定为有目标人物在检测器检测范围内,重新进入坐姿计算模块。
所述的指定周期是预设的时间周期,例如1分钟或3分钟等,根据客户需要而预先设定。
所述预设次数为大于1的正整数,例如1次,3次或5次,10次等,根据客户需要而设定。
其中,计算人脸空间角度偏差值、人脸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,例如参见专利CN102096801A和CN110334631A等中的方案,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:
人脸检测模块从图像数据获得人脸boundingbox,依据人脸boundingbox扣取人脸ROI数据并传给人脸角度检测模块,获取人脸空间角度,并对人脸计数累加器加1,当人脸检测模块无法从图像数据中获得人脸boundingbox时人脸计数累加器不做处理,未检出人脸计数累加器加1。计算坐姿信息即将获得的人脸boundingbox和人脸空间角度整合到一起,并更新人脸计数累加器和未检出人脸计数累加器,以供其他模块进行计算。
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,计算人脸空间角度偏差值,人脸空间位置偏移值。
4、偏差超过阈值:
如果3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或未检出人脸计数累加器超过预设阈值,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4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、判断有无目标:
对人脸计数累加器进行判断,如果人脸计数累加器不大于1,则认为在检测周期内没有检出人脸,判定为没有目标人物在检测器检测范围内,将Alarm=0取消报警信号,开始进行1、3、4步骤。
7、坐姿是否标准:
当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。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 (9)
1.一种防止坐姿检测中检测器前无目标时产生误报的系统,其特征在于,包括:
坐姿计算模块,用于获取坐姿信息;
注册标准坐姿模块,用于注册标准坐姿和判断注册标准坐姿是否成功;
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、判断有无目标、判断坐姿是否标准;
坐姿异常报警模块,用于通过获得比较判断模块的结果,对坐姿异常进行报警;
其中,所述的坐姿计算模块进一步包括:人脸检测单元、人脸角度检测单元,计算坐姿信息数据单元,人脸计数累加器和未检出人脸计数累加器;
其中,所述的比较判断模块进一步包括:
对比实时坐姿和标准坐姿偏差单元,用于检测中获取当前帧的坐姿信息数据同已注册的坐姿信息进行偏差计算,并计算人脸空间角度偏差值、人脸空间位置偏移值;
判断偏差是否超过阈值单元,用于判断偏差是否超过阈值,如果未超过,则认为坐姿正常,则重新进入坐姿计算模块;如果超过,则认为当前坐姿不正常,进入判断状态持续周期单元;
判断状态持续周期单元,用于判断上述偏差超过阈值的状态持续时间是否超过指定周期,如果否,则重新进入坐姿计算模块,如果是,则进入判断有无目标单元;
判断有无目标单元,用于对人脸计数累加器进行判断,如果人脸计数累加器不大于1,则认为在检测周期内没有检出人脸,判定为没有目标人物在检测器检测范围内,则进入坐姿异常报警模块;如果人脸计数累加器大于1,则重新进入坐姿计算模块;
判断坐姿是否标准单元,用于判断坐姿是否达到标准,如果达到,则重新进入坐姿计算模块,如果未达到,则重新进入坐姿异常报警模块。
2.根据权利要求1所述的一种防止坐姿检测中检测器前无目标时产生误报的系统,其特征在于,所述的注册标准坐姿,进一步包括:通过坐姿计算模块获取坐姿信息数据,一帧数据得到的坐姿信息数据作为一个结果,连续取预设个数n的坐姿信息数据结果,其中n为大于等于3的正整数。
3.根据权利要求2所述的一种防止坐姿检测中检测器前无目标时产生误报的系统,其特征在于,所述的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。
4.根据权利要求1所述的一种防止坐姿检测中检测器前无目标时产生误报的系统,其特征在于,所述的处理坐姿计算模块进一步包括:
a,所述的人脸检测单元从图像数据获得人脸边界框;
b,依据人脸边界框扣取人脸ROI数据并传给人脸角度检测单元,获取人脸空间角度,并对人脸计数累加器加1,当人脸检测单元无法从图像数据中获得人脸边界框时人脸计数累加器不做处理,未检出人脸计数累加器加1;
c,计算坐姿信息单元即将获得的人脸边界框和人脸空间角度整合到一起,并更新人脸计数累加器和未检出人脸计数累加器,以供其他模块或单元进行计算。
5.根据权利要求1所述的一种防止坐姿检测中检测器前无目标时产生误报的系统,其特征在于,
所述的判断偏差是否超过阈值单元中,如果计算得到的人脸空间角度偏差值、人脸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,或未检出人脸计数累加器超过预设阈值,则认为当前坐姿不正常,进入判断状态持续周期单元。
6.根据权利要求1所述的一种防止坐姿检测中检测器前无目标时产生误报的系统,其特征在于,所述的判断状态持续周期单元中,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次数,则确认异常坐姿成立,给出报警信号,进入判断有无目标单元;否则认为是虚假信息,重新进入坐姿计算模块,继续监控坐姿数据信息。
7.根据权利要求6所述的一种防止坐姿检测中检测器前无目标时产生误报的系统,其特征在于,所述预设次数为大于1的正整数。
8.根据权利要求6所述的一种防止坐姿检测中检测器前无目标时产生误报的系统,其特征在于,所述的给出报警信号,并将Alarm=1。
9.根据权利要求1所述的一种防止坐姿检测中检测器前无目标时产生误报的系统,其特征在于,所述判断有无目标单元中,判定为没有目标人物在检测器检测范围内,则取消报警信号,并将Alarm=0;如果人脸计数累加器大于1,则认为在检测周期内检出人脸,判定为有目标人物在检测器检测范围内,重新进入坐姿计算模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010118348.6A CN113312939A (zh) | 2020-02-26 | 2020-02-26 | 一种防止坐姿检测中检测器前无目标时产生误报的系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010118348.6A CN113312939A (zh) | 2020-02-26 | 2020-02-26 | 一种防止坐姿检测中检测器前无目标时产生误报的系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113312939A true CN113312939A (zh) | 2021-08-27 |
Family
ID=77369930
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010118348.6A Pending CN113312939A (zh) | 2020-02-26 | 2020-02-26 | 一种防止坐姿检测中检测器前无目标时产生误报的系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113312939A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630410A (zh) * | 2009-08-18 | 2010-01-20 | 北京航空航天大学 | 一种基于单摄像机的人体坐姿判定方法 |
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 |
CN105139447A (zh) * | 2015-08-07 | 2015-12-09 | 天津中科智能技术研究院有限公司 | 基于双摄像头的坐姿实时检测方法 |
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 |
-
2020
- 2020-02-26 CN CN202010118348.6A patent/CN113312939A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101630410A (zh) * | 2009-08-18 | 2010-01-20 | 北京航空航天大学 | 一种基于单摄像机的人体坐姿判定方法 |
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 |
CN105139447A (zh) * | 2015-08-07 | 2015-12-09 | 天津中科智能技术研究院有限公司 | 基于双摄像头的坐姿实时检测方法 |
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 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Dubois et al. | Human activities recognition with RGB-Depth camera using HMM | |
WO2010103584A1 (ja) | 入退検出装置、監視装置及び入退検出方法 | |
Al-Madani et al. | Real-time driver drowsiness detection based on eye movement and yawning using facial landmark | |
CN112861564A (zh) | 一种坐姿检测的实现装置 | |
US20230394941A1 (en) | Monitoring device, suspicious object detecting method, and recording medium | |
CN110598536A (zh) | 一种基于人体骨架运动模型的跌倒检测方法及系统 | |
CN114469076A (zh) | 一种融合身份特征的独居老人跌倒识别方法及系统 | |
US20220095959A1 (en) | Feigned Injury Detection Systems And Methods | |
TWI538503B (zh) | 監測方法及攝影機 | |
Wang et al. | Fall detection algorithm for the elderly based on human characteristic matrix and SVM | |
JP2004042777A (ja) | 障害物検知装置 | |
WO2020217812A1 (ja) | 被写体の状態を認識する画像処理装置及びその方法 | |
CN113313917B (zh) | 一种解决坐姿检测中检测器前无目标时产生误报的方法 | |
CN113312939A (zh) | 一种防止坐姿检测中检测器前无目标时产生误报的系统 | |
CN113312938A (zh) | 一种坐姿检测防检测器前无目标时产生误报的方法及系统 | |
JP7039084B1 (ja) | セルフレジ監視システム及びセルフレジ監視方法 | |
CN112861562A (zh) | 一种检测坐姿异常的检测方法及其系统 | |
CN112861563A (zh) | 一种坐姿检测的检测方法及其系统 | |
KR20230078063A (ko) | 자세유형 판별을 위한 서버 및 그 동작방법 | |
Khan et al. | A novel hybrid fall detection technique using body part tracking and acceleration | |
Morishima et al. | Recognition Method for a Temporary Change in Walking based-on Anomaly Detection and Classification | |
CN113239772B (zh) | 自助银行或atm环境中的人员聚集预警方法与系统 | |
CN113822234B (zh) | 基于车载热成像的目标检测预警分析方法、系统及终端 | |
CN117593792A (zh) | 一种基于视频帧的异常姿态检测方法和装置 | |
CN110175562B (zh) | 一种基于并行计算的gpu加速行人检测算法 |
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 |