CN113989831A - 近视防控方法、装置、终端设备及存储介质 - Google Patents

Abstract

本发明公开了一种近视防控方法、装置、设备及存储介质，该方法包括：获取教室不同方位的图像信息并进行拼接合成处理，得到复合全景图像；从该复合全景图像中识别每个学生的身份信息，并检测每个课桌的位置信息；根据所述位置信息对课桌进行编号，根据课桌的编号信息和学生的身份信息建立课桌与学生之间的对应关系；当检测到姿势不符合预设标准姿势的目标学生时，根据所述对应关系确定所述目标学生对应的目标课桌，通过所述目标课桌向所述目标学生输出预警提示信息，预设标准姿势为符合近视防控规范的标准姿势。本发明通过课桌向姿势不规范的学生输出预警提示信息，能够及时提醒学生纠正姿势，达到近视防控的目的，提高了近视防控的有效性。

Description

近视防控方法、装置、终端设备及存储介质

技术领域

本发明涉及机器视觉和人工智能技术领域，尤其涉及一种近视防控方法、装置、终端设备及存储介质。

背景技术

近年来,中国学生近视率居高不下、不断攀升,近视低龄化趋势日益严重,学龄儿童近视问题已成为重要的社会性问题，深深影响了青少年的学习和身心健康，因此，近视防控问题已经刻不容缓。其中，导致学生近视的主要原因之一是不规范的读写姿势。学生读写姿势不规范的问题普遍存在，例如，当前中小学生普遍存在坐姿不正确、读写距离过近、握笔姿势不正确等问题。目前已有的近视防控方式是通过防近视桌椅纠正学生姿势，通过在桌椅上设计特定支杆护栏等限定学生的坐姿，从而预防学生读写姿势不对。然而，这种预防近视的方法投入成本比较大，如大规模应用到日常教学中，则需全面更新现有的课桌，投入成本极高。另外，这种防近视桌椅只能限定学生的坐姿，无法检测学生的书写等其他方面姿势的规范性，也无法为学生、家长、老师等提供反馈信息，以供家长和老师对学生不规范的姿势加以引导和纠正，当学生书写姿势不规范时，无法及时对学生进行有效的监督和提醒，导致防控有效性较差。

发明内容

本发明的主要目的在于提供一种近视防控方法、装置、终端设备及存储介质，旨在解决现有的近视防控方式成本高、防控有效性差的技术问题。

此外，为实现上述目的，本发明还提供一种近视防控方法，所述近视防控方法包括以下步骤：

获取教室不同方位对应的图像信息，对所述图像信息进行拼接合成处理，得到复合全景图像；

从所述复合全景图像中识别教室中每个学生的身份信息，并检测每个课桌的位置信息；

根据所述位置信息对所述课桌进行编号，得到所述课桌的编号信息，根据所述编号信息和所述身份信息建立所述课桌与所述学生之间的对应关系；

根据所述复合全景图像检测到姿势不符合预设标准姿势的目标学生时，根据所述对应关系确定所述目标学生对应的目标课桌，通过所述目标课桌向所述目标学生输出预警提示信息，其中，所述预设标准姿势为符合近视防控规范的标准姿势。

可选地，所述对所述图像信息进行拼接合成处理，得到复合全景图像的步骤，包括：

从所述图像信息中识别教室相同方向不同位置对应的局部图像；

对各所述局部图像进行角点检测，提取所述局部图像的特征点，并对各所述特征点进行特征描述，得到各所述特征点的特征描述子；

根据所述特征描述子对各所述局部图像进行匹配融合处理，得到复合全景图像。

可选地，所述根据所述特征描述子对各所述局部图像进行匹配融合处理，得到复合全景图像的步骤，包括：

根据所述特征描述子确定各所述局部图像的特征点中匹配的目标点对；

基于所述目标点对构建各所述局部图像之间的单应矩阵，并创建复合全景平面；

根据所述单应矩阵将各所述局部图像中的像素点映射到所述复合全景平面内，得到复合全景图像。

可选地，所述对各所述特征点进行特征描述，得到各所述特征点的特征描述子的步骤，包括：

计算各所述特征点在其邻域内的哈尔小波特征，并将所述特征点的邻域划分为多个子邻域；

统计各所述子邻域内的所述哈尔小波特征的总和，并将所述总和最大的矢量的方向设置为所述特征点的主方向；

确定各所述特征点所在的矩形区域，并将所述矩形区域划分为多个子区域，在与所述主方向平行和垂直的方向上分别统计各所述子区域内的哈尔小波特征，得到各所述特征点的特征描述子。

可选地，所述根据所述编号信息和所述身份信息建立所述课桌与所述学生之间的对应关系的步骤，包括：

根据所述编号信息和所述身份信息，统计所述学生在各所述课桌所在区域内的出现频次；

将所述学生出现频次最高的课桌区域内的课桌设置为所述学生的固定课桌，并将所述固定课桌的编号信息所述学生的身份信息进行绑定，以建立所述课桌与所述学生之间的对应关系。

可选地，所述根据所述对应关系确定所述目标学生对应的目标课桌的步骤之后，还包括：

检测所述目标学生当前是否处于所述目标课桌的课桌区域内；

若所述目标学生当前未处于所述目标课桌的课桌区域内，则获取所述目标学生当前所在的课桌区域内的第一课桌；

将所述第一课桌设置为目标课桌，并通过所述目标课桌向所述目标学生输出预警提示信息。

可选地，所述目标课桌上设有预警提示设备，所述预警提示设备包括指示灯，所述通过所述目标课桌向所述目标学生输出预警提示信息的步骤，包括：

统计所述目标学生的姿势不符合预设标准姿势的违规频率和/或违规时长；

根据所述违规频率，和/或违规时长，和/或所述目标学生的姿势与所述预设标准姿势的差异性，生成预警提示信息；

根据所述预警提示信息控制所述目标课桌上设置的预警提示设备开启指示灯，以向所述目标学生输出所述预警提示信息，其中，所述预警提示信息包括指示灯的颜色和/或指示灯的数量。

此外，为实现上述目的，本发明还提供一种近视防控装置，所述近视防控装置包括：

图像处理模块，用于获取教室不同角度对应的图像信息，对所述图像信息进行拼接合成处理，得到复合全景图像；

目标检测模块，用于从所述复合全景图像中识别教室中每个学生的身份信息，并检测每个课桌的位置信息；

目标匹配模块，用于根据所述位置信息对所述课桌进行编号，得到所述课桌的编号信息，根据所述编号信息和所述身份信息建立所述课桌与所述学生之间的对应关系；

预警提示模块，用于根据所述复合全景图像检测到姿势不符合预设标准姿势的目标学生时，根据所述对应关系确定所述目标学生对应的目标课桌，通过所述目标课桌向所述目标学生输出预警提示信息，其中，所述预设标准姿势为符合近视防控规范的标准姿势。

此外，为实现上述目的，本发明还提供一种终端设备，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的近视防控程序，所述近视防控程序被所述处理器执行时实现如上述的近视防控方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有近视防控程序，所述近视防控程序被处理器执行时实现如上述的近视防控方法的步骤。

此外，为实现上述目的，本发明还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述的近视防控方法的步骤。

本发明实施例提出的一种近视防控方法、装置、终端设备及存储介质。与现有技术中近视防控方法成本高、防控有效性低相比，本发明实施例中，通过获取教室不同方位对应的图像信息，对所述图像信息进行拼接合成处理，得到复合全景图像；从所述复合全景图像中识别教室中每个学生的身份信息，并检测每个课桌的位置信息；根据所述位置信息对所述课桌进行编号，得到所述课桌的编号信息，根据所述编号信息和所述身份信息建立所述课桌与所述学生之间的对应关系；根据所述复合全景图像检测到姿势不符合预设标准姿势的目标学生时，根据所述对应关系确定所述目标学生对应的目标课桌，通过所述目标课桌向所述目标学生输出预警提示信息，其中，所述预设标准姿势为符合近视防控规范的标准姿势。通过获取教室不同方位对应的全景图像，对学生的姿势进行检测，当检测到存在不规范姿势的学生时，根据学生与课桌之间的对应关系确定该学生对应的目标课桌，并通过该目标课桌向该学生输出预警提示信息，以提醒学生及时纠正不规范姿势。通过及时有效的提醒学生纠正姿势达到近视防控的目的，与通过防近视桌椅限定学生的坐姿相比，不仅可以减少近视防控成本，还能提高近视防控的有效性。

附图说明

图1为本发明实施例提供的终端设备一种实施方式的硬件结构示意图；

图2为本发明近视防控方法第一实施例的流程示意图；

图3为本发明近视防控方法第一实施例的终端设备的分布示意图；

图4为本发明近视防控方法第二实施例的主方向计算过程示意图；

图5为本发明近视防控装置一实施例的功能模块示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。

本发明实施例近视防控终端(又叫终端、设备或者终端设备)可以是PC，也可以是智能手机、平板电脑和便携计算机等具有显示和数据处理功能的可移动式终端设备。

如图1所示，该终端可以包括：处理器1001，例如CPU，网络接口1004，用户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard)，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。

可选地，终端还可以包括摄像头、RF(Radio Frequency，射频)电路，传感器、音频电路、WiFi模块等等。其中，传感器比如光传感器、运动传感器以及其他传感器。具体地，光传感器可包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示屏的亮度，接近传感器可在移动终端移动到耳边时，关闭显示屏和/或背光。作为运动传感器的一种，重力加速度传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别移动终端姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；当然，移动终端还可配置陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

本领域技术人员可以理解，图1中示出的终端结构并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

如图1所示，作为一种计算机可读存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及近视防控程序。

在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；用户接口1003主要用于连接客户端(用户端)，与客户端进行数据通信；而处理器1001可以用于调用存储器1005中存储的近视防控程序，所述近视防控程序被处理器执行时实现下述实施例提供的近视防控方法中的操作。

基于上述设备硬件结构，提出了本发明近视防控方法的实施例。

需要说明的是，随着学龄儿童近视低龄化趋势越来越严重，中小学生的近视防控工作显得尤为重要，而近视防控的重要手段之一在于矫正学生不规范的读写姿势。可知地，一般要求学生的正确读写姿势为“一拳、一尺、一寸”(胸部距离课桌一拳、眼部距离书本一尺、手指距离笔尖一寸)，目前已有的通过纠正学生姿势实现近视防控的方式，是通过设有特定支杆护栏的桌椅对学生的坐姿进行限定，但这种方式成本高昂，难以大范围普及应用。并且，通过桌椅限定学生坐姿无法对学生的读写姿势进行检测，也无法向学生、家长、老师等提供反馈信息。一方面，缺少信息反馈使家长、老师难以对学生不规范的姿势加以监督指导，另一方面，当学生姿势不规范时，无法及时提醒学生纠正，也无法对学生的近视防控效果进行评估，导致防控有效性差。

基于此，本发明提出了一种基于计算机视觉和人工智能的近视防控方式，基于计算机视觉和智能分析对学生的姿势进行识别与分析，可以及时判断学生的姿势是否符合规范，当检测到学生姿势不规范时，输出预警提示信息，可以及时提醒学生加以纠正，实现对学生不规范姿势的有效监督，不仅可以提高近视防控的有效性，与特制的防近视桌椅相比，还能减少成本。

具体地，参照图2，图2为本发明近视防控方法第一实施例的流程示意图，在本发明近视防控方法的第一实施例中，所述近视防控方法包括：

步骤S10，获取教室不同方位对应的图像信息，对所述图像信息进行拼接合成处理，得到复合全景图像；

在本实施例中，本发明中的近视防控方法在具有显示和数据处理功能的终端设备上实施，基于计算机视觉，根据获取的图像信息对学生姿势进行检测，并确定学生的姿势是否规范。其中，该终端设备可以是个人计算机或平板电脑等，以下以个人计算机(简称计算机)为例，获取的图像信息是教室不同方位的，具体地，实施近视防控方法的终端设备还包括设置在教室内的监控设备，该监控设备包括多个与计算机连接的摄像头，可以从教室前、后、左、右等不同方位获取对应的图像信息。该终端设备还包括预警提示设备，设置于学生的课桌上，当检测到学生的姿势表现不规范时，通过课桌上的预警提示设备向学生发出预警提示信息，提醒学生及时纠正不规范的姿势。以从教室前端和左侧获取对应的图像信息为例，参照图3，图3为本实施例中的近视防控方法的终端设备的分布示意图，在图3中，教室的左侧和前端分别安装有多个与计算机相连的摄像头，用于获取教室前端和左侧对应的图像信息。

可知地，对学生姿势的识别要基于学生的三维信息，而摄像头等监控设备获取的图像一般是二维信息，因此，需要获取教室不同方位对应的图像信息，从而可以从不同角度获取学生的姿势信息，进而实现对学生的全方位监控。为了实现对所有学生的全面监控，监控设备的拍摄角度一般是固定的，且拍摄范围有限，因此，如图3所示，在教室的同一个方向的不同位置要分别设置摄像头，以获取对应角度的图像信息。

进一步地，对于获取的教室不同方位的图像信息，需要进行拼接合成处理，从而得到教室不同方向对应的复合全景图像，例如，对通过教室前端的各个摄像头获取的图像信息进行拼接合成处理，得到教室前端对应的正面复合全景图像，对通过教室左侧的各个摄像头获取的图像进行拼接合成处理，得到教室左侧对应的左侧复合全景图像。

步骤S20，从所述复合全景图像中识别教室中每个学生的身份信息，并检测每个课桌的位置信息；

进一步地，在得到教室不同方向对应的复合全景图像后，从得到的复合全景中识别各个学生的身份信息，并检测各个课桌的位置信息，具体地，识别每个学生的身份信息可以通过人脸识别算法，通过正面复合全景图像识别每个学生，通过目标检测算法，通过正面复合全景图像和/或侧面复合全景图像检测课桌的位置信息，其中，该位置信息可以利用坐标(x，y)的形式，表示课桌所在的行和列，以此对课桌进行定位，在此不作限定。

步骤S30，根据所述位置信息对所述课桌进行编号，得到所述课桌的编号信息，根据所述编号信息和所述身份信息建立所述课桌与所述学生之间的对应关系；

在得到课桌的位置信息后，按照从前往后、从左至右的顺序，对每个课桌依次进行编号，得到每个课桌的编号信息。当检测到学生姿势不规范时，由于要通过课桌上设置的预警提示设备提醒学生，因此，需要建立学生与课桌之间的匹配关系，具体的，可以通过学生的身份信息和课桌的编号信息，将每个学生的固定座位上的课桌的编号信息与该生的身份信息进行绑定，从而建立学生与课桌之间的对应关系。可以理解的是，课桌的编号信息是根据其所在的位置确定的，学生的座位并不是不变的，而是可变的，例如，正常的座位调整、年纪变换、教室更换等，每个学生的座位都可能会发生变化，当学生座位发生变化时，重新绑定学生的身份信息与课桌的编号信息，建立学生与课桌之间新的对应关系即可。

进一步地，步骤S30的细化，包括：

步骤S301，根据所述编号信息和所述身份信息，统计所述学生在各所述课桌所在区域内的出现频次；

步骤S302，将所述学生出现频次最高的课桌区域内的课桌设置为所述学生的固定课桌，并将所述固定课桌的编号信息所述学生的身份信息进行绑定，以建立所述课桌与所述学生之间的对应关系。

在建立学生与课桌之间的对应关系时，具体是根据对每个学生的人脸识别结果，统计各个学生在每个课桌所在区域内出现的频次，将每个学生出现频次最高的课桌作为该学生的固定课桌，并将该课桌的编号信息与学生的身份信息进行绑定，建立课桌与学生之间的对应关系。由于学生会偶然出现在不是自己固定座位的地方，比如课间休息或自由互动时间，所以需要在一个较长的时间段内，对学生人脸的出现频率进行统计来确定学生和课桌的匹配关系。具体做法是：在规定时间段内或人为设定的时间范围内，根据获取的前排全景图像，统计每张图像中学生人脸出现的课桌位置，计算其在每个课桌区域的出现频次，然后统计每个学生出现频率最高的座位，则认为该座位即为该学生的固定座位，通过绑定该座位的课桌的编号信息与该学生的身份信息，建立该课桌和该学生的匹配关系。

步骤S40，根据所述复合全景图像检测到姿势不符合预设标准姿势的目标学生时，根据所述对应关系确定所述目标学生对应的目标课桌，通过所述目标课桌向所述目标学生输出预警提示信息，其中，所述预设标准姿势为符合近视防控规范的标准姿势。

从复合全景图像中检测到姿势不符合预设标准姿势的学生时，根据学生与课桌之间的对应关系，确定该学生对应的目标课桌，通过该目标课桌向该学生发出预警提示信息，以及时提醒该学生纠正姿势。可以理解的是，在本实施例中，预设标准姿势为符合近视防控规范的标准姿势，例如，学生书写时的规范姿势为：身体坐正，两腿自然平放，头和上身稍向前倾，胸部离桌子一拳，两臂平放在桌面，写字时笔杆在右手拇指、食指和中指的三个指梢之间，食指在前，拇指在左后，中指在右下，食指稍低于拇指，大拇指和食指自然弯曲，形成椭圆状，食指指尖应距笔尖约3厘米。中指的第一关节从后面抵住笔杆，笔杆斜靠在虎口处，无名指和小指同时弯曲，依次靠在中指的后面，笔杆与作业本保持约六十度的倾斜，掌心虚圆，指关节略弯曲。通过对学生的姿势进行识别，当检测学生的姿势不符合规范姿势时，则提醒学生加以纠正。

进一步地，在通过目标课桌向学生输出预警提示之前，还可以包括：

步骤S01，检测所述目标学生当前是否处于所述目标课桌的课桌区域内；

步骤S02，若所述目标学生当前未处于所述目标课桌的课桌区域内，则获取所述目标学生当前所在的课桌区域内的第一课桌；

步骤S03，将所述第一课桌设置为目标课桌，并通过所述目标课桌向所述目标学生输出预警提示信息。

一般地，学生在规定时间内也不一定会处于固定的座位上，例如，考试和自由互动时间等，因此，当检测到存在姿势不规范的学生时，根据课桌与学生之间的对应关系，确定与学生对应的课桌之后，还要检测该学生当前是否处于其固定座位上，或者说，检测该学生当前所处的座位与其对应的课桌所在的位置是否符合，若不符合，则将该学生当前所处的座位上的课桌作为目标课桌，通过该目标课桌输出预警提示信息，以提示该学生及时纠正姿势。

进一步地，用于实施近视防控方法的终端设备还包括预警提示设备，该预警提示设备包括设置于学生课桌上的指示灯，通过该目标课桌向学生输出预警提示信息的步骤，包括：

步骤S401，统计所述目标学生的姿势不符合预设标准姿势的违规频率和/或违规时长；

步骤S402，根据所述违规频率，和/或违规时长，和/或所述目标学生的姿势与所述预设标准姿势的差异性，生成预警提示信息；

步骤S403，根据所述预警提示信息控制所述目标课桌上设置的预警提示设备开启指示灯，以向所述目标学生输出所述预警提示信息，其中，所述预警提示信息包括指示灯的颜色和/或指示灯的数量。

统计学生出现不规范的姿势的频率和/或时长，具体是统计该学生在一定时间段内出现与预设标准姿势不符合的姿势的频率，和/或不规范姿势持续的时长，当不规范姿势出现的频率和/或时长超过阈值，和/或学生姿势与预设标准姿势严重不符时，生成预警提示信息，根据该预警提示信息控制预警提示设备启动目标课桌上的指示灯，以提醒该学生及时纠正不规范的姿势。其中，生成的预警提示信息包括指示灯的颜色和/或指示灯的数量，在向学生输出预警提示信息时，可以结合指示灯的颜色和数量输出不同含义的信息，例如，设置多个指示灯，每个指示灯分别对应坐姿、书写姿势等不同的姿势，每个指示灯都包含多种颜色，不同的颜色表示不同的含义，具体地，以包含三种颜色(红、黄、绿)的指示灯为例，绿色表示正常，黄色表示短时间内有不规范动作，但不是长时间行为，红色表示学生姿势长时间不正常或平凡不出现不规范姿势，需调整。在学生调整姿势期间，指示灯的颜色可以随学生姿势变化而变化，当学生将姿势调整为规范姿势时，指示灯可以由红变绿，以提示学生已调整为规范姿势。

可以理解的是，在通过目标课桌向学生输出预警提示信息后，还可以每隔预设时长后，对每个学生的姿势进行统计汇总，生成每个学生对应的姿势识别报告，并将报告发送给学生、学生家长、老师等，以供学生的家长、老师根据报告内容，及时了解学生的姿势矫正动态，当学生频繁或长时间出现不规范姿势时，家长和老师可以及时干预，参与对学生近视防控的提醒和指导，帮助学生达到近视防控的目的。

在本实施例中，通过获取教室不同方位对应的图像信息，对所述图像信息进行拼接合成处理，得到复合全景图像；从所述复合全景图像中识别教室中每个学生的身份信息，并检测每个课桌的位置信息；根据所述位置信息对所述课桌进行编号，得到所述课桌的编号信息，根据所述编号信息和所述身份信息建立所述课桌与所述学生之间的对应关系；根据所述复合全景图像检测到姿势不符合预设标准姿势的目标学生时，根据所述对应关系确定所述目标学生对应的目标课桌，通过所述目标课桌向所述目标学生输出预警提示信息，其中，所述预设标准姿势为符合近视防控规范的标准姿势。通过获取教室不同方位对应的全景图像，对学生的姿势进行检测，当检测到存在不规范姿势的学生时，根据学生与课桌之间的对应关系确定该学生对应的目标课桌，并通过该目标课桌向该学生输出预警提示信息，以提醒学生及时纠正不规范姿势。通过及时有效的提醒学生纠正姿势，提高对学生姿势的监督有效性，达到近视防控的目的，与通过防近视桌椅限定学生的坐姿相比，不仅可以减少近视防控成本，还能提高近视防控的有效性。

进一步地，在本发明上述实施例的基础上，提出了本发明方法的第二实施例。

本实施例是第一实施例中步骤S10细化的步骤，对获取的教室不同方位对应的图像信息进行拼接合成处理，得到复合全景图像的步骤，具体包括：

步骤S101，从所述图像信息中识别教室相同方向不同位置对应的局部图像；

步骤S102，对各所述局部图像进行角点检测，提取所述局部图像的特征点，并对各所述特征点进行特征描述，得到各所述特征点的特征描述子；

步骤S103，根据所述特征描述子对各所述局部图像进行匹配融合处理，得到复合全景图像。

基于上述实施例，本实施例是对上述实施例中，对获取的图像信息进行拼接合成处理的细化，具体地，以上述实施例中从教室前端和左侧不同位置获取的图像信息为例，由于在教室前端和左侧同一方向上的多个位置布置了摄像头，这些摄像头之间可能存在重合的拍摄区域，为了准确匹配每个学生和课桌座位之间的关系，同时也为了避免重复检测，需要综合通过教室前排和左侧的摄像头获取的图像，分别拼接合成两张全景图像，即教室前端对应的正面全景图像和教室左侧对应的左侧全景图像。正面全景图像主要用于识别课桌、学生身份、部分学生姿态和爱眼操动作的规范等，左侧全景图主要用于识别学生的读写姿势、坐姿等。

可知地，在对获取的原始图像信息进行拼接合成处理之前，还可以对获取的图像信息进行去畸变、腐蚀膨胀、逆投影变换等预处理。对获取的图像信息进行拼接合成处理时，首先从获取的图像信息中分别识别从教室前端获取的局部图像，以及从教室左侧获取的局部图像，对前端对应的局部图像和左侧对应的局部图像分别进行角点检测，提取局部图像的特征点，并对提取的各个特征点进行特征描述，得到各个特征点对应的描述子。根据各个特征点对应的特征描述子，对同一方向不同位置获取的局部图像进行匹配融合处理，得到前端和侧面对应的两个复合全景图像。

其中，对局部图像进行特征点提取和特征描述时，可以是利用Harris(哈里斯)算法进行角点检测、FAST算法(Features from Accelerated Segment Test，加速分段测试的特征检测算法)进行角点检测、BRIEF(Binary Robust Independent ElementaryFeatures，二进制鲁棒独立的基本特征)特征描述子、在FAST和BRIEF基础上的ORB(Oriented FAST and Rotated BRIEF，)算法和具有尺度不变性的SIFT算法(Scale-invariant feature transform，尺度不变特征转换算法)和SURF(Speeded-Up RobustFeatures)算法等。

本实施例中，以SURF算法为例，在对局部图像进行角点检测以提取特征点时，首先构造高斯金字塔尺度空间，具体地，首先对获取的局部图像进行高斯滤波，对于滤波后的图像，计算每个像素点对应的Hessian矩阵(黑塞矩阵)，求解每个像素点的Hessian矩阵，得到近似hessian行列式图，即金字塔图像，该金字塔图像中分为很多层，每一层叫做一个octave(八度)，每一个octave中又有几张尺度不同的图片。在SIFT算法中，同一个octave层中的图片尺寸(即大小)相同，但是尺度(即模糊程度)不同，而不同的octave层中的图片尺寸大小也不相同，因为它是由上一层图片降采样得到的。在进行高斯模糊时，SIFT的高斯模板大小是始终不变的，只是在不同的octave之间改变图片的大小。而在SURF算法中，图片的大小是一直不变的，不同的octave层得到的待检测图片是改变高斯模糊尺寸大小得到的，同一个octave中的各个图片采用的高斯模板尺度也不同，因此，SURF算法节省了降采样过程，其处理速度相比于SIFT算法就快了很多，因此，SURF算法是对SIFT在速度与内存上的一种优化方案，一定程度上解决了SIFT速度过慢的问题。其次，在构造金字塔图像后，将经过hessian矩阵处理过的每个像素点与其3维领域的26个像素点进行比较，如果该像素点是26个像素点中的最大值或者最小值，则保留下来作为特征点。最后，还可以采用3维线性插值法得到亚像素级的特征点，同时去掉一些像素值小于一定阈值的特征点，对提取的特征点进行过滤，得到最终的特征点。

进一步地，步骤S102中，对提取的特征点进行特征描述的步骤，包括：

步骤A1，计算各所述特征点在其邻域内的哈尔小波特征，并将所述特征点的邻域划分为多个子邻域；

步骤A2，统计各所述子邻域内的所述哈尔小波特征的总和，并将所述总和最大的矢量的方向设置为所述特征点的主方向；

步骤A3，确定各所述特征点所在的矩形区域，并将所述矩形区域划分为多个子区域，在与所述主方向平行和垂直的方向上分别统计各所述子区域内的哈尔小波特征，得到各所述特征点的特征描述子。

计算各个特征点在其尺度空间的邻域内的Harr(哈尔)小波特征，然后将该特征点的邻域划分为多个子邻域，统计各个子邻域内的小波特征的总和，将Harr小波特征总和最大的矢量的方向，作为该特征点的主方向。参照图4，图4为本实施例中主方向的计算过程示意图，在图4中，以选取的特征点为中心划分该特征点对应的圆形邻域，例如，半径为6s的圆形区域，(s为该特征点所在的高斯金字塔的尺度)，将特征点的邻域划分为多个子邻域，统计各个子邻域内的Harr小波特征总和。SIFT算法选取特征点主方向是采用在特征点领域内统计其梯度直方图，取直方图bin值最大的以及超过最大bin值一定百分比(通常为80％)的特征点的方向做为该特征点的主方向。而在SURF中，不统计其梯度直方图，而是统计特征点领域内的Harr小波特征。即在特征点的领域内，统计一定角度(如60度)扇形内所有点的水平Harr小波特征和垂直Harr小波特征总和，Harr小波的尺寸变长为4s，这样就得到了一个扇形区域对应的值。然后将60度扇形以一定间隔进行旋转，最后将最大值对应的扇形的方向作为该特征点的主方向。

在SIFT算法中，是在特征点周围取16*16的邻域，并把该领域化为4*4个小区域，每个小区域统计8个方向梯度，最后得到4*4*8＝128维的向量，该向量即为该特征点的SIFT描述子。而在SURF算法中，是在特征点周围取一个矩形区域，一般是正方形区域，该矩形的边长为20s(s是所检测到该特征点所在的尺度)。该矩形区域具有方向，其方向即为该特征点的主方向。然后把该矩形区域划分为多个子区域，在于特征点的主方向平行和垂直的方向上，分别统计每个子区域的Harr小波特征总和，得到该特征点对应的特征描述子。例如，将特征点的矩形框划分为16个子区域，每个子区域统计25个像素的水平方向和垂直方向的Harr小波特征，此处的水平和垂直方向都是相对于特征点的主方向而言的，该Harr小波特征为水平方向值之和，水平方向绝对值之和，垂直方向之和，垂直方向绝对值之和。

进一步地，步骤S103中，根据各个特征点的特征描述子对各局部图像进行匹配融合处理，得到复合全景图像的步骤，包括：

步骤B1，根据所述特征描述子确定各所述局部图像的特征点中匹配的目标点对；

步骤B2，基于所述目标点对构建各所述局部图像之间的单应矩阵，并创建复合全景平面；

步骤B3，根据所述单应矩阵将各所述局部图像中的像素点映射到所述复合全景平面内，得到复合全景图像。

进一步地，在得到各个特征点的特征描述子后，根据得到的特征描述子对局部图像进行匹配融合处理，得到对应的全景图像，该全景图像为复合全景图像。具体地，图像匹配是指确定描绘相同场景的多张图像的几何对应关系，根据各个特征点的特征描述子，确定各个局部图像中匹配的目标点对，基于该目标点对构建局部图像之间的单应矩阵，该单应矩阵用于描述目标单对的单应性，单应性常用于表示同一场景的两个图像之间的对应关系，例如，拍摄区域存在重合的图像中，重合区域的像素点等。根据计算出的目标点对之间的单应性矩阵，将各个局部图像中的像素点投影到预先创建的复合平面内，即可得到一个复合全景图像。可知地，在对局部图像中的像素点进行投影时，不同的局部图像中对应的像素点可根据单应性矩阵投影到复合平面中的同一位置中，从而实现局部图像的匹配与融合，减少重合拍摄区域对学生姿势检测的影响。

进一步地，在本实施例中，对局部图像进行匹配融合处理之前，还可以采用RANSAC等特征点过滤算法(RANdom SAmple Consensus,随机抽样一致)，过滤掉不符合几何变换的目标点对。RANSAC算法是从数据集中随机选取一组数据并认为其是有效数据(内点)来确定待定参数模型，以此模型迭代测试数据集中的所有数据，满足该模型的数据成为内点，反之则为外点(通常为噪声、错误测量或不正确的数据点)，直到某一个参数模型得到的内点数最大，则将该模型作为最优模型，对选取的目标点对以及无法匹配的特征点进行过滤，随后利用匹配的点对来计算单应矩阵(Homography Estimation)。

更进一步地，图像合成是将所有输入图像变形并融合到一个图像中并输出。简单来说，就是将所有输入的图像变形到一个平面上，这个平面名为复合全景平面。图像变形的步骤为：首先计算每个输入图像的变形图像坐标范围，得到输出图像大小，通过映射每个局部图像的四个角并且计算其像素点坐标(x，y)的最小值和最大值，可以很容易地确定输出图像的大小。最后，需要计算参考的局部图像原点相对于输出全景图像的像素点的偏移量，该偏移量包括x轴偏移量和y轴偏移量。基于此，将每个输入局部图像的像素点(或特征点)映射到复合全景平面上，分别执行映射点的正向变形和反向变形，即可得到对应的复合全景图像。其中，在对映射点执行反向变形和正向变形后，该可以在重叠区域对映射的像素点进行颜色融合，平衡像素带你的像素值以避免接缝。最简单的方式是使用羽化(feathering)方式，通过加权平均像素值融合重叠区域像素点的像素值。

在本实施例中，通过对获取的教室不同方位的图像信息进行拼接合成处理，可以得到教室不同方向对应的复合全景图像，基于该复合全景图像可以实现对学生姿势的精确检测，有助于提高对学生姿势是否规范的判别准确率，从而帮助学生达到近视防控的目的。

此外，参照图5，本发明实施例还提出一种近视防控装置，所述近视防控装置包括：

图像处理模块10，用于获取教室不同角度对应的图像信息，对所述图像信息进行拼接合成处理，得到复合全景图像；

目标检测模块20，用于从所述复合全景图像中识别教室中每个学生的身份信息，并检测每个课桌的位置信息；

目标匹配模块30，用于根据所述位置信息对所述课桌进行编号，得到所述课桌的编号信息，根据所述编号信息和所述身份信息建立所述课桌与所述学生之间的对应关系；

预警提示模块40，用于根据所述复合全景图像检测到姿势不符合预设标准姿势的目标学生时，根据所述对应关系确定所述目标学生对应的目标课桌，通过所述目标课桌向所述目标学生输出预警提示信息，其中，所述预设标准姿势为符合近视防控规范的标准姿势。

可选地，所述图像处理模块10，还用于：

从所述图像信息中识别教室相同方向不同位置对应的局部图像；

对各所述局部图像进行角点检测，提取所述局部图像的特征点，并对各所述特征点进行特征描述，得到各所述特征点的特征描述子；

根据所述特征描述子对各所述局部图像进行匹配融合处理，得到复合全景图像。

可选地，所述图像处理模块10，还用于：

根据所述特征描述子确定各所述局部图像的特征点中匹配的目标点对；

基于所述目标点对构建各所述局部图像之间的单应矩阵，并创建复合全景平面；

根据所述单应矩阵将各所述局部图像中的像素点映射到所述复合全景平面内，得到复合全景图像。

可选地，所述图像处理模块10，还用于：

计算各所述特征点在其邻域内的哈尔小波特征，并将所述特征点的邻域划分为多个子邻域；

统计各所述子邻域内的所述哈尔小波特征的总和，并将所述总和最大的矢量的方向设置为所述特征点的主方向；

确定各所述特征点所在的矩形区域，并将所述矩形区域划分为多个子区域，在与所述主方向平行和垂直的方向上分别统计各所述子区域内的哈尔小波特征，得到各所述特征点的特征描述子。

可选地，所述目标匹配模块30，还用于：

根据所述编号信息和所述身份信息，统计所述学生在各所述课桌所在区域内的出现频次；

将所述学生出现频次最高的课桌区域内的课桌设置为所述学生的固定课桌，并将所述固定课桌的编号信息所述学生的身份信息进行绑定，以建立所述课桌与所述学生之间的对应关系。

可选地，所述近视防控装置还包括区域检测模块，用于：

检测所述目标学生当前是否处于所述目标课桌的课桌区域内；

若所述目标学生当前未处于所述目标课桌的课桌区域内，则获取所述目标学生当前所在的课桌区域内的第一课桌；

将所述第一课桌设置为目标课桌，并通过所述目标课桌向所述目标学生输出预警提示信息。

可选地，所述目标课桌上设有预警提示设备，所述预警提示设备包括指示灯，所述预警提示模块40，还用于：

统计所述目标学生的姿势不符合预设标准姿势的违规频率和/或违规时长；

根据所述违规频率，和/或违规时长，和/或所述目标学生的姿势与所述预设标准姿势的差异性，生成预警提示信息；

根据所述预警提示信息控制所述目标课桌上设置的预警提示设备开启指示灯，以向所述目标学生输出所述预警提示信息，其中，所述预警提示信息包括指示灯的颜色和/或指示灯的数量。

此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有近视防控程序，所述近视防控程序被处理器执行时实现上述实施例提供的近视防控方法中的操作。

此外，本发明实施例还提出一种计算机程序产品，包括计算机程序，所述计算机被处理器执行时实现上述实施例提供的近视防控方法中的操作。

本发明设备、计算机程序产品和计算机可读存储介质各实施例，均可参照本发明近视防控方法各个实施例，此处不再赘述。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体/操作/对象与另一个实体/操作/对象区分开来，而不一定要求或者暗示这些实体/操作/对象之间存在任何这种实际的关系或者顺序；术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。

对于装置实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的。可以根据实际的需要选择中的部分或者全部模块来实现本发明方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的近视防控方法。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims (10)

1.一种近视防控方法，其特征在于，所述近视防控方法包括以下步骤：

获取教室不同方位对应的图像信息，对所述图像信息进行拼接合成处理，得到复合全景图像；

从所述复合全景图像中识别教室中每个学生的身份信息，并检测每个课桌的位置信息；

根据所述位置信息对所述课桌进行编号，得到所述课桌的编号信息，根据所述编号信息和所述身份信息建立所述课桌与所述学生之间的对应关系；

根据所述复合全景图像检测到姿势不符合预设标准姿势的目标学生时，根据所述对应关系确定所述目标学生对应的目标课桌，通过所述目标课桌向所述目标学生输出预警提示信息，其中，所述预设标准姿势为符合近视防控规范的标准姿势。

2.如权利要求1所述的近视防控方法，其特征在于，所述对所述图像信息进行拼接合成处理，得到复合全景图像的步骤，包括：

从所述图像信息中识别教室相同方向不同位置对应的局部图像；

对各所述局部图像进行角点检测，提取所述局部图像的特征点，并对各所述特征点进行特征描述，得到各所述特征点的特征描述子；

根据所述特征描述子对各所述局部图像进行匹配融合处理，得到复合全景图像。

3.如权利要求2所述的近视防控方法，其特征在于，所述根据所述特征描述子对各所述局部图像进行匹配融合处理，得到复合全景图像的步骤，包括：

根据所述特征描述子确定各所述局部图像的特征点中匹配的目标点对；

基于所述目标点对构建各所述局部图像之间的单应矩阵，并创建复合全景平面；

根据所述单应矩阵将各所述局部图像中的像素点映射到所述复合全景平面内，得到复合全景图像。

4.如权利要求3所述的近视防控方法，其特征在于，所述对各所述特征点进行特征描述，得到各所述特征点的特征描述子的步骤，包括：

计算各所述特征点在其邻域内的哈尔小波特征，并将所述特征点的邻域划分为多个子邻域；

统计各所述子邻域内的所述哈尔小波特征的总和，并将所述总和最大的矢量的方向设置为所述特征点的主方向；

确定各所述特征点所在的矩形区域，并将所述矩形区域划分为多个子区域，在与所述主方向平行和垂直的方向上分别统计各所述子区域内的哈尔小波特征，得到各所述特征点的特征描述子。

5.如权利要求1所述的近视防控方法，其特征在于，所述根据所述编号信息和所述身份信息建立所述课桌与所述学生之间的对应关系的步骤，包括：

根据所述编号信息和所述身份信息，统计所述学生在各所述课桌所在区域内的出现频次；

将所述学生出现频次最高的课桌区域内的课桌设置为所述学生的固定课桌，并将所述固定课桌的编号信息所述学生的身份信息进行绑定，以建立所述课桌与所述学生之间的对应关系。

6.如权利要求1所述的近视防控方法，其特征在于，所述根据所述对应关系确定所述目标学生对应的目标课桌的步骤之后，还包括：

检测所述目标学生当前是否处于所述目标课桌的课桌区域内；

若所述目标学生当前未处于所述目标课桌的课桌区域内，则获取所述目标学生当前所在的课桌区域内的第一课桌；

将所述第一课桌设置为目标课桌，并通过所述目标课桌向所述目标学生输出预警提示信息。

7.如权利要求1或6所述的近视防控方法，其特征在于，所述目标课桌上设有预警提示设备，所述预警提示设备包括指示灯，所述通过所述目标课桌向所述目标学生输出预警提示信息的步骤，包括：

统计所述目标学生的姿势不符合预设标准姿势的违规频率和/或违规时长；

根据所述违规频率，和/或违规时长，和/或所述目标学生的姿势与所述预设标准姿势的差异性，生成预警提示信息；

根据所述预警提示信息控制所述目标课桌上设置的预警提示设备开启指示灯，以向所述目标学生输出所述预警提示信息，其中，所述预警提示信息包括指示灯的颜色和/或指示灯的数量。

8.一种近视防控装置，其特征在于，所述近视防控装置包括：

图像处理模块，用于获取教室不同角度对应的图像信息，对所述图像信息进行拼接合成处理，得到复合全景图像；

目标检测模块，用于从所述复合全景图像中识别教室中每个学生的身份信息，并检测每个课桌的位置信息；

目标匹配模块，用于根据所述位置信息对所述课桌进行编号，得到所述课桌的编号信息，根据所述编号信息和所述身份信息建立所述课桌与所述学生之间的对应关系；

预警提示模块，用于根据所述复合全景图像检测到姿势不符合预设标准姿势的目标学生时，根据所述对应关系确定所述目标学生对应的目标课桌，通过所述目标课桌向所述目标学生输出预警提示信息，其中，所述预设标准姿势为符合近视防控规范的标准姿势。

9.一种终端设备，其特征在于，所述终端设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的近视防控程序，所述近视防控程序被所述处理器执行时实现如权利要求1至7中任一项所述的近视防控方法的步骤。

10.一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上存储有近视防控程序，所述近视防控程序被处理器执行时实现如权利要求1至7中任一项所述的近视防控方法的步骤。

Images