CN115050102A - 移动设备规范坐姿分析处理方法、系统及其存储介质 - Google Patents
移动设备规范坐姿分析处理方法、系统及其存储介质 Download PDFInfo
- Publication number
- CN115050102A CN115050102A CN202210845149.4A CN202210845149A CN115050102A CN 115050102 A CN115050102 A CN 115050102A CN 202210845149 A CN202210845149 A CN 202210845149A CN 115050102 A CN115050102 A CN 115050102A
- Authority
- CN
- China
- Prior art keywords
- sitting posture
- shoulder
- head
- contour
- mobile equipment
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 41
- 238000003672 processing method Methods 0.000 title claims abstract description 17
- 230000002159 abnormal effect Effects 0.000 claims abstract description 40
- 238000004364 calculation method Methods 0.000 claims abstract description 15
- 238000013459 approach Methods 0.000 claims abstract description 4
- 238000001514 detection method Methods 0.000 claims description 85
- 210000003128 head Anatomy 0.000 claims description 77
- 238000012545 processing Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 12
- 238000005452 bending Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000004422 calculation algorithm Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 230000002265 prevention Effects 0.000 claims description 2
- 230000006399 behavior Effects 0.000 abstract description 8
- 230000009471 action Effects 0.000 abstract description 5
- 230000006872 improvement Effects 0.000 abstract description 3
- 230000036544 posture Effects 0.000 description 97
- 238000004891 communication Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 6
- 238000004590 computer program Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 230000004438 eyesight Effects 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000005802 health problem Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- 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
- G06V10/22—Image preprocessing by selection of a specific region containing or referencing a pattern; Locating or processing of specific regions to guide the detection or recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- 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
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B7/00—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
- G08B7/06—Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Psychiatry (AREA)
- Social Psychology (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Geometry (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了移动设备规范坐姿分析处理方法、系统及其存储介质，通过移动设备红外传感器判断用户是否靠近移动设备；摄像头采集头部和肩部数据并进行坐姿规范计算，得到坐姿数据；将异常坐姿数据导入数据库中进行比对，得到相应的异常坐姿状态，移动设备根据相应的异常坐姿状态发出预警提醒信息。本发明通过移动设备中相关的传感器、摄像头和坐姿规范计算方法，可得到坐姿数据，再针对不同用户计算不同的异常坐姿数据，对用户动作行为进行识别判断，具有运算准确、快速和高效的优点，并做出相应的提醒和改善措施，达到改善用户行为习惯的目的，可根据需求对应的进行阈值的设定，从而可以促进改善不同用户使用电子设备的不良习惯。
Description
技术领域
本发明涉及人工智能技术领域，特别是移动设备规范坐姿分析处理方法、系统及其存储介质。
背景技术
随着电子技术的发展，家教机和学习平板等电子设备在辅助学生用户学习方面发挥越来越多的作用，例如纠正用户的坐姿。目前，电子设备一般是通过摄像头拍摄用户的图片分析用户的坐姿是否正确，一般采用相似图像识别进行比对判断，然而，摄像头拍摄的图片在进行分析时，不仅查找困难、效率低下且准确率较低，同时在大数据分析时，由于不同的用户，所对应的规范坐姿不同，所以现阶段的坐姿分析还无法精确每个用户的计算和分析，而长时间以不正确的坐姿使用手机或平板电脑，会对视力和颈椎等造成一定的伤害，影响身体健康。因此，设计出一种基于移动设备端的坐姿检测方案来对用户使用设备时的坐姿提供保护措施。
发明内容
鉴于上述现有的移动设备使用中存在的坐姿不规范的问题，提出了本发明。
因此，本发明提供移动设备规范坐姿分析处理方法，通过移动设备中相关的传感器、摄像头和坐姿规范计算方法，可得到坐姿数据，再针对不同用户计算不同的异常坐姿数据，对用户动作行为进行识别判断，并做出相应的提醒和改善措施，达到改善用户行为习惯的目的。
为解决上述技术问题，本发明提供如下技术方案：移动设备规范坐姿分析处理方法，包括以下步骤：
移动设备红外传感器判断用户是否靠近移动设备，通过则开启坐姿分析服务；
摄像头采集头部和肩部数据并进行坐姿规范计算，得到坐姿数据；
根据坐姿数据判断是否为异常坐姿数据，通过则得到异常坐姿数据，并将所述异常坐姿数据与相应的阈值进行比对，得到相应的异常坐姿状态，所述异常坐姿状态包括低头状态、歪头状态、仰头状态或不良坐姿状态；
移动设备根据相应的异常坐姿状态，发出预警提醒信息。
作为本发明的一种优选方案，其中：在通过摄像头采集头部和肩部数据时，具体地通过摄像头划定识别区域，利用人形目标检测与跟踪找到所述识别区域内的头部轮廓和肩部轮廓的检测点，所述检测点包括所述头部轮廓中双眼检测点和所述肩部轮廓中双肩检测点，以及当前眼部和肩部的距离检测点，所述当前眼部和肩部的距离检测点为所述头部轮廓中双眼检测点的中心点。
作为本发明的一种优选方案，其中：在所述识别区域内划分头部轮廓中心轴线与肩部轮廓连接线，进一步地，所述头部轮廓中心轴线为所述头部轮廓中双眼检测点连线的垂直线，所述肩部轮廓连接线为所述肩部轮廓中双肩检测点的两点连接线；将头部轮廓中心轴线与肩部轮廓连接线相交得到夹角α，通过测距得到所述当前眼部和肩部的距离检测点至所述肩部轮廓连接线的距离值，即定义为当前眼部和肩部的距离值L，根据所述当前眼部和肩部的距离值L，并利用余弦定理计算得到夹角α的度数值。
作为本发明的一种优选方案，其中：根据所述当前眼部和肩部的距离值L，以及头部轮廓中心轴线与肩部轮廓连接线相交得到夹角α的度数值后，进行以下判断，具体如下：
当所述夹角α的度数值超过预设的偏差阈值90度时，则判断用户处于歪头状态；
当所述当前眼部和肩部的距离值L小于间距阈值时，则判断用户处于低头状态，反之，当所述当前眼部和肩部的距离值L大于间距阈值时，则判断用户处于仰头状态；
当所述识别区域内的头部轮廓和肩部轮廓处于重叠或粘连时，则判断用户处于不良坐姿状态，即用户头部处于靠手臂状态，用户头部处于靠手臂状态通过AI处理分析后均判定为不良坐姿状态。
作为本发明的一种优选方案，其中：利用人形目标检测算法找到所述识别区域内的头部轮廓和肩部轮廓的检测点前，还包括对所述头部轮廓和肩部轮廓进行预处理，去除用户在预设检测时间内移动幅度过大的数据，进一步地，去除头部轮廓和肩部轮廓在预设检测时间内坐姿数据的动态差值大于阈值范围的数值，即当前眼部和肩部的距离值L和/或头部轮廓中心轴线与肩部轮廓连接线相交得到夹角α的度数值在预设检测时间内动态差值大于阈值范围的数值。
作为本发明的一种优选方案，其中：所述移动设备红外传感器判断用户是否靠近移动设备，进一步地，用户面部距离红外传感器的距离小于30CM，则判断为用户靠近移动设备，同时若用户面部与红外传感器的距离小于10CM，则判断用户距离移动设备过近，移动设备进行预警提醒；所述预警提醒信息包括移动设备的语音提醒、弹窗文本提醒或/和震动提醒。
作为本发明的一种优选方案，其中：在获取到所述头部轮廓中双眼检测点和所述肩部轮廓中双肩检测点时，同时获得头部轮廓中双眼检测点和肩部轮廓中双肩检测点所对应的同一侧距离值，并根据同一侧的两个距离值进行判断，其中左眼检测点与左肩检测点的距离值为d1，右眼检测点与右肩检测点的距离值为d2，进一步地对所述异常坐姿状态的判断，如下：
同一侧的两个距离值d在阈值范围内，即长度相近时，则根据当前同一侧的两个距离值d中的其中一个距离值，与正常状态预设的距离值阈值变化范围进行比对，若大于正常状态预设的距离值阈值变化范围，则判断用户处于仰头状态，反之若小于正常状态预设的距离值阈值变化范围，则判断用户处于低头状态；
同一侧的两个距离值d不在阈值范围内，即长度相差大时，则判断用户处于歪头状态或不良坐姿状态。
作为本发明的一种优选方案，其中：结合上述方案的内容，还包括不同的用户可以根据自身的头部和肩部情况，通过移动设备修改所述当前眼部和肩部的距离值L和/或头部轮廓中心轴线与肩部轮廓连接线相交得到夹角α的度数值，所对应的阈值范围。
同时移动设备通过移动设备红外传感器检测用户后，移动设备具有提醒防疲劳功能，在屏幕前连续超过预设时间后，移动设备发出相应的预警提醒信息，即通过语音提醒、弹窗文本提醒或/和震动提醒，并设置移动设备使用时长，到达预设时间后自动关闭屏幕，提醒用户休息。
一种移动设备规范坐姿分析处理方法的系统，包括：
第一判断单元，用于判断所述移动设备红外传感器检测用户是否靠近移动设备；
获取单元，用于获取摄像头的采集头部和肩部数据；
分析单元，用于对摄像头采集的头部和肩部数据进行坐姿规范计算，得到坐姿数据；
第二判断单元，用于根据坐姿数据判断是否为异常坐姿；
比对单元，用于经过分析单元计算后得到的坐姿数据与数据库中不同的异常坐姿状态下所对应的坐姿数据进行比对；
输出单元，用于输出比对单元的比对结果；
响应单元，用于移动设备响应比对结果并发出预警提醒信息。
一种计算机存储介质，所述计算机存储介质存储有移动设备规范坐姿分析处理方法的程序,被至少一个处理器执行时实现所述规范坐姿分析处理方法的步骤。
本发明的有益效果：本发明通过移动设备中相关的传感器、摄像头和坐姿规范计算方法，可得到坐姿数据，再针对不同用户计算不同的异常坐姿数据，对用户动作行为进行识别判断，具有运算准确、快速和高效的优点，并做出相应的提醒和改善措施，达到改善用户行为习惯的目的，同时在运行分析处理的过程中，可根据需求对应的进行阈值的设定，从而可以促进改善不同用户使用电子设备的不良习惯，对坐姿不规范的形态能够及时的调整，预防视力下降，颈椎受损等身体健康问题。
附图说明
为了更清楚地说明本发明实施例的技术方案，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性的前提下，还可以根据这些附图获得其它的附图。其中：
图1为本发明实施例中移动设备规范坐姿分析处理方法的流程框图；
图2为本发明实施例中移动设备规范坐姿分析处理的系统模块化结构示意图；
图3为本发明实施例中移动设备规范坐姿分析处理的硬件结构示意图；
图4为本发明实施例中通过摄像头获取双眼检测点和双肩检测点所测得的距离数据示意图；
图5为本发明实施例中异常坐姿状态和正常坐姿状态的图像示意图；
图6为本发明实施例中人形目标检测与跟踪的操作流程示意图。
图中标号：301、第一判断单元；302、获取单元；303、分析单元；304、第二判断单元；305、比对单元；306、输出单元；307、响应单元；40、总线；41、处理器；42、存储器；43、通信接口。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例的附图，对本发明实施例的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于所描述的本发明的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
在现有的移动设备使用中存在坐姿不规范的问题，以及现有的图像识别分析法来分析用户的坐姿是否正确，存在查找困难、效率低下且准确率较低的问题，同时在大数据分析时，由于不同的用户，所对应的规范坐姿不同，所以现阶段的坐姿分析还无法精确每个用户的计算和分析。
基于此，本发明提出了移动设备规范坐姿分析处理方法，下面通过实施例并结合附图对本方案做进一步具体说明。
参照图1，为本发明的一个实施例，该实施例提供了移动设备规范坐姿分析处理方法，包括以下步骤：
开始启动本移动设备规范坐姿分析处理方法，打开坐姿检测开关，移动设备红外传感器判断用户是否靠近移动设备，通过则开启坐姿分析服务；
摄像头采集头部和肩部数据并进行坐姿规范计算，得到坐姿数据；
根据坐姿数据判断是否为异常坐姿数据，通过则得到异常坐姿数据，并将所述异常坐姿数据与相应的阈值进行比对，得到相应的异常坐姿状态，所述异常坐姿状态包括低头状态、歪头状态、仰头状态或不良坐姿状态；
移动设备根据相应的异常坐姿状态，发出预警提醒信息。
其中，移动设备红外传感器判断用户是否靠近移动设备，进一步地,用户面部与红外传感器的距离小于30CM，则判断为用户靠近移动设备，同时若用户面部与红外传感器的距离小于10CM，则判断用户距离移动设备过近，移动设备进行预警提醒；移动设备的预警提醒信息包括移动设备的语音提醒、弹窗文本提醒或/和震动提醒。
参照图4、图5和图6，为本发明的一实施例，本实施例具体地，在通过摄像头采集头部和肩部数据时，具体地通过摄像头划定识别区域，利用人形目标检测与跟踪找到识别区域内的头部轮廓和肩部轮廓的检测点，其中人形目标检测与跟踪如图6所示，通过摄像头采集人形视频数据，将视频数据分帧后，进行背景建模和前景提取，前景提取时设置相应的检测点再进行运动物体检测和目标跟踪，最后输出结果，在运动物体检测时也可进行轨迹预测处理反馈后，进行输出结果；检测点包括头部轮廓中双眼检测点和肩部轮廓中双肩检测点，以及当前眼部和肩部的距离检测点，当前眼部和肩部的距离检测点为头部轮廓中双眼检测点的中心点，其中双眼检测点的间距为D，可知当前眼部和肩部的距离检测点为二分之D的位置。
本实施例进一步地在识别区域内划分头部轮廓中心轴线与肩部轮廓连接线，进一步地，头部轮廓中心轴线为双眼检测点连线的垂直线，肩部轮廓连接线为肩部轮廓中双肩检测点的两点连接线；
继而将头部轮廓中心轴线与肩部轮廓连接线相交得到夹角α，通过测距得到当前眼部和肩部的距离检测点至肩部轮廓连接线的距离值，即定义为当前眼部和肩部的距离值L，根据当前眼部和肩部的距离值L，并利用余弦定理计算得到夹角α的度数值。
本实施例基于上述异常坐姿数据的判断后为异常坐姿，通过比对得到相应的异常坐姿状态，异常坐姿状态包括低头状态、歪头状态、仰头状态或不良坐姿状态，即根据当前眼部和肩部的距离值L，以及头部轮廓中心轴线与肩部轮廓连接线相交得到夹角α的度数值后，进行以下判断，具体如下：
当夹角α的度数值超过预设的偏差阈值90度时，则判断用户处于歪头状态，如图5中的右歪头状态a4或左歪头状态a6；
当当前眼部和肩部的距离值L小于间距阈值时，则判断用户处于低头状态，如图5中的底头状态a3，反之，当当前眼部和肩部的距离值L大于间距阈值时，则判断用户处于仰头状态，如图5中的仰头状态a1；
当识别区域内的头部轮廓和肩部轮廓处于重叠或粘连时，则判断用户处于不良坐姿状态，即用户头部处于靠手臂状态，用户头部处于靠手臂状态通过AI处理分析后均判定为不良坐姿状态，如图5中的不良坐姿状态a5。
此外本实施例中，在根据当前眼部和肩部的距离值L，以及头部轮廓中心轴线与肩部轮廓连接线相交得到夹角α的度数值进行判断的同时，还可在获取到头部轮廓中双眼检测点和肩部轮廓中双肩检测点时，同时获得头部轮廓中双眼检测点和肩部轮廓中双肩检测点，所对应的同一侧距离值d1或d2，其中左眼检测点与左肩检测点的距离值为d1，右眼检测点与右肩检测点的距离值为d2，进行判断，即根据同一侧的两个距离值进行判断，进一步地对异常坐姿状态的判断，如下：
同一侧的两个距离值d1或d2在阈值范围内，即长度相近时，则根据当前同一侧的两个距离值d1或d2中的其中一个距离值，例如位于左眼检测点与左肩检测点的距离值d1或右眼检测点与右肩检测点的距离值d2，将位于左侧的d1与正常状态预设的距离值阈值变化范围进行比对，若大于正常状态预设的距离值阈值变化范围，则判断用户处于仰头状态，如图5中的仰头状态a1；反之若小于正常状态预设的距离值阈值变化范围，则判断用户处于低头状态，如图5中的低头状态a3；
同一侧的两个距离值d1或d2不在阈值范围内，即长度相差大时，则判断用户处于歪头状态或不良坐姿状态，如图5中的右歪头状态a4、不良坐姿状态a5或左歪头状态a6。
需要强调的是，本方案还可以去除用户的动作幅度过大的数据，具体为：利用人形目标检测与跟踪找到识别区域内的头部轮廓和肩部轮廓的检测点前，还包括对头部轮廓和肩部轮廓进行预处理，去除用户在预设检测时间内移动幅度过大的数据，进一步地，去除头部轮廓和肩部轮廓在预设检测时间内坐姿数据的动态差值大于阈值范围的数值，即当前眼部和肩部的距离值L和/或头部轮廓中心轴线与肩部轮廓连接线相交得到夹角α的度数值在预设检测时间内动态差值大于阈值范围的数值。
本实施例结合上述方案的内容，还包括不同的用户可以根据自身的头部和肩部情况，通过移动设备修改当前眼部和肩部的距离值L和/或头部轮廓中心轴线与肩部轮廓连接线相交得到夹角α的度数值，所对应的阈值范围；
本实施例的移动设备可通过移动设备红外传感器检测用户后，使得此移动设备具有提醒防疲劳功能，在屏幕前连续超过预设时间后，移动设备发出相应的预警提醒信息，即通过语音提醒、弹窗文本提醒或/和震动提醒，并设置移动设备使用时长，到达预设时间后自动关闭屏幕，提醒用户休息，劳逸结合有助于用眼安全。
参考图2，为本发明的一实施例，公开了一种移动设备规范坐姿分析处理方法的系统，包括：
第一判断单元301，用于判断移动设备红外传感器检测用户是否靠近移动设备；
获取单元302，用于获取摄像头采集的头部和肩部数据；
分析单元303，用于对摄像头采集的头部和肩部数据进行坐姿规范计算，得到坐姿数据；
第二判断单元304，用于根据坐姿数据判断是否为异常坐姿；
比对单元305，用于经过分析单元303计算后得到的坐姿数据与数据库中不同的异常坐姿状态下所对应的坐姿数据进行比对；
输出单元306，用于输出比对单元305的比对结果；
响应单元307，用于移动设备响应比对结果并发出预警提醒信息。
另外，结合图1描述的本申请实施例移动设备规范坐姿分析处理方法可以由移动设备来实现，移动设备包括且不限于手机、家教机和学习平板等电子设备，以及本方案的移动设备无需扩充硬件， 即利用移动设备的摄像头和红外传感器，以及本实施例的方法即可实现，更加经济便捷和切合事件。
图3为根据本申请实施例的移动设备中规范坐姿分析处理程序所要用到的硬件结构示意图。
移动设备可以包括处理器41以及存储有计算机程序指令的存储器42。
具体地，上述处理器41可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，简称为ASIC)，或者可以被配置成实施本申请实施例的一个或多个集成电路。
其中，存储器42可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器42可包括硬盘驱动器(Hard Disk Drive，简称为HDD)、软盘驱动器、固态驱动器(SolidState Drive，简称为OPENCV)、闪存、光盘、磁光盘、磁带或通用串行总线(UniversalSerial Bus，简称为USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器42可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器42可在数据处理装置的内部或外部。在特定实施例中，存储器42是非易失性(Non-Volatile)存储器。在特定实施例中，存储器42包括只读存储器(Read-Only Memory，简称为ROM)和随机存取存储器(Random Access Memory，简称为RAM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(Programmable Read-Only Memory，简称为PROM)、可擦除PROM(ErasableProgrammable Read-Only Memory，简称为EPROM)、电可擦除PROM(Electrically ErasableProgrammable Read-Only Memory，简称为EEPROM)、电可改写ROM(ElectricallyAlterable Read-Only Memory，简称为EAROM)或闪存(FLASH)或者两个或更多个以上这些的组合。在合适的情况下，该RAM可以是静态随机存取存储器(Static Random-AccessMemory，简称为SRAM)或动态随机存取存储器(Dynamic Random Access Memory，简称为DRAM)，其中，DRAM可以是快速页模式动态随机存取存储器(Fast Page Mode DynamicRandom Access Memory，简称为FPMDRAM)、扩展数据输出动态随机存取存储器(ExtendedDate Out Dynamic Random Access Memory，简称为EDODRAM)、同步动态随机存取内存(Synchronous Dynamic Random-Access Memory，简称SDRAM)等。
存储器42可以用来存储或者缓存需要处理和/或通信使用的各种数据文件，以及处理器41所执行的可能的计算机程序指令；处理器41通过读取并执行存储器42中存储的计算机程序指令，以实现上述实施例中的移动设备规范坐姿分析处理方法。
在其中一些实施例中，移动设备还可包括通信接口43和总线40。其中，如图4所示，处理器41、存储器42、通信接口43通过总线40连接并完成相互间的通信。
通信接口43用于实现本申请实施例中各模块、装置、单元和/或设备之间的通信。通信接口43还可以实现与其他部件，例如：外接设备、图像/数据采集设备、数据库、外部存储以及图像/数据处理工作站等之间进行数据通信。
总线40包括硬件、软件或两者，将引体向上计数设备的部件彼此耦接在一起。总线40包括但不限于以下至少之一：数据总线(Data Bus)、地址总线(Address Bus)、控制总线(Control Bus)、扩展总线(Expansion Bus)、局部总线(Local Bus)。举例来说而非限制，总线40可包括图形加速接口(Accelerated Graphics Port，简称为AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，简称为EISA)总线、前端总线(Front Side Bus，简称为FSB)、超传输(Hyper Transport，简称为HT)互连、工业标准架构(Industry Standard Architecture，简称为ISA)总线、无线带宽(Infini Band)互连、低引脚数(Low Pin Count，简称为LPC)总线、存储器总线、微信道架构(Micro ChannelArchitecture，简称为MCA)总线、外围组件互连(Peripheral Component Interconnect，简称为PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(Serial AdvancedTechnology Attachment，简称为SATA)总线、视频电子标准协会局部(Video ElectronicsStandards Association Local Bus，简称为VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线40可包括一个或多个总线。尽管本申请实施例描述和示出了特定的总线，但本申请考虑任何合适的总线或互连。
进而该移动设备可以基于获取到的图像信息进行精准的坐姿判断，执行本申请实施例中的坐姿判断后的处理方法，从而实现结合图1描述的移动设备规范坐姿分析处理方法。
综上所述，本发明通过移动设备中相关的传感器、摄像头和坐姿规范计算方法，可得到坐姿数据，再针对不同用户计算不同的异常坐姿数据，对用户动作行为进行识别判断，具有运算准确、快速和高效的优点，并做出相应的提醒和改善措施，达到改善用户行为习惯的目的，同时在运行分析处理的过程中，可根据需求对应的进行阈值的设定，从而可以促进改善不同用户使用电子设备的不良习惯，对坐姿不规范的形态能够及时的调整，预防视力下降，颈椎受损等身体健康问题。
应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的精神和范围，其均应涵盖在本发明的权利要求范围当中。
Claims (7)
1.移动设备规范坐姿分析处理方法，其特征在于，包括以下步骤：
移动设备红外传感器判断用户是否靠近移动设备，通过则开启坐姿分析服务；
摄像头采集头部和肩部数据并进行坐姿规范计算，得到坐姿数据，具体地通过摄像头划定识别区域，利用人形目标检测与跟踪找到所述识别区域内的头部轮廓和肩部轮廓的检测点，所述检测点包括所述头部轮廓中双眼检测点和所述肩部轮廓中双肩检测点，以及当前眼部和肩部的距离检测点，所述当前眼部和肩部的距离检测点为所述头部轮廓中双眼检测点的中心点；
根据坐姿数据判断是否为异常坐姿数据，通过则得到异常坐姿数据，并将所述异常坐姿数据与相应的阈值进行比对，具体地，在所述识别区域内划分头部轮廓中心轴线与肩部轮廓连接线，所述头部轮廓中心轴线为所述头部轮廓中双眼检测点连线的垂直线，所述肩部轮廓连接线为所述肩部轮廓中双肩检测点的两点连接线；将头部轮廓中心轴线与肩部轮廓连接线相交得到夹角α，通过测距得到所述当前眼部和肩部的距离检测点至所述肩部轮廓连接线的距离值，即定义为当前眼部和肩部的距离值L，根据所述当前眼部和肩部的距离值L，并利用余弦定理计算得到夹角α的度数值；得到相应的异常坐姿状态，所述异常坐姿状态包括低头状态、歪头状态、仰头状态或不良坐姿状态；
其中，在获取到所述头部轮廓中双眼检测点和所述肩部轮廓中双肩检测点时，同时获得头部轮廓中双眼检测点和肩部轮廓中双肩检测点所对应的同一侧距离值，并根据同一侧的两个距离值进行判断，其中左眼检测点与左肩检测点的距离值为d1，右眼检测点与右肩检测点的距离值为d2，进一步地对所述异常坐姿状态的判断，如下：
同一侧的两个距离值d在阈值范围内，即长度相近时，则根据当前同一侧的两个距离值d中的其中一个距离值，与正常状态预设的距离值阈值变化范围进行比对，若大于正常状态预设的距离值阈值变化范围，则判断用户处于仰头状态，反之若小于正常状态预设的距离值阈值变化范围，则判断用户处于低头状态；
同一侧的两个距离值d不在阈值范围内，即长度相差大时，则判断用户处于歪头状态或不良坐姿状态；
移动设备根据相应的异常坐姿状态，发出预警提醒信息。
2.如权利要求1所述的移动设备规范坐姿分析处理方法，其特征在于，根据所述当前眼部和肩部的距离值L，以及头部轮廓中心轴线与肩部轮廓连接线相交得到夹角α的度数值后，进行以下判断，具体如下：
当所述夹角α的度数值超过预设的偏差阈值时，则判断用户处于歪头状态；
当所述当前眼部和肩部的距离值L小于间距阈值时，则判断用户处于低头状态，反之，当所述当前眼部和肩部的距离值L大于间距阈值时，则判断用户处于仰头状态；
当所述识别区域内的头部轮廓和肩部轮廓处于重叠或粘连时，则判断用户处于不良坐姿状态，即用户头部处于靠手臂状态，用户头部处于靠手臂状态通过AI处理分析后均判定为不良坐姿状态。
3.如权利要求1所述的移动设备规范坐姿分析处理方法，其特征在于，利用人形目标检测算法找到所述识别区域内的头部轮廓和肩部轮廓的检测点前，还包括对所述头部轮廓和肩部轮廓进行预处理，去除用户在预设检测时间内移动幅度过大的数据，去除头部轮廓和肩部轮廓在预设检测时间内坐姿数据的动态差值大于阈值范围的数值，即当前眼部和肩部的距离值L和/或头部轮廓中心轴线与肩部轮廓连接线相交得到夹角α的度数值在预设检测时间内动态差值大于阈值范围的数值。
4.如权利要求1所述的移动设备规范坐姿分析处理方法，其特征在于，所述移动设备红外传感器判断用户是否靠近移动设备，用户面部与红外传感器的距离小于30CM，则判断为用户靠近移动设备，同时若用户面部与红外传感器的距离小于10CM，则判断用户距离移动设备过近，移动设备进行预警提醒；
所述预警提醒信息包括移动设备的语音提醒、弹窗文本提醒或/和震动提醒。
5.如权利要求1所述的移动设备规范坐姿分析处理方法，其特征在于，还包括不同的用户可以根据自身的头部和肩部情况，通过移动设备修改所述当前眼部和肩部的距离值L和/或头部轮廓中心轴线与肩部轮廓连接线相交得到夹角α的度数值，所对应的阈值范围；
同时移动设备通过移动设备红外传感器检测用户后，移动设备具有提醒防疲劳功能，在屏幕前连续超过预设时间后，移动设备发出相应的预警提醒信息，即通过语音提醒、弹窗文本提醒或/和震动提醒，并设置移动设备使用时长，到达预设时间后自动关闭屏幕，提醒用户休息。
6.基于权利要求1所述的移动设备规范坐姿分析处理方法的系统，其特征在于，包括：
第一判断单元（301），用于判断移动设备红外传感器检测用户是否靠近移动设备；
获取单元（302），用于获取摄像头采集的头部和肩部数据；
分析单元（303），用于对摄像头采集的头部和肩部数据进行坐姿规范计算，得到坐姿数据；
第二判断单元（304），用于根据坐姿数据判断是否为异常坐姿；
比对单元（305），用于经过分析单元（303）计算后得到的坐姿数据与数据库中不同的异常坐姿状态下所对应的坐姿数据进行比对；
输出单元（306），用于输出比对单元（305）的比对结果；
响应单元（307），用于移动设备响应比对结果并发出预警提醒信息。
7.一种计算机存储介质，其特征在于，所述计算机存储介质存储有移动设备规范坐姿分析处理方法的程序，被至少一个处理器（41）执行时实现如权利要求 1-5中任意一项所述规范坐姿分析处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210845149.4A CN115050102A (zh) | 2022-07-19 | 2022-07-19 | 移动设备规范坐姿分析处理方法、系统及其存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210845149.4A CN115050102A (zh) | 2022-07-19 | 2022-07-19 | 移动设备规范坐姿分析处理方法、系统及其存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115050102A true CN115050102A (zh) | 2022-09-13 |
Family
ID=83167094
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210845149.4A Pending CN115050102A (zh) | 2022-07-19 | 2022-07-19 | 移动设备规范坐姿分析处理方法、系统及其存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115050102A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117292520A (zh) * | 2023-09-25 | 2023-12-26 | 北京至真互联网技术有限公司 | 一种基于智能眼镜的坐姿纠正方法及系统 |
| CN117292520B (zh) * | 2023-09-25 | 2024-05-14 | 北京至真互联网技术有限公司 | 一种基于智能眼镜的坐姿纠正方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111985371A (zh) * | 2020-08-10 | 2020-11-24 | 珠海格力电器股份有限公司 | 坐姿检测方法、坐姿检测设备及课桌 |
| CN112483924A (zh) * | 2020-11-20 | 2021-03-12 | 杭州慧芯达科技有限公司 | 带坐姿矫正提醒的ai护眼台灯及其实现方法 |
| CN114359963A (zh) * | 2021-12-27 | 2022-04-15 | 海信集团控股股份有限公司 | 姿态识别方法及通信系统 |
| CN114724207A (zh) * | 2022-03-07 | 2022-07-08 | 深圳创维－Rgb电子有限公司 | 姿态监督方法、装置、设备及计算机可读存储介质 |
-
2022
- 2022-07-19 CN CN202210845149.4A patent/CN115050102A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111985371A (zh) * | 2020-08-10 | 2020-11-24 | 珠海格力电器股份有限公司 | 坐姿检测方法、坐姿检测设备及课桌 |
| CN112483924A (zh) * | 2020-11-20 | 2021-03-12 | 杭州慧芯达科技有限公司 | 带坐姿矫正提醒的ai护眼台灯及其实现方法 |
| CN114359963A (zh) * | 2021-12-27 | 2022-04-15 | 海信集团控股股份有限公司 | 姿态识别方法及通信系统 |
| CN114724207A (zh) * | 2022-03-07 | 2022-07-08 | 深圳创维－Rgb电子有限公司 | 姿态监督方法、装置、设备及计算机可读存储介质 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117292520A (zh) * | 2023-09-25 | 2023-12-26 | 北京至真互联网技术有限公司 | 一种基于智能眼镜的坐姿纠正方法及系统 |
| CN117292520B (zh) * | 2023-09-25 | 2024-05-14 | 北京至真互联网技术有限公司 | 一种基于智能眼镜的坐姿纠正方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104767888B (zh) | 一种屏幕亮度调节方法和装置 | |
| EP2546782B1 (en) | Liveness detection | |
| WO2019137215A1 (en) | Head pose and distraction estimation | |
| US10969864B2 (en) | Method, apparatus and device for detecting fatigue state | |
| EP2457499A1 (en) | Line-of-sight estimation device | |
| CN107563325B (zh) | 一种测试疲劳度的方法、装置及终端设备 | |
| CN111241913A (zh) | 一种检测人员摔倒的方法、装置及系统 | |
| KR20130054636A (ko) | 적외선 카메라 및 3ｄ 모델링을 이용한 운전자 자세 감시 장치 및 방법 | |
| CN109165630A (zh) | 一种基于二维人眼识别的疲劳监测方法 | |
| CN110889355A (zh) | 一种人脸识别校验方法、系统及存储介质 | |
| CN106210507A (zh) | 图像调整方法及电子设备 | |
| CN112308932A (zh) | 一种注视检测方法、装置、设备及存储介质 | |
| CN112464793A (zh) | 一种在线考试作弊行为检测方法、系统和存储介质 | |
| CN111344222A (zh) | 执行眼睛检查测试的方法 | |
| US20140078281A1 (en) | Drowsiness warning device | |
| US8503737B2 (en) | Visual line estimating apparatus | |
| CN115471916A (zh) | 吸烟检测方法、装置、设备及存储介质 | |
| CN103680064B (zh) | 瞌睡提醒系统 | |
| CN115471824A (zh) | 眼部状态检测方法、装置、电子设备和存储介质 | |
| CN111444763A (zh) | 一种安防控制方法、装置、存储介质及空调 | |
| CN113536967B (zh) | 基于驾驶员头部运动姿态与人眼开合度的驾驶员状态辨识方法、装置、电子设备 | |
| JP2012118927A (ja) | 画像処理プログラムおよび画像処理装置 | |
| CN111783714B (zh) | 一种胁迫人脸识别方法、装置、设备和存储介质 | |
| CN115050102A (zh) | 移动设备规范坐姿分析处理方法、系统及其存储介质 | |
| CN109492585B (zh) | 一种活体检测方法和电子设备 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220913 |