[發明專利]一種基于深度學習的智能矯姿臺燈及矯姿方法

有效

• 申請號: 201910536384.1
• 申請日: 2019-06-20
• 公開（公告）號: CN110345407B
• 公開（公告）日: 2022-01-18
• 發明（設計）人: 林連南;林會東;周海穎;秦華;李克奉;許文龍
• 申請（專利權）人: 華南理工大學
• 主分類號: F21S6/00
• 分類號: F21S6/00;F21V23/00;G06K9/62;G06N3/04;G08B21/24
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 陳宏升

1.一種基于深度學習的智能矯姿臺燈，其特征在于：包括臺燈本體，置于臺燈本體內的ARM圖像分析處理芯片、通信模塊，設置于臺燈本體上的數字攝像機、揚聲器；其中，數字攝像機獲取用戶的坐姿圖片，并將圖片傳入ARM圖像分析處理芯片進行坐姿正誤判斷，其中，通過人體關鍵點檢測神經網絡模型進行關鍵點提取，獲取人體關鍵點坐標組，通過坐姿分類器模型進行坐姿分類，獲得所拍攝坐姿的正誤及置信度；ARM圖像分析處理芯片通過通訊模塊與智能手機控制終端進行通訊；當檢測到用戶坐姿錯誤時，揚聲器發聲提醒用戶；所述智能手機控制終端用于與臺燈進行數據傳輸、固件更新及控制，所述智能手機控制終端與云服務器進行通訊，云服務器用于分發更新臺燈固件及數據備份；

其工作過程具體如下：

步驟一，通過數字攝像頭獲取用戶當前坐姿圖片，轉化其數據格式；

步驟二，將步驟一中轉化數據格式的圖片傳入人體關鍵點檢測神經網絡模型進行關鍵點提取，獲取人體關鍵點坐標組；步驟二中，所述人體關鍵點檢測神經網絡模型是使用PoseNet模型實現，分為PartⅠ、PartⅡ兩部分：

其中，PartⅠ是使用MobileNet v1-100模型實現，MobileNet v1-100模型中，標準卷積層和深度可分離卷積層以交替結構出現，其中每個卷積層后都跟有一個BatchNorm層和一個ReLU層；

所述MobileNet v1-100模型輸出一個關鍵點熱力圖和一個偏移向量；其中，關鍵點熱力圖是一個大小為Resolution*Resolution*17的張量，通過對其進行解碼能夠得到各采樣點對應關鍵點的置信度得分，偏移向量是一個大小為Resolution*Resolution*34的張量，用于存儲采樣點對應關鍵點的x或y位置坐標的偏移量；

步驟三，將人體關鍵點坐標組傳入坐姿分類器模型進行坐姿分類，獲得所拍攝坐姿的正誤及置信度；

步驟四，若識別為錯誤坐姿，通過揚聲器提醒用戶調整坐姿；若識別為正確坐姿，繼續正常運行；

步驟五，進行坐姿識別結果和坐姿圖片等數據的存儲；

步驟六，每隔預設時間T，重新進行步驟一到五直到用戶主動結束此次坐姿檢測行為。

2.根據權利要求1所述基于深度學習的智能矯姿臺燈，其特征在于：所述通信模塊包括藍牙通信模塊、WiFi通信模塊。