[發明專利]一種基于人體姿態的坐姿識別方法、系統及計算機可讀存儲介質

在審

• 申請號: 202011131430.9
• 申請日: 2020-10-21
• 公開（公告）號: CN112364712A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 陳龍彪;郜盛夏;魏文軒;黃華生;劉林津;楊晨暉
• 申請（專利權）人: 廈門大學;福建萌牛智聯照明有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 張松亭

本發明提供一種基于人體姿態的坐姿識別方法、系統及計算機可讀存儲介質，其中所述方法包括采集人體坐姿圖片，構造人體姿態特征訓練數據集；構建并訓練用于分類坐姿類別的神經網絡模型；利用OpenPose和訓練好的神經網絡模型預測坐姿類別；本發明提出的方法可直接提取出人體骨架特征，在其基礎上進行判斷坐姿類別，從而避免背景等無關因素的影響，提高坐姿識別的準確率。

技術領域

本發明涉及計算機視覺領域，特別是指一種基于人體姿態的坐姿識別方法、系統及計算機可讀存儲介質。

背景技術

現代生活中，學生等青少年或職業工作者需要長時間靜坐工作，而長時間保持不良坐姿會導致人體亞健康和許多慢性疾病。因此，對人體坐姿進行持續性地監測并及時提醒有助于長時間靜坐著避免頸椎等部位收到傷害。

近年來，國內外科研技術愈發重視坐姿識別技術。現有技術主要分為以下兩種：1)基于深度攝像頭的方法。主要是利用深度實感設備獲得場景下的三維數據，從中提取中頭部、眼部等關節點數據。2)基于模板的方法。將圖片與標準坐姿圖片進行對比，通過基于快速特征點提取和描述(Oriented FAST and Rotated BRIEF，ORB)比較實際檢測對象與標準模板對象的相似程度。

近年來，隨著深度學習技術在計算機視覺領域的快速發展，涌現了大量基于深度學習的坐姿識別方法。如使用卷積神經網絡提取圖片特征對坐姿進行分類，其存在的不足之處在于，容易受到背景和角度的影響。

發明內容

本發明的主要目的在于克服現有技術中的上述缺陷，提出一種基于人體姿態的坐姿識別方法，本發明提出的方法可直接提取出人體骨架特征，在其基礎上進行判斷坐姿類別，從而避免背景等無關因素的影響，提高坐姿識別的準確率。

本發明采用如下技術方案：

一種基于人體姿態的坐姿識別方法，具體包括：

S1、采集人體坐姿圖片，構造人體姿態特征訓練數據集；

S2、構建并訓練用于分類坐姿類別的神經網絡模型；

S3、利用OpenPose和訓練好的神經網絡模型預測坐姿類別。

具體地，所述S1中采集人體坐姿圖片，構造人體姿態特征訓練數據集，具體包括：

S11、針對坐姿進行分類，將坐姿劃分為端正、后仰、前傾、左前傾、右前傾、趴伏；

S12、獲取人體坐姿圖片并人工標注不同的坐姿類別；

S13、根據坐姿類別將圖片放置到不同的文件夾中，使用腳本程序自動讀取不同文件夾下的圖片；

S14、加載OpenPose模型提取圖片中的人體姿態特征，將其保存為人體姿態特征圖片；

S15、將OpenPose模型輸出的人體姿態特征圖片根據坐姿類別放置到不同的文件夾中；

S16、將數據集劃分為訓練集、驗證集和測試集；

S17、在訓練集被加載時隨機地進行數據增強來增加數據集，即對圖片進行平移、縮放、扭曲。

具體地，所述S2中構建并訓練用于分類坐姿類別的神經網絡模型，具體包括：

S21、在深度學習框架中選擇預定義的神經網絡，根據坐姿類別的數量設置網絡的輸入尺寸和輸出維度；

S22、采用深度殘差網絡ResNet作為分類網絡，同時使用ResNet分類網絡在ImageNet數據集上的預訓練模型初始化ResNet分類網絡參數；

S23、以softmax函數作為ResNet的損失函數；

S24、利用softmax分類器，訓練迭代模型參數。