本發(fā)明涉及人體姿態(tài)識別方法，尤其是涉及一種基于雙目攝像頭的人體姿態(tài)識別方法。

背景技術(shù)：

1、長時間保持不良坐姿會對人的身體傷害，若不加以預防會影響身體健康，易引起近視，易導致腰、頸椎疾病。為此，研究人員提出了基于計算機視覺的坐姿識別方法來識別坐姿是否不良，以幫助人們及時改正不良坐姿。

2、目前基于計算機視覺的坐姿識別方法主要是利用深度攝像頭獲取深度圖像骨骼數(shù)據(jù)，然后基于深度圖像骨骼數(shù)據(jù)計算得到骨骼的三維坐標信息，進而生成表征人體坐姿的特征，其中表征人體坐姿的特征包括坐標、向量、角度、肢體距離、輪廓等，再采用這些表征人體坐姿的特征構(gòu)成特征向量送入分類器或人工神經(jīng)網(wǎng)絡(luò)進行坐姿分類識別。然而，基于計算機視覺的坐姿識別方法的識別精度太過依賴于昂貴的深度攝像頭，以致于成本較高，使其應用范圍受到了較大的限制。

技術(shù)實現(xiàn)思路

1、本發(fā)明所要解決的技術(shù)問題是提供一種在具有較高識別精度的基礎(chǔ)上，成本較低的基于雙目攝像頭的人體姿態(tài)識別方法。

2、本發(fā)明解決上述技術(shù)問題所采用的技術(shù)方案為：一種基于雙目攝像頭的人體姿態(tài)識別方法，通過將雙目攝像頭安裝在能將用戶的頭部和肩部完整拍攝進去的位置，采用雙目攝像頭實時拍攝用戶的當前人體坐姿圖像后，從當前人體坐姿圖像中提取左眼左眼角、右眼右眼角和鼻尖這三個關(guān)鍵點的坐標后，基于左眼左眼角、右眼右眼角和鼻尖這三個關(guān)鍵點的坐標，采用sdm算法計算得到左眼左眼角、右眼右眼角和鼻尖這三個關(guān)鍵點的特征向量，并基于當前人體坐姿圖像，利用openpose算法計算出脖部、左肩和右肩這三個關(guān)鍵點的特征向量,然后采用訓練好的分類器對左眼左眼角、右眼右眼角、鼻尖、脖部、左肩和右肩這六個關(guān)鍵點的特征向量進行分類，得到坐姿分類結(jié)果，并基于左眼左眼角和右眼右眼角的坐標，利用立體視覺計算方法計算得到深度距離，根據(jù)得到的深度距離確定用眼分類結(jié)果，最后根據(jù)坐姿分類結(jié)果和用眼分類結(jié)果綜合判斷用戶是否為錯誤坐姿，如果是，則用語音提示用戶改善自己的坐姿。

3、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點在于通過雙目攝像頭結(jié)合sdm算法以及openpose算法得到人體左眼左眼角、右眼右眼角、鼻尖、脖部、左肩和右肩這六個關(guān)鍵點的特征向量，然后采用訓練好的分類器得到坐姿分類結(jié)果，利用立體視覺計算方法計算得到深度距離，根據(jù)得到的深度距離確定用眼分類結(jié)果，最后根據(jù)坐姿分類結(jié)果和用眼分類結(jié)果綜合判斷用戶是否為錯誤坐姿，左眼左眼角、右眼右眼角、鼻尖、脖部、左肩和右肩這六個關(guān)鍵點確定了的人體頭部和肩部的位置，而人體頭部和肩部直接決定人體坐姿是否正確，由此，由此本發(fā)明通過對決定人體坐姿的人體頭部和肩部兩部分的核心關(guān)鍵點進行分析來識別人體坐姿，具有較高的識別精度，同時不需要依賴于昂貴的深度攝像頭，成本較低，應用范圍受限較低。

4、進一步的，從當前人體坐姿圖像中提取出左眼左眼角、右眼右眼角和鼻尖這三個關(guān)鍵點的坐標的具體過程為：

5、步驟s1、對當前人體坐姿圖像進行預處理，得到預處理后的當前人體坐姿圖像；

6、步驟s2、利用深度學習算法，從預處理后的當前人體坐姿圖像中提取出左眼左眼角、右眼右眼角、鼻尖的坐標。

7、進一步的，所述的預處理包括去噪和圖像增強操作。

8、進一步的，所述的深度學習算法為alphapose算法。

9、進一步的，訓練好的分類器采用以下步驟得到：

10、步驟b1、采用雙目攝像機拍攝將頭部和肩部完整拍攝進去的正確坐姿的5000張人體坐姿圖像以及錯誤坐姿的5000張人體坐姿圖像；

11、步驟b2、從每張人體坐姿圖像中提取左眼左眼角、右眼右眼角和鼻尖這三個關(guān)鍵點的坐標后，基于每張人體坐姿圖像的左眼左眼角、右眼右眼角和鼻尖這三個關(guān)鍵點的坐標，采用sdm算法計算得到每張人體坐姿圖像的左眼左眼角、右眼右眼角和鼻尖這三個關(guān)鍵點的特征向量，并基于每張人體坐姿圖像，利用openpose算法計算出每張人體坐姿圖像的脖部、左肩和右肩這三個關(guān)鍵點的特征向量,從而得到每張人體坐姿圖像的左眼左眼角、右眼右眼角、鼻尖、脖部、左肩和右肩這六個關(guān)鍵點的特征向量，將每張人體坐姿圖像的左眼左眼角、右眼右眼角、鼻尖、脖部、左肩和右肩這六個關(guān)鍵點的特征向量作為輸入數(shù)據(jù)，每張人體坐姿圖像是正確坐姿還是錯誤坐姿作為對應標簽，對分類器進行訓練，得到訓練好的分類器。

12、進一步的，基于左眼左眼角和右眼右眼角的坐標，利用立體視覺計算方法計算得到深度距離的具體過程為：

13、步驟c1、根據(jù)得到的左眼左眼角和右眼右眼角坐標計算出雙眼中點的坐標，即左眼左眼角和右眼右眼角連線的中點坐標；

14、步驟c2、利用立體視覺計算方法計算雙眼中點到雙目攝像頭光心的距離，該距離即為深度距離。

15、進一步的，根據(jù)得到的深度距離確定用眼分類結(jié)果的具體過程為：將深度距離記為z，如果50cm＜z＜65cm，則認為用戶處于正確的用眼距離，用眼分類結(jié)果為正確用眼距離；如果z≤50cm，則認為用戶用眼距離過短，可能導致眼睛疲勞，用眼分類結(jié)果為過短用眼距離；如果z≥65cm，則認為用戶用眼距離過長，可能導致眼睛疲勞，用眼分類結(jié)果為過長用眼距離。

16、進一步的，根據(jù)坐姿分類結(jié)果和用眼分類結(jié)果綜合判斷用戶是否是不良坐姿的具體方式為：如果分類結(jié)果為正確坐姿，且用眼分類情況為正確用眼距離，則判斷用戶當前為正確坐姿，否則判斷用戶當前為錯誤坐姿。

技術(shù)特征：

1.一種基于雙目攝像頭的人體姿態(tài)識別方法，其特征在于通過將雙目攝像頭安裝在能將用戶的頭部和肩部完整拍攝進去的位置，采用雙目攝像頭實時拍攝用戶的當前人體坐姿圖像后，從當前人體坐姿圖像中提取左眼左眼角、右眼右眼角和鼻尖這三個關(guān)鍵點的坐標后，基于左眼左眼角、右眼右眼角和鼻尖這三個關(guān)鍵點的坐標，采用sdm算法計算得到左眼左眼角、右眼右眼角和鼻尖這三個關(guān)鍵點的特征向量，并基于當前人體坐姿圖像，利用openpose算法計算出脖部、左肩和右肩這三個關(guān)鍵點的特征向量,然后采用訓練好的分類器對左眼左眼角、右眼右眼角、鼻尖、脖部、左肩和右肩這六個關(guān)鍵點的特征向量進行分類，得到坐姿分類結(jié)果，并基于左眼左眼角和右眼右眼角的坐標，利用立體視覺計算方法計算得到深度距離，根據(jù)得到的深度距離確定用眼分類結(jié)果，最后根據(jù)坐姿分類結(jié)果和用眼分類結(jié)果綜合判斷用戶是否為錯誤坐姿，如果是，則用語音提示用戶改善自己的坐姿。

2.根據(jù)權(quán)利要求1所述的一種基于雙目攝像頭的人體姿態(tài)識別方法，其特征在于從當前人體坐姿圖像中提取出左眼左眼角、右眼右眼角和鼻尖這三個關(guān)鍵點的坐標的具體過程為：

3.根據(jù)權(quán)利要求2所述的一種基于雙目攝像頭的人體姿態(tài)識別方法，其特征在于所述的預處理包括去噪和圖像增強操作。

4.根據(jù)權(quán)利要求2所述的一種基于雙目攝像頭的人體姿態(tài)識別方法，其特征在于所述的深度學習算法為alphapose算法。

5.根據(jù)權(quán)利要求1所述的一種基于雙目攝像頭的人體姿態(tài)識別方法，其特征在于訓練好的分類器采用以下步驟得到：

6.根據(jù)權(quán)利要求1所述的一種基于雙目攝像頭的人體姿態(tài)識別方法，其特征在于基于左眼左眼角和右眼右眼角的坐標，利用立體視覺計算方法計算得到深度距離的具體過程為：

7.根據(jù)權(quán)利要求1所述的一種基于雙目攝像頭的人體姿態(tài)識別方法，其特征在于根據(jù)得到的深度距離確定用眼分類結(jié)果的具體過程為：將深度距離記為z，如果50cm＜z＜65cm，則認為用戶處于正確的用眼距離，用眼分類結(jié)果為正確用眼距離；如果z≤50cm，則認為用戶用眼距離過短，可能導致眼睛疲勞，用眼分類結(jié)果為過短用眼距離；如果z≥65cm，則認為用戶用眼距離過長，可能導致眼睛疲勞，用眼分類結(jié)果為過長用眼距離。

8.根據(jù)權(quán)利要求1所述的一種基于雙目攝像頭的人體姿態(tài)識別方法，其特征在于根據(jù)坐姿分類結(jié)果和用眼分類結(jié)果綜合判斷用戶是否是不良坐姿的具體方式為：如果分類結(jié)果為正確坐姿，且用眼分類情況為正確用眼距離，則判斷用戶當前為正確坐姿，否則判斷用戶當前為錯誤坐姿。

技術(shù)總結(jié)
本發(fā)明公開了一種基于雙目攝像頭的人體姿態(tài)識別方法，通過雙目攝像頭結(jié)合SDM算法以及Openpose算法得到人體左眼左眼角、右眼右眼角、鼻尖、脖部、左肩和右肩這六個關(guān)鍵點的特征向量，然后采用訓練好的分類器得到坐姿分類結(jié)果，利用立體視覺計算方法計算得到深度距離，根據(jù)得到的深度距離確定用眼分類結(jié)果，最后根據(jù)坐姿分類結(jié)果和用眼分類結(jié)果綜合判斷用戶是否為錯誤坐姿，左眼左眼角、右眼右眼角、鼻尖、脖部、左肩和右肩這六個關(guān)鍵點確定了的人體頭部和肩部的位置，而人體頭部和肩部直接決定人體坐姿是否正確；優(yōu)點是具有較高的識別精度，同時不需要依賴于昂貴的深度攝像頭，成本較低，應用范圍受限較低。

技術(shù)研發(fā)人員：余增毅,藍艇,文愈,郟宣城
受保護的技術(shù)使用者：寧波大學
技術(shù)研發(fā)日：
技術(shù)公布日：2025/5/15