[发明专利]一种基于人体姿态的坐姿识别方法、系统及计算机可读存储介质

说明书

本发明提供一种基于人体姿态的坐姿识别方法、系统及计算机可读存储介质，其中所述方法包括采集人体坐姿图片，构造人体姿态特征训练数据集；构建并训练用于分类坐姿类别的神经网络模型；利用OpenPose和训练好的神经网络模型预测坐姿类别；本发明提出的方法可直接提取出人体骨架特征，在其基础上进行判断坐姿类别，从而避免背景等无关因素的影响，提高坐姿识别的准确率。

技术领域

本发明涉及计算机视觉领域，特别是指一种基于人体姿态的坐姿识别方法、系统及计算机可读存储介质。

背景技术

现代生活中，学生等青少年或职业工作者需要长时间静坐工作，而长时间保持不良坐姿会导致人体亚健康和许多慢性疾病。因此，对人体坐姿进行持续性地监测并及时提醒有助于长时间静坐着避免颈椎等部位收到伤害。

近年来，国内外科研技术愈发重视坐姿识别技术。现有技术主要分为以下两种：1)基于深度摄像头的方法。主要是利用深度实感设备获得场景下的三维数据，从中提取中头部、眼部等关节点数据。2)基于模板的方法。将图片与标准坐姿图片进行对比，通过基于快速特征点提取和描述(Oriented FAST and Rotated BRIEF，ORB)比较实际检测对象与标准模板对象的相似程度。

近年来，随着深度学习技术在计算机视觉领域的快速发展，涌现了大量基于深度学习的坐姿识别方法。如使用卷积神经网络提取图片特征对坐姿进行分类，其存在的不足之处在于，容易受到背景和角度的影响。

发明内容

本发明的主要目的在于克服现有技术中的上述缺陷，提出一种基于人体姿态的坐姿识别方法，本发明提出的方法可直接提取出人体骨架特征，在其基础上进行判断坐姿类别，从而避免背景等无关因素的影响，提高坐姿识别的准确率。

本发明采用如下技术方案：

一种基于人体姿态的坐姿识别方法，具体包括：

S1、采集人体坐姿图片，构造人体姿态特征训练数据集；

S2、构建并训练用于分类坐姿类别的神经网络模型；

S3、利用OpenPose和训练好的神经网络模型预测坐姿类别。

具体地，所述S1中采集人体坐姿图片，构造人体姿态特征训练数据集，具体包括：

S11、针对坐姿进行分类，将坐姿划分为端正、后仰、前倾、左前倾、右前倾、趴伏；

S12、获取人体坐姿图片并人工标注不同的坐姿类别；

S13、根据坐姿类别将图片放置到不同的文件夹中，使用脚本程序自动读取不同文件夹下的图片；

S14、加载OpenPose模型提取图片中的人体姿态特征，将其保存为人体姿态特征图片；

S15、将OpenPose模型输出的人体姿态特征图片根据坐姿类别放置到不同的文件夹中；

S16、将数据集划分为训练集、验证集和测试集；

S17、在训练集被加载时随机地进行数据增强来增加数据集，即对图片进行平移、缩放、扭曲。

具体地，所述S2中构建并训练用于分类坐姿类别的神经网络模型，具体包括：

S21、在深度学习框架中选择预定义的神经网络，根据坐姿类别的数量设置网络的输入尺寸和输出维度；

S22、采用深度残差网络ResNet作为分类网络，同时使用ResNet分类网络在ImageNet数据集上的预训练模型初始化ResNet分类网络参数；

S23、以softmax函数作为ResNet的损失函数；

S24、利用softmax分类器，训练迭代模型参数。