[发明专利]一种坐姿检测方法、装置、设备及存储介质

权利要求书

1.一种坐姿检测方法，其特征在于，包括：

获取指定拍摄装置采集到的待检测用户的坐姿图像，并从所述坐姿图像中提取所述待检测用户的多个人体特征点的三维数据；

将所述多个人体特征点中各个人体特征点的三维数据输入预训练的姿态识别模型，识别得到所述待检测用户当前的人体姿态信息；

根据识别得到的所述待检测用户当前的所述人体姿态信息，确定所述待检测用户当前所处的坐姿状态；

当确定所述待检测用户当前所处的所述坐姿状态存在异常时，根据所述坐姿状态生成提示信息，并将所述提示信息发送给所述待检测用户对应的终端设备，所述提示信息用于提示所述坐姿状态异常。

2.根据权利要求1所述的方法，其特征在于，所述从所述坐姿图像中提取所述待检测用户的多个人体特征点的三维数据，包括：

从所述坐姿图像中提取所述待检测用户的多个人体特征点；

利用预设的图像处理算法对所述多个人体特征点中各个人体特征点进行处理，得到所述各个人体特征点的像素坐标；

获取所述各个人体特征点的深度数据，并根据所述各个人体特征点的像素坐标和所述深度数据确定所述各个人体特征点的三维数据。

3.根据权利要求1所述的方法，其特征在于，所述将所述多个人体特征点中各个人体特征点的三维数据输入预训练的姿态识别模型，识别得到所述待检测用户当前的人体姿态信息之前，还包括：

获取训练样本数据集，所述训练样本数据集中包括多个样本人体特征点的三维数据，所述多个样本人体特征点的三维数据包括样本头部特征点的三维数据、样本肩部特征点的三维数据、样本手部特征点的三维数据中的一种或多种；

对所述多个样本人体特征点中的每个样本人体特征点的三维数据添加姿态标签；

将添加所述姿态标签的各个样本人体特征点的三维数据输入预设的神经网络模型进行训练，得到所述姿态识别模型。

4.根据权利要求1所述的方法，其特征在于，所述人体姿态信息包括头部姿态信息；所述根据识别得到的所述待检测用户当前的所述人体姿态信息，确定所述待检测用户当前所处的坐姿状态，包括：

根据识别得到的所述待检测用户当前的所述人体姿态信息确定所述待检测用户当前的头部姿态信息，所述头部姿态信息包括头部的转动信息、头部的姿态角度、第一距离中的一种或多种，其中，所述第一距离为所述头部与所述指定拍摄装置之间的距离；

根据所述头部的转动信息、头部的姿态角度、第一距离中的一种或多种，确定所述待检测用户当前所处的坐姿状态。

5.根据权利要求4所述的方法，其特征在于，所述人体姿态信息还包括肩部姿态信息；所述根据识别得到的所述待检测用户当前的所述人体姿态信息确定所述待检测用户当前的头部姿态信息之后，包括：

根据识别得到的所述待检测用户当前的所述人体姿态信息确定所述待检测用户当前的肩部姿态信息，所述肩部姿态信息包括肩部的姿态角度和/或第二距离，其中，所述第二距离为所述肩部与所述指定拍摄装置之间的距离；

所述根据所述头部的转动信息、头部的姿态角度、第一距离中的一种或多种，确定所述待检测用户当前所处的坐姿状态，包括：

根据所述头部的转动信息、头部的姿态角度、第一距离中的一种或多种，以及所述肩部的姿态角度和/或第二距离，确定所述待检测用户当前所处的坐姿状态。

6.根据权利要求5所述的方法，其特征在于，所述人体姿态信息还包括手部姿态信息；所述根据识别得到的所述待检测用户当前的所述人体姿态信息，确定所述待检测用户当前所处的坐姿状态，包括：

根据识别得到的所述待检测用户当前的所述人体姿态信息确定所述待检测用户当前的手部姿态信息，所述手部姿态信息包括手部的姿态角度和/或第三距离，其中，所述第三距离为所述手部与所述指定拍摄装置之间的距离；

根据所述头部的转动信息、头部的姿态角度、第一距离中的一种或多种，以及所述肩部的姿态角度和/或第二距离，以及所述手部的姿态角度和/或第三距离，确定所述待检测用户当前所处的坐姿状态。