[发明专利]一种面向家居场景的学生坐姿检测方法

权利要求书

1.一种面向家居场景的学生坐姿检测方法，其特征在于，包括如下步骤：

步骤S1、选取一张不含人物的家居场景图像作为背景图，对背景图进行预处理，获取图像Image0；

步骤S2、实时采集家居场景的视频流，并对视频流中的每帧图像进行预处理，获取当前帧预处理后的图像为Image1；

步骤S3、采用背景减除法对当前帧处理后的图像Image1和图像Image0进行处理，获取图像Image2，再对图像Image2依次进行二值化处理和形态学中闭运算处理，获取图像Image3，将图像Image3中灰度值为255的点矩形拟合，获取矩形的中心位置和长宽；在当前帧预处理后的图像Image1中截取对应的矩形区域，获取人形区域图像Image4，最后将人形区域图像Image4调整大小为（227,227），获取待输入的图像Image5;

步骤S4、将待输入的图像Image5输入到改进后的AlexNet网络模型进行训练，获取学生坐姿检测模型；

步骤S5、将新采集到图像处理后输入到学生坐姿检测模型中，输出学生坐姿检测结果和学生身体与垂直线的角度θ，当坐姿不当或θ大于15度时，进行坐姿提醒。

2.根据权利要求1所述的一种面向家居场景的学生坐姿检测方法，其特征在于，所述步骤S3中所述背景减除法具体方法为：

用现在的图像去对比已知的观察图像，所述观察图像不含有任何感兴趣的图像，即为背景图像，将当前帧预处理后的图像Image1与图像Image0进行对比，获取人形所在的区域的图像，并对其二值化处理后得到掩码图，再使用矩形拟合掩码图，使矩形对当前帧对应区域进行分割，获取人形区域分割图像。

3.根据权利要求1所述的一种面向家居场景的学生坐姿检测方法，其特征在于，所述步骤S4中，改进后的AlexNet网络模型具体为：

包括7层深度网络，前5层为卷积层，后2层为全连接层，并在结尾处设有两个头，分类头和回归头，分类器采用SVM核函数中的径向基函数，回归部分为欧式距离损失函数。

4.根据权利要求3所述的一种面向家居场景的学生坐姿检测方法，其特征在于，所述分类头输出学生坐姿检测结果，所述回归头输出学生身体与垂直线的角度。

5.根据权利要求1所述的一种面向家居场景的学生坐姿检测方法，其特征在于，所述预处理包括灰度处理和高斯模糊平滑处理，首先对图像使用Gamma校正法对图形进行归一化，之后进行高斯滤波处理，其中，所述Gamma校正法为对图像的Gamma曲线进行编辑，以对图像进行非线性色调编辑的方法，检出图像信号中的深色部分和浅色部分，并增大两者比例。