[发明专利]一种面向家居场景的学生坐姿检测方法

说明书

本发明提出了一种面向家居场景的学生坐姿检测方法，实时采集视频流中的连续帧图像；首先对图像进行预处理，降低图像局部的阴影和光照变化所造成的影响，同时可以抑制噪音的干扰；然后通过背景减除法对捕获的当前帧图像进行处理，获得人形所在区域，降低背景对检测准确度的影响；之后对预处理后的当前帧进行人形分割，把大量人形分割后的待检图像和标签输入到改进后的AlexNet神经网络模型进行训练，获取学生坐姿检测模型。该发明可以广泛应用于家居场景下的学生坐姿检测，包括坐姿是否正确和坐姿倾斜程度等，给用户带来健康舒适的身心享受，有非常广阔的应用前景。

技术领域

本发明属于智能家居技术领域，具体涉及一种面向家居场景的学生坐姿检测方法。

背景技术

在过去的几十年里，随着计算机的飞速普及使人们将越来越多的工作放在计算机上去完成。各行各业中，尤其是程序开发人员和文字工作者，在计算机上的工作时间越来越长，这种情况下不良的坐姿对颈肩腰椎都会产生很大影响，容易导致多种疾病的发生。对于学生来说，接触计算机的年龄越来越小，保持良好的坐姿对于学生的成长发育以及保护视力都大有裨益。在过去的几年里，智能家居行业日益繁荣，与此同时，关于管控学生行为的设备也越来越多。但当今市场上，关于学生坐姿检测的仪器大都是冗杂的硬件设备，具有学生坐姿检测功能的软件集成终端设备还较为少见，这些硬件设备不仅价格昂贵，设计复杂，且便捷性、实时性均有所欠缺。

发明内容

本发明所要解决的技术问题是克服现有技术的不足，提供一种面向家居场景的学生坐姿检测方法，将基于背景减除法的人形区域分割法和基于改进后AlexNet网络的学生坐姿检测模型集成至终端设备，不仅大幅降低了设备成本，且具有良好的检测效果。

本发明提供一种面向家居场景的学生坐姿检测方法，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。

作为本发明的进一步技术方案，步骤S3中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，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。

进一步的，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。

更进一步的，分类头输出学生坐姿检测结果，回归头输出学生身体与垂直线的角度。