[发明专利]一种基于姿态矫正的疾病预防的移动端系统及方法

权利要求书

1.一种基于姿态矫正的疾病预防的移动端方法，其特征在于，包括以下：

数据训练模块：

步骤1.1，初始化移动设备；

步骤1.2，用户持该移动设备完成指定的动作，通过移动设备的摄像头采集该动作的图像；

步骤1.3，将该图像进行数据预处理，把图像处理成统一的大小，并且对图像所涉及的关节进行标注，利用VGG-19网络的前10层对图片进行处理，得到图片的特征F；

步骤1.4，特征F通过一个连续的多阶段网络进行处理，网络的每个阶段包含了两个分支，其输入结果分别为CNN_S，CNN_L和L；

步骤1.5，通过L,评估两个输入结果CNN_S和CNN_L两个坐标点连接起来的可能性，将其连接起来，形成人的姿势骨架，将得到处理后的数据作为行为姿态样本数据用于训练；

步骤1.6，将得到的大量数据进行多层的训练，得到一个训练好的模型文件；

模型转换模块：

步骤2.1，导入并读取训练好的模型文件，识别模型网络中的张量数据的类型/格式、运算单元的类型和参数、计算图的结构和命名规范，以及它们之间的其他关联信息；

步骤2.2，选择MobileNet-SSD作为神经网络模型，其中MobiletNet-SSD网络模型为T1层的卷积层和T2层的全连接层，其中卷积层的输出作为全连接层的输入，将训练好的文件通过低秩因子分解，对参数进行分解估计信息参数，去除冗余和不必要的参数；

步骤2.3，执行向前网络，获得计算结果；

行为获取模块：

步骤3.1，开启移动端所选用的单片机U1,其中它的时钟电路包括时钟芯片U2,以及与时钟芯片U2相连的晶振T2,时钟电路U3通过SCLK、I/O、CE管脚与单片机U1相连，为单片机U1提供时钟时间；

步骤3.2，用户设置好每次的间隔时间，则每隔一段时间就会触发一次中断，用户同样可以设置这个中断的优先级，如果碰上更优先于这个中断的程序，那么这个中断将不会发生；

步骤3.3，用户在中断发生后，进入界面；后台获取用户目前姿态；

步骤3.4，截取用户的当前姿态；

行为识别模块：

步骤4.1，用户将进入系统屏幕指定的框中，保证面部及肢体的关节都能被识别到，提取用户的特征向量；

步骤4.2，根据提取到的用户的特征向量导入模型；

步骤4.3，对用户进行姿态识别，如果未被识别，系统将会提醒，并让用户重新进入屏幕所示的指定框中，重新返回步骤4.1，直至识别为止；

数据分析模块：

步骤5.1，系统将进行第一个动作，用户需要根据系统指令完成相应的动作，同时系统将再次识别在动态的情况下，用户的姿态识别的准确度和流畅度是否高于阈值：如果用户的姿态识别的准确度和流畅度高于阈值，那么用户将会进入步骤5.2；如果用户的姿态识别的准确度和流畅度低于阈值，则系统将会重新进入识别步骤4.1；

步骤5.2，系统展示正确的眼保健操动作，用户根据指定的命令跟着完成，如果姿势标准，系统将会进行下一个动作并记录在后台，如果经过检测，姿态不标准，将会要求重新跟着系统再次完成该动作，并且语音播报不标准的位置；

步骤5.3，在完成眼保健操动作后，系统展示正确的颈椎训练姿势，用户跟着指令完成动作，如果检测，动作不合格，则无法进入下一个步骤，并且系统语音播报动作不标准的位置，如果检测合格，则可以直接进入下一步，并记录在后台；

步骤5.4，在完成步骤5.2和步骤5.3之后，中断将会关闭，系统会继续中断之前的状态。

2.根据权利要求1所述的基于姿态矫正的疾病预防的移动端方法，其特征在于，所述移动端方法采用基于姿态矫正的疾病预防的移动端系统，所述移动端系统包括数据训练模块，模型转换模块，行为获取模块，行为识别模块，数据分析模块；其中，

所述数据训练模块，其用于得到图片数据训练集，骨骼的关键点检测，关键点的特征向量的提取和神经网络的分类；

所述模型转换模块，其用于识别模型和模型转换；

所述行为获取模块，其用于获取用户目前姿态和截取图像；

所述行为识别模块，其用于特征向量的提取，特征向量导入模型和姿态识别；

所述数据分析模块，其用于姿态分析和显示动作。