[发明专利]一种基于计算机视觉的学生姿势识别分析方法

说明书

本发明的目的在于提出了一种基于计算机视觉的学生姿势识别分析方法，用以解决包括：1)通过视频传感器获取学生在做作业时的实时体态姿势数据。2)通过红外线距离传感器对学生身体部位与课桌之间的距离进行实时测量。3)采集的数据包括学生的肩膀、脖子、头、肘关节、手腕、手指、腰部、膝盖、脚部以及眼睛、鼻子、嘴巴等面部表情。4)通过计算机视觉相关技术和卷积神经网络等深度学习算法对学生做作业时的动作体态进行分析。5)对一些标准坐姿以及学生做作业中容易出现的各类动作如挠头、趴着、身体歪向一侧等各种情况进行训练，并建立对比数据库。6)通过DensePose技术对视频进行处理，将结果与经过训练的数据进行对比，判断学生当前的体态状态，若不标准则发出语音提示。

技术领域

本发明涉及计算机视觉图像识别技术领域，特别涉及一种用于学生姿势识别分析方法。

背景技术

视觉是人类观察和认识化界的最重要的途径，在日常生活中人们从外界获取的信息大约有75％来自视觉系统。自计算机和互联网问世来，人类的脑力和感知能力得到了极大的拓展巧延伸，基于计算机视觉的人体动作识别从上世纪末至今受到愈来愈多的关注，视频动作识别也逐渐成为国内外研究人员专注的热点问题。目前多数学生在做作业时体态姿势不标准，不仅影响书写的速度和质量，而且会导致视力下降，使孩子过早的戴上眼镜；而且因为腰挺不直，影响脊椎和颈椎的正常发育；坐姿的不正确比如跷二郎腿等动作行为，还会影响到双腿骨骼和肌肉的发育。所以说做作业姿势不正确会对学生的身体健康产生极大的影响。

针对以上问题的分析，应该及时提醒学生的坐姿问题，但现代社会父母的工作和生活压力都很大，大多数家长无暇顾及孩子的这类问题。所以本发明提出了一种基于计算机视觉的学生姿势识别分析方法并可以语音对孩子的坐姿不规范等问题及时进行提醒，使学生保持一个良好的坐姿，保证身体的健康。

发明内容

本发明的目的在于提出了一种基于计算机视觉的学生姿势识别分析方法，用以解决包括：1)通过视频传感器获取学生在做作业时的实时体态姿势数据。2) 通过红外线距离传感器对学生身体部位与课桌之间的距离进行实时测量。3)采集的数据包括学生的肩膀、脖子、头、肘关节、手腕、手指、腰部、膝盖、脚部以及眼睛、鼻子、嘴巴等面部表情。4)通过计算机视觉相关技术和卷积神经网络和DensePose技术对学生做作业时的动作体态进行分析。5)对一些标准坐姿以及学生做作业中容易出现的状态不集中时学生的面部表情和各类动作如挠头、趴着、身体歪向一侧等各种情况进行训练，并建立对比数据库。6)通过与经过训练的数据进行对比，判断学生当前的体态状态，若姿势不标准或精神状态不集中则发出语音提示。

为实现上述目的，本发明采用以下技术方案：视频动作识别作为一种分类任务，其传统方法的设计基本上遵循了传统计算机视觉中通过卷积神经网络提取特征加基于特征进行分类的框架并利用DensePose技术对学生的体态姿势和面部表情进行判断，本发明采用了Kinetics数据集作为测试数据集，Kinetics是一个超大规模的视频动作识别数据集，其视频收集自YouTube等视频网站，共包含 500个动作类别，50万左右的视频片段，每个视频平均时长10秒。十分适合作为本发明的数据测试集。本发明基于计算机视觉的学生姿势识别分析方法包括以下几个阶段：

阶段一，动作获取，在学生做作业时通过视觉传感器对标准以及各类容易出现的问题姿势进行取样拍摄。

阶段二，数据分类，对阶段一所收集到的图像数据进行特征提取和姿势分类。

阶段三，利用卷积神经网络(CNN)对采集并分类好的图片进行识别训练，将标准体态姿势与各类容易出现的问题姿势进行分组训练。得出正确姿势和各种错误姿势的对比识别模型。

阶段四，对学生做作业的体态姿势进行判断，对做作业的过程进行姿势拍摄，提取特征。利用DensePose技术对学生的体态姿势进行估计，然后通过阶段三所获得的姿势对比识别模型进行搜索和对比。

阶段五，输出对比结果，并设定一个阈值，最终对学生的体态姿势给出一个准确的判断。