[发明专利]一种基于RGBD图像的坐姿几何参数检测方法及系统

说明书

本发明公开了一种基于RGBD图像的坐姿几何参数检测方法，包括以下步骤：通过图像摄取，获取人体坐姿时的RGB图像信息；对RGB图像信息进行深度识别，获取图像的深度信息；对RGB图像信息进行身体识别，获取图像中人体的稠密关键点信息；对RGB图像信息进行头部识别，获取人体的头部姿态信息；对深度信息、稠密关键点信息和头部姿态信息进行计算，并获取坐姿几何参数；本发明公开的基于RGBD图像的坐姿几何参数检测方法具有高精度、高可靠性、误检率低和成本低的特点。

技术领域

本发明涉及计算机视觉技术领域，特别涉及一种应用人体姿态及头部姿态估计算法进行基于RGBD图像的坐姿几何参数检测方法及系统。

背景技术

如今人们坐立时间日益增加，不正确的坐姿会严重影响人们的脊柱健康，而现今对于坐姿检测的技术却依旧不够成熟。如今市面上出现的坐姿检测设备主要以坐姿检测笔、坐姿检测台灯为代表。它们往往仅从手与头部距离等这样的单一数据进行检测，容易出现漏检、误检、误报等问题，其精度和准确度都较差。

另外还有一些基于计算机视觉中人体姿态估计的算法的坐姿检测方法，如基于Kinect相机的人体坐姿识别方法(中国专利202010719422.X)以及基于Kinect的人体坐姿行为识别方法和系统(中国专利201810369535.4)，前者采用Kinect双目相机采集图像与深度信息，然后利用识别模块进行人体部位关键点的识别工作，最后根据这些点的位置坐标计算出双眼距离阅读对象的距离、双肩的高度差、脊柱的角度和三相转向角等参数。虽然它能够识别出人体坐姿的各种参数，但其识别模块只能检测人体较为稀疏的几个关键点，其结果精度受个别关键点检测精度影响较大，可靠性以及精度都不高，且不能检测出人体头部姿态和人眼视线方向。而后者的专利主要目的是为了解决人们在“非正坐”的情况下的识别问题，其采用的主要是通过人体姿态行为的骨架图像序列，通过K-means等算法进行聚类，然后判断各帧图像与特征图像之间的差异，以此来完成对于图像分类的工作。这篇专利主要是进行了图像分类的工作，并未对人体坐姿的正确与否给出判断，也无法给出人体坐姿下的各种参数值。

中国专利202110001649.5则将坐姿分为四大类：左侧姿、右侧姿、低头姿以及正坐姿，这种方式只能能够检测到一个粗略的坐姿描述，并不能够准确的得到坐姿参数。该专利将坐姿限定为4个大类，然而实际中人们的坐姿并不固定，所以该方法无法适用于人们生活中的各个场景下。而中国专利202011088718.2提出的一种基于关键点检测的人体坐姿识别方法则需要预检人员事先进行图像和关键点的采集工作，将坐姿限定于正确坐姿、头部左偏、头部右偏、身体左倾、身体右倾、脊椎弯曲以及肩膀不平行7种坐姿下，同样不适用于所有的生活场景，且对于坐姿的描述并不够全面。

以上设备及技术方案都存在坐姿精度不高、稳定性差等缺陷，故现在存在的算法及设备都不能很好的完成坐姿检测的目的，人们急需一种可靠性高、成本较低且健康的坐姿检测方法。

发明内容

为此，需要提供一种高精度、高可靠性、误检率低和成本低的基于RGBD图像的坐姿几何参数检测方法。

为实现上述目的，发明人提供了一种基于RGBD图像的坐姿几何参数检测方法，包括以下步骤：

通过图像摄取，获取人体坐姿时的RGB图像信息；

对RGB图像信息进行深度识别，获取图像的深度信息；

对RGB图像信息进行身体识别，获取图像中人体的稠密关键点信息；

对RGB图像信息进行头部识别，获取人体的头部姿态信息；

对深度信息、稠密关键点信息和头部姿态信息进行计算，并获取坐姿几何参数。

作为本发明的一种优选方式，在对RGB图像信息进行深度识别时，还包括步骤：对数字化的双目图像或视频进行预处理；对预处理后的双目图像或视频进行计算，并转换成包含深度信息的深度图像。