[发明专利]一种深度图像中人体坐姿识别的方法、装置及存储介质

权利要求书

1.一种深度图像中人体坐姿识别的方法，其特征在于，所述方法包括：

获取拍摄人体坐姿的深度图像；

对所述深度图像进行预处理；

将预处理后的深度图像输入至训练完成的坐姿分类模型中，得到所述深度图像的初始坐姿分类信息，所述坐姿分类模型的网络基于残差网络搭建而成；

根据所述初始坐姿分类信息通过交叉验证得到所述深度图像的坐姿最终分类结果。

2.根据权利要求1所述的方法，其特征在于，对所述深度图像进行预处理包括：

去除所述深度图像中的背景信息；

和/或，

提取所述深度图像中的人体轮廓区域信息；

和/或，

对所述深度图像进行数据增强。

3.根据权利要求1所述的方法，其特征在于，在所述获取拍摄人体坐姿的深度图像之前，所述方法还包括：

获取坐姿识别的训练样本集，所述训练样本集中包含若干张坐姿样本图像与对应的标签信息，所述坐姿样本图像为深度图像，所述标签信息为坐姿的类别；

构建初始坐姿分类模型，所述初始坐姿分类模型的主体网络架构由残差网络构成；

从所述坐姿识别训练样本集中选取训练样本，并通过所述训练样本训练所述初始坐姿分类模型直至所述初始坐姿分类模型达到收敛，得到坐姿分类模型。

4.根据权利要求3所述的方法，其特征在于，所述标签信息包括：

正坐、正坐-微低头、正坐-微左转头、正坐-微右转头、正坐-微抬头、正坐-微左歪头、正坐-微右歪头、左歪头、右歪头、身体左倾、身体右倾、左手托腮、右手托腮、前倾、后仰和弯腰驼背中的至少一种。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

采用One-hot一位有效编码对所述标签信息进行编码。

6.根据权利要求3所述的方法，其特征在于，所述方法还包括：

通过数据增强扩大所述坐姿识别训练样本集，所述数据增强包括对所述坐姿样本图像进行裁剪、放缩、标准化和/或修改亮度、对比度和饱和度。

7.根据权利要求1至6中任一项所述的方法，其特征在于，在所述根据所述初始坐姿分类信息通过交叉验证得到所述深度图像的坐姿分类结果之后，所述方法还包括：

判断所述坐姿分类结果属于有益坐姿或无益坐姿，所述有益坐姿包括正坐、正坐-微低头、正坐-微左转头、正坐-微右转头、正坐-微抬头、正坐-微左歪头和正坐-微右歪头，所述无益坐姿包括左歪头、右歪头、身体左倾、身体右倾、左手托腮、右手托腮、前倾、后仰和弯腰驼背；

当确定所述坐姿分类结果属于无益坐姿时，向用户发送坐姿纠正提示信息。

8.一种深度图像中人体坐姿识别的装置，其特征在于，所述装置包括：

获取单元，用于获取人体坐姿的深度图像；

预处理单元，用于对所述深度图像进行预处理；

输入单元，用于将预处理后的深度图像输入至训练完成的坐姿分类模型中，得到所述深度图像的初始坐姿分类信息，所述坐姿分类模型的网络基于残差网络搭建而成；

验证单元，用于根据所述初始坐姿分类信息通过交叉验证得到所述深度图像的坐姿最终分类结果。

9.一种台灯，其特征在于，所述台灯执行如权利要求1至7中任一项所述方法。

10.一种深度图像中人体坐姿识别的装置，其特征在于，所述装置包括：

处理器、存储器、输入输出单元以及总线；

所述处理器与所述存储器、所述输入输出单元以及所述总线相连；

所述存储器保存有程序，所述处理器调用所述程序以执行如权利要求1至7中任一项所述方法。

11.一种计算机可读存储介质，所述计算机可读存储介质上保存有程序，所述程序在计算机上执行时执行如权利要求1至7中任一项所述方法。