登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 毕业论文 > 理工学类 > 建筑电气与智能化 > 正文

基于骨骼模型的坐姿视觉检测系统设计毕业论文

 2020-04-15 08:04  

摘 要

随着科学技术的的发展,坐姿渐渐成为我们生活中最常用的姿势,同时近视、脊椎疾病等由于坐姿不良而引发的健康问题也日益突出。针对这种情况,本文设计了一种基于骨骼点的坐姿检测系统,该系统能够判断用户当前坐姿存在的问题,包括头部倾斜、身体倾斜、脊椎前曲以及身体后仰,并实时提醒用户及时矫正坐姿。系统利用Kinect传感器得到坐姿检测需要的四个骨骼点的位置信息,分别是头部骨骼点、咽喉骨骼点以及双肩骨骼点,并利用这四个骨骼点设计判断算法。本文通过实验对系统进行了测试,验证了它的有效性。

关键词:坐姿检测 骨骼点 OpenCV Kinect

The Design of Sitting Posture Vision Detection System based on Skeleton Model

Abstract

With the development of science and technology, sitting posture has gradually become the most commonly used posture in our life, At the same time, myopia, spinal diseases and other health problems caused by poor sitting posture have become increasingly prominent. In view of this situation, this paper designs a skeletal point-based sitting posture detection system, which can judge the user's current sitting posture problems, including head tilt, body tilt, spine front and body back. And promptly remind the user to correct the sitting posture in time. The system uses the Kinect sensor to obtain the position information of the four skeleton points required for sitting posture detection, namely the head skeleton point, the throat skeleton point and the two shoulder skeleton point, and uses these four bone points to design a judgment algorithm. This paper tests the system through experiments and verifies its effectiveness.

Key Words: Sitting position detection; skeleton point; OpenCV ; Kinect

目录

摘要 I

Abstract II

第一章 绪论 1

1.1 课题背景及研究意义 1

1.2 国内外研究现状 1

1.3 本文内容及结构安排 3

第二章 系统总体描述 5

2.1系统目标 5

2.2 系统运行环境 5

2.11 VS 2015 5

2.1.2 OpenCV 3.4.5 6

2.1.3 Kinect 6

第三章 基于骨骼点的坐姿判断算法 8

3.1 骨骼点的获取 8

3.1.1 Kinect功能介绍 9

3.1.2 骨骼跟踪 9

3.1.3 获取骨骼点 10

3.2 归一化 11

3.2.1 含义 11

3.2.2 处理方法 11

3.2.3 本次设计采用的方法 12

3.3 干扰排除 13

3.3.1 Kinect摆放 13

3.3.2 锁定正确用户 14

3.3.3 误将背景当作人物 14

3.4坐姿判断 15

3.4.1头部倾斜 15

3.4.2身体倾斜 16

3.4.3脊椎前曲与身体后仰 16

3.4.4正确坐姿 16

第四章 程序实现 17

4.1普通摄像头的失败尝试 17

4.1.1人体轮廓提取 17

4.1.2骨骼点提取算法 19

4.2利用Kinect的坐姿检测算法 20

4.2.1坐姿检测步骤示意图 20

4.2.2各流程详解 20

第五章 实验设计与结果 24

5.1 实验设计 24

5.1.1 系统运行情况 24

5.1.2 抗干扰能力 24

5.2 实验结果 25

参考文献 26

致谢 28

第一章 绪论

1.1 课题背景及研究意义

在当今社会,坐姿早已开始影响人们生活的方方面面。一些常见的健康问题如:近视、颈椎病、脊椎畸形、腰肌劳损、肩背疼痛或僵硬等,或多或少的都有部分因素是坐姿不当。目前我国青少年的近视率超过70%,坐姿不当是导致青少年近视率居高不下的主要原因。除此之外,上班族出现颈椎疾病的概率也越来越大,其中一个因素就是长期坐在电脑前工作并且没有保持良好、正确的坐姿。与此同时,有一种脊椎疾患出现的重要因素之一就是对坐姿的不重视,且它在青少年中有较高的发病率,它就是脊椎畸形。当人体因坐姿不良而使得脊椎长期处于不当的体位,如屈曲位时,脊椎畸形就极有可能出现。现在设计一款恰当的坐姿检测系统,使人们能在日常生活中尽量保持良好的坐姿,已经迫在眉睫。

1.2 国内外研究现状

1.基于传感器的方法

Kamyia等人在座椅上安装压力传感器,通过压力的检测实现了包括向前、向后、向左等9种坐姿的检测[1]

陶永,陈殿生,采用三轴传感器,利用三维空间数据对实验者的加速度进行监控监测,研究人员把整个跌倒过程分解成 3 部分,即产生跌倒并没有接触地面、实验者碰到地面的瞬时时刻、实验者身体全部接触地面,在这个过程中记录加速度数据以及跌倒的角度数据,通过软件进行仿真设计,结果表明系统的灵敏度高达96%,差异性更是达到了 98%[2]

李冬、梁山研究并开发了一种检测装置,采用鲁棒算法,结果收到了很好的效果,促进了我国检测跌倒的系统开发的发展[3]

2. 基于图像的方法

有不少学者研究基于神经网络的方法:

曾星等人选用Astra3D传感器采集坐姿图像,在Android平板上实现检测算法,算法主要分三部分:首先对Kinect输出的深度图像进行干扰去除,并提取人体轮廓图;其次,进行人体关键点检测,并提取坐姿特征;最后采用训练好的模型对不同坐姿进行识别[4]

Juang, C.F等人将人体分为站立、弯曲、坐、卧四类姿势,当人体与背景分离时,从人体轮廓提取用于分类的特征,先对人体轮廓进行水平和垂直投影,用离散傅里叶变换应用到每个投影直方图,傅里叶变换系数和轮廓的长宽比作为分类的特征,分类器是由一个模糊神经网络设计的[5]

以上是毕业论文大纲或资料介绍,该课题完整毕业论文、开题报告、任务书、程序设计、图纸设计等资料请添加微信获取,微信号:bysjorg。

相关图片展示:

您需要先支付 80元 才能查看全部内容!立即支付

企业微信

Copyright © 2010-2022 毕业论文网 站点地图