本發(fā)明涉及坐姿檢測方法，具體是涉及一種基于深度傳感器的坐姿檢測方法。
背景技術(shù)：
隨著社會(huì)的發(fā)展，電腦的普及、學(xué)習(xí)的壓力以及工作的需要，人們每天坐立的時(shí)間越來越長。據(jù)統(tǒng)計(jì)，如今人們平均每天坐立的時(shí)間超過8個(gè)小時(shí)。在長時(shí)間的坐立情況下，由于人們很難一直保持良好的坐立姿態(tài)，因此很容易出現(xiàn)離書桌太近、身體傾斜、頭偏等不良坐姿，久而久之，就會(huì)很容易患上近視、斜眼、腰椎疾病、頸椎疾病等，嚴(yán)重的影響人們的身體健康。
15年，北京大學(xué)教授李玲發(fā)布了一份《國民視覺健康報(bào)告》，報(bào)告顯示2012年我國5歲以上人群中，近視和遠(yuǎn)視的患病人數(shù)約有5億，近視人數(shù)在4.5億左右。其中，高中生和大學(xué)生的近視患病率均超過70％，并且在逐年增加，青少年近視患病率已高居世界第一位。引起近視的最主要原因就是坐姿不正確，眼睛離書桌太近以及用眼過度。
對于上班族，經(jīng)常會(huì)長時(shí)間的坐在辦公室里工作，由于坐立的時(shí)間過長、坐姿的不正確、缺乏運(yùn)動(dòng)以及身體承受能力的下降，導(dǎo)致70％的人都受到腰椎疾病的困擾。因此對人們的坐姿進(jìn)行檢測，當(dāng)出現(xiàn)不良的坐姿時(shí)及時(shí)提醒糾正是非常重要的，也是人們迫切需要的。
目前，已有很多坐姿檢測、預(yù)防近視、糾正坐姿的技術(shù)方案。其中，它們基本上都是通過傳感器(紅外、壓力、加速度、超聲波等傳感器)實(shí)現(xiàn)。例如：申請?zhí)枮?01020571032.4的中國專利申請“智能學(xué)習(xí)桌”采用紅外傳感器和超聲波傳感器，監(jiān)測用戶頭部與書桌的距離來判斷坐姿是否正確；申請?zhí)枮?01510182899.8的中國專利申請“一種具有坐姿糾正功能的智能座椅”通過安裝在椅子上的壓力傳感器判斷人體坐姿是否傾斜；申請?zhí)枮?01610636497.5的中國專利申請“一種學(xué)生用防近視眼姿勢防控方法”將距離傳感器與傾斜傳感器套接在用戶頭上，實(shí)現(xiàn)近視與身體傾斜的檢測。
上述通過傳感器進(jìn)行坐姿檢測的方案具有測量數(shù)據(jù)準(zhǔn)確度高的優(yōu)點(diǎn)，但是其測量數(shù)據(jù)過于單一，；另外，傳感器需要進(jìn)行安裝或者讓用戶進(jìn)行佩戴，這不僅會(huì)讓用戶感到不適，而且安裝使用麻煩、成本較高，存在很多局限性。
另外一種方法就是通過圖像進(jìn)行坐姿監(jiān)測，這種方式雖然圖像數(shù)據(jù)處理比較復(fù)雜，但是其獲取信息豐富，而且使用方便。因此成為未來主要的研究方向。目前通過圖像進(jìn)行坐姿監(jiān)測的研究相對來說還比較少，還處于初步探索階段?，F(xiàn)有的通過圖像進(jìn)行坐姿檢測的方案有：申請?zhí)枮?00910242665.2的中國專利申請“一種坐姿檢測方法及裝置”采用電腦上的攝像頭采集目標(biāo)用戶圖像，檢測人臉、眼睛、肩部后得到人臉傾斜角度、眼睛區(qū)域面積和頭肩曲線，將檢測的結(jié)果與預(yù)設(shè)的標(biāo)準(zhǔn)值進(jìn)行比較，得出坐姿結(jié)果。這種方式由于是采用彩色圖像容易受到光照的影響，另外不同人的坐姿標(biāo)準(zhǔn)不一樣，因此其檢測不同的人容易造成誤差。201310284585.x的中國專利申請“一種基于橢圓檢測的近視預(yù)防裝置及方法”通過頭部重心的高低預(yù)防近視，這種檢測方法太籠統(tǒng)，并且對于不同身高的人很容易產(chǎn)生錯(cuò)誤。申請?zhí)枮?01410134765.4的中國專利申請“一種矯正坐姿的智能書桌及其矯正方法”通過紅外線發(fā)射器與紅外線攝像頭進(jìn)行主動(dòng)式紅外成像，提取結(jié)構(gòu)光的特征點(diǎn)信息，測定特征點(diǎn)的深度信息，復(fù)原對象輪廓，完成圖像的三維重建，并根據(jù)對象輪廓信息運(yùn)用機(jī)器學(xué)習(xí)的方法識別出人眼、胸部、主要關(guān)節(jié)、桌面等對象，提取人體脊椎的骨骼模型，計(jì)算坐距、視矩，通過骨骼模型與標(biāo)準(zhǔn)的模型進(jìn)行比較，判斷含胸、歪斜等坐姿。這種通過機(jī)器學(xué)習(xí)識別出骨骼模型進(jìn)行姿態(tài)識別具有較好的準(zhǔn)確率，但是通過機(jī)器學(xué)習(xí)進(jìn)行骨骼點(diǎn)的確定識別準(zhǔn)確度往往不高，很容易影響坐姿的識別。申請?zhí)枮?01510918810.x的中國專利申請“一種用于監(jiān)視坐姿的系統(tǒng)”采集坐姿圖像，通過圖像中目標(biāo)所占比例與橢圓檢測判定是否有人坐立，通過記錄時(shí)間提醒人時(shí)常起身活動(dòng)，這種方式檢測的信息過于單一。申請?zhí)枮?01510864542.8的一中國專利申請“一種多模態(tài)學(xué)習(xí)過程狀態(tài)信息壓縮記錄方法”用kinect采集坐姿信息，根據(jù)hu不變矩、支持向量機(jī)(svm)對端坐、左傾、右傾、前靠、后仰五種坐姿進(jìn)行了識別，由于人體姿態(tài)多變，因此這種方法通過hu不變矩進(jìn)行坐姿檢測的準(zhǔn)確度不高，對于不同的人不同的姿態(tài)適用性不好，另外該方法檢測的姿態(tài)不夠豐富。申請?zhí)枮?01610394250.7的一中國專利申請“一種基于雙目相機(jī)的實(shí)時(shí)人體坐姿情況檢測方法”利用雙目相機(jī)采集坐姿圖像，運(yùn)用相機(jī)標(biāo)定得到圖像的深度信息，隨后檢測人臉、人眼與肩部點(diǎn)，最后通過頭部的姿態(tài)角、人體上半身的姿態(tài)角、頭部與攝像頭的距離進(jìn)行姿態(tài)的檢測與近視的判定。這種方式獲取的深度信息不夠準(zhǔn)確，會(huì)對后續(xù)的坐姿判定有影響，另外其通過曲率定位肩部很容易因手部動(dòng)作與坐姿的變化而影響。
總的來說，現(xiàn)有的坐姿檢測技術(shù)，存在坐姿檢測準(zhǔn)確度不高與檢測的坐姿種類少兩個(gè)缺點(diǎn)。
技術(shù)實(shí)現(xiàn)要素：
本發(fā)明所要解決的技術(shù)問題是，克服上述背景技術(shù)的不足，提供一種基于深度傳感器的坐姿檢測方法，坐姿檢測種類多且檢測準(zhǔn)確度高。
本發(fā)明解決其技術(shù)問題采用的技術(shù)方案是，一種基于深度傳感器的坐姿檢測方法，包括以下步驟：
(1)采集人體坐姿數(shù)據(jù)并存儲(chǔ)；
(2)建立坐姿訓(xùn)練模型；
(3)圖像采集，坐姿判定；
(4)坐姿提醒。
進(jìn)一步，步驟(1)中，采集人體坐姿數(shù)據(jù)并存儲(chǔ)的具體方法如下：
(1.1)通過深度傳感器采集人體的坐姿深度圖像，坐姿深度圖像包括正直、左偏頭、右偏頭、低頭、仰頭、身體右斜、身體左斜、舉右手、舉左手、右手托腮、左手托腮、后躺、伸展與趴下14種坐姿，
(1.2)對采集的14種坐姿深度圖像進(jìn)行前景提取，得到坐姿前景圖并存儲(chǔ)，作為坐姿數(shù)據(jù)庫，坐姿數(shù)據(jù)庫中存儲(chǔ)的坐姿前景圖包括正直坐姿前景圖、左偏頭坐姿前景圖、右偏頭坐姿前景圖、低頭坐姿前景圖、仰頭坐姿前景圖、身體右斜坐姿前景圖、身體左斜坐姿前景圖、舉右手坐姿前景圖、舉左手坐姿前景圖、右手托腮坐姿前景圖、左手托腮坐姿前景圖、后躺坐姿前景圖、伸展坐姿前景圖與趴下坐姿前景圖。
進(jìn)一步，步驟(2)中，建立坐姿訓(xùn)練模型的具體方法如下：
(2.1)提取正直、左偏頭、右偏頭、低頭、仰頭、身體右斜、身體左斜、舉右手、舉左手、右手托腮、左手托腮、后躺、伸展與趴下14種坐姿的特征向量；
(2.2)根據(jù)步驟(2.1)中提取的坐姿特征向量通過隨機(jī)森林訓(xùn)練得到坐姿訓(xùn)練模型。
進(jìn)一步，步驟(2.1)中，提取正直、左偏頭、右偏頭、低頭、仰頭、身體右斜、身體左斜、舉右手、舉左手、右手托腮、左手托腮、后躺、伸展與趴下14種坐姿的特征向量的具體方法如下：
(2.1.1)提取正直坐姿的投影特征向量；
(2.1.2)提取正直坐姿的hog特征；
(2.1.3)根據(jù)步驟(2.1.1)中的投影特征向量與步驟(2.1.2)中的hog特征融合得到正直坐姿特征向量；
(2.1.4)按照步驟(2.1.1)、(2.1.2)、(2.1.3)的方法，依次獲取左偏頭、右偏頭、低頭、仰頭、身體右斜、身體左斜、舉右手、舉左手、右手托腮、左手托腮、后躺、伸展與趴下坐姿特征向量。
進(jìn)一步，步驟(2.1.1)中，提取正直坐姿的投影特征向量的具體方法如下：
(2.1.1.1)將正直坐姿前景圖在3個(gè)笛卡爾平面上進(jìn)行投影，分別得到前視圖、俯視圖與側(cè)視圖；前視圖為原始的正直坐姿前景圖，前視圖為分辨率是320*240的二維圖像；側(cè)視圖是從側(cè)面角度觀察原始的正直坐姿前景圖得到的分辨率是240*255的二維圖像；俯視圖是從俯視角度觀察原始的正直坐姿前景圖得到的分辨率是320*255的二維圖像；
(2.1.1.2)分別遍歷前視圖、俯視圖與側(cè)視圖的每一行與每一列，如果某一行或某一列的所有像素點(diǎn)的像素值全為0，則將該行或該列去除，最終得到飽滿的前視圖、俯視圖與側(cè)視圖；
(2.1.1.3)使用雙三次插值方法分別對飽滿的前視圖、俯視圖與側(cè)視圖進(jìn)行插值縮放，縮放后的前視圖的分辨率為50*70，俯視圖的分辨率為50*50，側(cè)視圖的分辨率為50*50；
(2.1.1.4)分別對縮放后的前視圖、俯視圖、側(cè)視圖的所有像素點(diǎn)的像素值進(jìn)行歸一化處理，即將所有像素點(diǎn)的像素值都按比例縮放到0-1之間，歸一化處理方法如下：
(2.1.1.5)將歸一化處理后的前視圖、俯視圖、側(cè)視圖分別變換為對應(yīng)的列向量h1，h2，h3，列向量h1，h2，h3按照前視圖、俯視圖、側(cè)視圖的順序組成一個(gè)大的投影特征向量，hprojection＝[h1,h2,h3]t；
(2.1.1.6)使用pca對投影特征向量hprojection進(jìn)行降維，降維后保留90％的主成分，得到新的投影特征向量h‘projection，即正直坐姿的投影特征向量。
進(jìn)一步，步驟(2.1.1.1)中，獲取二維的俯視圖的具體方法如下：獲取正直坐姿前景圖的所有像素點(diǎn)，如果正直坐姿前景圖在某一像素點(diǎn)的像素值不等于0，則該像素點(diǎn)對應(yīng)的俯視圖的像素點(diǎn)的像素值加1，如果正直坐姿前景圖在某一像素點(diǎn)的像素值等于0，則該像素點(diǎn)對應(yīng)的俯視圖的像素點(diǎn)的像素值加0；按以上方法依次得到正直坐姿前景圖的所有像素點(diǎn)對應(yīng)的俯視圖的像素點(diǎn)及像素值，進(jìn)而得到二維的俯視圖。
進(jìn)一步，步驟(2.1.1.1)中，獲取二維的側(cè)視圖的具體方法如下：獲取正直坐姿前景圖的所有像素點(diǎn)，如果正直坐姿前景圖在某一像素點(diǎn)的像素值不等于0，則該像素點(diǎn)對應(yīng)的側(cè)視圖的像素點(diǎn)的像素值加1，如果正直坐姿前景圖在某一像素點(diǎn)的像素值等于0，則該像素點(diǎn)對應(yīng)的側(cè)視圖的像素點(diǎn)的像素值加0；按以上方法依次得到正直坐姿前景圖的所有像素點(diǎn)對應(yīng)的側(cè)視圖的像素點(diǎn)及像素值，進(jìn)而得到二維的側(cè)視圖。
進(jìn)一步，步驟(2.1.2)中，提取正直坐姿的hog特征的具體方法如下：
(2.1.2.1)對飽滿的前視圖進(jìn)行雙三次插值縮放，得到分辨率為64*64的前視圖；
(2.1.2.2)對插值縮放的前視圖進(jìn)行兩層hog特征的提取，第一層網(wǎng)格大小為2×2，第二層網(wǎng)格大小為4×4，分別對每一層求取hog特征后，按行向量的形式排列起來得到正直坐姿的hog特征hhog；
進(jìn)一步，步驟(3)中，圖像采集，坐姿判定的具體方法如下：
(3.1)通過深度傳感器采集人體坐姿深度圖像以及坐姿深度圖像的深度距離信息，坐姿深度圖像的分辨率為320*240；
(3.2)利用坐姿深度圖像的深度距離信息，通過閥值分割法實(shí)現(xiàn)人體與背景的分割，得到坐姿前景圖，通過濾波、腐蝕、膨脹算法實(shí)現(xiàn)噪聲去除、邊緣平滑；
(3.3)提取坐姿前景圖的坐姿特征向量；
(3.4)將坐姿特征向量放入坐姿訓(xùn)練模型中測試，判定當(dāng)前坐姿的類型。
與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點(diǎn)如下：采用深度傳感器采集人體學(xué)習(xí)工作時(shí)的坐姿圖像，建立坐姿訓(xùn)練模型，提取坐姿深度圖的投影特征與hog特征，進(jìn)行融合后運(yùn)用隨機(jī)森林訓(xùn)練與測試，最終實(shí)現(xiàn)人體多種坐姿(14種)的實(shí)時(shí)檢測，坐姿檢測準(zhǔn)確度高。
具體實(shí)施方式
下面結(jié)合具體實(shí)施例對本發(fā)明作進(jìn)一步詳細(xì)描述。
本實(shí)施例包括以下步驟：
(1)采集人體坐姿數(shù)據(jù)并存儲(chǔ)，具體方法如下：
(1.1)通過深度傳感器采集人體的坐姿深度圖像，坐姿深度圖像包括正直、左偏頭、右偏頭、低頭、仰頭、身體右斜、身體左斜、舉右手、舉左手、右手托腮、左手托腮、后躺、伸展與趴下14種坐姿，
(1.2)對采集的14種坐姿深度圖像進(jìn)行前景提取，得到坐姿前景圖并存儲(chǔ)，作為坐姿數(shù)據(jù)庫，坐姿數(shù)據(jù)庫中存儲(chǔ)的坐姿前景圖包括正直坐姿前景圖、左偏頭坐姿前景圖、右偏頭坐姿前景圖、低頭坐姿前景圖、仰頭坐姿前景圖、身體右斜坐姿前景圖、身體左斜坐姿前景圖、舉右手坐姿前景圖、舉左手坐姿前景圖、右手托腮坐姿前景圖、左手托腮坐姿前景圖、后躺坐姿前景圖、伸展與趴下坐姿前景圖。
(2)建立坐姿訓(xùn)練模型，具體方法如下：
(2.1)提取正直、左偏頭、右偏頭、低頭、仰頭、身體右斜、身體左斜、舉右手、舉左手、右手托腮、左手托腮、后躺、伸展與趴下14種坐姿的特征向量；
以提取正直坐姿的特征向量為例，對坐姿的特征向量提取方法進(jìn)行詳細(xì)說明。其他坐姿的特征向量提取方法同正直坐姿。
(2.1.1)提取正直坐姿的投影特征向量；
(2.1.1.1)將正直坐姿前景圖在3個(gè)笛卡爾平面上進(jìn)行投影，分別得到前視圖、俯視圖與側(cè)視圖；前視圖為原始的正直坐姿前景圖，前視圖為分辨率是320*240的二維圖像；側(cè)視圖是從側(cè)面角度觀察原始的正直坐姿前景圖得到的分辨率是240*255的二維圖像；俯視圖是從俯視角度觀察原始的正直坐姿前景圖得到的分辨率是320*255的二維圖像；
獲取二維的俯視圖的具體方法如下：獲取正直坐姿前景圖的所有像素點(diǎn)，如果正直坐姿前景圖在某一像素點(diǎn)的像素值不等于0，則該像素點(diǎn)對應(yīng)的俯視圖的像素點(diǎn)的像素值加1，如果正直坐姿前景圖在某一像素點(diǎn)的像素值等于0，則該像素點(diǎn)對應(yīng)的俯視圖的像素點(diǎn)的像素值加0；按以上方法依次得到正直坐姿前景圖的所有像素點(diǎn)對應(yīng)的俯視圖的像素點(diǎn)及像素值，進(jìn)而得到二維的俯視圖。
例如坐姿前景圖的像素點(diǎn)(150，220)的像素值為122，則對應(yīng)的俯視圖的像素點(diǎn)為(150，122)，俯視圖的像素點(diǎn)(150，122)的像素值加1，坐姿前景圖的像素點(diǎn)(180，210)的像素值為0，則對應(yīng)的俯視圖的像素點(diǎn)為(180，0)，俯視圖的像素點(diǎn)(180，0)的像素值加0。
獲取二維的側(cè)視圖的具體方法如下：獲取正直坐姿前景圖的所有像素點(diǎn)，如果正直坐姿前景圖在某一像素點(diǎn)的像素值不等于0，則該像素點(diǎn)對應(yīng)的側(cè)視圖的像素點(diǎn)的像素值加1，如果正直坐姿前景圖在某一像素點(diǎn)的像素值等于0，則該像素點(diǎn)對應(yīng)的側(cè)視圖的像素點(diǎn)的像素值加0；按以上方法依次得到正直坐姿前景圖的所有像素點(diǎn)對應(yīng)的側(cè)視圖的像素點(diǎn)及像素值，進(jìn)而得到二維的側(cè)視圖。
例如坐姿前景圖的像素點(diǎn)(150，220)的像素值為122，則對應(yīng)的側(cè)視圖的像素點(diǎn)為(220，122)，側(cè)視圖的像素點(diǎn)(220，122)的像素值加1，坐姿前景圖的像素點(diǎn)(150，210)的像素值為0，則對應(yīng)的側(cè)視圖的像素點(diǎn)為(210，0)，側(cè)視圖的像素點(diǎn)(210，0)的像素值加0。
(2.1.1.2)分別遍歷前視圖、俯視圖與側(cè)視圖的每一行與每一列，如果某一行或某一列的所有像素點(diǎn)的像素值全為0，則將該行或該列去除，最終得到飽滿的前視圖、俯視圖與側(cè)視圖。
(2.1.1.3)使用雙三次插值方法分別對飽滿的前視圖、俯視圖與側(cè)視圖進(jìn)行插值縮放，縮放后的前視圖的分辨率為50*70，俯視圖的分辨率為50*50，側(cè)視圖的分辨率為50*50。
(2.1.1.4)分別對縮放后的前視圖、俯視圖、側(cè)視圖的所有像素點(diǎn)的像素值進(jìn)行歸一化處理，即將所有像素點(diǎn)的像素值都按比例縮放到0-1之間，歸一化處理方法如下：
(2.1.1.5)將歸一化處理后的前視圖、俯視圖、側(cè)視圖分別變換為對應(yīng)的列向量h1，h2，h3，例如分辨率為m*n大小的投影圖像，變化為m*n行的列向量。將列向量h1，h2，h3按照前視圖、俯視圖、側(cè)視圖的順序組成一個(gè)大的投影特征向量，hprojection＝[h1,h2,h3]t，
(2.1.1.6)使用pca(主成分分析)對投影特征向量hprojection進(jìn)行降維，降維后保留90％的主成分，得到新的投影特征向量h‘projection，即正直坐姿的投影特征向量；
(2.1.2)提取正直坐姿的hog特征；
提取正直坐姿的hog特征的具體方法如下：
(2.1.2.1)對飽滿的前視圖進(jìn)行雙三次插值縮放，得到分辨率為64*64的前視圖；
(2.1.2.2)對插值縮放的前視圖進(jìn)行兩層hog特征的提取，第一層網(wǎng)格大小為2×2，第二層網(wǎng)格大小為4×4，分別對每一層求取hog特征后，按行向量的形式排列起來得到正直坐姿的hog特征hhog；
(2.1.3)根據(jù)步驟(2.1.1)中的投影特征向量與步驟(2.1.2)中的hog特征融合得到正直坐姿特征向量h；
(2.1.4)按照步驟(2.1.1)、(2.1.2)、(2.1.3)的方法，依次獲取左偏頭、右偏頭、低頭、仰頭、身體右斜、身體左斜、舉右手、舉左手、右手托腮、左手托腮、后躺、伸展與趴下坐姿特征向量；
(2.2)根據(jù)步驟(2.1)中提取的坐姿特征向量通過隨機(jī)森林訓(xùn)練得到坐姿訓(xùn)練模型；
(3)圖像采集，坐姿判定，具體方法如下：
(3.1)通過深度傳感器采集人體坐姿深度圖像以及坐姿深度圖像的深度距離信息，坐姿深度圖像的分辨率為320*240。
(3.2)前景提取
利用坐姿深度圖像的深度距離信息，通過閥值分割法實(shí)現(xiàn)人體與背景的分割，得到坐姿前景圖，通過濾波、腐蝕、膨脹算法實(shí)現(xiàn)噪聲去除、邊緣平滑；
(3.3)提取坐姿前景圖的坐姿特征向量；具體方法同步驟(2.1.1)、(2.1.2)、(2.1.3)；
(3.4)將坐姿特征向量放入坐姿訓(xùn)練模型中測試，判定當(dāng)前坐姿的類型。
(4)坐姿提醒
若當(dāng)前坐姿為左偏頭、右偏頭、低頭、身體右斜、身體左斜時(shí)，判斷為不良坐姿，若不良坐姿持續(xù)30s以上，進(jìn)行語音提醒，促使人體糾正坐姿；若當(dāng)前坐姿為正直、仰頭、舉右手、舉左手、右手托腮、左手托腮、后躺、伸展與趴下，則判斷為非不良坐姿。若當(dāng)前坐姿為正直、左偏頭、右偏頭、低頭、仰頭、身體右斜、身體左斜、舉右手、舉左手、右手托腮以及左手托腮時(shí)，則判斷為學(xué)習(xí)狀態(tài)；若當(dāng)前坐姿為后躺、伸展與趴下，則判斷為非學(xué)習(xí)狀態(tài)。
(5)坐姿統(tǒng)計(jì)
對每一次學(xué)習(xí)的所有坐姿進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)每種姿態(tài)出現(xiàn)的時(shí)間，最后分別與總的學(xué)習(xí)時(shí)間相比，得到每種姿態(tài)的百分比，并用餅狀圖的形式顯示，用于分析坐姿情況。
(6)學(xué)習(xí)狀態(tài)評估
定義學(xué)習(xí)狀態(tài)的總分為100分，計(jì)算正直、左偏頭、右偏頭、低頭、仰頭、身體右斜、身體左斜、右手托腮以及左手托腮的9種姿態(tài)的百分比之和，根據(jù)百分比之和給予相應(yīng)的分?jǐn)?shù)，(如9種姿態(tài)的百分比之和為70％，則得分為70)，另外，根據(jù)舉右手、舉左手的次數(shù)進(jìn)行附加分，舉手一次加2分，最后得到總得分。如果總得分大于80，則學(xué)習(xí)狀態(tài)為優(yōu)秀；如果總得分在60-80之間，則學(xué)習(xí)狀態(tài)為良好；如果總得分小于60，則學(xué)習(xí)狀態(tài)為一般。
(7)坐姿習(xí)慣分析：對學(xué)習(xí)者一個(gè)月的學(xué)習(xí)坐姿情況進(jìn)行記錄存儲(chǔ)，最后統(tǒng)計(jì)一個(gè)總的坐姿百分比，并以給出數(shù)據(jù)顯示，如果某種姿態(tài)的百分比比較大就判定學(xué)習(xí)者具有該坐姿習(xí)慣，例如身體右斜的百分比占50％以上，說明學(xué)習(xí)者有身體右斜的習(xí)慣。
本發(fā)明直接采用深度傳感器采集人體學(xué)習(xí)工作時(shí)的坐姿圖像，建立坐姿訓(xùn)練模型，提取坐姿深度圖的投影特征與hog特征，進(jìn)行融合后運(yùn)用隨機(jī)森林訓(xùn)練與測試，最終實(shí)現(xiàn)人體多種坐姿的實(shí)時(shí)檢測，坐姿檢測準(zhǔn)確度高。本發(fā)明由于使用的是深度傳感器，因此采集的深度信息準(zhǔn)確，圖像分割方便，不受光照與背景的影響，另外設(shè)備安裝使用很方便。本發(fā)明檢測的坐姿內(nèi)容非常豐富，可以對人體的坐姿習(xí)慣進(jìn)行全面分析，有助于人們糾正不良坐姿，預(yù)防近視、斜眼、腰椎疾病與脊椎疾病等。
本領(lǐng)域的技術(shù)人員可以對本發(fā)明進(jìn)行各種修改和變型，倘若這些修改和變型在本發(fā)明權(quán)利要求及其等同技術(shù)的范圍之內(nèi)，則這些修改和變型也在本發(fā)明的保護(hù)范圍之內(nèi)。
說明書中未詳細(xì)描述的內(nèi)容為本領(lǐng)域技術(shù)人員公知的現(xiàn)有技術(shù)。