摘要：坐姿正确与否与青少年的健康状况紧密相关,长时间坐姿不良将引发颈椎病,甚至加大近视和脊柱侧弯等疾病的发病概率。利用openpose建立人体骨骼模型并计算关节夹角,通过坐姿检测确定标准坐姿阈值、建立姿态匹配库,实现坐姿识别。在坐姿识别基础上添加灯光自调功能,以创造舒适的书写环境,进一步促进青少年养成良好的坐姿习惯,健康成长。

摘要：为了实现对于学员运动姿势的标准化判定,研究基于openpose工具的学员运动影像判定算法。对openpose所提供的关节点位置坐标数据进行标准化处理,并将处理结果应用于人体重心矢量角特征判定、肢体夹角特征判定和人体朝向特征判定,进而实现对于学员整体姿态的判定。最后采用所提出的姿态判定算法对10种不同类型的体操动作进行判定,结果表明,该算法能够将误判率控制在10%左右,得到较为理想的判定效果。

摘要：在康复医学中采用肢体运动进行功能评估与客观化训练设计是研究热点[1];借助非侵入式的人体运动解析来优化康复过程与效果已成趋势;相关研究通常采取行为捕捉与追踪技术,可分为基于视频人形骨架点与惯性传感器两类,已广泛应用于上肢康复、平衡评估与步态分析等方面[2-5]。基于惯性传感器的方式虽准确性高但存在交互弱、成本高、体感不适、隐私泄露等问题[6]。而视频捕捉人体骨架点的方式恰可以解决上述问题,该方法通常采用的是Kinect或openpose技术。

摘要：运用非接触式Kinect运动捕捉系统及openpose二维姿势检测开源实时系统,采集小学生坐姿行为中身体关键指标变化数据,通过分析各个关键指标在不同任务及时间段内的具体变化情况,总结人机适应的内在变化规律,以便为后期的桌椅适应性调节方案提供可靠依据。结果表明:颈部弯曲和视距受任务影响显著。书写任务下颈部弯曲均值大、视距小,表现出较强的振幅频率,且随时间延长有增长趋势。阅读任务和书写任务中的颈部弯曲超过20°的时间占比以及近距离用眼情况比较近似,而在平板电脑任务中,颈部弯曲数值则小于其他两项任务中的该数值,视距也相对更大,但躯干弯曲超过20°的时间增加,其振幅频率变得突出,说明躯干是使用平板电脑任务中变化性最大的身体部位。建议学习桌采用恰当方式引导小学生采用45°~60°竖立书本进行阅读,以减少颈部弯曲,加大视距。此外,可以适时调整桌高满足书写到使用平板电脑任务的变换,减缓躯干弯曲和振幅变化。

摘要：针对当前模式识别领域少有专门针对手持物体识别的研究,提出了可实时全局分析人体手持物体状态及手持物体类别的分析算法。以人体姿态估计网络openpose和物体检测网络Yolo为基础对图像进行初步处理,利用C++API将二者获取到的人体关节点坐标和目标物体坐标进行信息融合,然后针对不同尺寸的物体进行分类并分别设计了判定法则,融合交并比(IOU)算法作为手持状态的辅助判断,最终实现了人体手持物体行为分析算法。采集手持物体的视频流制成数据集,使用多种方法进行数据增强并训练,最终算法识别出手持物体状态的同时,正确识别手持物体类别的准确率可达91.2%左右,相较于传统方法提高了大约1.3%,且运行速度可达13fps,验证了算法的准确性。试验证明该算法对手持刀具、枪支等危险品的异常行为检测具有较高应用价值。

摘要：针对视觉姿态估计方法受覆盖遮挡等干扰,提出一种基于座椅面压力图像的人体三维坐姿姿态估计方法,建立坐姿时座椅面体压分布与人体三维姿态之间的跨域联系。设计了一套基于压力-视觉的坐姿训练系统,将阵列式压力传感器嵌入在座椅面中感知坐姿变换,利用时间戳实现压力图像和双目视觉图像的同步匹配。采取双边滤波消除压力图像的尖峰噪声;依靠openpose姿态估计、三角测量等手段从双目视觉图像中提出19个三维关键点;为提高姿态估计精度,提出随机梯度下降最小化损失函数的方法来优化三维关键点坐标,并利用3D高斯滤波器进一步生成3D关键点置信度图。设计一个基于多层卷积神经网络的压力-视觉跨域深度学习模型,以连续的多帧压力图像作为模型输入,包含三维关键点坐标及其置信度图的3D姿态估计结果作为监督对模型进行训练。算法依靠椅面上的阵列传感器接触感知坐姿时的压力分布,就能够准确的估计包含19个人体关键点的三维坐姿姿态,在验证集上测试,19个关键点平均误差9.7 cm。

摘要：本文以近年来儿童伏案作业时间在其生活时间中所占比例上升这一现象为研究背景,探究桌面倾角对于儿童伏案作业时采用的主要坐行为——前倾坐行为的影响,同时为儿童学习桌的桌面倾角调节方案提供合理依据。通过彩色摄像头录像与openpose二维姿势检测开源系统结合的方式,采集儿童在不同桌面倾角调节方案下的前倾坐行为数据,应用便携式人体工学观测方法(PEO)模型中的关键指标——颈部弯曲、躯干弯曲以及与儿童眼部健康相关的指标——视距,对儿童的前倾坐行为进行判定,同时计算统计并对比不良坐行为的程度与持续时间。结果表明适当的桌面倾角对儿童前倾坐行为的健康存在积极影响,其中对于颈部弯曲的影响最为显著,说明儿童在书写场景下的坐行为习惯主要为颈部弯曲调整头部位置以适应桌面上的目标。此外,在三组不同的桌面倾角下,12°更有助于健康视距的形成,30°更有助于脊椎的健康。

摘要：针对脑卒中和肩部伤病患者等,设计了一套基于openpose的三维上肢康复系统。系统仅用两个普通摄像头,首次借助开源平台openpose使用深度神经网络识别人体骨架,通过三维重建获得人体三维姿态信息,使用交互软件指导患者进行家用康复训练。系统为每个用户配备个性化数据库,实时识别和引导康复动作,快速给出训练评价并记录历史训练信息,能够更好地了解患者长期训练后的康复效果,为医生和康复治疗师提供治疗佐证数据。

摘要：基于openpose算法的研究与改进,从目标检测、特征提取及分类、行为识别算法等理论问题研究入手,进行系统方案设计,开发针对自动扶梯乘降人员摔倒等异常行为的智能监控及预警系统。通过智能算法对乘降人员摔倒等异常行为的分析,及时对自动扶梯的运行状态进行预警报警,从而提高人员乘坐自动扶梯的安全性。

摘要：站桩看似简单实则深奥。为解读站桩过程的内在规律,辅助学员站桩训练,结合实验和数据分析,基于人体姿态估计技术,提取站桩过程的动态特征参数,构建站桩姿态数字化表达与评估体系。首先,利用openpose人体姿态估计算法从站桩视频中提取人体关键点;其次,根据站桩要领确定数字化表达的关键特征参数;接着采用动态时间规整算法和判别分析法分别计算各特征参数的评估指标;最后,基于长期站桩数据,使用变异系数法赋予各评估指标不同的权重,探讨各特征参数的重要性并对站桩效能进行综合评估。具体实施包括:设计一个从正面和侧面采集站桩视频的实验,6名太极拳专家和22名学员参与这项研究,学员被分为实验组和对照组。通过对专家组站桩参数的分析发现,站桩实则是一个动态过程,实验数据从正面、侧面表达了不同部位的动态特征参数;同时跟踪实验组学员8个月的长期站桩数据,通过与专家数据的对比评估发现,躯干、大腿、膝关节和髋关节是站桩过程中更重要的身体部位。此外,经过数字化评估指导后,实验组学员的站桩质量得到明显提升,验证了数字化表达与评估体系对于辅助训练的有效性。