基于RealSense的坐姿檢測技術(shù)

摘要：針對越來(lái)越多的年輕人使用電腦進(jìn)行辦公的時(shí)間越來(lái)越長(cháng)，坐姿不正確導致的頸肩腰部疾病發(fā)病率及視力下降的問(wèn)題，設計了一種不需要額外佩戴智能硬件的坐姿檢測技術(shù)。該方案使用Intel最新的RealSense 3D攝像頭進(jìn)行畫(huà)面采集，通過(guò)對三維數據的實(shí)時(shí)分析，準確的判斷出用戶(hù)的坐姿情況，相對于智能硬件的解決方案可以大幅度提高準確度，市場(chǎng)上新出的筆記本電腦中帶有RealSense的型號也較多，具有較好的應用前景。

引言

　　計算機的飛速普及，讓人們將越來(lái)越多的工作放在計算機上去完成，各行各業(yè)，尤其是程序開(kāi)發(fā)人員、文字工作者，在計算機上的工作時(shí)間越來(lái)越長(cháng)，這種情況下不良的坐姿對頸肩腰椎都會(huì )產(chǎn)生很大影響，容易導致多種疾病的發(fā)生。青少年接觸計算機的年齡越來(lái)越小，保持良好的坐姿對于青少年的成長(cháng)發(fā)育以及保護視力都大有裨益。調查顯示肩部腰部疾病的發(fā)病率越來(lái)越高，發(fā)病年齡越來(lái)越小，跟長(cháng)期坐著(zhù)工作有關(guān)，我們還發(fā)現有一些奇特的辦公是站立辦公甚至在跑步機上辦公。這些問(wèn)題都說(shuō)明，坐姿正確與否對健康有很大影響。在工作強度越來(lái)越大、休息鍛煉時(shí)間越來(lái)越少的今天，如何保持正確坐姿就變得非常有必要了。

　　本文首先介紹英特爾RealSense實(shí)感設備^[1]的組成結構以及該設備是如何獲得現實(shí)場(chǎng)景下的三維數據。針對本課題，利用英特爾RealSense官方SDK提取出用戶(hù)面部大約70個(gè)特征點(diǎn)的三維數據。這些特征點(diǎn)的三維數據是本文坐姿檢測算法的基礎。在得到用戶(hù)面部70多個(gè)點(diǎn)的三維數據之后，計算出用戶(hù)此時(shí)頭部的轉動(dòng)及俯仰角度、頭部與計算機顯示屏之間的距離，并使用支持向量機(SVM) ^[2]進(jìn)行訓練和識別實(shí)驗，實(shí)現了對“歪頭”“駝背”“仰視過(guò)大”“俯視過(guò)大”“距離屏幕過(guò)近”等不良坐姿的判定，并經(jīng)過(guò)多次實(shí)驗取得了較好的實(shí)驗結果。通過(guò)與MySQL數據庫^[3] 結合，將坐姿特征、每日不同坐姿的時(shí)間長(cháng)度記錄下來(lái)，進(jìn)行數據分析，生成報表給用戶(hù)，從而達到完整的檢測、提醒、矯正的目的。

1 實(shí)時(shí)坐姿檢測算法

1.1 硬件及開(kāi)發(fā)環(huán)境

　　RealSense是英特爾推出的深度攝像頭，最新一代設備是全VGA分辨率(640 x 480 60fps)的深度攝像頭，以及1080p分辨率的RGB攝像頭，在拍攝1080p畫(huà)面的時(shí)候傳輸速率為30fps。檢測范圍在0.2米至1.2米之間，根據不同的使用場(chǎng)景和使用的算法，檢測的距離也不一樣的。目前已經(jīng)有多款筆記本電腦默認配備RealSense實(shí)感攝像頭，本文采用的是開(kāi)發(fā)版本的RealSense攝像頭，用于開(kāi)發(fā)人員進(jìn)行開(kāi)發(fā)，如圖1。

　　開(kāi)發(fā)款的基本尺寸是150mm x 30mm x 58mm，根據官方介紹，需要的環(huán)境配置如下，需要具備USB3.0接口，根據實(shí)際測試，臺式機最好使用后置USB3.0接口，保證足夠穩定的供電。官方聲稱(chēng)需要使用Intel 第四代以及之后的酷睿系列CPU才能夠完成開(kāi)發(fā)，在本文開(kāi)發(fā)過(guò)程中使用的是第三代的Core i5 CPU同樣能夠正常使用。

　　需要注意的是，目前Intel RealSense SDK僅支持Windows 8.1以及之后的Windows 64位操作系統，暫不支持Mac OS 以及Linux。

1.2 坐姿檢測算法

1.2.1 坐姿檢測系統設計

　　整套坐姿檢測系統的設計流程如圖2。

　　坐姿檢測系統包括五個(gè)主要部分，分別是用戶(hù)信息的錄入，設備初始化以及圖像預處理，實(shí)時(shí)坐姿檢測、坐姿信息進(jìn)行統計、內容結果展示與提醒。其中實(shí)時(shí)坐姿檢測模塊是本文的重點(diǎn)研究，設計流程如圖3。

　　在實(shí)時(shí)坐姿檢測當中，如果開(kāi)啟目光跟蹤技術(shù)，則利用目光跟蹤技術(shù)進(jìn)行校正，進(jìn)行輔助判斷，以增強系統的穩定性和準確性。

1.2.2 算法判定

　　用戶(hù)的頭部運動(dòng)以及頭部狀態(tài)是主要的特征提取空間，通過(guò)RealSense，在三維坐標中，對頭部的仰角(PITCH，繞X軸旋轉)、偏航角(YAW，繞Y軸旋轉)、翻滾角(ROLL，繞Z軸旋轉)、高度信息、空間位置信息進(jìn)行坐標變換提取，將轉換過(guò)的數據進(jìn)行卡爾曼濾波^[4]，獲得較為準確的數據進(jìn)行坐姿比對，如果頭部信息各項參數滿(mǎn)足一定指標，則判定該用戶(hù)的坐姿是端正的，如下圖4。

　　當歐拉角^[5]的翻滾角ROLL的絕對值大于10度時(shí)，可以認為用戶(hù)頭部左右歪頭幅度過(guò)大，是錯誤的坐姿，需要進(jìn)行提醒，更準確來(lái)說(shuō)，當ROLL值為正的10度以上時(shí)，用戶(hù)頭部向右傾斜角度過(guò)大，當值小于負10度時(shí)，用戶(hù)頭部向左傾斜角度過(guò)大;當歐拉角的YAW的絕對值大于18度，可以認為用戶(hù)頭部的左右轉頭扭頭的幅度過(guò)大，這樣的錯誤坐姿經(jīng)常出現在程序員群體中，因為很多程序員都是使用兩臺顯示器或更多臺顯示器，由于桌子不足夠大，用戶(hù)與顯示器之間距離過(guò)近，在觀(guān)看顯示器的時(shí)候需要大幅度的扭頭，對頸部肩部造成了額外的負擔，也屬于不良坐姿，更確切的描述，當YAW值大于正18度時(shí)，用戶(hù)頭部向右旋轉幅度過(guò)大，當YAW值小于負18度時(shí)，用戶(hù)頭部向左旋轉的幅度過(guò)大;當歐拉角的PITCH值加5之后的絕對值大于25度，則可以判定用戶(hù)的頭部俯仰程度過(guò)大，屬于不正確坐姿，通常情況下，用戶(hù)在使用電腦的時(shí)候顯示器都會(huì )略低于用戶(hù)的頭部高度，而且最適宜的坐姿也不是頭部一定要平視顯示器，而是稍微低一點(diǎn)點(diǎn)頭，這樣有助于減輕肩部脊椎等的壓力，較適合長(cháng)時(shí)間的工作，更準確地說(shuō)，當歐拉角的PITCH值大于20度，用戶(hù)是在仰起頭在看顯示器畫(huà)面，這種情況的典型錯誤坐姿就是手托下巴抬頭看顯示器，如圖5，在閱讀長(cháng)段文字或者瀏覽視頻內容的時(shí)候經(jīng)常會(huì )出現這樣的坐姿，而當歐拉角的PITCH值小于負30度時(shí)，用戶(hù)低頭幅度過(guò)大，可以判定用戶(hù)坐姿不正確，這種情況下對脊柱的損傷較為嚴重，出現這種不良坐姿的多為佩戴眼睛的用戶(hù);

　　另外一種典型的錯誤坐姿就是距離顯示器過(guò)近，通過(guò)RealSense的深度信息，可以快速地獲得到用戶(hù)的頭部、肩部相對于攝像頭的距離，并且可以精確地獲得到用戶(hù)眼睛到攝像頭的距離信息，因此可以快速地判斷用戶(hù)是否距離顯示器過(guò)近，本文實(shí)驗的顯示器尺寸是17寸，用戶(hù)與顯示器的最佳距離在70厘米至80厘米，小于70厘米時(shí)距離顯示器過(guò)近，通常這樣的情況都是因為駝背造成的，而且反過(guò)來(lái)距離顯示器過(guò)近，不但會(huì )對視力造成嚴重損傷，也會(huì )加重駝背的情況。正確坐姿如圖-6。

1.2.3 實(shí)驗結果分析

　　實(shí)驗組數為4組，每組一名同學(xué)，共四人，實(shí)驗結果數據如表1-表4。

　　通過(guò)對不同同學(xué)的測試數據進(jìn)行分析，可以發(fā)現，算法的準確率在90%以上，相比于傳統的智能硬件識別方法40%的準確率有了大幅度的提升，但是在實(shí)驗中也發(fā)現，第二組的檢測準確率較低，通過(guò)對測試同學(xué)的身高、視力等信息的咨詢(xún)，還發(fā)現另外一個(gè)重要因素，用戶(hù)平時(shí)使用的桌子大小、座椅高低對用戶(hù)的坐姿會(huì )造成很大影響，一套合適的座椅書(shū)桌對健康也是非常有必要的。

2 總結

　　本文設計了一種利用Intel RealSense攝像頭完成的實(shí)時(shí)坐姿檢測算法，適用人群主要針對需要長(cháng)時(shí)間坐在電腦前進(jìn)行工作的白領(lǐng)或者程序員群體，綜合分析用戶(hù)頭部、眼部的數據，準確的判斷出用戶(hù)當前坐姿是否端正，相比于傳統的智能硬件[6]解決方案，省去了單獨佩戴智能硬件設備的繁瑣，并且極大地提高了檢測準確度，達到了90%以上的準確率，同時(shí)極低的誤警率也保證了在實(shí)際應用場(chǎng)景中不會(huì )干擾到用戶(hù)的正常工作。在算法和整體系統軟件的設計上仍有一定的優(yōu)化改進(jìn)空間，在對圖像信息進(jìn)行處理之前可以采用更好的圖像降噪算法，用戶(hù)面部特征數據在處理的時(shí)候可以進(jìn)行濾波處理，以減少采集數據誤差及跳變對檢測造成的影響。

參考文獻：

　　[1]英特爾.RealSense簡(jiǎn)介[EB/OL] .http://www.intel.com/content/www/us/en/architecture-and-technology/realsense-overview.html

　　[2]瓦普尼克 (Vapnik, Vladimir N.) 統計學(xué)習理論Statistical learning theory[M].北京： 電子工業(yè)出版社 2015

　　[3]鄭阿奇. MySQL教程[M]. 北京：清華大學(xué)出版社.2015

　　[4]黃小平;王巖. 卡爾曼濾波原理及應用MATLAB仿真[M]. 北京：電子工業(yè)出版社. 2015

　　[5]雷穆祿; 郁永熙. 衛星轉動(dòng)動(dòng)力學(xué)[M]. 上海：上海交通大學(xué)出版社. 1996

　　[6]陳士凱;程晨;藏海波. Intel Edison智能硬件開(kāi)發(fā)指南 基于Yocto Project[M].北京：人民郵電出版社 2015

本文來(lái)源于中國科技期刊《電子產(chǎn)品世界》2016年第1期第76頁(yè)，歡迎您寫(xiě)論文時(shí)引用，并注明出處。