坐姿监测方法、装置、智能台灯、电子设备和存储介质与流程

1.本技术涉及计算机技术领域，具体而言，涉及一种坐姿监测方法、装置、智能台灯、电子设备和存储介质。


背景技术：

2.随着技术的进步，具备智能提醒功能的智能台灯被生产出来，能够对用户进行坐姿识别和健康提醒，起到了健康保护的作用。
3.现有技术中，智能台灯使用摄像头对人体的坐姿进行图像采集。在使用时，需要将智能台灯放置在特定位置，以便于摄像头处于最佳视角对人体的坐姿进行图像采集。当智能台灯偏离特定位置时，摄像头所采集的坐姿图像很难进行坐姿识别，使得坐姿识别效果差。智能台灯的放置位置受限，使用体验较差。


技术实现要素：

4.本技术提供一种坐姿监测方法、装置、智能台灯、电子设备和存储介质，用于解决对人体的坐姿进行图像识别时坐姿识别效果差的技术问题。
5.本技术提供一种坐姿监测方法，包括：
6.获取包含用户的待识别图像；
7.对所述待识别图像进行人体关键点检测，得到所述待识别图像中的人体关键点；
8.基于所述待识别图像中的人体关键点，以及所述用户对应的标准坐姿图像中的人体关键点，确定所述用户在所述待识别图像中的人体偏转角；
9.基于所述人体偏转角对所述待识别图像中的人体关键点进行偏转校正，得到偏转校正后的人体关键点；
10.基于所述偏转校正后的人体关键点，确定所述用户的第一坐姿识别结果。
11.在一些实施例中，所述基于所述待识别图像中的人体关键点，以及所述用户对应的标准坐姿图像中的人体关键点，确定所述用户在所述待识别图像中的人体偏转角，包括：
12.确定所述待识别图像中的人体关键点中的肩部关键点之间的第一连线；
13.确定所述标准坐姿图像中的人体关键点中的肩部关键点之间的第二连线；
14.基于所述第一连线和所述第二连线之间的夹角，确定所述用户在所述待识别图像中的人体偏转角。
15.在一些实施例中，所述基于所述人体偏转角对所述待识别图像中的人体关键点进行偏转校正，得到偏转校正后的人体关键点，包括：
16.基于所述标准坐姿图像中的人体关键点中的肩部关键点之间的第二连线，确定所述用户的肩部宽度，以及所述用户的肩部中间的人体关键点的像素位置；
17.基于所述人体偏转角，所述用户的左肩人体关键点与所述肩部中间的人体关键点之间的距离，以及所述肩部宽度，确定所述用户的脊柱左侧的人体关键点的像素位移偏转值；
18.基于所述人体偏转角，所述用户的右肩人体关键点与所述肩部中间的人体关键点之间的距离，以及所述肩部宽度，确定所述用户的脊柱右侧的人体关键点的像素位移偏转值；
19.基于所述用户的脊柱左侧的人体关键点的像素位移偏转值，对所述用户的脊柱左侧的人体关键点进行像素位置调整，以及基于所述用户的脊柱右侧的人体关键点的像素位移偏转值，对所述用户的脊柱右侧的人体关键点进行像素位置调整，得到偏转校正后的人体关键点。
20.在一些实施例中，所述基于所述偏转校正后的人体关键点，确定所述用户的第一坐姿识别结果，包括：
21.确定所述偏转校正后的人体关键点在所述标准坐姿图像中的人体关键点中的对应关键点；
22.确定所述偏转校正后的人体关键点与所述对应关键点之间的距离；
23.基于所述偏转校正后的人体关键点与所述对应关键点之间的距离，确定所述用户在所述待识别图像的坐姿与标准坐姿之间的相似度；
24.基于所述用户在所述待识别图像的坐姿与标准坐姿之间的相似度，确定所述用户的第一坐姿识别结果。
25.在一些实施例中，所述基于所述偏转校正后的人体关键点，确定所述用户的第一坐姿识别结果之后，所述方法还包括：
26.对所述待识别图像进行人脸关键点检测，得到所述待识别图像中的人脸关键点；
27.基于所述人脸关键点，确定所述用户的当前人脸姿态角；
28.基于所述用户的当前人脸姿态角，以及所述用户对应的标准坐姿图像中的人脸姿态角，确定所述用户的第二坐姿识别结果。
29.在一些实施例中，所述基于所述偏转校正后的人体关键点，确定所述用户的第一坐姿识别结果之后，所述方法还包括：
30.在所述第一坐姿识别结果为错误坐姿的情况下，生成坐姿提示信息；
31.在所述第一坐姿识别结果为正确坐姿的情况下，对所述用户的坐姿保持时间进行统计；
32.在所述坐姿保持时间大于或者等于预设时间阈值的情况下，生成久坐提示信息。
33.在一些实施例中，所述标准坐姿图像是基于如下步骤确定的：
34.将坐姿监测装置放置于所述用户的正前方，获取所述用户的坐姿图像；
35.对所述用户的坐姿图像进行人脸姿态角检测和人体坐姿识别，得到人脸姿态角检测结果和人体坐姿识别结果；
36.基于所述人脸姿态角检测结果和所述人体坐姿识别结果，确定所述用户的坐姿满足标准坐姿；
37.将所述坐姿图像确定为所述标准坐姿图像。
38.本技术提供一种坐姿监测装置，包括：
39.获取模块，用于获取包含用户的待识别图像；
40.检测模块，用于对所述待识别图像进行人体关键点检测，得到所述待识别图像中的人体关键点；
41.确定模块，用于基于所述待识别图像中的人体关键点，以及所述用户对应的标准坐姿图像中的人体关键点，确定所述用户在所述待识别图像中的人体偏转角；
42.校正模块，用于基于所述人体偏转角对所述待识别图像中的人体关键点进行偏转校正，得到偏转校正后的人体关键点；
43.识别模块，用于基于所述偏转校正后的人体关键点，确定所述用户的坐姿识别结果。
44.本技术提供一种智能台灯，包括台灯本体，以及设置在所述台灯本体上的摄像头采集模块、语音提醒模块、运营分析模块、连接控制模块和所述的坐姿监测装置；
45.所述摄像头采集模块，用于采集用户的待识别图像；
46.所述语音提醒模块，用于播放所述坐姿监测装置生成的坐姿提示信息和久坐提醒信息；
47.所述运营分析模块，用于基于所述用户的坐姿识别结果、坐姿提示信息和久坐提醒信息，生成所述用户的台灯使用信息；
48.所述连接控制模块，与远程控制终端通信连接，用于基于所述远程控制终端发送的控制指令，对所述坐姿监测装置进行配置。
49.本技术提供一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现所述坐姿监测方法。
50.本技术提供一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述坐姿监测方法。
51.本技术提供的坐姿监测方法、装置、智能台灯、电子设备和存储介质，对包含用户的待识别图像进行人体关键点检测，得到待识别图像中的人体关键点；根据待识别图像中的人体关键点，以及用户对应的标准坐姿图像中的人体关键点，确定用户在待识别图像中的人体偏转角；根据人体偏转角对待识别图像中的人体关键点进行偏转校正，得到偏转校正后的人体关键点；根据偏转校正后的人体关键点，确定用户的第一坐姿识别结果；由于采用了用户在待识别图像中的人体偏转角对待识别图像中的人体关键点进行偏转校正，提高了坐姿监测装置的放置位置在相对于用户的正面朝向存在不同偏转角度的情况下对于坐姿识别的准确率，增加了坐姿监测装置的位置放置的灵活性，提升了坐姿监测装置的使用体验。
附图说明
52.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本技术的实施例，并与说明书一起用于解释本技术的原理。
53.为了更清楚地说明本技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
54.图1是本技术提供的坐姿监测方法的流程示意图；
55.图2是本技术提供的正向坐姿图像中的人体关键点示意图；
56.图3是本技术提供的侧向坐姿图像中的人体关键点示意图；
57.图4是本技术提供的人体关键点像素位移偏转值的计算示意图；
58.图5是本技术提供的坐姿监测装置的结构示意图之一；
59.图6是本技术提供的智能台灯的结构示意图；
60.图7是本技术提供的坐姿监测装置的结构示意图之二；
61.图8是本技术提供的电子设备的结构示意图。
具体实施方式
62.为了使本技术领域的人员更好地理解本技术方案，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分的实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本技术保护的范围。
63.需要说明的是，本技术中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本技术的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元或模块的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元或模块，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元或模块。
64.图1是本技术提供的坐姿监测方法的流程示意图，如图1所示，该方法包括步骤110、步骤120、步骤130、步骤140和步骤150。
65.步骤110、获取包含用户的待识别图像。
66.具体地，本技术实施例提供的坐姿监测方法的应用场景为对用户在台灯下进行工作或者学习时的坐姿进行识别和监控。
67.该方法的执行主体为坐姿监测装置。该装置可以与智能台灯采用一体化设计，作为智能台灯的一部分；也可以单独设计，作为专用的坐姿监测设备。例如坐姿监测装置可以为智能台灯中设置的智能坐姿监测提醒装置。该装置至少包括摄像头采集模块和坐姿识别模块。摄像头采集模块可以用于对用户在工作或者学习时的坐姿进行图像采集，坐姿识别模块用于对摄像头采集模块采集的图像进行分析，实现坐姿识别、监测和提醒等功能。
68.待识别图像为对用户进行采集后得到的图像。例如，在用户在台灯下开始学习或者工作时，开始打开坐姿监测装置。坐姿监测装置通过摄像头等图像传感器对正在工作或者学习的人进行图像采集，得到待识别图像。
69.步骤120、对待识别图像进行人体关键点检测，得到待识别图像中的人体关键点。
70.具体地，人体关键点是对人体的关键部位进行定位识别的点，例如鼻子、左眼、右眼、左耳、右耳、左肩、右肩、左肘、右肘、左腕、右腕、左胯、右胯、左膝、右膝、左踝、右踝等。可以采用机器视觉检测人体关键点的位置信息，通过关键点来描述人体的骨骼信息，也通过位置信息的改变来预测人体的动作姿态，完成人体动作捕捉。
71.可以采用人体关键点检测算法，对待识别图像中的用户进行检测，得到用户在待识别图像中的人体关键点。人体关键点检测算法可以采用alphapose算法、openpose算法和
mobilepose算法等。
72.步骤130、基于待识别图像中的人体关键点，以及用户对应的标准坐姿图像中的人体关键点，确定用户在待识别图像中的人体偏转角。
73.具体地，标准坐姿图像是指用户在标准坐姿下所采集的图像。例如可以在坐姿监测装置初次使用之前，将该装置放置于人体正前方并使人体保持正向坐姿，与人体距离介于40至60cm(厘米)之间，保证人体上半身均位于摄像头画面中心区域，然后进行图像采集后得到标准坐姿图像。并将该标准坐姿图像存储在坐姿监测装置中。
74.由于坐姿监测装置相对于用户的放置位置的不同，使得坐姿监测装置中的图像传感器相对于用户的采集角度也是不同的，这使得用户在待识别图像中会存在一定程度的人体偏转角。人体偏转角为用户在待识别图像中的坐姿相对于该用户在标准坐姿图像中的坐姿在人体正面朝向方面的夹角。例如，在进行标准坐姿图像采集时，通常将坐姿监测装置放置在用户的正前方；而在实际使用过程中，受限于桌面的摆放物品，通常将坐姿监测装置放置在用户的侧前方。由于人体偏转角的存在，使得待识别图像中用户的坐姿的识别率较低。
75.可以根据待识别图像中的人体关键点与用户对应的标准坐姿图像中的人体关键点进行位置比较，确定用户在待识别图像中的人体偏转角。例如，可以根据用户中的肩部关键点在待识别图像和标准坐姿图像中的坐标位置差异，确定用户在待识别图像中的人体偏转角。
76.步骤140、基于人体偏转角对待识别图像中的人体关键点进行偏转校正，得到偏转校正后的人体关键点。
77.具体地，根据人体偏转角，可以对待识别图像中的人体关键点进行偏转校正，使得用户在待识别图像中的人体正面朝向与在标准坐姿图像中的人体正面朝向保持一致，即实现待识别图像中的人体关键点与标准坐姿图像中的人体关键间之间的对齐变换。
78.可以根据人体偏转角，对待识别图像中的人体关键点进行坐标变换，得到偏转校正后的人体关键点。
79.步骤150、基于偏转校正后的人体关键点，确定用户的第一坐姿识别结果。
80.具体地，偏转校正后的人体关键点，消除了因坐姿监测装置的位置放置产生的人体偏转角带来的影响，使得偏转校正后的人体关键点所体现的人体正面朝向与标准坐姿图像保持了一致。
81.将偏转校正后的人体关键点与标准坐姿图像中的人体关键点进行对比，可以确定用户的第一坐姿识别结果。坐姿识别结果用于表示用户的坐姿，例如可以包括错误坐姿和正确坐姿(标准坐姿)等。
82.本技术实施例提供的坐姿监测方法，对包含用户的待识别图像进行人体关键点检测，得到待识别图像中的人体关键点；根据待识别图像中的人体关键点，以及用户对应的标准坐姿图像中的人体关键点，确定用户在待识别图像中的人体偏转角；根据人体偏转角对待识别图像中的人体关键点进行偏转校正，得到偏转校正后的人体关键点；根据偏转校正后的人体关键点，确定用户的第一坐姿识别结果；由于采用了用户在待识别图像中的人体偏转角对待识别图像中的人体关键点进行偏转校正，提高了坐姿监测装置的放置位置在相对于用户的正面朝向存在不同偏转角度的情况下对于坐姿识别的准确率，增加了坐姿监测装置的位置放置的灵活性，提升了坐姿监测装置的使用体验。
83.需要说明的是，本技术每一个实施方式可以自由组合、调换顺序或者单独执行，并不需要依靠或依赖固定的执行顺序。
84.在一些实施例中，步骤130包括：
85.确定待识别图像中的人体关键点中的肩部关键点之间的第一连线；
86.确定标准坐姿图像中的人体关键点中的肩部关键点之间的第二连线；
87.基于第一连线和第二连线之间的夹角，确定用户在待识别图像中的人体偏转角。
88.具体地，人体关键点至少包括肩部关键点，例如可以包括左肩关键点和右肩关键点等。将左肩关键点和右肩关键点连接起来，得到的连线可以用来表示肩部的位置，可以得到人体的正面朝向等信息。例如肩部关键点连线的法线可以用来表示人体的正面朝向。
89.待识别图像中的用户的肩部关键点之间的第一连线可以用来表示用户在采集待识别图像时的肩部位置。标准坐姿图像中的人体关键点中的肩部关键点之间的第二连线可以用来表示用户在保持标准坐姿时的肩部位置，一般地，用户保持标准坐姿时，肩部位置之间的连线是水平的，也就是说第二连线与图像中的水平线平行。
90.当坐姿监测装置的放置位置不是位于用户的正前方时，所采集的图像中的用户的坐姿的正面朝向与标准坐姿图像不同，而是发生了一定程度的偏转，所产生的人体偏转角可以为第一连线和第二连线之间的夹角。
91.本技术实施例提供的坐姿监测方法，根据第一连线和第二连线之间的夹角，可以得到用户在待识别图像中的人体偏转角，求解方式简便，易于计算。
92.在一些实施例中，步骤140包括：
93.基于标准坐姿图像中的人体关键点中的肩部关键点之间的第二连线，确定用户的肩部宽度，以及用户的肩部中间的人体关键点的像素位置；
94.基于人体偏转角，用户的左肩人体关键点与肩部中间的人体关键点之间的距离，以及肩部宽度，确定用户的脊柱左侧的人体关键点的像素位移偏转值；
95.基于人体偏转角，用户的右肩人体关键点与肩部中间的人体关键点之间的距离，以及肩部宽度，确定用户的脊柱右侧的人体关键点的像素位移偏转值；
96.基于用户的脊柱左侧的人体关键点的像素位移偏转值，对用户的脊柱左侧的人体关键点进行像素位置调整，以及基于用户的脊柱右侧的人体关键点的像素位移偏转值，对用户的脊柱右侧的人体关键点进行像素位置调整，得到偏转校正后的人体关键点。
97.具体地，人体关键点可以至少包括眼部关键点(关键点1和关键点2)、鼻部关键点(关键点3)、嘴部关键点(关键点4和关键点5)、肩部关键点(关键点6和关键点8)、肘部关键点(关键点9和关键点10)、手部关键点(关键点11和关键点12)、胸部关键点(关键点7)和脊柱部关键点(关键点13)等。
98.图2是本技术提供的正向坐姿图像中的人体关键点示意图，如图2所示，该图为标准坐姿图像中的人体关键点示意图，关键点7为人体肩部中间关键点(也是胸部关键点)。假定关键点6为右肩关键点、关键点9为右肘关键点、关键点11为右手关键点，则关键点8为左肩关键点、关键点10为左肘关键点、关键点12为左手关键点。
99.图3是本技术提供的侧向坐姿图像中的人体关键点示意图之二，如图3所示，该图可以为坐姿监测装置采集的待识别图像中的人体关键点示意图。该图中的关键点的序号和标识部位与标准坐姿图像中的人体关键点相同。
100.图4是本技术提供的人体关键点像素位移偏转值的计算示意图，如图4所示，标准坐姿图像中的人体关键点中的肩部关键点分别为右肩关键点6
′
和左肩关键点8
′
，待识别图像中的人体关键点中的肩部关键点分别为右肩关键点6和左肩关键点8。
101.根据标准坐姿图像中的人体关键点中的肩部关键点(关键点6
′
和关键点8
′
)之间的第二连线，确定用户的肩部宽度f，以及用户的肩部中间的人体关键点的像素位置。在本技术实施例中，肩部中间的人体关键点为关键点7，因此可以直接得到肩部中间的人体关键点的像素位置。
102.待识别图像中的人体关键点中的肩部关键点之间的第一连线与标准坐姿图像中的人体关键点中的肩部关键点之间的第二连线之间的夹角为θ，即人体偏转角为θ。对于用户的左侧，人体偏转角为θ
l
；对于用户的右侧，人体偏转角为θr。一般地，θ
l
和θr大小相等，方向相反。
103.如果定义人体偏转角为θ在图像中水平线的下方，则θ《0，否则θ》0。在本实施例中，θ
l
《0，θ
l
＝-θ；θr》0，θr＝θ。
104.根据人体偏转角，用户的左肩人体关键点与肩部中间的人体关键点之间的距离，以及肩部宽度，可以确定用户的脊柱左侧的人体关键点的像素位移偏转值，用公式表示为：
[0105][0106][0107][0108][0109]
式中，l1为用户的左肩人体关键点(关键点8)与肩部中间的人体关键点(关键点7)之间的距离，x8为关键点8的像素横坐标，y8为关键点8的像素纵坐标，x7为关键点7的像素横坐标，y7为关键点7的像素纵坐标，f为肩部宽度，l
′
为中间代换量，为用户的脊柱左侧的人体关键点的像素位移偏转值中的横坐标偏转值，为用户的脊柱左侧的人体关键点的像素位移偏转值中的纵坐标偏转值。
[0110]
根据人体偏转角，用户的右肩人体关键点与肩部中间的人体关键点之间的距离，以及肩部宽度，确定用户的脊柱右侧的人体关键点的像素位移偏转值，用公式表示为：
[0111][0112][0113][0114]
式中，l2为用户的右肩人体关键点(关键点6)与肩部中间的人体关键点(关键点7)之间的距离，x6为关键点6的像素横坐标，y6为关键点6的像素纵坐标，为用户的脊柱右侧的人体关键点的像素位移偏转值中的横坐标偏转值，为用户的脊柱右侧的人体关键点的像素位移偏转值中的纵坐标偏转值。
[0115]
根据用户的脊柱左侧的人体关键点的像素位移偏转值对用户的脊柱
左侧的人体关键点(包括关键点8、关键点10和关键点12)进行像素位置调整，例如将这些关键点的像素坐标右移上移以及根据用户的脊柱右侧的人体关键点的像素位移偏转值对用户的脊柱右侧的人体关键点(包括关键点6、关键点9和关键点11)进行像素位置调整，例如将这些关键点的像素坐标左移下移
[0116]
根据上述调整方式进行偏转校正，得到偏转校正后的人体关键点。
[0117]
当人体关键点的像素位置满足：
[0118][0119]
则可以认为坐姿监测装置与用户之间的角度过大或者坐姿监测装置与用户之间的距离过远，可以不用进行人体关键点偏转校正，也不用进行坐姿识别。
[0120]
本技术实施例提供的坐姿监测方法，根据人体偏转角确定用户的脊柱左侧的人体关键点的像素位移偏转值和脊柱右侧的人体关键点的像素位移偏转值，对待识别图像中的人体关键点进行偏转校正，得到偏转校正后的人体关键点，提高了坐姿监测装置的放置位置在相对于用户的正面朝向存在不同偏转角度的情况下对于坐姿识别的准确率。
[0121]
在一些实施例中，步骤150包括：
[0122]
确定偏转校正后的人体关键点在标准坐姿图像中的人体关键点中的对应关键点；
[0123]
确定偏转校正后的人体关键点与对应关键点之间的距离；
[0124]
基于偏转校正后的人体关键点与对应关键点之间的距离，确定用户在待识别图像的坐姿与标准坐姿之间的相似度；
[0125]
基于用户在待识别图像的坐姿与标准坐姿之间的相似度，确定用户的第一坐姿识别结果。
[0126]
具体地，对于偏转校正后的人体关键点，可以确定各个人体关键点在标准坐姿图像中的对应关键点。例如，在待识别图像中，对左肩关键点进行偏转校正后，可以在标准坐姿图像中确定对应关键点，即左肩关键点。
[0127]
可以采用像素坐标，计算偏转校正后的人体关键点与对应关键点之间的距离，得到用户在待识别图像的坐姿与标准坐姿之间的相似度。距离的计算方式可以包括欧式距离和曼哈顿距离等。
[0128]
如果用户在待识别图像的坐姿与标准坐姿之间的相似度小于预设相似度阈值，则表明用户在待识别图像的坐姿与标准坐姿相差较大，第一坐姿识别结果为错误坐姿；如果用户在待识别图像的坐姿与标准坐姿之间的相似度大于或者等于预设相似度阈值，则表明用户在待识别图像的坐姿与标准坐姿相差较小，第一坐姿识别结果为正确坐姿(标准坐姿)。
[0129]
本技术实施例提供的坐姿监测方法，通过偏转校正后的人体关键点与对应关键点之间的距离，确定用户在待识别图像的坐姿与标准坐姿之间的相似度，进而确定第一坐姿识别结果，提高了坐姿监测装置的放置位置在相对于用户的正面朝向存在不同偏转角度的情况下对于坐姿识别的准确率，同时求解方式简便，易于计算。
[0130]
在一些实施例中，步骤150之后包括：
[0131]
对待识别图像进行人脸关键点检测，得到待识别图像中的人脸关键点；
[0132]
基于人脸关键点，确定用户的当前人脸姿态角；
[0133]
基于用户的当前人脸姿态角，以及用户对应的标准坐姿图像中的人脸姿态角，确定用户的第二坐姿识别结果。
[0134]
具体地，在根据人体偏转角对待识别图像中的人体关键点进行偏转校正后，也同步实现了对用户的人脸关键点相对于标准坐姿图像中的人脸关键点之间的偏转角度的校正，因此，也可以通过人脸关键点进行坐姿识别。
[0135]
可以对待识别图像进行人脸关键点检测，得到待识别图像中的人脸关键点，根据人脸关键点的像素位置，可以计算得到用户在采集待识别图像时的当前人脸姿态角。
[0136]
可以将用户的当前人脸姿态角，与用户对应的标准坐姿图像中的人脸姿态角进行对比，如果人脸姿态角之间的差值大于或者等于预设差值，则表明用户的坐姿与标准坐姿相差较大，可以确定第二坐姿识别结果为错误坐姿；如果人脸姿态角之间的差值小于预设差值，则表明用户的坐姿与标准坐姿相差较小，可以确定第二坐姿识别结果为正确坐姿(标准坐姿)。
[0137]
本技术实施例提供的坐姿监测方法，根据待识别图像中的人脸关键点得到用户的当前人脸姿态角，与用户对应的标准坐姿图像中的人脸姿态角进行对比，确定第二坐姿识别结果，提高了坐姿监测装置的放置位置在相对于用户的正面朝向存在不同偏转角度的情况下对于坐姿识别的准确率。
[0138]
在一些实施例中，步骤150之后还包括：
[0139]
在第一坐姿识别结果为错误坐姿的情况下，生成坐姿提示信息；
[0140]
在第一坐姿识别结果为正确坐姿的情况下，对用户的坐姿保持时间进行统计；
[0141]
在坐姿保持时间大于或者等于预设时间阈值的情况下，生成久坐提示信息。
[0142]
具体地，坐姿监测装置还可以用于对用户进行坐姿提示和久坐提示。
[0143]
在第一坐姿识别结果为错误坐姿的情况下，坐姿监测装置可以生成坐姿提示信息，对用户进行提示，提醒用户注意保持正确的坐姿。
[0144]
在第一坐姿识别结果为正确坐姿的情况下，坐姿监测装置可以对用户的坐姿保持时间进行统计。在坐姿保持时间大于或者等于预设时间阈值的情况下，坐姿监测装置可以认为用户已经保持了较长时间的坐姿，可以生成久坐提示信息。
[0145]
在坐姿监测装置中还可以安装放音器、灯和振动电机等，在生成坐姿提示信息或者久坐提示信息后，可以通过语音播放、灯光闪烁或者振动的方式向用户进行提示。
[0146]
本技术实施例提供的坐姿监测方法，可以对用户进行坐姿提示和久坐提示，并通过语音播放、灯光闪烁或者振动等方式提示用户，提升了坐姿监测装置的使用体验。
[0147]
在一些实施例中，标准坐姿图像是基于如下步骤确定的：
[0148]
将坐姿监测装置放置于用户的正前方，获取用户的坐姿图像；
[0149]
对用户的坐姿图像进行人脸姿态角检测和人体坐姿识别，得到人脸姿态角检测结果和人体坐姿识别结果；
[0150]
基于人脸姿态角检测结果和人体坐姿识别结果，确定用户的坐姿满足标准坐姿；
[0151]
将坐姿图像确定为标准坐姿图像。
[0152]
具体地，可以将坐姿监测装置放置于用户的正前方，在用户坐好之后，启动摄像头采集用户的坐姿图像。
[0153]
可以采用人脸姿态角检测算法和人体坐姿识别算法对用户的坐姿图像进行处理，
得到用户的人脸姿态角检测结果和人体坐姿识别结果。
[0154]
如果人脸姿态角检测结果满足标准坐姿下人脸的姿态角变化范围，且人体坐姿识别结果与标准坐姿相符合，可以确定用户的坐姿满足标准坐姿。
[0155]
也可以将坐姿监测装置与智能手机进行连接，将坐姿监测装置拍摄的图像传输至智能手机进行显示，并通过智能手机中存储的人脸姿态角检测算法和人体坐姿识别算法对用户的坐姿图像进行处理。
[0156]
由于不同的用户的体型存在差异，为了提高识别准确率，可以对不同的用户采集不同的标准坐姿图像，将其关联存储在坐姿监测装置中。在进行坐姿识别时，可以先对用户的身份进行识别，获取用户对应的标准坐姿图像。
[0157]
本技术实施例提供的坐姿监测方法，可以采集用户的标准坐姿图像用于坐姿监测，提高了坐姿识别的准确率，提升了坐姿监测装置的使用体验。
[0158]
下面对本技术实施例提供的装置进行描述，下文描述的装置与上文描述的方法可相互对应参照。
[0159]
图5是本技术提供的坐姿监测装置的结构示意图之一，如图5所示，该装置包括：
[0160]
获取模块510，用于获取包含用户的待识别图像；
[0161]
检测模块520，用于对待识别图像进行人体关键点检测，得到待识别图像中的人体关键点；
[0162]
确定模块530，用于基于待识别图像中的人体关键点，以及用户对应的标准坐姿图像中的人体关键点，确定用户在待识别图像中的人体偏转角；
[0163]
校正模块540，用于基于人体偏转角对待识别图像中的人体关键点进行偏转校正，得到偏转校正后的人体关键点；
[0164]
识别模块550，用于基于偏转校正后的人体关键点，确定用户的坐姿识别结果。
[0165]
本技术实施例提供的坐姿监测装置，对包含用户的待识别图像进行人体关键点检测，得到待识别图像中的人体关键点；根据待识别图像中的人体关键点，以及用户对应的标准坐姿图像中的人体关键点，确定用户在待识别图像中的人体偏转角；根据人体偏转角对待识别图像中的人体关键点进行偏转校正，得到偏转校正后的人体关键点；根据偏转校正后的人体关键点，确定用户的第一坐姿识别结果；由于采用了用户在待识别图像中的人体偏转角对待识别图像中的人体关键点进行偏转校正，提高了坐姿监测装置的放置位置在相对于用户的正面朝向存在不同偏转角度的情况下对于坐姿识别的准确率，增加了坐姿监测装置的位置放置的灵活性，提升了坐姿监测装置的使用体验。
[0166]
在一些实施例中，确定模块具体用于：
[0167]
确定待识别图像中的人体关键点中的肩部关键点之间的第一连线；
[0168]
确定标准坐姿图像中的人体关键点中的肩部关键点之间的第二连线；
[0169]
基于第一连线和第二连线之间的夹角，确定用户在待识别图像中的人体偏转角。
[0170]
在一些实施例中，校正模块具体用于：
[0171]
基于标准坐姿图像中的人体关键点中的肩部关键点之间的第二连线，确定用户的肩部宽度，以及用户的肩部中间的人体关键点的像素位置；
[0172]
基于人体偏转角，用户的左肩人体关键点与肩部中间的人体关键点之间的距离，以及肩部宽度，确定用户的脊柱左侧的人体关键点的像素位移偏转值；
[0173]
基于人体偏转角，用户的右肩人体关键点与肩部中间的人体关键点之间的距离，以及肩部宽度，确定用户的脊柱右侧的人体关键点的像素位移偏转值；
[0174]
基于用户的脊柱左侧的人体关键点的像素位移偏转值，对用户的脊柱左侧的人体关键点进行像素位置调整，以及基于用户的脊柱右侧的人体关键点的像素位移偏转值，对用户的脊柱右侧的人体关键点进行像素位置调整，得到偏转校正后的人体关键点。
[0175]
在一些实施例中，识别模块具体用于：
[0176]
确定偏转校正后的人体关键点在标准坐姿图像中的人体关键点中的对应关键点；
[0177]
确定偏转校正后的人体关键点与对应关键点之间的距离；
[0178]
基于偏转校正后的人体关键点与对应关键点之间的距离，确定用户在待识别图像的坐姿与标准坐姿之间的相似度；
[0179]
基于用户在待识别图像的坐姿与标准坐姿之间的相似度，确定用户的第一坐姿识别结果。
[0180]
在一些实施例中，识别模块还具体用于：
[0181]
对待识别图像进行人脸关键点检测，得到待识别图像中的人脸关键点；
[0182]
基于人脸关键点，确定用户的当前人脸姿态角；
[0183]
基于用户的当前人脸姿态角，以及用户对应的标准坐姿图像中的人脸姿态角，确定用户的第二坐姿识别结果。
[0184]
在一些实施例中，该装置还包括：
[0185]
提醒模块，用于在待识别图像中检测到用户的情况下，对用户的坐姿保持时间进行统计；
[0186]
在坐姿保持时间大于或者等于预设时间阈值的情况下，生成久坐提示信息；久坐提示信息的发送方式包括语音播放、灯光闪烁或者振动提示中的至少一种。
[0187]
图6是本技术提供的智能台灯的结构示意图，如图6所示，智能台灯600包括台灯本体601，以及设置在台灯本体601上的摄像头采集模块610、语音提醒模块630、运营分析模块640、连接控制模块650和上述实施例中的坐姿监测装置620。
[0188]
摄像头采集模块610，可以为单目摄像头，用于采集用户的待识别图像。语音提醒模块630，用于播放坐姿监测装置生成的坐姿提示信息和久坐提醒信息。运营分析模块640，用于基于用户的坐姿识别结果、坐姿提示信息和久坐提醒信息，生成用户的台灯使用信息。连接控制模块650，与远程控制终端通信连接，用于基于远程控制终端发送的控制指令，对坐姿监测装置进行配置。
[0189]
本技术实施例提供的智能台灯，采用了用户在待识别图像中的人体偏转角对待识别图像中的人体关键点进行偏转校正，提高了智能台灯的放置位置在相对于用户的正面朝向存在不同偏转角度的情况下对于坐姿识别的准确率，增加了智能台灯的放置位置，提升了智能台灯的使用体验。
[0190]
图7是本技术提供的坐姿监测装置的结构示意图之二，如图7所示，该装置具有坐姿监测和久坐提醒等功能。坐姿监测装置620具体可以包括手势识别模块621、坐姿识别模块622、疲劳检测模块623、久坐检测模块624和属性识别模块625。
[0191]
摄像头采集模块可以为单目摄像头，用于获取图像数据，并送至坐姿监测装置中的坐姿监测装置进行算法参数初始化。
[0192]
一、装置初始化
[0193]
该装置可以与台灯采用一体化设计，同时与手机连接。在手机中，运行有与该装置匹配的应用程序。
[0194]
坐姿监测装置初次使用时，需要进行算法参数初始化激活，手机应用端与该装置配对绑定，坐姿监测装置配网成功后即可进入初始化阶段，初始化时摄像头需为开启状态，可通过手机应用端实时查看摄像头拍摄画面，此时坐姿监测装置放置位置需保证位于人体正前方，与人体距离介于40cm-60cm之间，保证人体上半身均位于摄像头画面中心区域。
[0195]
初始化激活时首先需要用户将坐姿监测装置放置于人体正前方并保持正向坐姿后点击手机应用端确认按钮。
[0196]
初始化激活时手机应用端摄像头画面会叠加推荐人体坐姿位置区域框，并基于人脸姿态角检测算法、人体检测算法、人体坐姿识别算法判断用户是否满足要求坐姿，并配有语音提示帮助用户配合完成初始化设置。
[0197]
用户按要求放置装置于正前方并保持正确坐姿后，点击手机应用端确认按钮触发坐姿监测装置将当前视频帧的用户人体关键点a和坐姿信息b进行保存，并同步初始化激活状态至手机应用端。
[0198]
用户点击确认按钮后即可进行放置位置初始化参数设置，每当坐姿监测装置位置需要变动时都需要进行位置参数设置，设置完成后点击手机应用端位置参数确认即可。
[0199]
具体地，算法位置参数设置时装置端摄像头需为开启状态，可通过手机应用端实时查看摄像头拍摄画面，用户放置装置位置需保证位于人体前方，与人体正面左右偏移角度不大于30度，与人体距离介于40cm-60cm之间，保证人体上半身均位于摄像头画面中心区域。
[0200]
用户调整装置位置时，若人像与装置位置之间左右偏角过大，基于人脸姿态角检测算法装置端会进行语音提示，直至满足上述位置要求。
[0201]
用户确定坐姿监测装置放置位置后，保持脸部正向坐姿并点击手机端的位置参数确认进行位置参数设定。算法位置参数包括装置与人体正面坐姿左右偏移角度，用于后续坐姿识别前进行人像校正。
[0202]
对用户点击手机端参数确认按钮时的摄像头视频图像帧进行人脸姿态角检测，获取坐姿监测装置与人体正面坐姿左右偏移角度作为装置的位置参数c。
[0203]
二、坐姿识别
[0204]
摄像头采集模块实时获取图像数据，并送至坐姿监测装置进行算法分析，算法反馈结果会通过语音模块和手机应用端对用户进行交互提醒。
[0205]
坐姿监测装置包含手势识别算法，支持通过手势对坐姿监测装置操作控制，当用户以特定静态手势在摄像头前停留超过时间d秒以上，则触发对应的指令。手势识别方法实现包含但不限于已有的分类识别方法、关键点检测后匹配的方法。
[0206]
坐姿监测装置支持识别常见错误坐姿，包含但不限于身体前倾、身体侧倾、身体后仰、趴睡、头部过低。当用户保持错误坐姿e秒以上，则会触发语音提醒及手机应用端。
[0207]
坐姿监测可以通过人脸姿态角的变化来实现，也可以通过对人体关键点的变化来实现。可以分别通过人脸姿态角和人体关键点来对坐姿进行监测，也可以将两种方式进行结合来对坐姿进行监测。
[0208]
由于受装置放置角度影响，人体的相同坐姿略有差异，直接使用人脸姿态角检测方法或人体关键点检测后的算法结果准确度和鲁棒性不高，因而本技术实施例采用先人像校正再识别的方式实现。也就是说，可以先进行人像校正，然后再进行人体关键点检测和人脸姿态角检测(可以通过检测面部关键点实现)，根据检测结果对坐姿进行识别。
[0209]
通过关键点检测算法对人体关键点进行检测，关键点至少应包含眼部、鼻部、嘴部、肩部、胳膊肘部、手部、胸部、脊柱部，关键点检测实现方法包含但不限于已有的热度图方法和关键点回归方法等。
[0210]
通过人脸姿态角检测算法获取当前视频帧中人脸姿态角信息，若与智能监测装置位置参数c中的左右偏移角度θc相差超过h度(比如20度)或人脸俯仰姿态角或旋转姿态角超过30度，则直接被判为错误坐姿。
[0211]
从当前摄像头视频帧中获取人体关键点检测结果g，通过关键点检测结果g计算出肩膀部位与图像水平夹角θ，若夹角θ相比智能监测装置位置参数c中的左右偏移角度θc相差超过h度(比如20度)，则直接被判为错误坐姿。
[0212]
基于智能监测装置位置参数c以及装置初始化激活参数中的人体关键点信息a，对检测到的具有一定偏转角的关键点进行角度对齐校正。
[0213]
对对齐校正后的人体关键点进行人体坐姿识别，坐姿监测方法包含但不限于对校正后的人体关键点通过svm(支持向量机)、神经网络等分类方法，通过与正确坐姿中各关键点计算距离相似度。
[0214]
上述多步骤中的坐姿监测方法若判断用户属于错误坐姿，若持续错误坐姿达e秒以上，则会触发语音提醒及手机应用端提醒，但在时间i(例如i大于10分钟)内不会重复提醒，随着用户持续累计错误坐姿触发提醒次数的增加，间隔时间i会逐渐减小。
[0215]
三、久坐检测
[0216]
坐姿监测装置包含人体检测算法，支持久坐检测和是否有人的判断。
[0217]
对摄像头实时视频帧通过人体检测算法判断灯前是否有人，若持续j分钟以上未检测到人体，可用于触发低功耗节能相关操作，并清零久坐计时。若在未达到时间阈值k时重新检测到人体，则继续久坐计时。
[0218]
对摄像头实时视频帧通过人体检测算法判断装置前是否有人，坐姿识别算法判断是否长期保持坐姿，若久坐未活动时长达到设定时间阈值m分钟，则会触发语音提醒及手机应用端提醒，但在时间p(例如p大于10分钟)内不会重复提醒，随着用户持续累计错误坐姿触发提醒次数的增加，间隔时间p会逐渐减小。
[0219]
四、属性识别
[0220]
坐姿监测装置包含属性识别模块，支持对用户进行包括年龄、性别、动作属性类别项的识别，用于对每位用户的坐姿时长、伏案时间、坐姿习惯等数据进行统计。
[0221]
五、疲劳检测
[0222]
坐姿监测装置包含疲劳检测模块，支持对台灯用户进行疲劳检测。
[0223]
疲劳检测方法包含但不限于基于面部关键点和人体关键点检测的打盹检测、基于svm或神经网络的分类识别方法，其中人体关键点检测结果仍可使用上述的人体关键点校正方法。综合面部疲劳检测、面部关键点检测、人体关键点、人体动作识别算法结果进行疲劳检测。
[0224]
若面部检测为张嘴状态，人体动作识别结果为打哈欠状态，且连续r秒以上则被判为1次疲劳状态；若面部检测为疲劳状态，且人体关键点结果持续s分钟以上无变化或人体动作识别结果持续s分钟以上为托腮或托头则被判为1次疲劳状态。
[0225]
若疲劳检测次数达到设定n次，则会触发语音提醒及手机应用端提醒，但在时间q(例如q大于10分钟)内不会重复提醒，随着用户持续累计疲劳触发提醒次数的增加，间隔时间q会逐渐减小。
[0226]
六、运营分析
[0227]
运营分析模块对带有属性标签的用灯及提醒数据进行汇总分析，通过周报等形式对使用情况进行总结反馈，定期推送至手机应用端，有助于了解最近学习和精神状态情况。
[0228]
通过人脸属性识别算法在不侵犯用户隐私的前提下将家庭成员用户进行标签标记，按实际使用用户进行坐姿、疲劳、久坐、坐姿时长、伏案时间段、每天喝水次数、读书学习时长等的统计。
[0229]
通过数据统计对每周伏案时间、读书学习时间进行用户综合排名，帮助用户养成积极学习的心态。
[0230]
七、连接控制
[0231]
连接控制模块用于连接控制坐姿监测装置和远程控制终端，例如智能手机等。可以接收用户通过智能手机发送的控制指令，设置智能监测功能项开关、摄像头开关，能够接收坐姿监测装置的反馈信息，并将反馈信息发送至智能手机。
[0232]
本技术实施例提供的坐姿监测装置，在坐姿监测装置与用户存在较大角度时，能够通过自适应的关键点位移变换方式调整为正向坐姿姿态位后，再进行人体坐姿识别，提升了大角度下人体坐姿识别算法的准确率；在保护用户隐私数据前提下，基于人脸属性识别能力、人体坐姿识别能力、疲劳检测能力对用户成员坐姿习惯、坐姿习惯、伏案时间、精神状态、喝水次数等数据进行运营分析的方法，使坐姿监测装置的监测提醒系统更加完善，提升用户体验，且完成数据流闭环充分利用。
[0233]
图8是本技术提供的电子设备的结构示意图，如图8所示，该电子设备可以包括：处理器(processor)810、通信接口(communications interface)820、存储器(memory)830和通信总线(communications bus)840，其中，处理器810，通信接口820，存储器830通过通信总线840完成相互间的通信。处理器810可以调用存储器830中的逻辑命令，以执行上述实施例中所述的方法，例如：
[0234]
获取包含用户的待识别图像；对待识别图像进行人体关键点检测，得到待识别图像中的人体关键点；基于待识别图像中的人体关键点，以及用户对应的标准坐姿图像中的人体关键点，确定用户在待识别图像中的人体偏转角；基于人体偏转角对待识别图像中的人体关键点进行偏转校正，得到偏转校正后的人体关键点；基于偏转校正后的人体关键点，确定用户的第一坐姿识别结果。
[0235]
此外，上述的存储器中的逻辑命令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本技术的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干命令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本技术各个实施例所
述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-only memory)、随机存取存储器(ram，random access memory)、磁碟或者光盘等各种可以存储程序代码的介质。
[0236]
本技术实施例提供的电子设备中的处理器可以调用存储器中的逻辑指令，实现上述方法，其具体的实施方式与前述方法实施方式一致，且可以达到相同的有益效果，此处不再赘述。
[0237]
本技术实施例还提供一种计算机可读的存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的方法。
[0238]
其具体的实施方式与前述方法实施方式一致，且可以达到相同的有益效果，此处不再赘述。
[0239]
本技术实施例提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现如上述方法。
[0240]
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
[0241]
最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。

技术特征：
1.一种坐姿监测方法，其特征在于，包括：获取包含用户的待识别图像；对所述待识别图像进行人体关键点检测，得到所述待识别图像中的人体关键点；基于所述待识别图像中的人体关键点，以及所述用户对应的标准坐姿图像中的人体关键点，确定所述用户在所述待识别图像中的人体偏转角；基于所述人体偏转角对所述待识别图像中的人体关键点进行偏转校正，得到偏转校正后的人体关键点；基于所述偏转校正后的人体关键点，确定所述用户的第一坐姿识别结果。2.根据权利要求1所述的坐姿监测方法，其特征在于，所述基于所述待识别图像中的人体关键点，以及所述用户对应的标准坐姿图像中的人体关键点，确定所述用户在所述待识别图像中的人体偏转角，包括：确定所述待识别图像中的人体关键点中的肩部关键点之间的第一连线；确定所述标准坐姿图像中的人体关键点中的肩部关键点之间的第二连线；基于所述第一连线和所述第二连线之间的夹角，确定所述用户在所述待识别图像中的人体偏转角。3.根据权利要求2所述的坐姿监测方法，其特征在于，所述基于所述人体偏转角对所述待识别图像中的人体关键点进行偏转校正，得到偏转校正后的人体关键点，包括：基于所述标准坐姿图像中的人体关键点中的肩部关键点之间的第二连线，确定所述用户的肩部宽度，以及所述用户的肩部中间的人体关键点的像素位置；基于所述人体偏转角，所述用户的左肩人体关键点与所述肩部中间的人体关键点之间的距离，以及所述肩部宽度，确定所述用户的脊柱左侧的人体关键点的像素位移偏转值；基于所述人体偏转角，所述用户的右肩人体关键点与所述肩部中间的人体关键点之间的距离，以及所述肩部宽度，确定所述用户的脊柱右侧的人体关键点的像素位移偏转值；基于所述用户的脊柱左侧的人体关键点的像素位移偏转值，对所述用户的脊柱左侧的人体关键点进行像素位置调整，以及基于所述用户的脊柱右侧的人体关键点的像素位移偏转值，对所述用户的脊柱右侧的人体关键点进行像素位置调整，得到偏转校正后的人体关键点。4.根据权利要求1所述的坐姿监测方法，其特征在于，所述基于所述偏转校正后的人体关键点，确定所述用户的第一坐姿识别结果，包括：确定所述偏转校正后的人体关键点在所述标准坐姿图像中的人体关键点中的对应关键点；确定所述偏转校正后的人体关键点与所述对应关键点之间的距离；基于所述偏转校正后的人体关键点与所述对应关键点之间的距离，确定所述用户在所述待识别图像的坐姿与标准坐姿之间的相似度；基于所述用户在所述待识别图像的坐姿与标准坐姿之间的相似度，确定所述用户的第一坐姿识别结果。5.根据权利要求1所述的坐姿监测方法，其特征在于，所述基于所述偏转校正后的人体关键点，确定所述用户的第一坐姿识别结果之后，所述方法还包括：对所述待识别图像进行人脸关键点检测，得到所述待识别图像中的人脸关键点；
基于所述人脸关键点，确定所述用户的当前人脸姿态角；基于所述用户的当前人脸姿态角，以及所述用户对应的标准坐姿图像中的人脸姿态角，确定所述用户的第二坐姿识别结果。6.根据权利要求1所述的坐姿监测方法，其特征在于，所述基于所述偏转校正后的人体关键点，确定所述用户的第一坐姿识别结果之后，所述方法还包括：在所述第一坐姿识别结果为错误坐姿的情况下，生成坐姿提示信息；在所述第一坐姿识别结果为正确坐姿的情况下，对所述用户的坐姿保持时间进行统计；在所述坐姿保持时间大于或者等于预设时间阈值的情况下，生成久坐提示信息。7.根据权利要求1至6任一项所述的坐姿监测方法，其特征在于，所述标准坐姿图像是基于如下步骤确定的：将坐姿监测装置放置于所述用户的正前方，获取所述用户的坐姿图像；对所述用户的坐姿图像进行人脸姿态角检测和人体坐姿识别，得到人脸姿态角检测结果和人体坐姿识别结果；基于所述人脸姿态角检测结果和所述人体坐姿识别结果，确定所述用户的坐姿满足标准坐姿；将所述坐姿图像确定为所述标准坐姿图像。8.一种坐姿监测装置，其特征在于，包括：获取模块，用于获取包含用户的待识别图像；检测模块，用于对所述待识别图像进行人体关键点检测，得到所述待识别图像中的人体关键点；确定模块，用于基于所述待识别图像中的人体关键点，以及所述用户对应的标准坐姿图像中的人体关键点，确定所述用户在所述待识别图像中的人体偏转角；校正模块，用于基于所述人体偏转角对所述待识别图像中的人体关键点进行偏转校正，得到偏转校正后的人体关键点；识别模块，用于基于所述偏转校正后的人体关键点，确定所述用户的坐姿识别结果。9.一种智能台灯，其特征在于，包括台灯本体，以及设置在所述台灯本体上的摄像头采集模块、语音提醒模块、运营分析模块、连接控制模块和权利要求8所述的坐姿监测装置；所述摄像头采集模块，用于采集用户的待识别图像；所述语音提醒模块，用于播放所述坐姿监测装置生成的坐姿提示信息和久坐提醒信息；所述运营分析模块，用于基于所述用户的坐姿识别结果、坐姿提示信息和久坐提醒信息，生成所述用户的台灯使用信息；所述连接控制模块，与远程控制终端通信连接，用于基于所述远程控制终端发送的控制指令，对所述坐姿监测装置进行配置。10.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述坐姿监测方法。11.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算
机程序被处理器执行时实现如权利要求1至7任一项所述坐姿监测方法。

技术总结
本申请公开了一种坐姿监测方法、装置、智能台灯、电子设备和存储介质，其中方法包括：获取包含用户的待识别图像；对所述待识别图像进行人体关键点检测，得到所述待识别图像中的人体关键点；基于所述待识别图像中的人体关键点，以及所述用户对应的标准坐姿图像中的人体关键点，确定所述用户在所述待识别图像中的人体偏转角；基于所述人体偏转角对所述待识别图像中的人体关键点进行偏转校正，得到偏转校正后的人体关键点；基于所述偏转校正后的人体关键点，确定所述用户的第一坐姿识别结果。本申请公开的方法和装置，提高了坐姿监测装置的放置位置在相对于用户的正面朝向存在不同偏转角度的情况下对于坐姿识别的准确率。角度的情况下对于坐姿识别的准确率。角度的情况下对于坐姿识别的准确率。


技术研发人员：浦贵阳 张文静 吴兴文 李英 汪柳青
受保护的技术使用者：中国移动通信集团有限公司
技术研发日：2023.07.27
技术公布日：2023/10/20