CN117994819B - 基于图像数据分析的人体姿态监测*** - Google Patents

Abstract

本发明涉及一种人体姿态监测技术领域，尤其涉及一种基于图像数据分析的人体姿态监测***，包括用以从不同的方位获取人体图像信息的图像采集单元，用以对图像采集单元获取的人体图像信息进行预处理的图像预处理单元，用以对经过预处理的人体图像信息进行关节点识别检测的关节点检测单元，基于各关节点的分布情况初步估计人体姿态的姿态估计单元，用以将估计出的姿态与预定义的姿态模型进行匹配，判断具体姿态的姿态识别单元和基于各关节点的运动轨迹确定当前人体姿态是否规范的数据分析单元和用以基于数据分析单元确定的当前人体姿态不规范的原因发出纠正姿态的通知的提示单元，纠正了人体姿态不规范的问题，能更好地适应复杂的环境和场景。

Description

基于图像数据分析的人体姿态监测***

技术领域

本发明涉及一种人体姿态监测技术领域，尤其涉及一种基于图像数据分析的人体姿态监测***。

背景技术

人体姿态监测在现实生活中具有重要意义，在健身领域，可以帮助人们正确执行运动动作，避免受伤，提高运动效果，在工作中可以监测工作场所员工的姿势，预防职业病，提高工作效率，另外，人体姿态监测还可以在医疗领域用于康复训练和姿势矫正，帮助患者恢复健康，总的来说，有助于改善人们的生活质量，促进健康和生产力。

中国专利公开号：CN115019399A公开了一种人体姿态检测方法，提供一种人体姿态检测方法，包括通过摄像头获取用户动作视频并检测人体的骨骼关键点，还包括以下步骤：提取所述用户动作视频中的每一图像帧；根据抬腿动作记录规则判断在所述用户动作视频中抬腿动作完成次数；对所述关键点之间的检测角度进行计算，分析人体的姿势；判断每一个抬腿动作是否为高抬腿动作；计算高抬腿动作的标准度；整个运动结束后，计算动作的整体完成度b和平均标准度c；该发明提供的一种人体姿态检测方法，针对居家锻炼缺乏教练、没有正确的姿势指导、运动结果无法评测等问题，通过人体的姿态估计技术对健身中的高抬腿运动姿态进行检测、判断和性能评测。

现有的人体姿态监测***存在以下问题：目前人体姿态监测***需要进行大量的训练和优化才能适应不同的应用场景，还不能很好地适应复杂的环境和场景。

发明内容

为此，本发明提供一种基于图像数据分析的人体姿态监测***以克服现有技术中无法完全准确地识别人体的姿态的问题。

为实现上述目的，本发明提供一种基于图像数据分析的人体姿态监测***，包括：

图像采集单元，包含若干图像传感器，用以从不同的方位获取人体图像信息；

图像预处理单元，其与所述图像采集单元相连，用以对图像采集单元获取的人体图像信息进行预处理；

关节点检测单元，其与所述图像预处理单元相连，用以对经过预处理的人体图像信息进行关节点识别检测，并对关节点进行标记；

姿态估计单元，其与所述关节点检测单元相连，用以基于各关节点的分布情况初步估计人体姿态；所述初步估计的人体姿态包括站立、坐姿、卧姿、走路和跑步；

姿态识别单元，其与所述姿态估计单元相连，用以基于初步估计的姿态与对应预定义的姿态模型的匹配结果判断人体的具体姿态；

数据分析单元，其分别与所述关节点检测单元和所述姿态识别单元相连，用以基于匹配的姿态模型建立坐标系以确定各关节点在坐标系中的坐标，以及，基于各关节点在坐标系中的运动轨迹确定当前人体姿态是否规范；所述数据分析单元还用以在判定当前人体姿态不规范的情况下确定人体姿态不规范的原因或对提示单元发出纠正姿态的指令；

提示单元，其与所述数据分析单元相连，用以基于数据分析单元确定的当前人体姿态不规范的原因发出对应的纠正姿态的通知；

所述数据分析单元在初步判定各关节点运动轨迹不符合数据分析单元针对当前识别的姿态模型预设运动轨迹的情况下变更采集角度进行二次判定，以及，在判定各关节点运动轨迹不符合数据分析单元针对当前识别的姿态模型预设运动轨迹的情况下基于不符合预设运动轨迹的关节点确定人体姿态不规范的原因。

进一步地，所述数据分析单元用以在初步判定各关节点运动轨迹不符合数据分析单元针对当前识别的姿态模型预设运动轨迹的情况下变更所述图像采集单元针对人体的采集角度，基于采集角度与初始采集角度的变化量设置预设针对各所述关节点的偏转轨迹，基于统计的实际偏转轨迹与预设偏转轨迹的重合度不符合预设重合度标准的关节点的数量对人体姿态是否规范进行二次判定。

进一步地，所述数据分析单元用以在判定各关节点运动轨迹不符合数据分析单元针对当前识别的姿态模型预设运动轨迹的情况下基于各关节点运动轨迹与预设运动轨迹偏差的方差确定人体姿态不规范的原因，以及，选取对应的处理方式，包括：

在所述方差符合预设方差标准的情况下对所述提示单元发出纠正人体姿态的命令；

在初步判定方差符合预设方差标准的情况下判定所述姿态识别单元针对姿态模型的匹配出现问题；

在初步判定方差不符合预设方差标准的情况下判定姿态存在变更问题，基于当前状态重新确定人体姿态；

在判定方差不符合预设方差标准的情况下判定所述关节点检测单元针对各关节点的定位存在问题。

进一步地，所述数据分析单元用以在初步判定各关节点运动轨迹与预设运动轨迹偏差的方差符合预设方差标准的情况下设有若干针对所述姿态识别单元匹配人体姿态模型的匹配机制的调节方式，且使用不同调节方式调节后的姿态识别单元匹配人体姿态模型的精度均不相同。

进一步地，所述数据分析单元用以在初步判定各关节点运动轨迹与预设运动轨迹偏差的方差不符合预设方差标准的情况下将所述姿态估计单元初始的静态姿态估计方式切换至动态姿态估计方式。

进一步地，所述数据分析单元用以在所述姿态估计单元切换至动态姿态估计方式仍无法准确识别人体姿态的情况下从云端获取参考资料以进行人体异态识别。

进一步地，所述数据分析单元用以在判定各关节点运动轨迹与预设运动轨迹偏差的方差不符合预设方差标准的情况下针对各关节点在坐标系中的坐标设有若干优化方式，且使用不同调节方式调节后关节点的坐标均不相同。

进一步地，所述数据分析单元在完成针对各关节点的坐标优化且各关节点运动轨迹与预设运动轨迹偏差的方差仍不符合预设方差标准情况下，判定该被监测者人体姿态不规范的原因为身材原因，数据分析单元基于各关节点的运动轨迹将在云端检索的匹配数据导入至数据分析单元以重新判定各关节点的运动轨迹是否符合标准。

进一步地，所述数据分析单元用以在云端检索不存在匹配数据的情况下，记录当前的人体姿态数据，数据分析单元还用以将记录的人体姿态数据上传至云端更新云端数据库。

与现有技术相比，本发明的有益效果在于，本发明中所述数据分析单元基于所述姿态识别单元识别的姿态模型建立坐标系，在坐标系中标记所述关节点检测单元识别检测的关节点，在各关节点运动轨迹符合数据分析单元针对当前识别的姿态模型预设运动轨迹的情况下判定人体姿态规范，在初步判定各关节点运动轨迹不符合数据分析单元针对当前识别的姿态模型预设运动轨迹的情况下变更采集角度进行二次判定，在判定各关节点运动轨迹不符合数据分析单元针对当前识别的姿态模型预设运动轨迹的情况下基于不符合预设运动轨迹的关节点确定人体姿态不规范的原因，提高了人体姿态监测***对当前人体姿态是否规范的判定精度，减少了错误的姿势对人体健康的损害，帮助人们正确地执行运动动作。

进一步地，所述数据分析单元在初步判定各关节点运动轨迹不符合数据分析单元针对当前识别的姿态模型预设运动轨迹的情况下变更所述图像采集单元的采集角度，基于采集角度与初始采集角度的变化量设置预设偏转轨迹，基于统计的实际偏转轨迹与预设偏转轨迹的重合度不符合预设重合度标准的关节点的数量对人体姿态是否规范进行二次判定，进一步提高了人体姿态监测***对当前人体姿态是否规范的判定精度，减少了错误的姿势对人体健康的损害，帮助人们正确地执行运动动作。

进一步地，所述数据分析单元在判定各关节点运动轨迹不符合数据分析单元针对当前识别的姿态模型预设运动轨迹的情况下基于各关节点运动轨迹与预设运动轨迹偏差的方差确定人体姿态不规范的原因，在所述方差符合预设方差标准的情况下对所述提示单元发出纠正人体姿态的命令，在初步判定方差符合预设方差标准的情况下判定所述姿态识别单元针对姿态模型的匹配出现问题，在初步判定方差不符合预设方差标准的情况下判定姿态存在变更问题，基于当前状态重新确定人体姿态，在判定方差不符合预设方差标准的情况下判定所述关节点检测单元针对各关节点的定位存在问题，进一步提高了人体姿态监测***对当前人体姿态是否规范的判定精度，减少了错误的姿势对人体健康的损害，帮助人们正确地执行运动动作。

进一步地，所述数据分析单元在初步判定各关节点运动轨迹与预设运动轨迹偏差的方差符合预设方差标准的情况下针对所述姿态识别单元匹配人体姿态模型的匹配机制设有若干调节方式，提高了人体姿态监测***对人体姿态不规范原因的判定精度，为解决人体姿态不规范问题提供了坚实可靠的理论依据，促进了***改善人体健康。

进一步地，所述数据分析单元在初步判定各关节点运动轨迹与预设运动轨迹偏差的方差不符合预设方差标准的情况下将所述姿态估计单元初始的静态姿态估计方式切换至动态姿态估计方式，进一步提高了人体姿态监测***对人体姿态不规范原因的判定精度，为解决人体姿态不规范问题提供了坚实可靠的理论依据，促进了***改善人体健康。

进一步地，所述数据分析单元在判定各关节点运动轨迹与预设运动轨迹偏差的方差不符合预设方差标准的情况下针对各关节点在坐标系中的坐标设有若干优化方式，进一步提高了人体姿态监测***对人体姿态不规范原因的判定精度，为解决人体姿态不规范问题提供了坚实可靠的理论依据，促进了***改善人体健康。

附图说明

图1为本发明实施例基于图像数据分析的人体姿态监测***的结构框图；

图2为本发明实施例数据分析单元基于各关节点运动轨迹针对人体姿态是否规范的判定流程图；

图3为本发明实施例数据分析单元基于实际偏转轨迹与预设偏转轨迹的重合度不符合预设重合度标准的关节点的数量对人体姿态是否规范的二次判定流程图；

图4为本发明实施例数据分析单元基于各关节点运动轨迹与预设运动轨迹偏差的方差针对人体姿态不规范原因的判定流程图。

具体实施方式

为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。

需要指出的是，在本实施例中的数据均为通过本发明所述***在进行本次检测前三个月的历史检测数据以及对应的历史检测结果中综合分析评定得出。本发明所述***在本发明实施例中的预设运动轨迹为本次人体监测根据前三个月中累计检测的34027次图像信息及各关节点的位置综合确定针对本次监测的各项预设参数标准的数值；本领域的技术人员可以理解的是，本发明所述***针对单项上述参数的确定方式可以为根据数据分布选取占比最高的数值作为预设标准参数，只要满足本发明所述***能够通过获取的数值明确界定单项判定过程中的不同特定情况即可。

以下结合附图，对本发明上述的和另外的技术特征和优点作更详细的说明。

请参阅图1所示，其为本发明实施例基于图像数据分析的人体姿态监测***的结构框图；本发明实施例基于图像数据分析的人体姿态监测***，包括图像采集单元、图像预处理单元、关节点检测单元、姿态估计单元、姿态识别单元、数据分析单元和提示单元。

所述图像采集单元包含六个图像传感器，用以从不同的方位获取人体图像信息；所述图像预处理单元与所述图像采集单元相连，用以对图像采集单元获取的人体图像信息进行预处理；所述关节点检测单元与所述图像预处理单元相连，用以对经过预处理的人体图像信息进行关节点识别检测，并对关节点进行标记；所述姿态估计单元与所述关节点检测单元相连，用以基于各关节点的分布情况初步估计人体姿态；所述初步估计的人体姿态包括：站立，坐姿，卧姿，走路和跑步；所述姿态识别单元与所述姿态估计单元相连，用以将估计出的姿态与预定义的姿态模型进行匹配，判断具体姿态；所述数据分析单元分别与关节点检测单元和所述姿态识别单元相连，用以基于匹配的姿态模型建立坐标系，确定各关节点的坐标，并基于各关节点的运动轨迹确定当前人体姿态是否规范；所述数据分析单元还用以在判定当前人体姿态不规范的情况下确定人体姿态不规范的原因并对提示单元发出纠正姿态的命令；所述提示单元与所述数据分析单元相连，用以基于数据分析单元确定的当前人体姿态不规范的原因发出纠正姿态的通知；

具体而言，本发明所述人体姿态模型匹配包括以下步骤：

首先需要根据人体姿态问题的特点和要求选择一个适当的数学模型，基于人体的复杂性，本发明采用的模型是非线性的；

接下来收集实验数据，本发明采用33047次图像信息用于与模型进行比较和匹配，实验数据尽可能全面和准确，以确保模型匹配的可靠性；

在获得实验数据后，对模型的参数进行估计，通过使用数值优化方法，调整模型参数以使模型尽可能与实际数据拟合；

将调整后的模型与实际数据进行比较，使用统计指标，均方根误差（RMSE）和相关系数等来评估模型和数据之间的拟合程度；

完成模型匹配，需要对模型进行验证，本发明使用1000次图像信息来验证模型的可靠性和泛化能力；总的来说，人体模型匹配是一个迭代的过程，不断调整模型参数以使其更好地描述实际情况。

请参阅图2所示，其为本发明实施例数据分析单元基于各关节点运动轨迹针对人体姿态是否规范的判定流程图；所述数据分析单元基于所述姿态识别单元识别的姿态模型建立坐标系，在坐标系中标记所述关节点检测单元识别检测的关节点，对于当前识别的姿态模型，数据分析单元针对各关节点设有预设运动轨迹，并基于各关节点的实际运动轨迹针对人体姿态设有判定方式，其中：

第一判定方式为所述数据分析单元判定各关节点的实际运动轨迹符合预设运动轨迹，判定当前人体姿态规范；所述第一判定方式满足存在90%以上的关节点的运动轨迹与预设运动轨迹吻合；

第二判定方式为所述数据分析单元初步判定各关节点的实际运动轨迹不符合预设运动轨迹，判定变更采集角度进行二次判定；所述第二判定方式满足存在70%以上90%以下的关节点的运动轨迹与预设运动轨迹吻合；

第三判定方式为所述数据分析单元判定各关节点的实际运动轨迹不符合预设运动轨迹，数据分析单元基于不符合预设运动轨迹的关节点确定人体姿态不规范的原因；所述第三判定方式满足不存在70%以上的关节点的运动轨迹与预设运动轨迹吻合；

具体而言，本发明通过收集实验数据以获取用于判定的基准，并基于基准依次检测各关节点的运动轨迹以确定人体在该关节点处的运动是否符合预设标准，在针对单个关节点的运动轨迹进行判定时，基于确定的标准会将运动轨迹进行初步判定，在实际轨迹和预设轨迹的重合度处于70%-90%之间时，所述数据分析单元无法仅通过获取的实际运动轨迹确定该关节点的实际状态，因此需要结合其他参数以避免外界因素对判定结果产生的影响，本实施例中，数据分析单元认定拍摄角度不同会获取到不一样的运动轨迹，因此，在上述情况下数据分析单元会针对数据进行对应处理以规避拍摄角度对采集到的轨迹产生的影响，从而提高获取的数据的准确性。

具体而言，本发明不同于现有技术中人体姿态监测***的技术点在于，本发明通过大量于图像信息模拟推测关节点可能处于的位置，然后基于实际关节点所在的位置与模拟推测位置比对的结果反馈调节模拟推测的细节参数，通过神经网络算法实现模拟推测过程的自适应完善，对于关节点预设轨迹重合度是根据数据分布选取占比最高的数值范围。

请参阅图3所示，其为本发明实施例数据分析单元基于实际偏转轨迹与预设偏转轨迹的重合度不符合预设重合度标准的关节点的数量对人体姿态是否规范的二次判定流程图；所述数据分析单元在判定各关节点运动轨迹符合第二判定方式的情况下变更所述图像采集单元的采集角度，基于采集角度与初始采集角度的变化量设置预设偏转轨迹，并基于统计的实际偏转轨迹与预设偏转轨迹的重合度不符合预设重合度标准的关节点的数量对人体姿态是否规范进行二次判定，其中：

第一二次判定方式为所述数据分析单元判定实际偏转轨迹与预设偏转轨迹的重合度不符合预设重合度标准的关节点的数量符合预设数量标准，判定当前人体姿态规范；所述第一二次判定方式满足实际偏转轨迹与预设偏转轨迹的重合度不符合预设重合度标准的关节点的数量大于预设数量标准，设定所述预设数量标准为40个；设定所述预设重合度标准为90%；

第二二次判定方式为所述数据分析单元判定实际偏转轨迹与预设偏转轨迹的重合度不符合预设重合度标准的关节点的数量不符合预设数量标准，判定当前人体姿态不规范；所述第二二次判定方式满足实际偏转轨迹与预设偏转轨迹的重合度不符合预设重合度标准的关节点的数量小于等于预设数量标准；

具体而言，若该运动轨迹与对应的预设运动轨迹之间存在偏差且偏差量处于预设区间时，所述数据分析单元会基于二者的偏差值判定实际运动轨迹与预设运动轨迹之间的偏差是否是由于采集角度偏差导致，因此会根据实际的偏差情况变更针对人体的采集角度以规避上述问题，并通过规避后的各关节点的运动轨迹以准确判定人体在该关节点处的运动是否符合预设标准。

请参阅图4所示，其为本发明实施例数据分析单元基于各关节点运动轨迹与预设运动轨迹偏差的方差针对人体姿态不规范原因的判定流程图；所述数据分析单元在判定各关节点运动轨迹满足第三判定方式的情况下基于各关节点运动轨迹与预设运动轨迹偏差的方差针对人体姿态不规范的原因设有原因判定方式，其中：

第一原因判定方式为所述数据分析单元判定各关节点运动轨迹与预设运动轨迹偏差的方差符合预设方差标准，数据分析单元对所述提示单元发出纠正人体姿态的命令；所述第一原因判定方式满足各关节点运动轨迹与预设运动轨迹偏差的方差小于等于第一预设方差，设定所述第一预设方差为30；

第二原因判定方式为所述数据分析单元初步判定各关节点运动轨迹与预设运动轨迹偏差的方差符合预设方差标准，判定所述姿态识别单元针对姿态模型的匹配出现问题；所述第二原因判定方式满足各关节点运动轨迹与预设运动轨迹偏差的方差大于第一预设方差且小于等于第二预设方差，设定所述第二预设方差为50；

第三原因判定方式为所述数据分析单元初步判定各关节点运动轨迹与预设运动轨迹偏差的方差不符合预设方差标准，判定姿态存在变更问题；所述第三原因判定方式满足各关节点运动轨迹与预设运动轨迹偏差的方差大于第二预设方差且小于等于第三预设方差，设定所述第三预设方差为100；

第四原因判定方式为所述数据分析单元判定各关节点运动轨迹与预设运动轨迹偏差的方差不符合预设方差标准，判定所述关节点检测单元针对各关节点的定位存在问题；所述第四原因判定方式满足各关节点运动轨迹与预设运动轨迹偏差的方差大于第三预设方差；

具体而言，本发明所述数据分析单元基于获取的各关节点的偏差值的方差以获取针对人体各关节点的轨迹的分布情况，并基于获取的方差综合评定针对人体的关节点的确定是否符合标准，因此，方差越小，表示采集的各关节点运动轨迹与对应预设运动轨迹的偏差值在数据层面上的波动越小，从而表示获取的人体中各关节点的位置越准确，由此可知，方差值最小时，能够确定此时针对人体关节点的采集精度符合标准，因此能够判定当前情况下人体姿态不符合标准的原因为人体姿态与预设姿态不符，故，此时数据分析单元发出纠正人体姿态的命令；

同理，当采集到的方差大于所述第一预设方差且小于等于第二预设方差时，此情况下只有小部分关节点的运动轨迹与预设运动轨迹存在偏差，这是由于人体的差异性导致的与人体模型匹配时存在一定的区别，本实施例采用更换匹配机制的形式对其进行调节，将刚体变换的匹配机制调节至神经网络的匹配机制，以牺牲运算速度的方式提高匹配的准确度；

当采集到的方差大于第二预设方差且小于等于第三预设方差时，有半数以上关节点的运动轨迹与预设运动轨迹存在偏差，这是由于人体在短时间内切换了人体姿态，例如将站姿切换至坐姿，此时人体上半部分的关节点运动轨迹不会发生较大变化，但下半部分关节点运动轨迹与站姿时有很大的出入，由于运算的滞后性导致各关节点的偏差值的方差很大，需要重新采集人体数据；

当采集到的方差大于第三预设方差时，此时人体的全部关节点的运动轨迹都存在偏差，当前人体姿态和人体姿态模型完全不匹配，各关节点的运动轨迹和预设运动轨迹的偏差值的方差值很大，所述数据分析单元判定所述关节点检测单元针对各关节点的定位存在问题，需重新进行关节点定位。

请继续参阅图1至图4所示，所述数据分析单元初步判定各关节点运动轨迹与预设运动轨迹偏差的方差符合预设方差标准的情况下判定所述姿态识别单元针对姿态模型的匹配出现问题，***初始默认采用基于刚体变换的匹配机制，该机制主要基于刚体变换的原理，将人体姿态模型作为一个刚体进行处理，具体来说就是先将人体姿态模型进行刚体变换，然后将变换后的姿态模型与目标姿态进行匹配；

在所述数据分析单元初步判定各关节点运动轨迹与预设运动轨迹偏差的方差符合预设方差标准的情况下，将***初始默认采用的匹配机制切换至基于神经网络的匹配机制，该机制主要基于神经网络的技术，将人体姿态模型作为输入，通过神经网络对模型进行特征提取和表示学习，然后将学习到的特征与目标姿态进行匹配。

请继续参阅图1至图4所示，所述数据分析单元用以在初步判定各关节点运动轨迹与预设运动轨迹偏差的方差不符合预设方差标准的情况下将所述姿态估计单元初始的静态姿态估计方式切换至动态姿态估计方式；

具体而言，所述静态姿态估计方式主要通过对单张图像进行分析，来推断人体的姿势，通过检测人体关节点的位置来推断人体的姿势；所述动态姿态估计方式主要考虑到人体在运动过程中的姿势变化，需要对连续的图像信息进行分析，基于时序信息的方法，即通过建立时序模型来捕捉人体姿势在时间上的变化规律，来对动态姿态进行建模和预测。

请继续参阅图1至图4所示，所述数据分析单元用以在所述姿态估计单元切换至动态姿态估计方式仍无法准确识别人体姿态的情况下从云端获取参考资料进行异态识别；

具体而言，切换至动态姿态估计方式仍无法准确识别时，判定本地不存在与之匹配的人体姿态模型，判定待监测的人体姿态异常，需从云端获取各种异态信息并进行识别。

请继续参阅图1至图4所示，所述数据分析单元在判定各关节点运动轨迹与预设运动轨迹偏差的方差不符合预设方差标准的情况下设有针对各关节点在坐标系中坐标的优化方式；

具体而言，本发明实施例采用牛顿法对各关节点的坐标进行优化，通过计算人体姿态模型在各关节点的一阶导数和二阶导数，构建二次逼近模型，然后求解该模型的极小值点作为更新方向，实现坐标的优化。

请继续参阅图1至图4所示，所述数据分析单元用以在完成针对各关节点的坐标优化方式后，若各关节点运动轨迹与预设运动轨迹偏差的方差仍不符合预设方差标准，判定该被监测者人体姿态不规范的原因为身材原因，数据分析单元基于各关节点的运动轨迹将在云端检索的匹配数据导入至数据分析单元以重新判定各关节点的运动轨迹是否符合标准，若云端检索不存在匹配数据，记录当前的人体姿态数据，并上传至云端更新云端数据库。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

以上所述仅为本发明的优选实施例，并不用于限制本发明；对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.基于图像数据分析的人体姿态监测***，其特征在于，包括：

图像采集单元，包含若干图像传感器，用以从不同的方位获取人体图像信息；

图像预处理单元，其与所述图像采集单元相连，用以对图像采集单元获取的人体图像信息进行预处理；

关节点检测单元，其与所述图像预处理单元相连，用以对经过预处理的人体图像信息进行关节点识别检测，并对关节点进行标记；

姿态估计单元，其与所述关节点检测单元相连，用以基于各关节点的分布情况初步估计人体姿态；所述初步估计的人体姿态包括站立、坐姿、卧姿、走路和跑步；

姿态识别单元，其与所述姿态估计单元相连，用以基于初步估计的姿态与对应预定义的姿态模型的匹配结果判断人体的具体姿态；

数据分析单元，其分别与所述关节点检测单元和所述姿态识别单元相连，用以基于匹配的姿态模型建立坐标系以确定各关节点在坐标系中的坐标，以及，基于各关节点在坐标系中的运动轨迹确定当前人体姿态是否规范；所述数据分析单元还用以在判定当前人体姿态不规范的情况下确定人体姿态不规范的原因或对提示单元发出纠正姿态的指令；

提示单元，其与所述数据分析单元相连，用以基于数据分析单元确定的当前人体姿态不规范的原因发出对应的纠正姿态的通知；

所述数据分析单元在初步判定各关节点运动轨迹不符合数据分析单元针对当前识别的姿态模型预设运动轨迹的情况下变更采集角度进行二次判定，以及，在判定各关节点运动轨迹不符合数据分析单元针对当前识别的姿态模型预设运动轨迹的情况下基于不符合预设运动轨迹的关节点确定人体姿态不规范的原因。

2.根据权利要求1所述的基于图像数据分析的人体姿态监测***，其特征在于，所述数据分析单元用以在初步判定各关节点运动轨迹不符合数据分析单元针对当前识别的姿态模型预设运动轨迹的情况下变更所述图像采集单元针对人体的采集角度，基于采集角度与初始采集角度的变化量设置预设针对各所述关节点的偏转轨迹，基于统计的实际偏转轨迹与预设偏转轨迹的重合度不符合预设重合度标准的关节点的数量对人体姿态是否规范进行二次判定。

3.根据权利要求1所述的基于图像数据分析的人体姿态监测***，其特征在于，所述数据分析单元用以在判定各关节点运动轨迹不符合数据分析单元针对当前识别的姿态模型预设运动轨迹的情况下基于各关节点运动轨迹与预设运动轨迹偏差的方差确定人体姿态不规范的原因，以及，选取对应的处理方式，包括：

在所述方差符合预设方差标准的情况下对所述提示单元发出纠正人体姿态的命令；

在初步判定方差符合预设方差标准的情况下判定所述姿态识别单元针对姿态模型的匹配出现问题；

在初步判定方差不符合预设方差标准的情况下判定姿态存在变更问题，基于当前状态重新确定人体姿态；

在判定方差不符合预设方差标准的情况下判定所述关节点检测单元针对各关节点的定位存在问题。

4.根据权利要求3所述的基于图像数据分析的人体姿态监测***，其特征在于，所述数据分析单元用以在初步判定各关节点运动轨迹与预设运动轨迹偏差的方差符合预设方差标准的情况下设有若干针对所述姿态识别单元匹配人体姿态模型的匹配机制的调节方式，且使用不同调节方式调节后的姿态识别单元匹配人体姿态模型的精度均不相同。

5.根据权利要求3所述的基于图像数据分析的人体姿态监测***，其特征在于，所述数据分析单元用以在初步判定各关节点运动轨迹与预设运动轨迹偏差的方差不符合预设方差标准的情况下将所述姿态估计单元初始的静态姿态估计方式切换至动态姿态估计方式。

6.根据权利要求5所述的基于图像数据分析的人体姿态监测***，其特征在于，所述数据分析单元用以在所述姿态估计单元切换至动态姿态估计方式仍无法准确识别人体姿态的情况下从云端获取参考资料以进行人体异态识别。

7.根据权利要求3所述的基于图像数据分析的人体姿态监测***，其特征在于，所述数据分析单元用以在判定各关节点运动轨迹与预设运动轨迹偏差的方差不符合预设方差标准的情况下针对各关节点在坐标系中的坐标设有若干优化方式，且使用不同调节方式调节后关节点的坐标均不相同。

8.根据权利要求7所述的基于图像数据分析的人体姿态监测***，其特征在于，所述数据分析单元在完成针对各关节点的坐标优化且各关节点运动轨迹与预设运动轨迹偏差的方差仍不符合预设方差标准情况下，判定该被监测者人体姿态不规范的原因为身材原因，数据分析单元基于各关节点的运动轨迹将在云端检索的匹配数据导入至数据分析单元以重新判定各关节点的运动轨迹是否符合标准。

9.根据权利要求8所述的基于图像数据分析的人体姿态监测***，其特征在于，所述数据分析单元用以在云端检索不存在匹配数据的情况下，记录当前的人体姿态数据，数据分析单元还用以将记录的人体姿态数据上传至云端更新云端数据库。