CN211293955U - 一种基于视频深度学习的青少年视力守护*** - Google Patents

Abstract

本实用新型涉及一种基于视频深度学习的青少年视力守护***，包括视频监测模块、数据库模块和前端显示模块；视频监测模块包括摄像头和数据处理模块；摄像头安装在教室内，用于拍摄并获得学生坐姿的视频数据；数据处理模块和摄像头通信连接，用于对摄像头拍摄到的视频数据进行处理；数据库模块和视频监测模块通信连接，用于存储数据处理模块的处理结果数据以及形成的短视频；前端显示模块和数据库模块通信连接，用于供用户登陆并查看实时监测以及数据分析结果。本***不仅能实时监测，同时会将监测到不佳的坐姿的视频、照片进行保存，并同时对出现不良坐姿的时间、频率按小时、日、月进行统计，改善学生坐姿，达到预防近视的效果。

Description

一种基于视频深度学习的青少年视力守护***

技术领域

本实用新型涉及监测技术领域，具体地讲，涉及一种基于视频深度学习的青少年视力守护***，该***通过监测青少年学生的坐姿，从而达到守护青少年视力的目的。

背景技术

随着日前国家对青少年近视早发、高发的关注度日益提高，从***门到学生家长都开始关注起同学们的用眼健康、坐姿习惯等，但是目前学校或多或少都存在重智育、轻体育的现象，孩子近距离学习时间过长、学习强度和频率过大，加之日常用眼习惯、学习姿势不良，导致了近视的早发、高发。

***2018年7月发布了我国首份《中国义务教育质量监测报告》，其中，学生视力不良问题突出。报告显示，我国四年级、八年级的学生视力不良检出率分别为36.5%和65.3%。2018年8月底，***等八部门联合印发《综合防控儿童青少年近视实施方案》，防控儿童青少年近视成为国家行动。2019年3月开学季，全国29个省份超1000所中小学校园掀起“爱眼护眼”热潮。

经研究发现导致青少年近视很大一方面原因是用眼习惯不好及长时间坐姿不良，长此以往，对青少年视力造成极大影响。现在还没有一种能够对学生的坐姿进行实时监测、可以及时发现学生的坐姿问题的***，从而无法及时对学生进行提醒、督促，无法在源头上控制、减少近视的早发及高发。

目前，随着科技的快速发展，人工智能和机器学习被运用在各个领域，机器学习能对学生日常学习坐姿视频进行“学习”，不断的“告诉”分析模型，最终能够判断哪些坐姿是错误的。

因此，有必要设计一种基于视频深度学习的青少年视力守护***，用来实时监测青少年学生的坐姿，从而达到对其视力进行守护的目的。

实用新型内容

本实用新型的目的在于克服现有技术中存在的上述不足，而提供一种结构设计合理、***完善、能够实时监测学生坐姿情况从而对学生的视力起到保护作用的基于视频深度学习的青少年视力守护***。

本实用新型解决上述问题所采用的技术方案是：一种基于视频深度学习的青少年视力守护***，包括视频监测模块、数据库模块和前端显示模块；所述视频监测模块包括摄像头和数据处理模块；所述摄像头安装在教室内，用于拍摄并获得学生坐姿的视频数据；所述数据处理模块和摄像头通信连接，用于对摄像头拍摄到的视频数据进行处理；所述数据库模块和视频监测模块通信连接，用于存储数据处理模块的处理结果数据以及形成的短视频；所述前端显示模块和数据库模块通信连接，用于供用户登陆并查看实时监测以及数据分析结果。

优选的，所述数据处理模块集成有视频深度学习算法模块，视频深度学习算法模块用于学习并判断摄像头拍摄到的视频分解成的每一帧图像中包含的人物是否存在坐姿不正的问题，并形成监测数据。

优选的，所述前端显示模块包括用户登陆界面模块、实时监控界面模块和统计分析界面模块；所述用户登陆界面模块供用户输入登陆信息进入该青少年视力守护***；所述实时监控界面模块供用户查看所监控的教室内各个座位上学生坐姿情况，当学生坐姿不正时，该学生所在座位处会发生提醒警报，并可查看该学生坐姿不正的视频；所述统计分析界面模块供用户查看每个班级，每个学生坐姿不正的时间和次数，并且该模块按日、周、月、年对班级中学生坐姿不正的常发时间、常发人进行查询、排名和统计。

优选的，当学生坐姿不正时，该学生所在座位处发出的提醒警报采用该座位闪烁的方式。

优选的，所述数据库模块采用MySQL数据库。

本实用新型中，视频深度学习算法模块采用现有的开源算法YOLO v3.0版本，该算法与其他的业界相关的算法对比好处为网络简单、速度快，同时在v3版本中也改善了针对小目标的识别，提升了mAP及小物体检测效果，若采用COCO mAP50做评估指标，YOLO v3.0速度很快。

本实用新型中，前端显示模块选用了HTML5+CSS3的技术框架，后端采用了Python，用户登陆界面模块方便不同角色的使用者登陆，可以查看到不同的页面内容。实时监控界面模块中包含了教室的所有座位的示意图，如监测到某个座位的同学坐姿不正时，该位置会闪烁，点击该位置的课桌可以看到该同学坐姿不正的视频。统计分析界面模块提供给老师按日、周、月、年对班级中坐姿不正的常发时间、常发人进行查询和统计。

本实用新型与现有技术相比，具有以下优点和效果：

（1）投入少：硬件组成采用民用级监控摄像头即可，市场上应用普遍、成本低。***运行承载的计算机为具有显卡的笔记本即可，当然后期如果要进行大批量视频照片分析和保存，配备相应的服务器即可；

（2）应用可延展：目前开发的***是网面版的，采用了HTML5+CSS3技术，进行效果输出，后期可开发***APP，对接智能手机可以搭载微信小程序、钉钉应用程序等，如果在课桌、工具等上植入硬件接收器，可以进行功能拓展；

（3）不间断监测：只要开启硬件和***，***将对监测对象进行不间断监测，对***分析判定为不良的坐姿，***可以进行实时提醒；

（4）***的自我学习功能强大：***对捕捉到的实时视频可以进行自我学习，不断进行坐姿标准的修整，可以不断根据被检测者的个人特点进行行为判断；

（5）人工干预少：***有自我学习训练功能，使用时间越长监测精准度越高；

（6）强大的统计分析功能：可以对单位数据进行时、日、月统计，还可以对个体数据进行趋势统计；

（7）本***不仅能实时监测，同时会将监测到不佳的坐姿的视频、照片进行保存，并同时对出现不良坐姿的时间、频率按小时、日、月进行统计。比如：学生下午第一节上课发生坐姿不良的频率高，原因可能是学生午间休息时间不足导致的，学校针对这一情况需要改善课表，调整课目，来提高学生的注意力；家长在获取坐姿趋势分析后，也可提醒学生在什么时段要加强提高，甚至可以结合日常课目，分析学习成绩的趋势。因为在某种程度上看，坐姿不良也测面能反映学生学习的注意力，这样对教学也会有一定的帮助，当然本***的最终目的是为了改善学生坐姿，达到预防近视的效果。

附图说明

为了更清楚地说明本实用新型具体实施方式或现有技术中的方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图是本实用新型的一些实施方式，对于本领域技术人员来讲，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。

图1是本实用新型实施例的结构示意图。

图2是本实用新型实施例中采用的深度学习算法与其他算法模型的处理速度对比图。

附图标记说明：视频监测模块1、数据库模块2、前端显示模块3、摄像头11、数据处理模块12、视频深度学习算法模块13。

具体实施方式

下面结合附图并通过实施例对本实用新型作进一步的详细说明，以下实施例是对本实用新型的解释而本实用新型并不局限于以下实施例。

实施例。

参见图1，本实施例中公开了一种基于视频深度学习的青少年视力守护***，包括视频监测模块1、数据库模块2和前端显示模块3。视频监测模块1包括摄像头11和数据处理模块12；摄像头11采用民用级监控摄像头即可，将其安装在教室内，用于拍摄并获得学生坐姿的视频数据。数据处理模块12和摄像头11通信连接，用于对摄像头11拍摄到的视频数据进行处理。数据库模块2和视频监测模块1通信连接，用于存储数据处理模块12的处理结果数据以及形成的短视频。短视频用于记录学生坐姿不正的视频，设置时长为8s。数据库模块2采用MySQL数据库。前端显示模块3和数据库模块2通信连接，用于供用户登陆并查看实时监测以及数据分析结果。

本实施例中，数据处理模块12集成有视频深度学习算法模块13，视频深度学习算法模块13用于学习并判断摄像头11拍摄到的视频分解成的每一帧图像中包含的人物是否存在坐姿不正的问题，并形成监测数据。深度学习算法模块13采用现有的开源算法YOLOv3.0版本，该算法与其他的业界相关的算法对比好处为网络简单、速度快，同时在v3版本中也改善了针对小目标的识别，提升了mAP及小物体检测效果，若采用COCO mAP50做评估指标，YOLO v3.0速度很快。可参考图2，在精确度相当的情况下，YOLO v3.0的速度是其它模型的3-4倍。

本实施例中，前端显示模块3包括用户登陆界面模块、实时监控界面模块和统计分析界面模块。用户登陆界面模块供不同角色的用户输入登陆信息进入该青少年视力守护***，可以查看到不同的页面内容。实时监控界面模块包含了教室的所有座位的示意图，供用户查看所监控的教室内各个座位上学生坐姿情况，当学生坐姿不正时，该学生所在座位处会发生提醒警报；提醒警报采用该座位闪烁的方式，点击该位置的课桌可以看到该同学坐姿不正的视频。统计分析界面模块供用户查看学生坐姿不正的时间和次数，并且该模块按日、周、月、年对班级中学生坐姿不正的常发时间、常发人进行查询和统计。

本实施例中，青少年视力守护***在搭建初期，需要对学生坐姿的视频进行样本库的创建以及图片样本的学习，使深度学习算法模块13的识别准确率提高，为了达到较好的效果，完成学习训练后需要通过实际的视频录像进行测试，如发现目标检测不够准确的情况则需要加大训练量并重新训练。

具体训练过程为：一开始摄录了目标样本30秒钟视频，但是由于样本的动态性和个体性，提取的正负样本数量偏少，不能很好地进行自我训练；于是加长了视频摄录时间，分别提高到1分钟、3分钟、5分钟、10分钟和20分钟，通过不断地反复实验，最终确定了以20分钟为最小摄录时间，并提取出2000帧左右的正负样本。这其中涵盖不同的时间，不同的光线和不同的角度。基本可以实现样本检测的普遍性，排除了可能存在的偶然性。完成样本选型后，需要对样本数据进行标准，创建训练的样本集，通过YOLO提供的训练工具进行训练。训练完成后用不同的视频进行测试，如发现准确率的问题，则重复样本选取，标注和训练的过程，直到测试结果打到可用的范围。

本青少年视力守护***可采用笔记本上作为基础环境的搭建，将核心的视频检测模块和前端的页面、数据库等整合到一台电脑上，形成了同一个环境下的检测端、存储端、展现端的一体化。

本青少年视力守护***投入少、成本低，硬件组成采用民用级监控摄像头即可，市场上应用普遍、成本低。***运行承载的计算机为具有显卡的笔记本即可，当然后期如果要进行大批量视频照片分析和保存，配备相应的服务器即可。

本青少年视力守护***具有应用可延展的功能，目前开发的***是网面版的，采用了HTML5+CSS3技术，进行效果输出，后期可开发***APP，对接智能手机可以搭载微信小程序、钉钉应用程序等，如果在课桌、工具等上植入硬件接收器，可以进行功能拓展。

本青少年视力守护***实现不间断监测，只要开启硬件和***，***将对监测对象进行不间断监测，对***分析判定为不良的坐姿，***可以进行实时提醒。

本青少年视力守护******的自我学习功能强大，***对捕捉到的实时视频可以进行自我学习，不断进行坐姿标准的修整，可以不断根据被检测者的个人特点进行行为判断。

本青少年视力守护***人工干预少，***有自我学习训练功能，使用时间越长监测精准度越高，并具有强大的统计分析功能：可以对单位数据进行时、日、月统计，还可以对个体数据进行趋势统计。

此外，需要说明的是，本说明书中所描述的具体实施例，其零、部件的形状、所取名称等可以不同，本说明书中所描述的以上内容仅仅是对本实用新型结构所作的举例说明。凡依据本实用新型专利构思的构造、特征及原理所做的等效变化或者简单变化，均包括于本实用新型专利的保护范围内。本实用新型所属技术领域的技术人员可以对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离本实用新型的结构或者超越本权利要求书所定义的范围，均应属于本实用新型的保护范围。

Claims (4)

1.一种基于视频深度学习的青少年视力守护***，其特征在于：包括：

视频监测模块（1），其包括摄像头（11）和数据处理模块（12）；所述摄像头（11）安装在教室内，用于拍摄并获得学生坐姿的视频数据；所述数据处理模块（12）和摄像头（11）通信连接，用于对摄像头（11）拍摄到的视频数据进行处理；

数据库模块（2），其和视频监测模块（1）通信连接，用于存储数据处理模块（12）的处理结果数据以及形成的短视频；以及

前端显示模块（3），其和数据库模块（2）通信连接，用于供用户登陆并查看实时监测以及数据分析结果；

所述前端显示模块（3）包括用户登陆界面模块、实时监控界面模块和统计分析界面模块；所述用户登陆界面模块供用户输入登陆信息进入该青少年视力守护***；所述实时监控界面模块供用户查看所监控的教室内各个座位上学生坐姿情况，当学生坐姿不正确时，该学生所在座位处会发生提醒警报；所述统计分析界面模块供用户查看每个班级，每个学生坐姿不正的时间和次数，并且该模块按日、周、月、年对班级中学生坐姿不正的常发时间、常发人进行查询、排名和统计。

2.根据权利要求1所述的基于视频深度学习的青少年视力守护***，其特征在于：所述数据处理模块（12）集成有视频深度学习算法模块（13），视频深度学习算法模块（13）用于学习并判断摄像头（11）拍摄到的视频分解成的每一帧图像中包含的人物是否存在坐姿不正的问题，并形成监测数据。

3.根据权利要求1所述的基于视频深度学习的青少年视力守护***，其特征在于：当学生坐姿不正时，该学生所在座位处发出的提醒警报采用该座位闪烁的方式，同时会生成一段记录该学生坐姿问题的短视频。

4.根据权利要求1所述的基于视频深度学习的青少年视力守护***，其特征在于：所述数据库模块（2）采用MySQL数据库。

Images