基于深度传感器的坐姿检测系统

摘要：

以检测不良坐姿和分析人们的坐姿习惯为引导,设计了一种基于深度传感器的坐姿检测系统.该系统首先运用Astra3D传感器对人体的坐姿进行深度图像采集,基于阈值分割法设计了快速有效的前景提取方法.将坐姿前景分割图在3个笛卡尔平面上进行投影,得到3个投影图,对投影图进行空白去除、插值缩放、归一化等处理,得到投影特征.经过PCA降维后的投影特征与前视图的金字塔HOG特征共同组成最终的坐姿特征向量.随后,运用随机森林对14种坐姿进行分类识别.实验中,对20个人的坐姿深度图像数据库进行统一测试与交叉测试.测试结果表明,所提坐姿识别方法具有很好的识别率与识别速度,并且在坐姿种类、识别率方面优于现有方法.最后,将所提方法在Android平台上进行实现,设计了坐姿检测系统的应用软件,实现了坐姿的有效检测和对不良坐姿的及时提醒等功能.

关键词：坐姿、深度传感器、随机森林、Android

所属期刊栏目：45

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2018-08-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：237-242