基于ReaISense的坐姿检测技术

　　1.2.2算法判定 
　　用户的头部运动以及头部状态是主要的特征提取空间，通过ReaISense，在三维坐标中，对头部的仰角（PITCH，绕X轴旋转）、偏航角（YAW，绕Y轴旋转）、翻滚角（ROLL，绕Z轴旋转）、高度信息、空间位置信息进行坐标变换提取，将转换过的数据进行卡尔曼滤波^[4]，获得较为准确的数据进行坐姿比对，如果头部信息各项参数满足一定指标，则判定该用户的坐姿是端正的，如下图4。 
　　当欧拉角^[5]的翻滚角ROLL的绝对值大于10度时，可以认为用户头部左右歪头幅度过大，是错误的坐姿，需要进行提醒，更准确来说，当ROLL值为正的10度以上时，用户头部向右倾斜角度过大，当值小于负10度时，用户头部向左倾斜角度过大；当欧拉角的YAW的绝对值大于18度，可以认为用户头部的左右转头扭头的幅度过大，这样的错误坐姿经常出现在程序员群体中，因为很多程序员都是使用两台显示器或更多台显示器，由于桌子不足够大，用户与显示器之间距离过近，在观看显示器的时候需要大幅度的扭头，对颈部肩部造成了额外的负担，也属于不良坐姿，更确切的描述，当YAW值大于正18度时，用户头部向右旋转幅度过大，当YAW值小于负18度时，用户头部向左旋转的幅度过大：当欧拉角的PITCH值加5之后的绝对值大于25度，则可以判定用户的头部俯仰程度过大，属于不正确坐姿，通常情况下，用户在使用电脑的时候显示器都会略低于用户的头部高度，而且最适宜的坐姿也不是头部一定要平视显示器，而是稍微低一点点头，这样有助于减轻肩部脊椎等的压力，较适合长时间的工作，更准确地说，当欧拉角的PITCH值大于20度，用户是在仰起头在看显示器画面，这种情况的典型错误坐姿就是手托下巴抬头看显示器，如图5，在阅读长段文字或者浏览视频内容的时候经常会出现这样的坐姿，而当欧拉角的PITCH值小于负30度时，用户低头幅度过大，可以判定用户坐姿不正确，这种情况下对脊柱的损伤较为严重，出现这种不良坐姿的多为佩戴眼睛的用户；
     另外一种典型的错误坐姿就是距离显示器过近，通过ReaISense的深度信息，可以快速地获得到用户的头部、肩部相对于摄像头的距离，并且可以精确地获得到用户眼睛到摄像头的距离信息，因此可以快速地判断用户是否距离显示器过近，本文实验的显示器尺寸是1 7寸，用户与显示器的最佳距离在70厘米至80厘米，小于70厘米时距离显示器过近，通常这样的情况都是因为驼背造成的，而且反过来距离显示器过近，不但会对视力造成严重损伤，也会加重驼背的情况。正确坐姿如图一6。 
　　1.2.3实验结果分析 
　　实验组数为4组，每组一名同学，共四人，实验结果数据如表1-表4。 
　　通过对不同同学的测试数据进行分析，可以发现，算法的准确率在90%以上，相比于传统的智能硬件识别方法40%的准确率有了大幅度的提升，但是在实验中也发现，第二组的检测准确率较低，通过对测试同学的身高、视力等信息的咨询，还发现另外一个重要因素，用户平时使用的桌子大小、座椅高低对用户的坐姿会造成很大影响，一套合适的座椅书桌对健康也是非常有必要的。 
　　2 总结 
　　本文设计了一种利用Intel ReaISense摄像头完成的实时坐姿检测算法，适用人群主要针对需要长时间坐在电脑前进行工作的白领或者程序员群体，综合分析用户头部、眼部的数据，准确的判断出用户当前坐姿是否端正，相比于传统的智能硬件^[6]解决方案，省去了单独佩戴智能硬件设备的繁琐，并且极大地提高了检测准确度，达到了90%以上的准确率，同时极低的误警率也保证了在实际应用场景中不会干扰到用户的正常工作。在算法和整体系统软件的设计上仍有一定的优化改进空间，在对图像信息进行处理之前可以采用更好的图像降噪算法，用户面部特征数据在处理的时候可以进行滤波处理，以减少采集数据误差及跳变对检测造成的影响。 
　　参考文献： 
　　[1]英特尔ReaISense简介[EB/OL].http：//www.intel.com/content/www/us/en/architecture-and— teChnOIOgy，reaISenSe—OVerview.htmI 
　　[2]瓦普尼克（Vapnlk，VIadlmlr N）统计学习理论StatisticaI leamlng theory[M]北京：电子工业出版社2015 
　　[3]郑阿奇.MySQL教程[M]北京：清华大学出版社2015 
　　[4]黄小平；王岩.卡尔曼滤波原理及应用MATLAB仿真[M]北京：电子工业出版社2015 
　　[5]雷穆禄；郁永熙.卫星转动动力学[M]上海：上海交通大学出版社1996 
　　[6]陈士凯；程晨；藏海波.InteI Edlson智能硬件开发指南基于Yocto Project[M]北京：人民邮电出版社2015