基于智能眼镜的坐姿纠正方法与系统与流程
本发明涉及智能穿戴与姿态识别,尤其涉及一种基于智能眼镜的坐姿纠正方法与系统。
背景技术:
1、随着智能终端和数字办公场景的不断普及,用户在学习、办公、阅读及交互过程中保持长时间坐姿的情形日益常见。长时间处于不良坐姿状态,容易出现头部前倾、颈部偏转、肩背失衡以及上躯干姿态偏移等问题。为此,针对坐姿进行监测和纠正的相关技术逐渐受到关注。现有的坐姿纠正技术大多依赖于外部摄像设备、座椅压力传感器、桌面监测装置或独立式可穿戴检测终端,对用户坐姿进行图像识别、角度判定或姿态提醒。该类技术虽然能够在一定程度上实现坐姿检测,但通常存在以下不足:一方面,部分方案主要基于单一维度的姿态检测数据进行判断,更多关注头部角度、背部弯曲程度或座面受力变化,缺少对用户注视行为、头部运动状态以及佩戴状态之间关联信息的综合利用,导致对坐姿状态的表征不够完整;另一方面,部分方案仅对检测到的异常姿态进行直接提醒,未能结合姿态变化的连续演化过程对异常来源进行分析,难以区分不同失衡部位在姿态异常中的主导作用,导致坐姿状态识别的准确性欠佳,进而影响坐姿纠正效果。因此,如何提升坐姿状态识别的准确性以提升坐姿纠正效果成为亟待解决的问题。
技术实现思路
1、本发明的主要目的在于提供了一种基于智能眼镜的坐姿纠正方法与系统,旨在解决如何提升坐姿状态识别的准确性以提升坐姿纠正效果的技术问题。
2、为实现上述目的,本发明提供了一种基于智能眼镜的坐姿纠正方法,所述方法包括以下步骤:
3、获取智能眼镜佩戴对象在坐姿场景下对应的视域感知数据、头部运动数据以及镜架贴合状态数据,并基于所述视域感知数据、所述头部运动数据以及所述镜架贴合状态数据构建原始体态表征序列;
4、基于所述原始体态表征序列确定对应的视线锚定区域和头颈联动轨迹,并基于所述视线锚定区域与所述头颈联动轨迹生成坐姿参考约束模型;
5、基于所述坐姿参考约束模型对所述原始体态表征序列进行上躯干姿态结构反演处理,得到候选坐姿状态集合,并建立所述候选坐姿状态集合中的各候选坐姿状态与所述视线锚定区域之间的姿态关联关系;
6、基于所述姿态关联关系以及所述候选坐姿状态集合在连续时段内的状态转移信息,对所述候选坐姿状态集合进行异常归因处理,确定目标失衡部位以及与所述目标失衡部位对应的渐进式纠正路径;
7、基于所述渐进式纠正路径控制所述智能眼镜输出对应的姿态引导信息。
8、在一实施例中,在所述基于所述渐进式纠正路径控制所述智能眼镜输出对应的姿态引导信息的步骤之后,还包括:
9、获取所述智能眼镜佩戴对象对所述姿态引导信息的响应数据,并基于所述响应数据对所述坐姿参考约束模型进行自适应更新。
10、在一实施例中,所述获取智能眼镜佩戴对象在坐姿场景下对应的视域感知数据、头部运动数据以及镜架贴合状态数据,并基于所述视域感知数据、所述头部运动数据以及所述镜架贴合状态数据构建原始体态表征序列的步骤,包括:
11、获取智能眼镜在当前坐姿场景下采集的视域图像信息、注视变化信息以及与头部姿态变化对应的惯性测量信息,并获取镜架与佩戴对象接触区域对应的贴合反馈信息,分别作为所述视域感知数据、所述头部运动数据以及所述镜架贴合状态数据;
12、对所述视域感知数据进行视域目标分布解析和注视轨迹提取处理,得到视线活动特征,对所述头部运动数据进行姿态分解和运动趋势提取处理,得到头部运动特征,并对所述镜架贴合状态数据进行接触稳定性分析,得到佩戴贴合特征;
13、基于所述视线活动特征、所述头部运动特征以及所述佩戴贴合特征进行时序对齐与关联融合处理,生成表征佩戴对象当前坐姿状态的原始体态特征集合,并基于所述原始体态特征集合构建所述原始体态表征序列。
14、在一实施例中,所述基于所述视线活动特征、所述头部运动特征以及所述佩戴贴合特征进行时序对齐与关联融合处理,生成表征佩戴对象当前坐姿状态的原始体态特征集合,并基于所述原始体态特征集合构建所述原始体态表征序列的步骤,包括:
15、基于所述视线活动特征、所述头部运动特征以及所述佩戴贴合特征各自对应的采集时标和变化周期,对所述视线活动特征、所述头部运动特征以及所述佩戴贴合特征进行时间基准统一处理,得到处于同一时序参考框架下的对齐特征组;
16、基于所述对齐特征组,确定所述视线活动特征与所述头部运动特征之间的协同变化关系,以及所述佩戴贴合特征对所述视线活动特征和所述头部运动特征的扰动关联关系,得到对应的多特征关联参数;
17、基于所述多特征关联参数对所述对齐特征组进行联合编码与状态聚合处理,生成表征佩戴对象当前坐姿状态的原始体态特征集合,并基于所述原始体态特征集合构建所述原始体态表征序列。
18、在一实施例中,所述基于所述原始体态表征序列确定对应的视线锚定区域和头颈联动轨迹,并基于所述视线锚定区域与所述头颈联动轨迹生成坐姿参考约束模型的步骤,包括:
19、基于所述原始体态表征序列提取佩戴对象在连续时段内的注视停留信息、视线偏移信息以及头部姿态变化信息,并根据所述注视停留信息和所述视线偏移信息确定多个候选注视区域;
20、基于所述多个候选注视区域在所述连续时段内的驻留特征、切换特征以及与所述头部姿态变化信息之间的对应关系,确定目标注视区域作为所述视线锚定区域,并基于所述头部姿态变化信息确定与所述视线锚定区域对应的头颈联动轨迹;
21、基于所述视线锚定区域表征的注视约束关系以及所述头颈联动轨迹表征的姿态联动关系,建立佩戴对象在坐姿场景下的约束规则集合,并基于所述约束规则集合生成所述坐姿参考约束模型。
22、在一实施例中,所述基于所述坐姿参考约束模型对所述原始体态表征序列进行上躯干姿态结构反演处理,得到候选坐姿状态集合,并建立所述候选坐姿状态集合中的各候选坐姿状态与所述视线锚定区域之间的姿态关联关系的步骤,包括:
23、基于所述坐姿参考约束模型,对所述原始体态表征序列中的头部姿态变化信息、视线活动信息以及镜架位姿变化信息进行约束解析,确定与上躯干姿态相关的反演边界条件和姿态求解参数;
24、基于所述反演边界条件和所述姿态求解参数,对所述原始体态表征序列进行上躯干姿态结构反演,得到多个与不同姿态组合对应的候选上躯干姿态结果,并基于所述多个候选上躯干姿态结果生成所述候选坐姿状态集合;
25、基于所述视线锚定区域,确定所述候选坐姿状态集合中的各候选坐姿状态对应的视线方向偏移信息、头颈补偿信息以及躯干倾斜信息,并根据所述视线方向偏移信息、所述头颈补偿信息以及所述躯干倾斜信息,建立所述候选坐姿状态集合中的各候选坐姿状态与所述视线锚定区域之间的姿态关联关系。
26、在一实施例中,所述基于所述坐姿参考约束模型,对所述原始体态表征序列中的头部姿态变化信息、视线活动信息以及镜架位姿变化信息进行约束解析,确定与上躯干姿态相关的反演边界条件和姿态求解参数的步骤,包括:
27、基于所述坐姿参考约束模型,对所述原始体态表征序列中的头部姿态变化信息进行姿态分量拆解,得到头部俯仰分量、头部偏转分量以及头部稳定分量,并对所述视线活动信息进行注视方向解析,得到视线指向分量和视线偏移分量;
28、基于所述坐姿参考约束模型,对所述镜架位姿变化信息进行位姿扰动分解,得到镜架平移分量和镜架转动分量,并结合所述头部俯仰分量、所述头部偏转分量、所述视线指向分量、所述视线偏移分量、所述镜架平移分量以及所述镜架转动分量,确定上躯干姿态反演对应的约束分量集合;
29、基于所述约束分量集合,提取与头颈连接状态、视线指向一致性以及佩戴位姿稳定性对应的约束条件,并根据所述约束条件确定上躯干姿态反演过程中的姿态变化限定位、姿态联动关系以及求解初始项,并作为与上躯干姿态相关的反演边界条件和姿态求解参数。
30、在一实施例中,所述基于所述姿态关联关系以及所述候选坐姿状态集合在连续时段内的状态转移信息,对所述候选坐姿状态集合进行异常归因处理,确定目标失衡部位以及与所述目标失衡部位对应的渐进式纠正路径的步骤,包括:
31、基于所述候选坐姿状态集合在连续时段内的状态驻留情况、状态切换顺序以及状态切换频次,确定对应的状态转移模式,并结合所述姿态关联关系提取各候选坐姿状态对应的姿态偏移特征;
32、基于所述状态转移模式以及各候选坐姿状态对应的姿态偏移特征,确定不同身体部位在姿态异常演化过程中的偏移贡献关系和补偿传递关系,得到多个异常归因候选部位;
33、基于所述多个异常归因候选部位对应的偏移主导程度和时序先发程度,确定所述目标失衡部位,并根据所述目标失衡部位对应的补偿传递关系和状态转移模式,生成与所述目标失衡部位对应的渐进式纠正路径。
34、在一实施例中,所述基于所述渐进式纠正路径控制所述智能眼镜输出对应的姿态引导信息的步骤,包括:
35、基于所述渐进式纠正路径,确定与各纠正阶段对应的目标调整部位、调整方向以及阶段切换条件,生成与所述渐进式纠正路径对应的分阶段引导配置集合;
36、基于所述分阶段引导配置集合,将各纠正阶段对应的目标调整部位、调整方向以及阶段切换条件转换为可由所述智能眼镜输出的引导表达数据,并按照所述渐进式纠正路径的阶段顺序确定各引导表达数据的输出时序;
37、基于各引导表达数据的输出时序,控制所述智能眼镜分阶段输出与所述渐进式纠正路径对应的姿态引导信息。
38、此外,为实现上述目的,本发明还提出一种基于智能眼镜的坐姿纠正系统,所述基于智能眼镜的坐姿纠正系统包括:
39、体态表征模块,用于获取智能眼镜佩戴对象在坐姿场景下对应的视域感知数据、头部运动数据以及镜架贴合状态数据,并基于所述视域感知数据、所述头部运动数据以及所述镜架贴合状态数据构建原始体态表征序列;
40、坐姿模型模块,用于基于所述原始体态表征序列确定对应的视线锚定区域和头颈联动轨迹,并基于所述视线锚定区域与所述头颈联动轨迹生成坐姿参考约束模型;
41、反演模块,用于基于所述坐姿参考约束模型对所述原始体态表征序列进行上躯干姿态结构反演处理,得到候选坐姿状态集合,并建立所述候选坐姿状态集合中的各候选坐姿状态与所述视线锚定区域之间的姿态关联关系;
42、纠正路径模块,用于基于所述姿态关联关系以及所述候选坐姿状态集合在连续时段内的状态转移信息,对所述候选坐姿状态集合进行异常归因处理,确定目标失衡部位以及与所述目标失衡部位对应的渐进式纠正路径;
43、姿态引导模块,用于基于所述渐进式纠正路径控制所述智能眼镜输出对应的姿态引导信息。
44、本技术通过获取智能眼镜佩戴对象在坐姿场景下对应的视域感知数据、头部运动数据以及镜架贴合状态数据,并基于视域感知数据、头部运动数据以及镜架贴合状态数据构建原始体态表征序列;基于原始体态表征序列确定对应的视线锚定区域和头颈联动轨迹,并基于视线锚定区域与头颈联动轨迹生成坐姿参考约束模型;基于坐姿参考约束模型对原始体态表征序列进行上躯干姿态结构反演处理,得到候选坐姿状态集合,并建立候选坐姿状态集合中的各候选坐姿状态与视线锚定区域之间的姿态关联关系;基于姿态关联关系以及候选坐姿状态集合在连续时段内的状态转移信息,对候选坐姿状态集合进行异常归因处理,确定目标失衡部位以及与目标失衡部位对应的渐进式纠正路径;基于渐进式纠正路径控制智能眼镜输出对应的姿态引导信息。本技术并非仅依据单一姿态数据直接判断坐姿状态,而是首先结合视域感知数据、头部运动数据以及镜架贴合状态数据构建原始体态表征序列,从而使坐姿状态的表征基础由单一观测扩展为多维关联观测;在此基础上,进一步确定视线锚定区域和头颈联动轨迹,并生成坐姿参考约束模型,使后续姿态分析不再是孤立地对头部或局部位姿进行识别,而是在视线活动与头颈联动关系的约束下开展;随后,利用坐姿参考约束模型对原始体态表征序列进行上躯干姿态结构反演处理,得到候选坐姿状态集合,并建立各候选坐姿状态与视线锚定区域之间的姿态关联关系,从而将坐姿识别从表层姿态观测进一步推进到对上躯干姿态状态的结构化判定;进一步地,结合候选坐姿状态集合在连续时段内的状态转移信息进行异常归因处理,能够在动态变化过程中确定目标失衡部位,并生成与目标失衡部位对应的渐进式纠正路径,而不是对异常姿态进行笼统提示;通过“多源数据表征—约束模型生成—姿态结构反演—状态关联分析—异常归因—渐进式引导”的连续处理,提高了坐姿状态识别的准确性和异常判断的针对性,进而提升了坐姿纠正效果。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com