基于深度学习的自适应式坐姿识别系统
概括
这项研究引入了一种非接触式系统,用于使用摄像头和人工智能识别坐姿. 它准确地实时监测姿势,提供了一个便携式解决方案,以减少与不良姿势相关的健康风险.
科学领域:
- 生物医学工程 生物医学工程
- 计算机科学 计算机科学
- 人体工程学就是人体工程学.
背景情况:
- 长时间的不良坐姿是肌肉骨疾病和慢性疾病的重要危险因素.
- 现有的解决方案,如可穿戴设备或压力传感器,在便携性和效率方面存在局限性.
研究的目的:
- 开发一个便携式和自适应式的坐姿识别系统.
- 为改善工作场所健康和效率提供实时监控和反.
主要方法:
- 集成红外广角摄像头,深度学习模型 (YOLOv11) 和边缘计算.
- 在TB-RK3399ProX开发板上实现与NPU进行高效处理.
- 开发一个位置校准功能,以便与各种椅子和用户兼容.
主要成果:
- 18种坐姿组合的准确分类,总准确率为94.64%.
- 实现了8.73毫秒的低推理延迟.
- 经过证明的稳定性和可靠性,即使有图像封闭.
结论:
- 该系统提供了一种高效,便携式,非接触式解决方案,用于坐姿态识别.
- 它有效地解决像图像遮蔽和各种环境这样的挑战.
- 提供了一种创新的选择,以提高现代工作环境中的健康和生产力.
