基于ReaISense的坐姿檢測技術

董建成 蔣樂天

摘要：針對越來越多的年輕人使用電腦進行辦公的時間越來越長，坐姿不正確導致的頸肩腰部疾病發病率及視力下降的問題，設計了一種不需要額外佩戴智能硬件的坐姿檢測技術。該方案使用Intel最新的ReaISense 3D攝像頭進行畫面采集，通過對三維數據的實時分析，準確的判斷出用戶的坐姿情況，相對于智能硬件的解決方案可以大幅度提高準確度，市場上新出的筆記本電腦中帶有ReaISense的型號也較多，具有較好的應用前景。

關鍵詞：坐姿檢測；實感攝像頭；ReaISense；三維數據

DOI：10.3969/j.issn.1005-5517.2016.1.021

引言

計算機的飛速普及，讓人們將越來越多的工作放在計算機上去完成，各行各業，尤其是程序開發人員、文字工作者，在計算機上的工作時間越來越長，這種情況下不良的坐姿對頸肩腰椎都會產生很大影響，容易導致多種疾病的發生。青少年接觸計算機的年齡越來越小，保持良好的坐姿對于青少年的成長發育以及保護視力都大有裨益。調查顯示肩部腰部疾病的發病率越來越高，發病年齡越來越小，跟長期坐著工作有關，我們還發現有一些奇特的辦公是站立辦公甚至在跑步機上辦公。這些問題都說明，坐姿正確與否對健康有很大影響。在工作強度越來越大、休息鍛煉時間越來越少的今天，如何保持正確坐姿就變得非常有必要了。

本文首先介紹英特爾ReaISense實感設備^[1]的組成結構以及該設備是如何獲得現實場景下的三維數據。針對本課題，利用英特爾ReaISense官方SDK提取出用戶面部大約70個特征點的三維數據。這些特征點的三維數據是本文坐姿檢測算法的基礎。在得到用戶面部70多個點的三維數據之后，計算出用戶此時頭部的轉動及俯仰角度、頭部與計算機顯示屏之間的距離，并使用支持向量機（SVM）^[2]進行訓練和識別實驗，實現了對“歪頭”“駝背”“口視過大”“俯視過大”“距離屏幕過近”等不良坐姿的判定，并經過多次實驗取得了較好的實驗結果。通過與MySQL數據庫^[3]的結合，將坐姿特征、每日不同坐姿的時間長度記錄下來，進行數據分析，生成報表給用戶，從而達到完整的檢測、提醒、矯正的目的。

1 實時坐姿檢測算法

1.1硬件及開發環境

ReaISense是英特爾推出的深度攝像頭，最新一代設備是全VGA分辨率（640x480 60fps）的深度攝像頭，以及1080p分辨率的RGB攝像頭，在拍攝1080p畫面的時候傳輸速率為30fps。檢測范圍在0.2米至1.2米之間，根據不同的使用場景和使用的算法，檢測的距離也不一樣的。目前已經有多款筆記本電腦默認配備ReaISense實感攝像頭，本文采用的是開發版本的ReaISense攝像頭，用于開發人員進行開發，如圖1。

開發款的基本尺寸是150mmx30mmx58mm，根據官方介紹，需要的環境配置如下，需要具備USB3.0接口，根據實際測試，臺式機最好使用后置USB3.0接口，保證足夠穩定的供電。官方聲稱需要使用Intel第四代以及之后的酷睿系列CPU才能夠完成開發，在本文開發過程中使用的是第三代的Core i5CPU同樣能夠正常使用。

需要注意的是，目前Intel ReaISense SDK僅支持Windows8.1以及之后的Windows 64位搡作系統、暫不支持MacOS以及Linux。

1.2坐姿檢測算法

1.2.1坐姿檢測系統設計

整套坐姿檢測系統的設計流程如圖2。

坐姿檢測系統包括五個主要部分，分別是用戶信息的錄入，設備初始化以及圖像預處理，實時坐姿檢測、坐姿信息進行統計、內容結果展示與提醒。其中實時坐姿檢測模塊是本文的重點研究，設計流程如圖3。

在實時坐姿檢測當中，如果開啟目光跟蹤技術，則利用目光跟蹤技術進行校正，進行輔助判斷，以增強系統的穩定性和準確性。

1.2.2算法判定

用戶的頭部運動以及頭部狀態是主要的特征提取空間，通過ReaISense，在三維坐標中，對頭部的仰角（PITCH，繞X軸旋轉）、偏航角（YAW，繞Y軸旋轉）、翻滾角（ROLL，繞Z軸旋轉）、高度信息、空間位置信息進行坐標變換提取，將轉換過的數據進行卡爾曼濾波^[4]，獲得較為準確的數據進行坐姿比對，如果頭部信息各項參數滿足一定指標，則判定該用戶的坐姿是端正的，如下圖4。

當歐拉角^[5]的翻滾角ROLL的絕對值大于10度時，可以認為用戶頭部左右歪頭幅度過大，是錯誤的坐姿，需要進行提醒，更準確來說，當ROLL值為正的10度以上時，用戶頭部向右傾斜角度過大，當值小于負10度時，用戶頭部向左傾斜角度過大；當歐拉角的YAW的絕對值大于18度，可以認為用戶頭部的左右轉頭扭頭的幅度過大，這樣的錯誤坐姿經常出現在程序員群體中，因為很多程序員都是使用兩臺顯示器或更多臺顯示器，由于桌子不足夠大，用戶與顯示器之間距離過近，在觀看顯示器的時候需要大幅度的扭頭，對頸部肩部造成了額外的負擔，也屬于不良坐姿，更確切的描述，當YAW值大于正18度時，用戶頭部向右旋轉幅度過大，當YAW值小于負18度時，用戶頭部向左旋轉的幅度過大：當歐拉角的PITCH值加5之后的絕對值大于25度，則可以判定用戶的頭部俯仰程度過大，屬于不正確坐姿，通常情況下，用戶在使用電腦的時候顯示器都會略低于用戶的頭部高度，而且最適宜的坐姿也不是頭部一定要平視顯示器，而是稍微低一點點頭，這樣有助于減輕肩部脊椎等的壓力，較適合長時間的工作，更準確地說，當歐拉角的PITCH值大于20度，用戶是在仰起頭在看顯示器畫面，這種情況的典型錯誤坐姿就是手托下巴抬頭看顯示器，如圖5，在閱讀長段文字或者瀏覽視頻內容的時候經常會出現這樣的坐姿，而當歐拉角的PITCH值小于負30度時，用戶低頭幅度過大，可以判定用戶坐姿不正確，這種情況下對脊柱的損傷較為嚴重，出現這種不良坐姿的多為佩戴眼睛的用戶；

另外一種典型的錯誤坐姿就是距離顯示器過近，通過ReaISense的深度信息，可以快速地獲得到用戶的頭部、肩部相對于攝像頭的距離，并且可以精確地獲得到用戶眼睛到攝像頭的距離信息，因此可以快速地判斷用戶是否距離顯示器過近，本文實驗的顯示器尺寸是1 7寸，用戶與顯示器的最佳距離在70厘米至80厘米，小于70厘米時距離顯示器過近，通常這樣的情況都是因為駝背造成的，而且反過來距離顯示器過近，不但會對視力造成嚴重損傷，也會加重駝背的情況。正確坐姿如圖一6。

1.2.3實驗結果分析

實驗組數為4組，每組一名同學，共四人，實驗結果數據如表1-表4。

通過對不同同學的測試數據進行分析，可以發現，算法的準確率在90%以上，相比于傳統的智能硬件識別方法40%的準確率有了大幅度的提升，但是在實驗中也發現，第二組的檢測準確率較低，通過對測試同學的身高、視力等信息的咨詢，還發現另外一個重要因素，用戶平時使用的桌子大小、座椅高低對用戶的坐姿會造成很大影響，一套合適的座椅書桌對健康也是非常有必要的。

2 總結

本文設計了一種利用Intel ReaISense攝像頭完成的實時坐姿檢測算法，適用人群主要針對需要長時間坐在電腦前進行工作的白領或者程序員群體，綜合分析用戶頭部、眼部的數據，準確的判斷出用戶當前坐姿是否端正，相比于傳統的智能硬件^[6]解決方案，省去了單獨佩戴智能硬件設備的繁瑣，并且極大地提高了檢測準確度，達到了90%以上的準確率，同時極低的誤警率也保證了在實際應用場景中不會干擾到用戶的正常工作。在算法和整體系統軟件的設計上仍有一定的優化改進空間，在對圖像信息進行處理之前可以采用更好的圖像降噪算法，用戶面部特征數據在處理的時候可以進行濾波處理，以減少采集數據誤差及跳變對檢測造成的影響。

參考文獻：

[1]英特爾ReaISense簡介[EB/OL].http：//www.intel.com/content/www/us/en/architecture-and— teChnOIOgy，reaISenSe—OVerview.htmI

[2]瓦普尼克（Vapnlk，VIadlmlr N）統計學習理論StatisticaI leamlng theory[M]北京：電子工業出版社2015

[3]鄭阿奇.MySQL教程[M]北京：清華大學出版社2015

[4]黃小平；王巖.卡爾曼濾波原理及應用MATLAB仿真[M]北京：電子工業出版社2015

[5]雷穆祿；郁永熙.衛星轉動動力學[M]上海：上海交通大學出版社1996

[6]陳士凱；程晨；藏海波.InteI Edlson智能硬件開發指南基于Yocto Project[M]北京：人民郵電出版社2015