论文部分内容阅读
近半个世纪以来,随着计算机视觉、传感器技术、模式识别和人工智能等相关领域的发展,人机交互的模式在逐渐由以机器为中心向以人为中心的模式转变,而以人为中心的人机交互模式是建立在对人的行为、姿态等信息的检测与识别的基础上的。人机交互关系到人们工作、生活的各个方面。随着办公强度越来越大,办公人群颈椎、腰椎病等疾病多发,办公健康成为人们广泛关注的问题,本文采用Kinect深度摄像头搭建了一个人机交互平台,设计并实现了办公健康分析系统的产品原型。该产品能够实时检测用户的办公健康状态并给出办公健康建议。本课题利用Kinect for Windows深度摄像头、Kinect for Windows SDK与Visual Studio 2010 Pro,使用C#编程语言搭建了基于Kinect的开发平台。由于坐姿是最常见的办公状态,所以本系统首先实现坐姿检测的功能。利用该平台获取并处理人体骨骼关节数据,实时求取用户的颈椎角和腰椎角并以此判断用户的坐姿。基本功能实现后,对坐姿检测系统进行完善,统计各类错误坐姿的时间、用户离开的时间及频率,并基于统计结果给出用户办公健康建议。办公行为除了坐姿之外还包括一些常见的动作,例如喝水、打电话、打字等动作。这些动作的频率也代表了一些办公健康习惯。所以本文基于Kinect平台和MATLAB分别利用状态空间法中比较有代表性的隐马尔科夫算法(HMM)和基于模板的算法中的动态时间规整法(DTW)进行打电话、喝水、打字的动作识别。并对这两种算法进行了相应的改进和组合。设计实验检测方案,结合检测精度、算法复杂度、算法鲁棒性等因素选择最适合该办公健康分析系统的算法。人的面部动作也可以反映很多关于办公状态的信息。因此本课题还搭建了面部动作与表情识别系统。该系统能够利用由Kinect for Windows SDK获取的面部数据,给出用户的颈部姿态、睁眼闭眼等面部动作和打呵欠、吃惊、大笑、情绪低落等表情的识别,并由相应的面部动作判断用户工作时的健康状态,并给出用户相应的办公健康建议。