智能台灯文献标志码：A文章编号：1006—7167( 2019) 03—0056—05of Comput er and I nf ormat i on Engi

采用间隔性摄像头检查坐姿，与标准坐姿比较，如果过于靠近屏幕、坐姿不正、肩膀变形等，进行及时性的弹出提醒，空格回车和esc都可关闭弹窗，如果不操作弹窗会在检测间隔时间的一半时自行关闭，而准备进行下次检测。 检测时间、坐姿的左右平移和前后移动的距离阈值都可以根据自己情况进行设置。 对检测的情况进行累加统计，可以看到坐姿的平均正确情况 程序是完全单机版，不会联网 mac app没有签名验证，需要自行进行签名认证 采用python开发，检测人脸来进行算法支持 程序运行系统资源占用率极低 https://github.com/htmljsp/pCare_neckAtt python源码未开放，有bug或修改需求的，可以联系 lida2012 微信 或 lida2012@foxmail.com

输出一个人的侧视图（侧视图）作为输入时的坐姿。 输出可以告诉你一个人是否坐直、驼背（前倾）、斜倚（后倾）以及他是否双手合十、双腿合十（跪着）。 OpenPose检测骨骼 使用CMU感知计算实验室发明的开放式姿势模型。 这个OpenPose模型可以检测人体的关键点。这些关键点坐标可用于估计人的坐姿。 该软件可以检测多个人的关键点，但只能检测一个人的姿势。 使用了一个经过训练的keras OpenPose模型来检测关键点。 文件夹 model.py -包含模型的体系结构。 config_reader.py -包含模型预测关键点所必需的参数。 util.py——计算关键点坐标所需的一些函数。 运行 python3 posture_image.py 用于以图像作为输入测试此软件。如果你想用你自己的图像测试它，把这个图像放在sample_images文件夹中，并在第237行进行相应的更改。 Run python3 posture_realtime.py用于实时测试。需要坐在离摄像头较远的位置。 要有8GB内存

本装置分为主板和从板两部分，从板通过ADXL345检测倾角，将数据通过2401发送给主板，主板结合倾角和超声波测距得到的数据判断被检测人的坐姿，并将数据通过4G模块发送出去。

基于深度学习目标检测和人体关键点检测的不健康坐姿检测（部分代码）