图像处理篇---opencv实现坐姿检测

---

---

前言

坐姿检测是计算机视觉中的一个应用，可以通过分析人体姿态来判断是否保持正确坐姿。下面我将介绍使用Python实现坐姿检测的方法和完整代码。

---

一、方法概述

使用OpenCV和MediaPipe

使用OpenCV和MediaPipe：MediaPipe提供了现成的人体姿态估计模型

关键点检测

关键点检测：检测身体关键点（如肩膀、耳朵、臀部等）

角度计算

角度计算：计算关键点之间的角度来判断坐姿

姿态评估

姿势评估：根据角度阈值判断坐姿是否正确

二、完整代码实现

import cv2
import mediapipe as mp
import numpy as np
import timeclass PostureDetector:def __init__(self, mode=False, upBody=False, smooth=True, detectionCon=0.5, trackCon=0.5):"""初始化姿势检测器参数:mode: 是否静态图像模式 (False表示视频流)upBody: 是否只检测上半身smooth: 是否平滑处理detectionCon: 检测置信度阈值trackCon: 跟踪置信度阈值"""self.mode = modeself.upBody = upBodyself.smooth = smoothself.detectionCon = detectionConself.trackCon = trackConself.mpDraw = mp.solutions.drawing_utilsself.mpPose = mp.solutions.poseself.pose = self.mpPose.Pose(static_image_mode=self.mode,model_complexity=1,smooth_landmarks=self.smooth,enable_segmentation=False,smooth_segmentation=self.smooth,min_detection_confidence=self.detectionCon,min_tracking_confidence=self.trackCon)# 坐姿评估参数self.good_posture_time = 0self.bad_posture_time = 0self.posture_status = "Unknown"self.last_posture_change = time.time()def find_pose(self, img, draw=True):"""检测图像中的姿势关键点参数:img: 输入图像 (BGR格式)draw: 是否绘制关键点和连接线返回:带标注的图像和姿势关键点"""img_rgb = cv2.cvtColor(img, cv2.COLOR_BGR2RGB)self.results = self.pose.process(img_rgb)if self.results.pose_landmarks and draw:self.mpDraw.draw_landmarks(img, self.results.pose_landmarks, self.mpPose.POSE_CONNECTIONS)return imgdef get_landmarks(self, img):"""获取所有姿势关键点的坐标参数:img: 输入图像返回:关键点坐标列表 (x,y,z) 或 None"""self.landmarks = []if self.results.pose_landmarks:for id, lm in enumerate(self.results.pose_landmarks.landmark):h, w, c = img.shapecx, cy = int(lm.x * w), int(lm.y * h)self.landmarks.append([id, cx, cy, lm.z])return self.landmarksdef calculate_angle(self, a, b, c):"""计算三个点之间的角度参数:a, b, c: 三个点的坐标 (x,y)返回:角度 (degrees)"""a = np.array(a)b = np.array(b)c = np.array(c)radians = np.arctan2(c[1]-b[1], c[0]-b[0]) - np.arctan2(a[1]-b[1], a[0]-b[0])angle = np.abs(radians * 180.0 / np.pi)if angle > 180.0:angle = 360 - anglereturn angledef evaluate_posture(self, img, draw=True):"""评估坐姿是否正确参数:img: 输入图像draw: 是否在图像上绘制评估结果返回:图像和坐姿评估结果"""current_time = time.time()posture_changed = Falseif not self.landmarks or len(self.landmarks) < 33:return img, "No person detected"# 获取需要的关节点left_shoulder = self.landmarks[11][1:3]  # 11: 左肩right_shoulder = self.landmarks[12][1:3]  # 12: 右肩left_ear = self.landmarks[7][1:3]  # 7: 左耳right_ear = self.landmarks[8][1:3]  # 8: 右耳left_hip = self.landmarks[23][1:3]  # 23: 左髋right_hip = self.landmarks[24][1:3]  # 24: 右髋# 计算肩膀中点shoulder_mid = ((left_shoulder[0] + right_shoulder[0]) // 2,(left_shoulder[1] + right_shoulder[1]) // 2)# 计算耳朵中点ear_mid = ((left_ear[0] + right_ear[0]) // 2,(left_ear[1] + right_ear[1]) // 2)# 计算髋部中点hip_mid = ((left_hip[0] + right_hip[0]) // 2,(left_hip[1] + right_hip[1]) // 2)# 计算脊柱角度 (肩膀-髋部-垂直线)spine_angle = self.calculate_angle((shoulder_mid[0], shoulder_mid[1] - 100),  # 肩膀上方一点shoulder_mid,hip_mid)# 计算颈部角度 (耳朵-肩膀-水平线)neck_angle = self.calculate_angle((ear_mid[0] - 100, ear_mid[1]),ear_mid,shoulder_mid)# 坐姿评估标准good_spine = 160 < spine_angle < 200  # 脊柱应该接近垂直good_neck = 70 < neck_angle < 110  # 颈部应该接近垂直# 判断坐姿new_status = "Good" if good_spine and good_neck else "Bad"# 更新姿势状态时间if new_status != self.posture_status:posture_changed = Trueself.last_posture_change = current_timeself.posture_status = new_statuselse:if new_status == "Good":self.good_posture_time += 1else:self.bad_posture_time += 1# 在图像上绘制结果if draw:# 绘制关键点和连接线cv2.circle(img, ear_mid, 8, (255, 0, 0), cv2.FILLED)cv2.circle(img, shoulder_mid, 8, (255, 0, 0), cv2.FILLED)cv2.circle(img, hip_mid, 8, (255, 0, 0), cv2.FILLED)cv2.line(img, ear_mid, shoulder_mid, (255, 0, 0), 3)cv2.line(img, shoulder_mid, hip_mid, (255, 0, 0), 3)# 显示角度信息cv2.putText(img, f"Spine Angle: {int(spine_angle)}", (10, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)cv2.putText(img, f"Neck Angle: {int(neck_angle)}", (10, 60), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)# 显示坐姿状态color = (0, 255, 0) if new_status == "Good" else (0, 0, 255)cv2.putText(img, f"Posture: {new_status}", (10, 90), cv2.FONT_HERSHEY_SIMPLEX, 0.7, color, 2)# 显示时间统计cv2.putText(img, f"Good Time: {self.good_posture_time//10}s", (10, 120), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 255, 0), 1)cv2.putText(img, f"Bad Time: {self.bad_posture_time//10}s", (10, 140), cv2.FONT_HERSHEY_SIMPLEX, 0.5, (0, 0, 255), 1)# 如果姿势不良，添加警告if new_status == "Bad":cv2.putText(img, "WARNING: Bad Posture!", (img.shape[1]//2 - 150, 30), cv2.FONT_HERSHEY_SIMPLEX, 0.7, (0, 0, 255), 2)return img, new_statusdef main():cap = cv2.VideoCapture(0)  # 使用摄像头detector = PostureDetector()while True:success, img = cap.read()if not success:breakimg = detector.find_pose(img)landmarks = detector.get_landmarks(img)if landmarks:img, posture = detector.evaluate_posture(img)cv2.imshow("Posture Detection", img)if cv2.waitKey(1) & 0xFF == ord('q'):breakcap.release()cv2.destroyAllWindows()if __name__ == "__main__":main()

三、代码说明

PostureDetector类

PostureDetector类：核心坐姿检测类

find_pose()

find_pose(): 检测图像中的人体姿势

get_landmarks()

get_landmarks(): 获取姿势关键点坐标

cakculate_angle()

calculate_angle(): 计算三个关键点之间的角度

evaluate_posture()

evaluate_posture(): 评估坐姿是否正确

坐姿评估标准（可进行参数调整）：

脊柱角度应在160-200度之间（接近垂直）
颈部角度应在70-110度之间（接近垂直）
满足以上条件判断为"Good"坐姿，否则为"Bad"

可视化功能：

1. 绘制关键点和连接线
2. 显示角度数值
3. 显示坐姿状态和时间统计
4. 不良坐姿时显示警告

如何使用

安装依赖库：

pip install opencv-python mediapipe numpy

运行脚本：

python posture_detection.py

调整摄像头位置，确保能清晰看到上半身

四、改进方向

1. 添加更多评估标准（如肩膀是否前倾）
2. 实现坐姿历史记录和统计分析
3. 添加声音提醒功能
4. 优化性能（如降低图像分辨率）
5. 添加校准功能，适应不同体型
   这个实现提供了基本的坐姿检测功能，你可以根据需要进一步扩展和完善。

---