使用M5StickV检测不良姿势

开源项目介绍、探讨
回复
头像
shaoziyang
帖子: 1330
注册时间: 2019年 10月 21日 13:48

使用M5StickV检测不良姿势

#1

帖子 shaoziyang » 2019年 11月 19日 18:06

来自:https://www.hackster.io/katsushun89/bad ... ckv-62e57b

在PC上工作时,我的姿势逐渐变差。我使用M5StickV开发了“不良姿势检测器”,它可以用声音和LED提醒。

图片
主功能
  • 如果M5StickV检测到不良姿势,通过点亮LED和播放声音提醒“您的姿势可能不好”。
 3D建模固定零件为了将M5StackV固定在墙上或小架子上,​​我对外部零件进行了建模,如下图所示。图片
间隔捕获应用要收集数据集,请首先编写M5StickV的间隔捕获应用程序。(请检查我的存储库)
 从MobileNet转移学习为了学习,我所用的传送学习从MobileNet。MobileNet可以每个检测到的相似的图像图案进行分类。在这个项目中,我设定了3个班级
  • 不良姿势:低着头靠背的姿势
  • 良好姿势:向后伸展的良好姿势
  • 缺席:不坐在椅子上
 收集图像数据使用相机间隔拍摄功能,我调整相机位置,使得能够很好地被分类的是图像被获取。
首先将相机设置在我办公桌的上方位置,但该数据不正确,无法将“好姿势”和“坏姿势”分类。
 图片

 较高的数据集显示,这些是相似的,因此无法分类。图片
摄像机上方位置不良姿势的数据样本
 
图片
来自上位相机位置的姿势良好的数据样本 
我反复调整相机位置,最后找到最佳位置。
 图片
相机的最佳位置
从最佳位置来看,“不良姿势”数据与“良好姿势”数据并不相似。姿势良好的图像几乎不包括面部,姿势不良的图像几乎不反映在面部。
 图片
来自最佳相机位置的不良姿势数据样本

图片

来自最佳相机位置的姿势良好的数据样本
查看混淆矩阵,每个姿势都有明显的差异,因此我们决定使用以此数据集创建的模型。图片
混淆矩阵结果在此视频中,您可以看到姿势不好时可以通过语音和LED通知您。我做完之后发现了什么
  • 即使衣服不同也能识别。出乎意料的是,我认为转换为灰度图像是没有用的,但是数据集:黑色衣服,推断:即使是浅蓝色衬衫也能毫无问题地识别出它
  • 他们甚至在这个地方也认识我(在学习时:公司席位,在推理时:在家)。靠背的高度和颜色略有不同,背景也有所不同,但仍然没有问题
  • 制作数据集时,我觉得最后只能将脸识别为“不良姿势=脸”,但是即使未包括所有意外的脸(下巴和嘴角也可以看到)。已正确分类(另请参见视频)
 

openpy

Re: 使用M5StickV检测不良姿势

#2

帖子 openpy » 2019年 11月 20日 08:18

👍

回复

  • 随机主题
    回复总数
    阅读次数
    最新文章