Python图像处理篇之opencv实现坐姿检测python图像处理代码

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实现坐姿检测的技巧和完整代码。

一、技巧概述

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 cv2import mediapipe as mpimport numpy as npimport 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 = mode self.upBody = upBody self.smooth = smooth self.detectionCon = detectionCon self.trackCon = trackCon self.mpDraw = mp.solutions.drawing_utils self.mpPose = mp.solutions.pose self.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 = 0 self.bad_posture_time = 0 self.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 img def 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.shape cx, cy = int(lm.x * w), int(lm.y * h) self.landmarks.append([id, cx, cy, lm.z]) return self.landmarks def 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 – angle return angle def 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局返回: 图像和坐姿评估结局 “”” current_time = time.time() posture_changed = False if 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” 更新姿势情形时刻 if new_status != self.posture_status: posture_changed = True self.last_posture_change = current_time self.posture_status = new_status else: if new_status == “Good”: self.good_posture_time += 1 else: self.bad_posture_time += 1 在图像上绘制结局 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) 显示坐姿情形 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) 显示时刻统计 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: break img = 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’): break cap.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：

绘制关键点和连接线
显示角度数值
显示坐姿情形和时刻统计
不良坐姿时显示警告

怎样使用

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、改进路线

添加更多评估标准（如肩膀是否前倾）
实现坐姿历史记录和统计分析
添加声音提醒功能
优化性能（如降低图像分辨率）
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。

拓展资料

到此这篇关于Python图像处理篇之opencv实现坐姿检测的文章就介绍到这了,更多相关Pythonopencv坐姿检测内容请搜索风君子博客以前的文章或继续浏览下面的相关文章希望大家以后多多支持风君子博客！

无论兄弟们可能感兴趣的文章:

Python+Opencv识别两张相似图片
opencv 做人脸识别 opencv 人脸匹配分析
简单了解OpenCV是个什么物品
python结合opencv实现人脸检测与跟踪

扫一扫打开手机网站