當你以為實感技術只是讓機器擁有更多花哨的功能，它已經開始無微不至地關注你的健康，當你以為只有背背佳才能幫你矯正坐姿，已有神器遠遠超越它的地位。且看英特爾實感技術如何化身大白，幫你擁有完美身形。

實感技術無疑是今年CES舞臺上的閃耀明星。科叔在CES主題演講中騎著的Segway平衡車就裝有全新的英特爾實感ZR300攝像頭，擁有“視覺”的它不僅可以成為你的代步工具，還能變成機器人為你端茶倒水，或與其他智能產品互動。此外，同期登臺的Yuneec無人機Typhoon H也同樣搭載英特爾實感技術，從而獲得實時跟隨主人，記錄主人運動中颯爽英姿的能力。

實感技術能讓設備具有人類一樣的感知能力。據英特爾實感技術相關負責人Achntya Bhowmik透露，目前英特爾一方面是縮小實感攝像頭的尺寸，讓其能適用于手機、手表等隨身智能設備，另一方面則是打造一系列軟件庫，讓實感技術可以做更多事情，比如手勢識別、臉部識別、背景移除、3D掃描+打印、機器人人物識別以及無人機避障、增強現實應用、虛擬裝飾掩飾等應用場景延伸。

隨著實感技術的普及與廣泛應用，游戲體驗將更加真實，機器人將更能知冷知熱，手機、電腦將更加炫酷而又實用。除此之外，還有更多讓人意想不到的日常生活應用！

科再奇在CES上展示了Ninebot公司的Segway個人平衡車，它可以變成一個機器人

無論是學生還是普通上班族，我們坐在桌前的時間越來越多，而其中對著電腦的時間更是占了一大部分，而正確的坐姿往往并不舒服和自由，久而久之不良坐姿則會對我們的肩頸腰椎造成巨大傷害。除了背背佳，你天天面對的電腦可是提醒你保持正確坐姿的最佳監督者，其中的秘密就是CES大熱的實感技術。奧妙就在文中揭曉。

本文首先介紹英特爾實感設備的組成結構以及該設備是如何獲得現實場景下的三維數據。針對本課題，利用英特爾實感技術官方SDK提取出用戶面部大約70個特征點的三維數據。這些特征點的三維數據就是本文坐姿檢測算法的基礎。在獲得用戶面部70多個點的三維數據之后，計算出用戶此時頭部的轉動及俯仰角度，頭部與計算機顯示屏之間的距離，并投入使用；支持向量機（SVM）行訓練和識別實驗，實現了對“歪頭”、“駝背”、“仰視過大”、“俯視過大”、“距離屏幕過近”等不良坐姿的判定，并經過多次實驗驗證。通過與MySQL數據庫的結合，將坐姿特征、每日不同坐姿的時間長度記錄下來，進行數據分析，生成報表給到用戶，從而達到完整的檢測、提醒、矯正目的。

實時坐姿 檢測算法 硬 件及開發環境

實感技術是英特爾推出的深度攝像頭，最新一代設備是全VGA分辨率（640 x 480 60fps）的深度攝像頭，另外具有1080p分辨率的RGB攝像頭，在拍攝1080p畫面的時候傳輸速率為30fps，檢測范圍在0.2米至1.2米之間，根據不同的使用場景和算法，檢測距離也不一樣。目前已有多款筆記本電腦配置實感攝像頭，本文采用的是開發版本的實感攝像頭，為開發人員而設，如下圖所示。

開發款攝像頭

開發款的基本尺寸是150mm x 30mm x 58mm，根據官方介紹開發需要的環境配置如下：

具備USB 3.0接口，根據實際測試，臺式機最好使用后置USB3.0接口，保證足夠穩定的供電

官方建議使用第四代以及之后的酷睿系列CPU

在本次開發過程中使用的是第三代Core i5 CPU

需要注意的是，目前英特爾實感技術SDK僅支持Windows 8.1以及之后的Windows操作系統，而且是64位，暫不支持Mac OS 以及Linux。

坐 姿檢測系統設計

整套坐姿檢測系統的設計流程如下圖所示。

坐姿檢測系統流程圖

坐姿檢測系統一共分為五個主要部分，分別是用戶信息的錄入，設備初始化以及圖像預處理，緊接著就是最核心的實時坐姿檢測，進而將坐姿信息進行統計，并在適當的時候進行結果展示與提醒。其中實時坐姿檢測模塊是本文的重點研究方向，設計流程如下圖所示。

實時坐姿檢測模塊流程圖

在實時坐姿檢測中，如果開啟目光跟蹤技術，則利用目光跟蹤技術進行校正，進行輔助判斷，以增強系統的穩定性和準確性。

算 法判定

用戶的頭部運動以及頭部狀態是主要的特征提取空間，通過實感技術在三維坐標中，對頭部的仰角（PITCH，繞X軸旋轉）、偏航角（YAW，繞Y軸旋轉）、翻滾角（ROLL，繞Z軸旋轉）、高度信息、空間位置信息進行坐標變換提取，將轉換過的數據進行卡爾曼濾波，獲得較為準確的數據進行坐姿比對，并且頭部信息各項參數滿足一定指標，則判定該用戶的坐姿是端正的，如下圖所示。

用戶坐標系

當歐拉角的翻滾角ROLL的絕對值大于10度的時候，可以認為用戶左右歪頭幅度過大，是錯誤的坐姿，需要進行提醒。準確來說，當ROLL值為正10度以上的時候，用戶頭部向右傾斜角度過大，當值為負10度以上的時候，用戶頭部向左傾斜角度過大；當歐拉角的YAW的絕對值大于18度的時候，可以認為用戶頭部的左右轉頭扭頭的幅度過大。這樣的錯誤坐姿經常出現在程序員群體中，因為很多程序員都是用兩臺顯示器或多臺顯示器，由于桌子不夠大，用戶與顯示器之間距離過近，在觀看顯示器的時候需要大幅度的扭頭，對頸肩部造成額外負擔，屬于不良坐姿。當YAW值大于正18度的時候，用戶頭部向右旋轉幅度過大，當YAW值小于負18度的時候，用戶頭部向左旋轉的幅度過大；當歐拉角的PITCH值加5之后的絕對值大于25度，則可以判定用戶的頭部俯仰程度過大，屬于不正確坐姿。通常情況下，用戶在使用電腦的時候顯示器都會略低于用戶的頭部高度，而最適宜的坐姿也不是頭部一定要平視顯示器，而是稍微低一點點頭，這樣有助于減輕肩部脊椎的壓力，適合長時間工作。更準確地說，當歐拉角的PITCH值大于20度，用戶是仰起頭在看顯示器畫面，出現這種情況的典型錯誤坐姿就是手托下巴抬頭看顯示器，如下圖所示，在閱讀長段文字或者瀏覽視頻內容的時候經常會出現這樣的坐姿，而當歐拉角的PITCH值小于負30度的時候，用戶低頭幅度過大，可以判定用戶坐姿不正確，這種情況下對脊柱的損傷較為嚴重，出現這種不良坐姿的多為佩戴眼鏡的用戶。

手托下巴的錯誤坐姿

另外一種典型的錯誤坐姿就是距離顯示器過近，通過實感技術的深度信息，可以快速獲得用戶的頭部、肩部相對于攝像頭的距離，并且可以精確獲得用戶的眼睛距離攝像頭的距離信息，因此可以快速判斷用戶是否距離顯示器過近。本文實驗的顯示器尺寸是17寸，用戶與顯示器的最佳距離在70厘米至80厘米，小于70厘米的時候距離顯示器過近，通常這樣的情況都是因為駝背造成的，而反過來，不但會對視力造成嚴重損傷，也會加重駝背的情況。正確坐姿如下圖所示。

正確坐姿

實 驗結果分析

實驗組數為4組，每組一名同學，共四人，實驗結果數據如下：

第一組，實驗天數5天

第二組，實驗天數5天

第三組，實驗天數5天

第四組，實驗天數5天

通過對不同實驗對象的測試數據進行分析，可以發現，算法的準確率在90%以上，相比于傳統的智能硬件識別方法的40%，準確率有了大幅提升。但是在實驗中也發現，第二組的檢測準確率較低，通過對測試同學的身高、視力等信息進行了解，還發現另外一個重要因素，用戶平時使用的桌子大小、座椅高低對用戶的坐姿會造成很大影響，一套合適的座椅書桌也是非常有必要的。

E nding來啦~

本文設計了一種利用英特爾實感攝像頭完成的實時坐姿檢測算法，適用人群為需要長時間坐在電腦前工作的白領或者程序員群體，綜合分析用戶頭部、眼部的數據，準確判斷用戶當前坐姿是否端正，相比于傳統的智能硬件解決方案，省去了單獨佩戴智能硬件設備的繁瑣，并且極大提高了檢測準確度，達到了90%以上，同時極低的誤警率也保證了在實際應用場景中不會干擾到用戶的正常工作。在算法和整體系統軟件的設計上，仍有一定的優化改進空間，在對圖像信息進行處理之前，可以采用更好的圖像降噪算法，用戶面部特征數據在處理的時候可以進行濾波處理，以減少采集數據誤差及跳變對檢測造成的影響。