---

---

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 time

class 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果
        返回:
            图像和坐姿评估结果
        """
        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"
        
        # 更新姿势状态时间
        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_status

def 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：

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。

---