得益于神经网络模型和视觉技术的发展,机器已经能够模仿人类大脑的一些功能,深度感知也逐渐成为可能。随着经济社会的进步,人们倾向于选择坐和躺等轻松方便的学习办公方式,随之而来的是日益严重的骨骼关节疾患、近视眼等问题,不良坐姿是造成这些困扰人体健康问题的主要因素之一。头部姿态较大程度上能够反映坐姿状态,不良坐姿带来的健康问题绝大多数也与头部姿态相关。为提高检测效率,利用面部特征相对位置变化特点实现对头部姿态的判断,最终为使用者了解个人坐姿习惯,纠正不良坐姿提供参考。该系统采取无接触式方案,使用过程中不会造成使用者的任何不适感,研究内容和创新点主要如下:在数据采集设备上,使用两个普通CMOS相机采集图像数据,在开始检测之前对双目相机标定以进行立体校正和去畸变的操作,并对采集的图像进行对极约束、重投影和立体匹配等过程的处理,根据视差原理得到图像中目标的深度信息。在目标识别的环节,利用基于Haar特征和Adaboost算法的级联分类器检测人眼区域,加入光照补偿和肤色区域检测模块以降低该分类器对光照和角度等因素敏感而造成的误识别率高等问题;根据双目立体视觉系统的特点,利用对极约束等规则减少搜索区域并降低传统算法的复杂度,进一步提高系统稳定性和识别率。在总体结构上,基于双目视觉设计一种由人眼在二维及三维空间相对位置的变化估计头部姿态的方法,并将头部姿态分为15种。根据左右图像中对应的人眼位置的视差由三角测量原理计算出其深度信息。由人眼位置的相对变化估计头部姿态,结合肩部等特征的位置,进而判断当前坐姿。实验结果表明无论是深度信息测量、人眼位置估计还是头部姿态的估计准确度都取得了良好的效果。设计了一款用户软件,包括相机标定、参数预设、眼部定位等功能,软件界面布局清晰,可在学生群体端正坐姿、预防近视等场景中使用。