陈锦涛， 石守东， 郑佳罄， 胡加钿， 房志远

(宁波大学 信息科学与工程学院，浙江 宁波 315211)

0 引 言

当前我国青少年近视患病率呈高发态势，职业性肌肉骨骼疾患患者日益增多。有证据表明，青少年近视主要由其不良坐姿所引发的近距离用眼导致，而职业性肌肉骨骼疾患也同样与长期保持不良坐姿密切相关。而坐姿的研究离不开头部以及肩部姿态的估计，因此该研究在人机交互、医疗健康、交通安全等领域具有较高的应用价值。

对于坐姿中头部以及肩部姿态的研究方法，单独进行头部姿态的研究较多，对肩部以及两者结合对于坐姿的研究较少。其研究方法主要分为两大类：基于穿戴式传感器方法以及基于图像采集法。Kinect利用多个传感器快速定位人体的20个关键点并追踪，还能实时计算空间深度信息。文献[1]使用Kinect获取人体关节点，并基于隐马尔可夫模型(hidden Markov model,HMM)对人姿态进行识别。文献[2]用Kinect由低分辨率3D数据通过误差的预期分布模型与局部加权回归方法组合来移除异常值并构建高分辨率面部模型。文献[3]提出一种三角形表面补丁描述符(triangle surface patch descriptor,TSP)估计头部方向和位置。文献[4]通过双支路多级卷积神经网络处理二维图像，基于部分亲和字段(partial affinity fields,PAF)分段分布进行各部分的链接，第一分支估计人体的二维置信图，第二分支计算各部位的关联度，得到多个面部点，识别效果好。

文献[5]基于模糊肤色分类器和颜色特征的人脸追踪，通过高并行图形处理器(graphics proceessing unit,GPU)计算、分类器权重预计算等方法提高设备在高分辨率视频图像中稳定追踪面部的能力，并在3D图像中由对面部位置估计实现对头部运动的追踪。……