资料下载
基于 M5StickV 的错误姿势检测器开源分享
刘强
分享资料个
M5StickV是AI&IOT相机，体积小，功能强大，内置神经网络处理器（KPU），可以解决我们熟悉的分类问题。
在我的工作时间，我的姿势很糟糕，所以我想开发不良姿势检测器并通知我。
主功能
如果 M5StickV 检测到不良姿势，请通过点亮 LED 并播放“您的姿势可能不好”的声音来通知它。
3D建模固定件
为了将 M5StackV 固定到墙壁或小架子上，我对外部零件进行了建模，如下图所示。
3D建模零件
我还在 LED 的前面放了“向后弯曲”图标以供播放。
LED 前面的弯曲图标
间隔捕捉应用程序
要收集数据集，首先要编写 M5StickV 的间隔捕获应用程序。（请查看我的存储库）
从 MobileNet 迁移学习
为了学习，我使用了 MobileNet 的迁移学习。MobileNet 可以对每个检测到的相似图像模式进行分类。
在这个项目中，我设置了 3 类
坏姿势：头靠在靠背上的姿势
Good Pose : 背部伸展的良好姿势
缺席：不坐在椅子上
采集图像数据
使用具有间隔拍摄功能的相机，我调整了相机位置，以便获取可以很好分类的图像。
首先将相机设置在我桌子的上方，但数据不好，无法分类“好姿势”和“坏姿势”。
上位的数据集显示，这些都是相似的，所以无法归类。
上位机位好的pose数据样本
我反复调整相机位置，终于找到了最佳位置。
相机的最佳位置
从最佳位置来看，“坏姿势”数据与“好姿势”数据不相似。
姿势好的形象几乎不包括脸，姿势不好的形象几乎不体现在脸上。
查看混淆矩阵，每个姿势都有明显的差异，所以我们决定使用用这个数据集创建的模型。
混淆矩阵
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
- 相关下载
- 相关文章
