姿态识别+校准｜视觉技术新突破

技术实现路径及优势

概述：通过2D图像序列加2D图像景深序列，利用复杂的3D重建算法与人体骨架模型的拟合还原姿态节点信息，进而对各种姿态进行准确的数学分析，达到准确高效识别姿态的效果；摆脱人脸3D训练样本真值依赖，高清还原任意人体形状与细节纹理，重建精度误差与分辨率大幅超越当前业界姿态识别的标准水平。

优势：通过边缘算法服务器连接一路或多路摄像头，从不同角度拍摄实时图像，采用边缘算法与摄像头组合配置的分布式网络结构，节省了采用传统 PC 算法服务器（配置 GPU 与 NPU）实现的成本，并且具有更灵活的算法节点扩展方式和高鲁棒性。

攻克的技术难点：

2D图像序列还原3D图像的拼接；骨架模型节点与3D图像的拟合度；姿态分解为各骨架模型节点的数据结构。

姿态识别算法主要应用于

检测 和 校准

两大类场景

01

检测类

跌倒检测

通过室内外固定摄像头辅助判断老年人跌倒状态，实时多端异常状态同步（设备前端、管理终端、协管手机端等）预警，可针对预警信号调取现场视频进行二次确认并关联后续操作执行。利用智能化手段赋能于传统健康监护行业，应用于养老院、医院、家庭监护等场景。

动作检测

支持固定和移动部署，检测图面中所有人体，并标定坐标位置及各部位关节点，对应不同关节点的组合变化进行动作识别判断，可应用于违规、危险等动作判断。

02

校准类

少儿坐姿校准

通过桌面台灯集成摄像头方式实时检测、判断被检区域内人员坐姿是否标准，如低头或者身体偏斜，会有效地检测这种坐姿偏移的情况，并配备同步语音提示功能，有助预防青少年近视。

运动姿态校准

通过镜面固定摄像头，判断镜前运动者身体各部位对应标准动作姿态的准确度，并在镜面同步展示标准动作与运动者动作关节点的角度偏差值，以便进行实时校准。赋能居家运动、健身镜、瑜伽等场景。

教体训练考核

针对各类院校考试和训练场景，通过固定式检测设备或手机应用程序，可自动识别判断各项运动的动作是否规范标准，规避因人工考评导致的误判、漏判、作弊等问题，便于针对性地制定更精准有效的训练方案。检测动作包含：立定跳远、仰卧起坐、引体向上、俯卧撑等。