本研究之目的在於使用人体影像进行坐姿的判读。利用相机拍摄人体坐姿影像，以正规化与高斯滤波法消除背景，之後进行二元化处理。为避免坐姿的判读会受到影响，尝试将图形中小腿删除後之结果视为第一类目标图型，将手与下半身删除的结果视为第二类目标图型。计算目标图型的特徵参数－惯性矩（moment of inertia）与惯性积（product of inertia），并将参数输入倒传递类神经网路（Back Propagation Neural Networks，BPNN）进行分析运算，最後再将网路输出值透过分类器来判读坐姿。 本研究中有10位受试者，共拍摄708张坐姿影像，其中属於坐姿正的影像有317张，属於坐姿不正的影像有391张。随机挑选其中388张坐姿影像训练类神经网路，剩余的320张坐姿影像则进行後来的测试。其测试结果中第一类目标图型之灵敏度（sensitivity）为80%，准确率（accuracy）为79.38%；第二类目标图型之灵敏度（sensitivity）为78.13%，准确率（accuracy）为82.82%。因此由本研究的结果可知，以惯性矩与惯性积作为图形特徵参数所建立起的坐姿判读法具有辨识坐姿好坏的能力。
暂无评论