Taisyklingos sėdėsenos nustatymas ir stebėjimas naudojant gylio kamerą

Abstract

Baigiamajame magistro darbe nagrinėjamos technologijos, naudojamos taisyklingai sėdėsenai nustatyti. Pasirinkta gylio kamerų technologija, leidžia nustatyti žmogaus skeletą pagal gautus gylio duomenis. Įgyvendintas taisyklingos sėdėsenos vertinamasis modulis, kuris yra koreguojamas naudotojo duomenimis. Naudojantis kontūro skalės erdvės (CSS) taškais sugrupuojamos skeleto savybės ir atliekamas kintamojo ilgio dalelių spiečių optimizavimas ekstremalaus mokymosi mašinoje (VPSO-ELM), siekiant atpažinti taisyklingą sėdėseną. Darbo praktinėje dalyje pateikiama sukurta programa, kuri stebi sėdėseną realiu laiku bei pateikia automatizuotus informavimo pranešimus taisyklingai sėdėsenai užtikrinti. Atlikti sėdėsenos apmokymo ir tikslumo nustatymo testai, kurių metu įvertintas sprendimo atpažinimo greitis ir tikslumas. Darbą sudaro 7 dalys: „Įvadas“, „Sveika gyvensena“, „Taisyklingos sėdėsenos siekimas naudojantis informacinėmis technologijomis“, „Taisyklingos sėdėsenos nustatymas ir stebėjimas“, „Sėdėsenos stebėjimas“, „Išvados“, „Literatūros sąrašas“. Darbo apimtis – 50 p. teksto be priedų, 28 iliustracijų, 5 lentelės, 43 literatūros šaltiniai.

Final master degree thesis reviews sitting straight detection and monitoring technologies. Selected depth camera technology which allows detecting human skeleton from depth data. Implemented siting right evaluative module with user data customizations. Skeleton properties was grouped by curvature scale space points (CSS) and proposed Variable-length Particle Swarm Optimization algorithm (VPSO) for Extreme learning Machine ELM to recognize sitting right posture. Overview of created program was discussed in practical part of this work. Program allows monitoring of sitting posture and show smart messages to inform user about bad posture. System calibration and various testing was applied to check recognition accuracy and speed. Article contains 7 headings: introduction, “Health life”, “Sitting right using wearable technologies”, “Sit right detection, monitoring”, “Sitting right monitoring”, “Conclusions”, “References”. Thesis consists of: 50 p. text without appendixes, 28 pictures, 5 tables, 43 bibliographical entries.