M5StickV是AI&IOT相機(jī)，體積小，功能強(qiáng)大，內(nèi)置神經(jīng)網(wǎng)絡(luò)處理器（KPU），可以解決我們熟悉的分類問題。

在我的工作時(shí)間，我的姿勢很糟糕，所以我想開發(fā)不良姿勢檢測器并通知我。

主功能

如果 M5StickV 檢測到不良姿勢，請通過點(diǎn)亮 LED 并播放“您的姿勢可能不好”的聲音來通知它。

3D建模固定件

為了將 M5StackV 固定到墻壁或小架子上，??我對外部零件進(jìn)行了建模，如下圖所示。

3D建模零件

我還在 LED 的前面放了“向后彎曲”圖標(biāo)以供播放。

LED 前面的彎曲圖標(biāo)

間隔捕捉應(yīng)用程序

要收集數(shù)據(jù)集，首先要編寫 M5StickV 的間隔捕獲應(yīng)用程序。（請查看我的存儲(chǔ)庫）

從 MobileNet 遷移學(xué)習(xí)

為了學(xué)習(xí)，我使用了 MobileNet 的遷移學(xué)習(xí)。MobileNet 可以對每個(gè)檢測到的相似圖像模式進(jìn)行分類。

在這個(gè)項(xiàng)目中，我設(shè)置了 3 類

壞姿勢：頭靠在靠背上的姿勢

Good Pose : 背部伸展的良好姿勢

缺席：不坐在椅子上

采集圖像數(shù)據(jù)

使用具有間隔拍攝功能的相機(jī)，我調(diào)整了相機(jī)位置，以便獲取可以很好分類的圖像。

首先將相機(jī)設(shè)置在我桌子的上方，但數(shù)據(jù)不好，無法分類“好姿勢”和“壞姿勢”。

上位的數(shù)據(jù)集顯示，這些都是相似的，所以無法歸類。

上位機(jī)位好的pose數(shù)據(jù)樣本

我反復(fù)調(diào)整相機(jī)位置，終于找到了最佳位置。

相機(jī)的最佳位置

從最佳位置來看，“壞姿勢”數(shù)據(jù)與“好姿勢”數(shù)據(jù)不相似。

姿勢好的形象幾乎不包括臉，姿勢不好的形象幾乎不體現(xiàn)在臉上。

查看混淆矩陣，每個(gè)姿勢都有明顯的差異，所以我們決定使用用這個(gè)數(shù)據(jù)集創(chuàng)建的模型。

混淆矩陣

?