一种手机摆放位置检测方法及装置与流程
1.本发明属于手机检测技术领域，具体属于一种手机摆放位置检测方法及装置。
背景技术：
2.随着人们对智能手机的依赖程度逐渐提高，智能手机已成为随身携带的必需品，随着技术的不断发展，当前市面上大部分的智能手机都集成了加速度计和陀螺仪，通过智能手机的检测方式能够有效避免固定位置检测设备的佩戴而引起的不便。手机被放在不同的位置，传感器所产生的信号值也不同，在智能手机的行为识别中，手机的位置同样也提供了重要的信息。随着智能手机处理能力和感知上下文能力的提升，可以支持更加复杂的行为识别，对行为识别从单一位置转变为能够应用到更多场景的不同传感器位置的行为识别，然而，手机使用过程中得不健康行为，如长时间低头看手机。行走中看手机等等，都会对身体健康带来危害甚至会威胁人身安全。通常使用计算机视觉的行为识别在理论上具有较好的识别效果，但识别效果会受到很多外界因素的影响，如图片的清晰程度、获取图片时的光照情况等，可穿戴设备的用户适度差，获取数据具有很大的局限性，且设备往往造价较高。
技术实现要素：
3.有鉴于此，本发明提供了一种手机摆放位置检测方法及系统，通过结合多种分类器的有点和不同场景下手机使用行为识别的问题，根据手机摆放位置，采用集成分类器对行为活动和手机防止位置进行识别，从而识别出手机使用过程中的不良行为，具体采用以下技术方案来实现。
4.第一方面，本发明提供了一种手机摆放位置检测方法，包括以下步骤：
5.获取智能手机内置的三轴加速度采集使用手机的手机倾斜角度，其中，手机倾斜角度从三轴加速度传感器中提取，智能手机的前置摄像头捕捉包含人脸图像；
6.从人脸图像中获取人脸的面部角度，根据手机倾斜角度和面部角度得到颈部弯曲角度，其中，面部角度通过对人脸图像进行预处理、特征提取、瞳孔定位和嘴巴定位得到；
7.获取手机内置的陀螺仪数据并结合三轴加速度传感器采集的数据进行计算得到手机的旋转半径分量、角速度幅度和姿态角，并提取特征将其分类得到手机摆放位置；
8.基于手机摆放位置和颈部弯曲角度对低头姿态分类以确定低头角度的不良行为进行预警。
9.作为上述技术方案的进一步改进，基于手机摆放位置和颈部弯曲角度对低头姿态分类以确定低头角度的不良行为进行预警，包括：
10.当检测到人脸图像中的人脸数为1时，开始采集手机的加速度信号并计算手机倾斜角度和算子边缘检测定位瞳孔和嘴巴位置；
11.获取瞳距和嘴巴长度获得面部角度，根据手机倾斜角度和面部角度之和得到颈部弯曲角度；
12.当颈部弯曲角度小于30度时，判定为正常行为；若颈部弯曲角度大于或等于30度时，判定为不良行为。
13.作为上述技术方案的进一步改进，根据手机倾斜角度和面部角度之和得到颈部弯曲角度：
14.预设颈部弯曲角度na为第一节颈椎中心点和耳朵中心点的连线与垂直面之间的夹角；
15.预设手机倾斜角pa为智能手机平面与水平面之间的夹角，当手机使用者的视线与手机屏幕垂直时，即人脸平面与手机屏幕平行，颈部弯曲角度等于手机倾斜角度，人脸平面与手机屏幕平面所形成的夹角为面部角度，na＝pa，fa＝0，则将颈部弯曲角度表示为na＝pa+fa；
16.面部角度大于0时，手机倾斜角度与面部角度之和为颈部弯曲角度，即na＝pa+fa；面部角度小0时，手机倾斜角度与面部角度之和为颈部弯曲角度，即na＝pa+fa，颈部弯曲角度na越大越不健康。
17.作为上述技术方案的进一步改进，手机倾斜角度测量的过程包括：
18.设定智能手机的三维坐标系，选取以机身建立笛卡尔坐标系o
xyz
，坐标系随机身运动而运动，x、y、z轴成右手直角系，其中x轴与智能手机的短机体轴对齐，y轴与智能手机的长机体轴对齐，z轴与x轴和y轴构成的平面的法向量对齐，当智能手机平放在桌面上时，z轴方向与重力方向相同；
19.根据加速度传感器在静止放置时受到重力作用时，设定三轴加速度传感器读数为g
p
，其表达式为其中g
px
、g
py
、g
pz
分别为g
p
在智能手机三维坐标中x、y、z轴上的分量，r为智能手机相对于地球坐标系的旋转矩阵，g为重力加速度，ar为智能手机的线性加速度，若智能手机处于静止状态，则线性加速度ar＝0，g
p
的单位为1g，故g
p
的表达式为智能手机的倾斜角p为机身x轴与y轴形成的平面与水平之间的夹角，则智能手机倾斜角p可通过表达式的g
p
*
[0020][0021]
作为上述技术方案的进一步改进，面部角度通过对人脸图像进行预处理、特征提取、瞳孔定位和嘴巴定位得到，包括：
[0022]
采用canny算子对嘴部区域进行边缘检测，对检测出的嘴巴区域在水平方向依次扫描，分别确定左右嘴角在图像区域的位置；
[0023]
采用高斯滤波做图像预处理，计算梯度幅值相邻点中灰度变化突出的点，通过梯度幅阈值筛选出嘴巴的边缘点，并进行嘴巴的定位，其中阈值的范围[0，1]，选用阈值为0.72得到清晰的嘴巴边缘图；
[0024]
左右嘴角在嘴巴区域的坐标分别为(x1，y1)(x2，y2)，则嘴巴的长度距离dm的表达式
[0025]
作为上述技术方案的进一步改进，瞳孔定位的过程包括：
[0026]
瞳孔和眉毛的像素值比其周围区域低，采用基于灰度积分投影定位瞳孔位置，采用垂直方向的灰度积分投影检测出瞳孔在人眼图像y轴上的坐标，采用水平方向的灰度积分投影检测出瞳孔在人眼图像x轴上的坐标；
[0027]
设定图像在水平方向的范围为[x3，x4]，在垂直方向的范围为[y3，y4]，f(x，y)为图像中像素点(x，y)的灰度值，i(x，y)为图像中像素点(x，y)的灰度值，则该图像的水平方向和垂直方向的灰度积分投影sv(x)、sv(y)的表达式分别为双眼瞳孔在人眼区域的坐标分别为(x3，y3)和(x4，y4)，则瞳距de的表达式为
[0028]
作为上述技术方案的进一步改进，基于手机摆放位置和颈部弯曲角度对低头姿态分类，包括：
[0029]
构建由多个弱分类器组成的强分类器，将训练的多个强分类器构成级联分类器，通过迭代的方式将多个简单的分类器根据预设规则叠加构成一个强分类器；
[0030]
级联分类器由单一的强分类器e1、e2...en依次组成，通过所有的分类器将待检图片识别为人脸图像，在级联分类器中，靠前的分类器特征少，识别时间越短则准确率越低，在短时间内对图像进行识别，靠后的分类器特征多，识别时间长，准确率高，对经过筛选的图像进行更精准识别。
[0031]
作为上述技术方案的进一步改进，获取智能手机内置的三轴加速度采集使用手机的手机倾斜角度，包括：
[0032]
采用移位法将图像中任意点的rgb(r,g,b)转换为rgb(gray,gray,gray)，通过表达式为gray＝(r
×
19595+g
×
38469+b
×
7472)》》16进行转换，其中r、g、b分别表示红、绿和蓝，gray表示转换后的灰度值；
[0033]
将获得的原始图像做图像光照强度的信号变换，图像强度矫正包括直方图均衡化、gamma变换、局部对比度增强和同态滤波法中得一种或几种。
[0034]
作为上述技术方案的进一步改进，通过有选择的拉伸图像中某一段灰度区间来改善图像质量，若存在两点a(x5,y5)和b(x6,y6)，通过变换函数将原图x5到x6之间的灰度拉伸至y5到y6之间，当两点连线的斜率大于1，则图像偏暗，通过灰度拉伸来拉伸灰度区间而改善图像质量；当两点连线的斜率小于1，则图像偏亮，通过灰度压缩来改善图像质量。
[0035]
第二方面，本发明还提供了一种手机摆放位置检测装置，包括：
[0036]
第一获取模块，用于获取智能手机内置的三轴加速度采集使用手机的手机倾斜角度，其中，手机倾斜角度从三轴加速度传感器中提取，智能手机的前置摄像头捕捉包含人脸图像；
[0037]
第二获取模块，用于从人脸图像中获取人脸的面部角度，根据手机倾斜角度和面部角度得到颈部弯曲角度，其中，面部角度通过对人脸图像进行预处理、特征提取、瞳孔定位和嘴巴定位得到；
[0038]
计算模块，用于获取手机内置的陀螺仪数据并结合三轴加速度传感器采集的数据进行计算得到手机的旋转半径分量、角速度幅度和姿态角，并提取特征将其分类得到手机摆放位置；
[0039]
处理模块，用于基于手机摆放位置和颈部弯曲角度对低头姿态分类以确定低头角度的不良行为进行预警。
[0040]
本发明提供了一种手机摆放位置检测方法及装置，通过获取智能手机内置的三轴加速度采集使用手机的手机倾斜角度，从人脸图像中获取人脸的面部角度，根据手机倾斜角度和面部角度得到颈部弯曲角度，获取手机内置的陀螺仪数据并结合三轴加速度传感器采集的数据进行计算得到手机的旋转半径分量、角速度幅度和姿态角，并提取特征将其分类得到手机摆放位置，基于手机摆放位置和颈部弯曲角度对低头姿态分类以确定低头角度的不良行为进行预警。克服了颈部弯曲角度难以直观的准确获得，智能手机的行为识别能够准确的获取到行为数据信息，更好的适应环境要求，能够在大多数场景和实际环境下使用，不会影响到人们的正常生活，具有很好的感知隐蔽性，提高了手机使用的体验度。
附图说明
[0041]
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
[0042]
图1为本发明的手机摆放位置检测方法的流程图；
[0043]
图2为本发明的确定不良行为的过程图；
[0044]
图3为本发明的低头姿态分类的过程图；
[0045]
图4为本发明的手机摆放位置检测装置的结构框图。
具体实施方式
[0046]
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
[0047]
需要说明的是，当元件被称为“固定于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。相反，当元件被称作“直接在”另一元件“上”时，不存在中间元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
[0048]
在本发明中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。
[0049]
参阅图1，本发明提供了一种手机摆放位置检测方法，包括以下步骤：
[0050]
s11：获取智能手机内置的三轴加速度采集使用手机的手机倾斜角度，其中，手机倾斜角度从三轴加速度传感器中提取，智能手机的前置摄像头捕捉包含人脸图像；
[0051]
s12：从人脸图像中获取人脸的面部角度，根据手机倾斜角度和面部角度得到颈部弯曲角度，其中，面部角度通过对人脸图像进行预处理、特征提取、瞳孔定位和嘴巴定位得到；
[0052]
s13：获取手机内置的陀螺仪数据并结合三轴加速度传感器采集的数据进行计算得到手机的旋转半径分量、角速度幅度和姿态角，并提取特征将其分类得到手机摆放位置；
[0053]
s14：基于手机摆放位置和颈部弯曲角度对低头姿态分类以确定低头角度的不良行为进行预警。
[0054]
本实施例中，面部角度通过对人脸图像进行预处理、特征提取、瞳孔定位和嘴巴定位得到，包括：采用canny算子对嘴部区域进行边缘检测，对检测出的嘴巴区域在水平方向依次扫描，分别确定左右嘴角在图像区域的位置；采用高斯滤波做图像预处理，计算梯度幅值相邻点中灰度变化突出的点，通过梯度幅阈值筛选出嘴巴的边缘点，并进行嘴巴的定位，其中阈值的范围[0，1]，选用阈值为0.72得到清晰的嘴巴边缘图；左右嘴角在嘴巴区域的坐标分别为(x1，y1)(x2，y2)，则嘴巴的长度距离dm的表达式的表达式
[0055]
需要说明的是，瞳孔定位的过程包括：瞳孔和眉毛的像素值比其周围区域低，采用基于灰度积分投影定位瞳孔位置，采用垂直方向的灰度积分投影检测出瞳孔在人眼图像y轴上的坐标，采用水平方向的灰度积分投影检测出瞳孔在人眼图像x轴上的坐标；设定图像在水平方向的范围为[x3，x4]，在垂直方向的范围为[y3，y4]，f(x，y)为图像中像素点(x，y)的灰度值，i(x，y)为图像中像素点(x，y)的灰度值，则该图像的水平方向和垂直方向的灰度积分投影sv(x)、sv(y)的表达式分别为(y)的表达式分别为双眼瞳孔在人眼区域的坐标分别为(x3，y3)和(x4，y4)，则瞳距de的表达式为
[0056]
应理解，不良行为主要指在手机使用过程中的一些不健康的行为，即不良行为，基于手机位置的不良行为，包括行走、上楼梯、下楼梯、做公交等四种场景下，手机持于胸口位置的行为，或面向低头的不良行为，包括使用手机时颈部弯曲角度大于等于30度的行为，采用的智能手机的不良行为识别框架主要分为四层，具体分为传感器层、原始数据层、行为标志层和不良行为判别层，分别对手机位置的不良行为和面向低头的不良行为进行识别。传感器层时将智能手机内置的三轴加速度传感器和前置摄像头作为获取数据和图像的感知设备，原始数据层是从传感器层获取数据，主要有两类数据，基于时间序列的三轴加速度数据和人脸图像。行为标志层将作为输入，应用到不良行为判别层，主要行为标志包括日常行为、手机放置位置和低头姿态。不良行为判别层用于判定第三层的行为标志是否为不良行为，区分出不良行为和健康行为，其中，当行走、上楼梯、下楼梯、坐公交场景下手持手机于胸口位置，或低头角度超过30度时，判定为不良行为，其他情况均为健康行为。
[0057]
参阅图2，基于手机摆放位置和颈部弯曲角度对低头姿态分类以确定低头角度的不良行为进行预警，包括：
[0058]
s21：当检测到人脸图像中的人脸数为1时，开始采集手机的加速度信号并计算手机倾斜角度和算子边缘检测定位瞳孔和嘴巴位置；
[0059]
s22：获取瞳距和嘴巴长度获得面部角度，根据手机倾斜角度和面部角度之和得到颈部弯曲角度；
[0060]
s23：当颈部弯曲角度小于30度时，判定为正常行为；若颈部弯曲角度大于或等于30度时，判定为不良行为。
[0061]
本实施例中，根据手机倾斜角度和面部角度之和得到颈部弯曲角度：预设颈部弯曲角度na为第一节颈椎中心点和耳朵中心点的连线与垂直面之间的夹角；预设手机倾斜角pa为智能手机平面与水平面之间的夹角，当手机使用者的视线与手机屏幕垂直时，即人脸平面与手机屏幕平行，颈部弯曲角度等于手机倾斜角度，人脸平面与手机屏幕平面所形成的夹角为面部角度，na＝pa，fa＝0，则将颈部弯曲角度表示为na＝pa+fa；面部角度大于0时，手机倾斜角度与面部角度之和为颈部弯曲角度，即na＝pa+fa；面部角度小0时，手机倾斜角度与面部角度之和为颈部弯曲角度，即na＝pa+fa，颈部弯曲角度na越大越不健康。
[0062]
需要说明的是，手机倾斜角度测量的过程包括：设定智能手机的三维坐标系，选取以机身建立笛卡尔坐标系o
xyz
，坐标系随机身运动而运动，x、y、z轴成右手直角系，其中x轴与智能手机的短机体轴对齐，y轴与智能手机的长机体轴对齐，z轴与x轴和y轴构成的平面的法向量对齐，当智能手机平放在桌面上时，z轴方向与重力方向相同；根据加速度传感器在静止放置时受到重力作用时，设定三轴加速度传感器读数为g
p
，其表达式为，其表达式为其中g
px
、g
py
、g
pz
分别为g
p
在智能手机三维坐标中x、y、z轴上的分量，r为智能手机相对于地球坐标系的旋转矩阵，g为重力加速度，ar为智能手机的线性加速度，若智能手机处于静止状态，则线性加速度ar＝0，g
p
的单位为1g，故g
p
的表达式为智能手机的倾斜角p为机身x轴与y轴形成的平面与水平之间的夹角，则智能手机倾斜角p可通过表达式的间的夹角，则智能手机倾斜角p可通过表达式的
[0063]
参阅图3，基于手机摆放位置和颈部弯曲角度对低头姿态分类，包括：
[0064]
s31：构建由多个弱分类器组成的强分类器，将训练的多个强分类器构成级联分类器，通过迭代的方式将多个简单的分类器根据预设规则叠加构成一个强分类器；
[0065]
s32：级联分类器由单一的强分类器e1、e2...en依次组成，通过所有的分类器将待检图片识别为人脸图像，在级联分类器中，靠前的分类器特征少，识别时间越短则准确率越低，在短时间内对图像进行识别，靠后的分类器特征多，识别时间长，准确率高，对经过筛选
的图像进行更精准识别。
[0066]
本实施例中，获取智能手机内置的三轴加速度采集使用手机的手机倾斜角度，包括：采用移位法将图像中任意点的rgb(r，g，b)转换为rgb(gray，gray，gray)，通过表达式为gray＝(r
×
19595+g
×
38469+b
×
7472)＞＞16进行转换，其中r、g、b分别表示红、绿和蓝，gray表示转换后的灰度值；将获得的原始图像做图像光照强度的信号变换，图像强度矫正包括直方图均衡化、gamma变换、局部对比度增强和同态滤波法中得一种或几种。
[0067]
需要说明的是，通过有选择的拉伸图像中某一段灰度区间来改善图像质量，若存在两点a(x5，y5)和b(x6，y6)，通过变换函数将原图x5到x6之间的灰度拉伸至y5到y6之间，当两点连线的斜率大于1，则图像偏暗，通过灰度拉伸来拉伸灰度区间而改善图像质量；当两点连线的斜率小于1，则图像偏亮，通过灰度压缩来改善图像质量，提高了手机摆放位置检测的精确度。
[0068]
参阅图4，本发明还提供了一种手机摆放位置检测装置，包括：
[0069]
第一获取模块，用于获取智能手机内置的三轴加速度采集使用手机的手机倾斜角度，其中，手机倾斜角度从三轴加速度传感器中提取，智能手机的前置摄像头捕捉包含人脸图像；
[0070]
第二获取模块，用于从人脸图像中获取人脸的面部角度，根据手机倾斜角度和面部角度得到颈部弯曲角度，其中，面部角度通过对人脸图像进行预处理、特征提取、瞳孔定位和嘴巴定位得到；
[0071]
计算模块，用于获取手机内置的陀螺仪数据并结合三轴加速度传感器采集的数据进行计算得到手机的旋转半径分量、角速度幅度和姿态角，并提取特征将其分类得到手机摆放位置；
[0072]
处理模块，用于基于手机摆放位置和颈部弯曲角度对低头姿态分类以确定低头角度的不良行为进行预警。
[0073]
本实施例中，手机应用的普遍性和传感技术的不断发展，智能手机的行为识别越来越受到人们的关注，移动设备的处理能力和感知能力也有力极大的提高，可以支持更加复杂的与手机感知相关的应用。人场着装有六个口袋可以放置手机，裤子的两个前裤兜、两个后裤兜，上衣左右两个裤兜，由于手机摆放角度不同，采集到的数据也会存在差异，为了更完整和准确地识别各类动作和手机位置，手机的具体放置位置为：手持于胸口位置、上衣右兜位置、裤子前-右兜，当手机放置于上衣兜和裤衣兜时，均采用手机屏幕靠近身体一侧，充电口朝下的放置方法。
[0074]
需要说明的是，采集原始数据的过程往往会受到外界环境的干扰，如采集设备与衣服之间的摩擦，手持手机时的轻微抖动，都会使采集到的原始三轴加速度数据产生不完整性、噪声和冗余，为了更好地改善原始数据的质量，提高后续特征提取和识别的精度，需要对原始数据进行预处理。中值滤波器通过一个固定长度的窗口依次滑过原始信号，在每个窗口中，用该窗口内信号序列的中值来代替窗口序列中间的样本值，通常窗口的大小为奇数，这样能保证选取的中值只有一个，而窗口的值越大，得到的结果越平滑，在人体活动行为数据中，当选择的中值滤波器过大时，分类效果会变差，主要检测过程包括传感器信号采集。数据预处理和特征提取，并采用集成分类器的分类模型，分别对不区分动作的手机位置识别和区分动作的手机位置识别两种情况进行检测，通过与五种单一分类器进行对比，
检测了集成分类器在手机位置的不良行为识别的有效性。
[0075]
在这里示出和描述的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制，因此，示例性实施例的其他示例可以具有不同的值。
[0076]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0077]
以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
技术特征：
1.一种手机摆放位置检测方法，其特征在于，包括以下步骤：获取智能手机内置的三轴加速度采集使用手机的手机倾斜角度，其中，手机倾斜角度从三轴加速度传感器中提取，智能手机的前置摄像头捕捉包含人脸图像；从人脸图像中获取人脸的面部角度，根据手机倾斜角度和面部角度得到颈部弯曲角度，其中，面部角度通过对人脸图像进行预处理、特征提取、瞳孔定位和嘴巴定位得到；获取手机内置的陀螺仪数据并结合三轴加速度传感器采集的数据进行计算得到手机的旋转半径分量、角速度幅度和姿态角，并提取特征将其分类得到手机摆放位置；基于手机摆放位置和颈部弯曲角度对低头姿态分类以确定低头角度的不良行为进行预警。2.根据权利要求1所述的手机摆放位置检测方法，其特征在于，基于手机摆放位置和颈部弯曲角度对低头姿态分类以确定低头角度的不良行为进行预警，包括：当检测到人脸图像中的人脸数为1时，开始采集手机的加速度信号并计算手机倾斜角度和算子边缘检测定位瞳孔和嘴巴位置；获取瞳距和嘴巴长度获得面部角度，根据手机倾斜角度和面部角度之和得到颈部弯曲角度；当颈部弯曲角度小于30度时，判定为正常行为；若颈部弯曲角度大于或等于30度时，判定为不良行为。3.根据权利要求2所述的手机摆放位置检测方法，其特征在于，根据手机倾斜角度和面部角度之和得到颈部弯曲角度：预设颈部弯曲角度na为第一节颈椎中心点和耳朵中心点的连线与垂直面之间的夹角；预设手机倾斜角pa为智能手机平面与水平面之间的夹角，当手机使用者的视线与手机屏幕垂直时，即人脸平面与手机屏幕平行，颈部弯曲角度等于手机倾斜角度，人脸平面与手机屏幕平面所形成的夹角为面部角度，na＝pa，fa＝0，则将颈部弯曲角度表示为na＝pa+fa；面部角度大于0时，手机倾斜角度与面部角度之和为颈部弯曲角度，即na＝pa+fa；面部角度小0时，手机倾斜角度与面部角度之和为颈部弯曲角度，即na＝pa+fa，颈部弯曲角度na越大越不健康。4.根据权利要求2所述的手机摆放位置检测方法，其特征在于，手机倾斜角度测量的过程包括：设定智能手机的三维坐标系，选取以机身建立笛卡尔坐标系o
xyz
，坐标系随机身运动而运动，x、y、z轴成右手直角系，其中x轴与智能手机的短机体轴对齐，y轴与智能手机的长机体轴对齐，z轴与x轴和y轴构成的平面的法向量对齐，当智能手机平放在桌面上时，z轴方向与重力方向相同；根据加速度传感器在静止放置时受到重力作用时，设定三轴加速度传感器读数为g
p
，其表达式为其中g
px
、g
py
、g
pz
分别为g
p
在智能手机三维坐标中x、y、z轴上的分量，r为智能手机相对于地球坐标系的旋转矩阵，g为重力加速度，a
r
为智能手
机的线性加速度，若智能手机处于静止状态，则线性加速度a
r
＝0，g
p
的单位为1g，故g
p
的表达式为智能手机的倾斜角p为机身x轴与y轴形成的平面与水平之间的夹角，则智能手机倾斜角p可通过表达式的g
p
*5.根据权利要求1所述的手机摆放位置检测方法，其特征在于，面部角度通过对人脸图像进行预处理、特征提取、瞳孔定位和嘴巴定位得到，包括：采用canny算子对嘴部区域进行边缘检测，对检测出的嘴巴区域在水平方向依次扫描，分别确定左右嘴角在图像区域的位置；采用高斯滤波做图像预处理，计算梯度幅值相邻点中灰度变化突出的点，通过梯度幅阈值筛选出嘴巴的边缘点，并进行嘴巴的定位，其中阈值的范围[0,1]，选用阈值为0.72得到清晰的嘴巴边缘图；左右嘴角在嘴巴区域的坐标分别为(x1,y1)(x2,y2)，则嘴巴的长度距离d
m
的表达式6.根据权利要求5所述的手机摆放位置检测方法，其特征在于，瞳孔定位的过程包括：瞳孔和眉毛的像素值比其周围区域低，采用基于灰度积分投影定位瞳孔位置，采用垂直方向的灰度积分投影检测出瞳孔在人眼图像y轴上的坐标，采用水平方向的灰度积分投影检测出瞳孔在人眼图像x轴上的坐标；设定图像在水平方向的范围为[x3,x4]，在垂直方向的范围为[y3,y4]，f(x,y)为图像中像素点(x,y)的灰度值，i(x,y)为图像中像素点(x,y)的灰度值，则该图像的水平方向和垂直方向的灰度积分投影s
v
(x)、s
v
(y)的表达式分别为双眼瞳孔在人眼区域的坐标分别为(x3,y3)和(x4,y4)，则瞳距d
e
的表达式为7.根据权利要求1所述的手机摆放位置检测方法，其特征在于，基于手机摆放位置和颈部弯曲角度对低头姿态分类，包括：构建由多个弱分类器组成的强分类器，将训练的多个强分类器构成级联分类器，通过迭代的方式将多个简单的分类器根据预设规则叠加构成一个强分类器；级联分类器由单一的强分类器e1、e2...e
n
依次组成，通过所有的分类器将待检图片识别为人脸图像，在级联分类器中，靠前的分类器特征少，识别时间越短则准确率越低，在短时间内对图像进行识别，靠后的分类器特征多，识别时间长，准确率高，对经过筛选的图像进行更精准识别。8.根据权利要求1所述的手机摆放位置检测方法，其特征在于，获取智能手机内置的三
轴加速度采集使用手机的手机倾斜角度，包括：采用移位法将图像中任意点的rgb(r,g,b)转换为rgb(gray,gray,gray)，通过表达式为gray＝(r
×
19595+g
×
38469+b
×
7472)>>16进行转换，其中r、g、b分别表示红、绿和蓝，gray表示转换后的灰度值；将获得的原始图像做图像光照强度的信号变换，图像强度矫正包括直方图均衡化、gamma变换、局部对比度增强和同态滤波法中得一种或几种。9.根据权利要求8所述的手机摆放位置检测方法，其特征在于，通过有选择的拉伸图像中某一段灰度区间来改善图像质量，若存在两点a(x5,y5)和b(x6,y6)，通过变换函数将原图x5到x6之间的灰度拉伸至y5到y6之间，当两点连线的斜率大于1，则图像偏暗，通过灰度拉伸来拉伸灰度区间而改善图像质量；当两点连线的斜率小于1，则图像偏亮，通过灰度压缩来改善图像质量。10.一种根据权利要求1-9任一项所述的手机摆放位置检测方法的手机摆放位置检测装置，其特征在于，包括：第一获取模块，用于获取智能手机内置的三轴加速度采集使用手机的手机倾斜角度，其中，手机倾斜角度从三轴加速度传感器中提取，智能手机的前置摄像头捕捉包含人脸图像；第二获取模块，用于从人脸图像中获取人脸的面部角度，根据手机倾斜角度和面部角度得到颈部弯曲角度，其中，面部角度通过对人脸图像进行预处理、特征提取、瞳孔定位和嘴巴定位得到；计算模块，用于获取手机内置的陀螺仪数据并结合三轴加速度传感器采集的数据进行计算得到手机的旋转半径分量、角速度幅度和姿态角，并提取特征将其分类得到手机摆放位置；处理模块，用于基于手机摆放位置和颈部弯曲角度对低头姿态分类以确定低头角度的不良行为进行预警。
技术总结
本发明公开了手机摆放位置检测方法，通过获取智能手机内置的三轴加速度采集使用手机的手机倾斜角度，从人脸图像中获取人脸的面部角度，根据手机倾斜角度和面部角度得到颈部弯曲角度，获取手机内置的陀螺仪数据并结合三轴加速度传感器采集的数据进行计算得到手机的旋转半径分量、角速度幅度和姿态角，并提取特征将其分类得到手机摆放位置，基于手机摆放位置和颈部弯曲角度对低头姿态分类以确定低头角度的不良行为进行预警。克服了颈部弯曲角度难以直观的准确获得，智能手机的行为识别能够准确的获取到行为数据信息，能够在大多数场景和实际环境下使用，不会影响到人们的正常生活，具有很好的感知隐蔽性，提高了手机使用的体验度。体验度。体验度。
