PoseMonitor ：智能监测，健康生活，让不良坐姿无处遁形。- 精选真开源，释放新价值。
概览
"让爷康康"是一款创新的安卓手机应用，专注于通过人工智能技术实时监测并纠正用户的坐姿。基于Tensorflow Lite的官方姿态估计示例，该应用集成了MoveNet Thunder神经网络模型，以及一个全连接网络，用于对姿态进行精确分类。无需联网，所有AI功能均在本地运行，保护用户隐私同时提供即时反馈。用户界面简洁直观，操作简便，适合所有年龄段的用户。
主要功能
css
├───android
│ ├───app
│ │ └───src
│ └───gradle
├───doc_images
├───main
│ └───pose_data
│ └───train
│ ├───forwardhead
│ └───standard项目的两个主要文件夹为 android/ 与 main/。android/ 下包含了所有与移动 App 相关的代码，main/ 文件夹下则是分类网络的训练数据与记录了训练过程的 pose_classification.ipynb 文件，训练数据存放在 main/pose_data/train/ 目录下，为精简项目体积，只上传了 pose_classification.ipynb 用到的两张示例图片。如果需要训练分类模型，可以按 pose_classification.ipynb 上面的指示填充 main/pose_data/train/ 与 main/pose_data/test/ 两个文件夹。doc_images/ 文件夹下是本文档所用到的示例图片，并不包括项目代码。
- 实时姿态监测
应用利用手机内置摄像头实时捕捉用户的坐姿，通过集成的MoveNet Thunder模型进行高效的姿态估计。该模型能够精确识别人体关键点，从而分析出用户的坐姿是否符合健康标准。用户可以通过这一功能，随时了解自己的坐姿状态，并及时作出调整。
将手机连接至电脑，Android Studio 可以对本项目进行编译并将 App 安装至手机。打开应用，授权使用相机后，App 便可以监测人体坐姿并根据实时检测结果给出语音提示。程序的显示界面主要分为上、中、下三部分，顶部显示 AI 对当前姿态的判断结果，中部为摄像头实时画面，底部为信息显示界面，其中"运算设备"一栏可以选择不同选项，使用 CPU、GPU 或 NNAPI（Hexagon AI 加速器）进行计算，其中 NNAPI 速度最快，也最省电。为了避免程序误报，App 加入了一系列判断逻辑以提高 Precision（精确率）。连续 30 帧出现不健康坐姿时，程序会进入警戒状态，此时如果接下来 30 帧画面同样均判定为不健康坐姿，程序才会发出语音提示。效果如图所示：
- 智能语音提示
一旦监测到用户的坐姿偏离健康标准，应用会立即通过语音提示用户。这种即时反馈机制，使用户能够在第一时间内意识到并纠正坐姿，有效预防长时间不良坐姿带来的健康问题。
- 本地AI处理
"让爷康康"应用的所有AI处理工作均在用户的设备上完成，无需将数据发送到远程服务器。这种设计不仅保护了用户的隐私，也减少了对网络的依赖，确保了应用即使在没有网络连接的情况下也能正常工作。
除了 MoveNet Thunder，本项目还使用了一个简单的全连接网络对 MoveNet 输出的姿态信息（人体 17 个关键点的坐标）进行分类，用来判断画面中的人处于"标准坐姿"、"翘二郎腿"、"脖子前倾驼背"中的哪一种状态。关于该分类网络的介绍以及训练过程实际演示，可以参考 Tensorflow Lite 的 Jupyter Notebook 教程，或是本项目中修改并注释过的版本。本项目为了对"标准坐姿"、"翘二郎腿"、"脖子前倾驼背"三种姿态进行分类，为每种姿态采集了约 300 张照片作为训练集（共 876 张照片），为每种姿态采集了约 30 张作为测试集（共 74 张照片）。其中训练集与测试集为不同人物主体，以此来在训练过程中及时发现模型的过拟合问题。训练数据应存放于 main/pose_data/train/ 路径下的 standard、crossleg、forwardhead 三个文件夹中，测试数据则位于 main/pose_data/test/ 路径下。本项目中用于训练分类网络的 Jupyter Notebook 会将原始数据自动转化为训练数据包，在此过程中生成每张照片的 MoveNet 检测结果，并将每张照片标记为三种姿态中的一种，最后将所有信息存储在 main/pose_data/train_data.csv、main/pose_data/test_data.csv，并生成记录标签信息的文本文件 main/pose_data/pose_labels.txt。在 Notebook 中训练完毕后，在 main/pose_data/ 路径下会自动生成 .tflite 权重文件，导入至 Android Studio 项目中，替换掉本项目中的 android\app\src\main\assets\classifier.tflite 即可使用。
- 多样化运算设备选择
应用支持用户根据个人设备的性能，选择最合适的计算方式。无论是CPU、GPU还是NNAPI（Hexagon AI加速器），用户都可以根据需求选择，以达到最佳的性能和电池使用效率。
- 高精度姿态分类
应用内置的全连接网络能够对MoveNet输出的人体关键点数据进行深入分析，将用户的姿态精确分类为"标准坐姿"、"翘二郎腿"或"脖子前倾驼背"。这种分类不仅提高了监测的准确性，也使得反馈更加具体和有用。
- 易于使用的用户界面
用户界面的设计注重直观性和易用性。顶部区域清晰展示AI对当前姿态的判断结果，中部实时显示摄像头捕捉的画面，底部提供必要的信息显示。这种布局使得用户能够快速理解应用的当前状态，并根据需要进行操作。
通过这些功能，"让爷康康"应用为用户提供了一个全面、实用且易于使用的坐姿监测解决方案，帮助用户养成良好的坐姿习惯，预防相关健康问题。
信息
截至发稿概况如下：
-
软件协议：Apache 2.0 License
-
编程语言：
| 语言 | 占比 |
|---|---|
| Jupyter Notebook | 96.7% |
| Kotlin | 3.3% |
- 收藏数量：2.5K
尽管"让爷康康"在监测坐姿和保护用户健康方面表现出色，但也存在一些潜在的挑战。例如，不同用户的体型和坐姿习惯可能导致姿态识别的准确性有所差异。此外，持续的监测可能会对设备的电池寿命造成一定影响。为了解决这些问题，我们建议进一步优化算法以提高识别的普适性和准确性，并探索更节能的运行模式。同时，我们鼓励用户和开发者共同参与到应用的改进和讨论中来，共同推动健康生活方式的普及。
各位在使用 PoseMonitor 的过程中是否发现了什么问题？或者对 PoseMonitor 的功能有什么提议？热烈欢迎各位在评论区分享交流心得与见解！！！
声明：本文为辣码甄源原创，转载请标注"辣码甄源原创首发 " 并附带原文链接。