SitPose：基于集成学习与深度传感器的坐姿与久坐行为实时检测
计算机视觉与模式识别
2025-02-13 v1 机器学习
摘要
不良坐姿会导致各种与工作相关的肌肉骨骼疾病（WMSDs）。办公室员工大约有 81.8% 的工作时间处于坐姿，而久坐行为可能导致颈椎病和心血管疾病等慢性疾病。为了解决这些健康问题，我们提出了 SitPose，一个利用最新 Kinect 深度摄像头的坐姿与久坐检测系统。该系统实时跟踪骨骼关节点的 3D 坐标，并计算相关关节的角度值。我们招募了 36 名参与者，建立了一个包含六种不同坐姿和一种站立姿态的数据集，共计 33,409 个数据点。我们将多种最先进的机器学习算法应用于该数据集，并比较了它们在识别坐姿方面的性能。结果表明，基于软投票机制的集成学习模型取得了 98.1% 的最高 F1 分数。最后，我们基于该集成模型部署了 SitPose 系统，以鼓励更好的坐姿并减少久坐习惯。
引用
@article{arxiv.2412.12216,
title = {SitPose: Real-Time Detection of Sitting Posture and Sedentary Behavior Using Ensemble Learning With Depth Sensor},
author = {Hang Jin and Xin He and Lingyun Wang and Yujun Zhu and Weiwei Jiang and Xiaobo Zhou},
journal= {arXiv preprint arXiv:2412.12216},
year = {2025}
}