当前位置：首页 > article >正文

基于YOLOv8深度学习的不良坐姿监测与语音提醒系统(PyQt5界面+数据集+训练代码)

article 2024/11/18 14:17:29

本文设计并实现了一种基于YOLOv8深度学习模型的智能坐姿检测系统，旨在实现对用户坐姿的实时监测和识别，帮助用户及时调整不良坐姿，从而减少因长期坐姿不良带来的健康风险。随着现代社会中久坐行为的增加，越来越多的人出现了因坐姿不良引发的颈椎、脊柱以及腰椎问题，尤其是在办公室工作和课堂学习等场景下。本系统利用YOLOv8的高效目标检测能力，通过对用户坐姿的实时监测，为用户提供即时反馈，帮助其维持健康的坐姿习惯。

系统设计能够识别五种常见的坐姿状态，包括坐姿正常状态、坐姿呈高低肩、坐姿距离过近、坐姿驼背状态以及坐姿翘二郎腿。每种坐姿类别代表一种特定的坐姿情况，其中，“坐姿呈高低肩”表示用户左右肩膀高度不一致的情况，“坐姿距离过近”表示用户坐姿距离过近而导致视距不合理的情况，“坐姿驼背状态”表示用户背部弯曲，姿势不端的情况，“坐姿翘二郎腿”表示用户双腿交叉坐姿，这些姿势可能导致身体不适或长期健康隐患。通过对大量坐姿数据集的训练和验证，系统在检测精度（mAP@0.5）上达到了95.1%，展示出较高的检测准确性和稳定性，能够可靠地识别不同的坐姿类别。

在性能评估过程中，系统的精确率-召回率曲线进一步表明其在不同坐姿类别上的识别效果，尤其是在“坐姿翘二郎腿”和“坐姿驼背状态”类别上表现尤为出色，达到了较高的精确率和召回率。这表明系统在减少误报和漏报方面表现优异，使得用户能够更加准确地了解自身坐姿情况，并在必要时进行及时的调整和改正。

本系统不仅在准确性方面表现出色，同时在实时性方面也达到了较高的要求。每张图像的检测时间保持在毫秒级，能够实现毫秒级的快速响应，为用户提供流畅的实时坐姿检测体验。这样的响应速度使得系统适用于各种需要长时间保持坐姿的环境，例如办公室、教室、家庭等。用户在这些环境中可以实时接收系统反馈，从而有效预防因长期不良坐姿导致的慢性疾病，如颈椎病、脊柱侧弯和腰肌劳损等。

系统界面采用了PyQt5设计，界面友好且操作简单，用户可以轻松上手。检测结果通过直观的可视化方式显示，便于用户了解其坐姿状态并做出调整。此外，系统还具有良好的扩展性，可以通过进一步的模型训练来适应更多样化的坐姿检测任务。例如，系统可以根据具体场景需求扩展到其他不良坐姿检测任务中，以满足特定应用场景下的多样化需求。

本研究表明，YOLOv8模型在智能健康监测系统中的应用潜力巨大。通过将深度学习技术应用于健康监测领域，本研究为智能坐姿检测系统的研发提供了有效的技术支持和实现方案。未来可以进一步研究如何将该系统集成到智能家具中，如智能办公椅或智能桌子上，实现更全面的健康监控和反馈，从而进一步提升用户的使用体验。

算法流程

项目数据

通过搜集关于数据集为各种各样的坐姿监测相关图像，并使用Labelimg标注工具对每张图片进行标注，分5检测类别，分别是’坐姿正常状态’, ‘坐姿呈高低肩’, ‘坐姿距离过近’, ‘坐姿驼背状态’, ‘坐姿翘二郎腿’。

目标检测标注工具
（1）labelimg:开源的图像标注工具，标签可用于分类和目标检测，它是用python写的，并使用Qt作为其图形界面，简单好用（虽然是英文版的）。其注释以 PASCAL VOC格式保存为XML文件，这是ImageNet使用的格式。此外，它还支持 COCO数据集格式。
（2）安装labelimg 在cmd输入以下命令 pip install labelimg -i https://pypi.tuna.tsinghua.edu.cn/simple

结束后，在cmd中输入labelimg

初识labelimg

打开后，我们自己设置一下

在View中勾选Auto Save mode

接下来我们打开需要标注的图片文件夹

并设置标注文件保存的目录（上图中的Change Save Dir）
接下来就开始标注，画框，标记目标的label，然后d切换到下一张继续标注，不断重复重复。

Labelimg的快捷键

（3）数据准备
这里建议新建一个名为data的文件夹（这个是约定俗成，不这么做也行），里面创建一个名为images的文件夹存放我们需要打标签的图片文件；再创建一个名为labels存放标注的标签文件；最后创建一个名为 classes.txt 的txt文件来存放所要标注的类别名称。

data的目录结构如下：
│─img_data
│─images 存放需要打标签的图片文件
│─labels 存放标注的标签文件
└ classes.txt 定义自己要标注的所有类别（这个文件可有可无，但是在我们定义类别比较多的时候，最好有这个创建一个这样的txt文件来存放类别）

首先在images这个文件夹放置待标注的图片。
生成文件如下:

“classes.txt”定义了你的 YOLO 标签所引用的类名列表。

（4）YOLO模式创建标签的样式

存放标签信息的文件的文件名为与图片名相同，内容由N行5列数据组成。
每一行代表标注的一个目标，通常包括五个数据，从左到右依次为：类别id、x_center、y_center、width、height。
其中：
–x类别id代表标注目标的类别；
–x_center和y_center代表标注框的相对中心坐标；
–xwidth和height代表标注框的相对宽和高。

注意：这里的中心点坐标、宽和高都是相对数据！！！

存放标签类别的文件的文件名为classes.txt (固定不变)，用于存放创建的标签类别。

完成后可进行后续的yolo训练方面的操作。

模型训练

模型的训练、评估与推理

1.YOLOv8的基本原理

YOLOv8是一个SOTA模型，它建立在Yolo系列历史版本的基础上，并引入了新的功能和改进点，以进一步提升性能和灵活性，使其成为实现目标检测、图像分割、姿态估计等任务的最佳选择。其具体创新点包括一个新的骨干网络、一个新的Ancher-Free检测头和一个新的损失函数，可在CPU到GPU的多种硬件平台上运行。

YOLOv8是Yolo系列模型的最新王者，各种指标全面超越现有对象检测与实例分割模型，借鉴了Yolov5、Yolov6、YoloX等模型的设计优点，在全面提升改进Yolov5模型结构的基础上实现，同时保持了Yolov5工程化简洁易用的优势。

Yolov8模型网络结构图如下图所示：

2.数据集准备与训练

本研究使用了包含坐姿监测的数据集，并通过Labelimg标注工具对每张图像中的目标边框（Bounding Box）及其类别进行标注。然后主要基于YOLOv8n这种模型进行模型的训练，训练完成后对模型在验证集上的表现进行全面的性能评估及对比分析。模型训练和评估流程基本一致，包括：数据集准备、模型训练、模型评估。本次标注的目标类别为坐姿监测，数据集中共计包含2781张图像，其中训练集占1946张，验证集占556张，测试集占279张。部分图像如下图所示：

部分标注如下图所示：

图片数据的存放格式如下，在项目目录中新建datasets目录，同时将检测的图片分为训练集与验证集放入datasets目录下。

接着需要新建一个data.yaml文件，用于存储训练数据的路径及模型需要进行检测的类别。YOLOv8在进行模型训练时，会读取该文件的信息，用于进行模型的训练与验证。
data.yaml的具体内容如下：

train: D:\\SittingPostureDetection_v8\\datasets\\Data\\images\\train 训练集的路径
val: D:\\SittingPostureDetection_v8\\datasets\\Data\\images\\val 验证集的路径
test: D:\\SittingPostureDetection_v8\\datasets\\Data\\images\\test 测试集的路径

nc: 5
names: [‘normal’, ‘abnormal_twisted’, ‘bnormal_too close’, ‘abnormal_hunchback’, ‘leg’]

这个文件定义了用于模型训练和验证的数据集路径，以及模型将要检测的目标类别。

数据准备完成后，通过调用train.py文件进行模型训练，epochs参数用于调整训练的轮数，batch参数用于调整训练的批次大小(根据内存大小调整，最小为1)。

CPU/GPU训练代码如下：

加载名为 yolov8n.pt 的预训练YOLOv8模型，yolov8n.pt是预先训练好的模型文件。
使用YOLO模型进行训练，主要参数说明如下：
（1）data=data_yaml_path: 指定了用于训练的数据集配置文件。
（2）epochs=150: 设定训练的轮数为150轮。
（3）batch=4: 指定了每个批次的样本数量为4。
（4）optimizer=’SGD’):SGD 优化器。
（7）name=’train_v8′: 指定了此次训练的命名标签，用于区分不同的训练实验。

3.训练结果评估

在深度学习的过程中，我们通常通过观察损失函数下降的曲线来了解模型的训练情况。对于YOLOv8模型的训练，主要涉及三类损失：定位损失（box_loss）、分类损失（cls_loss）以及动态特征损失（dfl_loss）。训练完成后，相关的训练过程和结果文件会保存在 runs/ 目录下，具体如下：

各损失函数作用说明：
定位损失box_loss：预测框与标定框之间的误差（GIoU），越小定位得越准；
分类损失cls_loss：计算锚框与对应的标定分类是否正确，越小分类得越准；
动态特征损失（dfl_loss）：DFLLoss是一种用于回归预测框与目标框之间距离的损失函数。在计算损失时，目标框需要缩放到特征图尺度，即除以相应的stride，并与预测的边界框计算Ciou Loss，同时与预测的anchors中心点到各边的距离计算回归DFLLoss。这个过程是YOLOv8训练流程中的一部分，通过计算DFLLoss可以更准确地调整预测框的位置，提高目标检测的准确性。

训练结果如下：

这张图展示了YOLOv8模型在训练和验证过程中的多个重要指标的变化趋势，具体如下：

train/box_loss：
（1）这是训练过程中边界框损失的变化。边界框损失用于衡量模型预测的目标框与实际目标框的差异。
（2）损失逐渐降低，说明模型在定位目标边界框上逐步改进。

train/cls_loss：
（1）这是训练集上的分类损失。分类损失衡量模型对目标类别的预测准确性。
（2）损失逐渐减小，表明模型在类别分类上的精度有所提升。

train/dfl_loss：
（1）这是分布聚焦损失（distribution focal loss），用于帮助模型对目标框的精确定位。
（2）损失逐步下降，表明模型在定位边界框方面更稳定。

metrics/precision(B)：
（1）这是训练集上的精度（precision）曲线。精度表示模型在检测到的目标中有多少是真正的目标。
（2）精确率逐渐上升并趋于稳定，表明模型在减少误报方面有较好的效果。

metrics/recall(B)：
（1）这是训练集上的召回率（recall）曲线。召回率表示模型检测出的真实目标的比例。
（2）召回率逐渐上升，表明模型在识别真实目标方面的效果逐步提高。

val/box_loss：
（1）这是验证集上的边界框损失曲线。
（2）随着训练的进行，验证集上的边界框损失逐渐降低，表明模型的泛化能力在边界框定位上有所提升。

val/cls_loss：
（1）这是验证集上的分类损失曲线。
（2）损失逐渐减小，说明模型在验证集上的分类能力逐步增强。

val/dfl_loss：
（1）这是验证集上的分布聚焦损失曲线。
（2）逐渐下降，表明模型在验证集上的边界框稳定性有所改善。

metrics/mAP50(B)：
（1）这是验证集上的mAP50曲线，表示在交并比阈值为0.5时模型的平均精度（mean Average Precision）。
（2）随着训练进行，mAP50稳步上升，表明模型在这个阈值下的总体检测效果良好。

metrics/mAP50-95(B)：
（1）这是验证集上的mAP50-95曲线，表示在不同交并比阈值（从0.5到0.95）下模型的平均精度。
（2）该值也逐步上升，说明模型在不同IoU阈值下的检测效果不断提升。

这些图展示了模型在训练和验证过程中的不同损失与性能指标的趋势。整体来看，损失指标逐渐降低，精度和召回率等性能指标逐渐提高，说明模型在训练过程中不断优化，在验证集上的表现也趋于稳定，具有良好的泛化性能。

这张图展示的是 Precision-Recall 曲线，用于评估模型在不同类别下的检测性能。以下是详细解释：

不同类别的曲线：
（1）normal（正常）：蓝色曲线，mAP为0.963，表示正常类别的检测效果较好，精确率和召回率都较高。
（2）abnormal_twisted（高低肩）：橙色曲线，mAP为0.902，该类别的检测效果稍低于正常类别，但依然有较高的精确率和召回率。
（3）abnormal_too close（距离过近）：绿色曲线，mAP为0.932，检测效果良好，精确率和召回率平衡。
（4）abnormal_hunchback（驼背）：紫色曲线，mAP为0.967，该类别检测效果最佳，精确率和召回率接近1。
（5）leg（二郎腿）：粉色曲线，mAP为0.991，该类别的检测效果非常好，几乎没有误报或漏检。

总体表现：
（1）粗蓝色曲线表示所有类别的整体表现，mAP@0.5为0.951，表示模型在IoU阈值为0.5时平均精度达到95.1%，说明模型在各类别上整体检测效果良好。

总体而言，模型在各类别上的精确率和召回率表现优异，尤其是在“leg”和“abnormal_hunchback”类别上表现最佳，且模型整体的mAP值较高，表明该模型在该任务上具有较好的泛化能力和检测精度。

4.检测结果识别

模型训练完成后，我们可以得到一个最佳的训练结果模型best.pt文件，在runs/train/weights目录下。我们可以使用该文件进行后续的推理检测。
imgTest.py 图片检测代码如下：

加载所需库：
（1）from ultralytics import YOLO：导入YOLO模型类，用于进行目标检测。
（2）import cv2：导入OpenCV库，用于图像处理和显示。

加载模型路径和图片路径：
（1）path = ‘models/best.pt’：指定预训练模型的路径，这个模型将用于目标检测任务。
（2）img_path = “TestFiles/imagetest.jpg”：指定需要进行检测的图片文件的路径。

加载预训练模型：
（1）model = YOLO(path, task=’detect’)：使用指定路径加载YOLO模型，并指定检测任务为目标检测 (detect)。
（2）通过 conf 参数设置目标检测的置信度阈值，通过 iou 参数设置非极大值抑制（NMS）的交并比（IoU）阈值。

检测图片：
（1）results = model(img_path)：对指定的图片执行目标检测，results 包含检测结果。

显示检测结果：
（1）res = results[0].plot()：将检测到的结果绘制在图片上。
（2）cv2.imshow(“YOLOv8 Detection”, res)：使用OpenCV显示检测后的图片，窗口标题为“YOLOv8 Detection”。
（3）cv2.waitKey(0)：等待用户按键关闭显示窗口

此代码的功能是加载一个预训练的YOLOv8模型，对指定的图片进行目标检测，并将检测结果显示出来。

执行imgTest.py代码后，会将执行的结果直接标注在图片上，结果如下：

这段输出是基于YOLOv8模型对图片“imagetest.jpg”进行检测的结果，具体内容如下：

图像信息：
（1）处理的图像路径为：TestFiles/imagetest.jpg。
（2）图像尺寸为1920×1080像素。

检测结果：
（1）在图像中检测到1个“normal”（正常）坐姿实例。

处理速度：
（1）预处理时间: 6.0 毫秒
（2）推理时间: 37.5 毫秒
（3）后处理时间: 73.3 毫秒

该输出显示模型成功检测到图像中的正常坐姿，且处理时间高效。速度的详细分解展示了在每个阶段（预处理、推理、后处理）的耗时。

运行效果

– 运行 MainProgram.py

1.主要功能：
（1）可用于实时检测目标图片中的坐姿监测；
（2）支持图片、视频及摄像头进行检测，同时支持图片的批量检测；
（3）界面可实时显示目标位置、目标总数、置信度、用时等信息;
（4）支持图片或者视频的检测结果保存。

2.检测结果说明：

（1）置信度阈值：当前设置为0.25，表示检测系统只会考虑置信度高于25%的目标进行输出，置信度越高表示模型对检测结果的确信度越高。
（2）交并比阈值：当前设置为0.70，表示系统只会认为交并比（IoU）超过70%的检测框为有效结果。交并比是检测框与真实框重叠区域的比值，用于衡量两个框的相似程度，值越高表明重叠程度越高。

这两个参数通常用于目标检测系统中，调整后可以影响模型的检测精度和误检率。

这张图表显示了基于YOLOv8模型的目标检测系统的检测结果界面。以下是各个字段的含义解释：

用时（Time taken）:
（1）这表示模型完成检测所用的时间为0.070秒。
（2）这显示了模型的实时性，检测速度非常快。

目标数目（Number of objects detected）:
（1）检测到的目标数目为1，表示这是当前检测到的第1个目标。

目标选择(下拉菜单)：全部:
（1）这里有一个下拉菜单，用户可以选择要查看的目标类型。
（2）在当前情况下，选择的是“全部”，意味着显示所有检测到的目标信息。

语音提醒（Voice Reminder）:
（1）坐姿异常语音提醒：请端正坐姿

目标检测类型：

结果（Result）:
（1）当前选中的结果为 “坐姿呈高低肩”，表示系统正在高亮显示检测到的“abnormal_twisted”。

置信度（Confidence）:
（1）这表示模型对检测到的目标属于“坐姿呈高低肩”类别的置信度为90.00%。
（2）置信度反映了模型的信心，置信度越高，模型对这个检测结果越有信心。

目标位置（Object location）:
（1）xmin: 70, ymin: 425：目标的左上角的坐标(xmin, ymin)，表示目标区域在图像中的位置。
（2）xmax: 960, ymax: 1680：目标的右下角的坐标(xmax, ymax)，表示目标区域的边界。

这些坐标表示在图像中的目标区域范围，框定了检测到的“坐姿呈高低肩”的位置。

这张图展示了坐姿监测的一次检测结果，包括检测时间、检测到的种类、各行为的置信度、目标的位置信息等。用户可以通过界面查看并分析检测结果，提升人员坐姿检测的效率。

3.图片检测说明

（1）坐姿高低肩

（2）坐姿距离过近

（3）坐姿翘二郎腿

（4）坐姿驼背

（4）坐姿正常

点击打开图片按钮，选择需要检测的图片，或者点击打开文件夹按钮，选择需要批量检测图片所在的文件夹。
操作演示如下：
（1）点击目标下拉框后，可以选定指定目标的结果信息进行显示。
（2）点击保存按钮，会对检测结果进行保存，存储路径为：save_data目录下。

检测结果：系统识别出图片中的坐姿监测情况，并显示检测结果，包括总目标数、用时、目标类型、置信度、以及目标的位置坐标信息。

4.视频检测说明

点击视频按钮，打开选择需要检测的视频，就会自动显示检测结果，再次点击可以关闭视频。
点击保存按钮，会对视频检测结果进行保存，存储路径为：save_data目录下。

检测结果：系统对视频进行实时分析，检测到坐姿监测并显示检测结果。表格显示了视频中多个检测结果的置信度和位置信息。

这个界面展示了系统对视频帧中的多目标检测能力，能够准确识别坐姿监测，并提供详细的检测结果和置信度评分。

5.摄像头检测说明

点击打开摄像头按钮，可以打开摄像头，可以实时进行检测，再次点击，可关闭摄像头。

检测结果：系统连接摄像头进行实时分析，检测到坐姿并显示检测结果。实时显示摄像头画面，并将检测到的行为位置标注在图像上，表格下方记录了每一帧中检测结果的详细信息。

6.保存图片与视频检测说明

点击保存按钮后，会将当前选择的图片(含批量图片)或者视频的检测结果进行保存。
检测的图片与视频结果会存储在save_data目录下。
保存的检测结果文件如下：

（1）图片保存

（2）视频保存

– 运行 train.py
1.训练参数设置

（1）data=data_yaml_path: 使用data.yaml中定义的数据集。
（2）epochs=150: 训练的轮数设置为150轮。
（3）batch=4: 每个批次的图像数量为4（批次大小）。
（4）name=’train_v8′: 训练结果将保存到以train_v8为名字的目录中。
（5）optimizer=’SGD’: 使用随机梯度下降法(SGD)作为优化器。

虽然在大多数深度学习任务中，GPU通常会提供更快的训练速度。
但在某些情况下，可能由于硬件限制或其他原因，用户需要在CPU上进行训练。

温馨提示：在CPU上训练深度学习模型通常会比在GPU上慢得多，尤其是像YOLOv8这样的计算密集型模型。除非特定需要，通常建议在GPU上进行训练以节省时间。

2.训练日志结果