椅子的“热记忆”:利用热成像技术,基于物理原理进行坐姿推断的泛化研究
《Displays》:Thermal memory of chair: Physics-guided generalization for sitting posture inference using thermal imaging
【字体:
大
中
小
】
时间:2025年12月31日
来源:Displays 3.4
编辑推荐:
基于热成像的坐姿识别方法通过生成数据增强、视觉Transformer分类和有限元热传导仿真,实现了隐私保护下的高精度姿态检测。研究揭示2.6±0.06K的温度阈值对模型性能的关键影响,并证实材料热学特性显著延长检测窗口。
Jin Ai|Gan Pei|Bitao Ma|Menghan Hu|Jian Zhang
华东师范大学通信与电子工程学院,上海,中国
摘要
热成像作为一种非接触式姿态监测方法,因其保护隐私的特性和捕捉残余热图案的能力而具有可行性。现有方法在不同材料和热衰减阶段的泛化能力有限,且缺乏可靠的物理解释性。为了解决这些问题,本研究提出了一种结合生成数据增强、视觉变换器分类和有限元(FE)模拟的集成范式。该范式首先通过生成模型增强数据多样性,然后使用基于变换器的分类器实现9种坐姿的准确识别。最后,构建了一个热传导模型来模拟实际的热衰减温度场,解析材料和时间对臀部热图案的影响。通过这一范式,我们确定了一个关键的温度差异阈值2.6 ± 0.06 K,超过该阈值后模型性能显著下降。系统分析表明,在最初的30秒内保持表面温度高于此阈值可以使模型准确率保持在85%以上。此外,我们还量化了材料热物理参数对有效检测窗口的直接影响,发现热导率较低的材料(例如塑料)可以延长可靠识别时间。在包含两种材料和不同衰减时间的独立测试集上的验证显示,分类准确率为0.9162。本研究建立了一种基于热成像的姿态分析范式,为需要保护隐私的实际应用提供了理论基础和实用解决方案,通过解析臀部热图案来实现这一目标。支持本研究的数据集和代码可在以下链接公开获取:
https://github.com/AJ-1995/Thermal-Memory-of-Chair引言
人类坐姿识别在智能监控、人体工程学和医疗康复等领域具有重要的应用价值[1]、[2]。现有的主流方法主要依赖于可见光相机或骨骼重建,这使得它们对光照变化和遮挡非常敏感[3]、[4]。这些方法还需要连续记录,从而引发隐私问题和部署复杂性[5]。虽然压力传感器或深度相机可以在一定程度上减少对光照的依赖,但它们通常需要昂贵的硬件,并且需要持续接触或特定的环境设置,这限制了它们在日常非临床环境中的应用[6]、[7]、[8]。因此,迫切需要一种新的非接触式坐姿识别范式,这种范式不需要连续的视觉监控,并且更加注重隐私保护。
热成像通过捕捉表面辐射温度实现了全天候、不受光照影响的监测,在夜间监控和行为检测中具有隐私优势[9]、[10]、[11]。现有研究主要集中在热图像中的实时目标检测和分割[12]、[13],未能充分利用人类与物体相互作用后留下的残余热图案来进行姿态推断[14]、[15]。这忽略了接触后热场的演变机制,使得在没有人的情况下难以重建之前的坐姿。
残余热图案本质上代表了人体、椅子和环境之间的热传导和扩散过程[16]、[17]、[18]。这种现象可以用Penes生物热方程描述,并使用有限元方法(FEM)精确求解[19]、[20]。FEM在工程热分析中得到了广泛验证,能够模拟复杂几何形状和多种边界条件下的稳态和瞬态热传递[21]、[22]。很少有研究将三阶段FEM模型(稳态预热、接触瞬态加热和坐后瞬态冷却)与深度学习姿态分类相结合,以实现物理上可解释的热图案推断和验证。
为了解决这个问题,如图1所示,我们首先收集了一个包含9种坐姿下臀部热图案的热图像数据集。随后,为了应对数据稀缺问题,我们使用生成模型来增强数据集[23]、[24]、[25]。然后,我们使用分类模型来准确区分不同的坐姿[26]。同时,我们基于热力学方程设计并构建了一个二维FE模拟模型,以精确模拟人体、椅子和环境之间的热传递过程[27]。该模型解释了时间、材料属性和环境温度如何影响热图案图像的特征。该模型包括三个阶段:第一阶段模拟臀部与环境之间的稳态热传递;第二阶段模拟臀部与椅子表面接触后的瞬态热传递;第三阶段模拟臀部移除后热量从接触表面向环境的散失。
本工作的贡献如下:
- •
我们建立了一种基于臀部热图像的坐姿识别范式,为需要保护隐私的实际应用提供了理论基础和实用解决方案,通过解析臀部的热图案来实现这一目标。
- •
我们建立了一个完整的坐姿期间热交换过程模拟模型。该模型模拟了热图案从形成到消散的演变机制,并从物理角度解释了热图像的特征表示。
章节片段
系统框架
本研究提出了一种端到端的研究范式,无缝整合了热残留图像的获取、数据增强、姿态分类和热传导机制的模拟(图2)。为了实现端到端的坐姿识别,该范式包括四个连续阶段,具体如下:
- 1.
在受控环境中获取一个人坐下和站起来后留在椅子表面的热残留图像。
- 2.
使用生成模型
热传导模拟
为了进一步阐明热图像中的温度分布与人体姿态之间的关系背后的物理机制,我们开发了一个基于FEM的热传导模拟模型,以再现人体臀部与椅子表面在接触、热传递和站立后的温度演变过程。
本研究中选择钢、木和塑料作为接触材料,这是经过深思熟虑的方法论设计原则,而不是随意选择的
模型性能
如表2所示,不同的模型架构在坐姿分类任务中的性能存在显著差异。ViTAEv2-B模型(参数量为339.0 MB)取得了最佳性能,准确率达到0.9162。其精确度、召回率和F1分数均超过了0.915,证明了复杂模型在处理热图案特征方面的强大建模能力。相比之下,轻量级的ViTAE-basic-tiny模型(17.80 MB)的性能较低
结论
在这项研究中,我们提出了一种基于臀部热图像的有效隐私保护坐姿识别范式,能够实现准确的坐姿识别。通过解析臀部的热图案并确定其快速衰减阈值,我们提供了一种稳健且通用的方法,用于实际应用中的姿态隐私保护和异步监控。具体来说,该范式包括使用视觉变换器的分类方法
利益冲突声明
作者声明他们没有已知的财务利益或个人关系可能影响本文报告的工作。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号