简介面向计算机视觉与人工智能方向的学生一套基于深度学习的智能坐姿检测完整源码与配套数据集可满足课程设计、期末大作业或毕业设计的落地需求。整个项目以Python实现核心代码覆盖数据读取与预处理、模型结构定义、训练流程、推理预测以及界面展示等多个环节并附带训练数据、模型权重文件和姿态异常提示音能够直接构成可演示、可扩展的端到端方案。资源包共15个文件除11个.py脚本外还包含data数据文件、.pth权重文件及.mp3音频文件整体大小仅48KB文件体量虽小但功能模块齐全部署环境后即可快速运行。目前已有1062人学习参考。对于希望熟悉人体关键点检测、坐姿分类或相关深度学习项目实践的学生这套源码提供了清晰的工程目录与模块划分便于理解算法流程、调试参数并在此基础上开展毕业设计或创新实验具有较高实用价值。1. 智能坐姿检测系统用Python深度学习把姿态判断变成可运行的代码每天对着屏幕七八个小时含胸驼背成了常态等颈椎报警再去医院就晚了。这个基于深度学习的智能坐姿检测系统源码数据集是一套用Python实现的完整项目摄像头拍到人深度学习模型推理出关键点代码再根据关键点夹角判断坐姿是否越界越界就播放音频提醒。适用人群很明确——做毕业设计、课程设计、期末大作业的在校生以及想快速上手深度学习落地流程的Python开发者。它不只是一堆代码文件还带训练好的模型权重net.pth和配套数据集解压后就能跑通一条从图像输入到姿态判定再到告警输出的完整链路。2. 项目结构与推理管线从dataSet到pose再到告警的一次完整调用2.1 压缩包里的文件架构先搞清楚谁在调用谁拿到源码包我第一件事不是急着跑而是先把目录树读一遍。这一步能避免后面花两小时在import报错上。看你的项目结构主目录叫AISIT核心代码全在Core子目录下单文件模块各自负责一块dataSet.py管数据加载、pose.py管姿态推理、process.py管图像处理流程、view.py管可视化输出、train.py是训练入口main.py和simple_demo.py是两个不同粒度的启动脚本。这种按职责拆文件的组织方式是深度学习小项目里比较标准的分层写法。数据、模型、推理、可视化各管各的要换数据集就只动dataSet.py要改判定逻辑就只碰process.py互不牵连。Model目录下只有一个net.pth说明训练好的权重是单文件保存的加载模型时用torch.load直接读就行。Audio目录放着audio.mp3这是坐姿异常时的提示音资源说明这个系统是带交互反馈的不是只出个坐标数字就完事。# 解压并确认项目文件结构Windows / Linux / macOS 通用 unzip 基于深度学习的智能坐姿检测系统源码数据集python实现.zip -d AISIT cd AISIT find . -type f | sort解压后先执行find命令把文件清单列出来确认Core、Model、Audio、Data、Train这些目录都完整。如果Data或Train缺失后面训练和推理都会直接报路径错误Model里没有net.pth的话整个系统就是一个没训过的空壳跑simple_demo.py会卡在权重加载那一步。2.2 姿态估计与坐姿判定关键点夹角是怎么算出来的坐姿检测这件事本质上是个二分类问题坐正了或者没坐正。但难点在于没坐正的形态千奇百怪左歪右歪、前倾驼背、下巴前伸都属于不良坐姿。用传统图像处理去枚举这些形态写规则能写到怀疑人生。深度学习的做法是换个思路——不直接判断姿势类别而是先检测出人体关键点再基于关键点的几何关系做规则判定。这套系统里的pose.py大概率干的活就是关键点检测。常见做法是用预训练的姿态估计模型输入一帧图像输出人体骨架关键点在图像上的坐标一般包括肩膀、手肘、手腕、髋部、膝盖这几个点。有了坐标之后坐姿判定就回到了初中几何计算肩膀到髋部这条躯干线与垂直方向的夹角再算脖子到头部和躯干延长线的夹角两个角里面任何一个超过设定阈值就判定为不良坐姿。# 坐姿角度判定的简化实现对应Core/process.py的常见逻辑 import math def calculate_angle(a, b, c): 根据三个关键点坐标计算夹角a为顶点b、c为两条边的端点 ab (b[0] - a[0], b[1] - a[1]) cb (b[0] - c[0], b[1] - c[1]) dot ab[0] * cb[0] ab[1] * cb[1] norm_ab math.sqrt(ab[0] ** 2 ab[1] ** 2) norm_cb math.sqrt(cb[0] ** 2 cb[1] ** 2) if norm_ab 0 or norm_cb 0: return 0.0 cos_val max(-1.0, min(1.0, dot / (norm_ab * norm_cb))) return math.degrees(math.acos(cos_val)) def check_posture(keypoints, torso_thresh15, neck_thresh20): 躯干倾斜角 torso_thresh 或脖子弯曲角 neck_thresh 就报警 # keypoints 为 dict包含 shoulder、hip、ear 等关键点坐标 torso_angle calculate_angle(keypoints[hip], keypoints[shoulder], (keypoints[shoulder][0], keypoints[hip][1])) neck_angle calculate_angle(keypoints[shoulder], keypoints[ear], (keypoints[ear][0], keypoints[shoulder][1])) return torso_angle torso_thresh or neck_angle neck_threshcalculate_angle实现了经典的向量夹角公式以b点为顶点计算a到b和c到b两个向量的夹角。注意代码里做了一次归一化处理用cos值做了上下界裁剪这是为了防浮点误差导致math.acos收到超出[-1,1]范围的值报ValueError。check_posture里两个阈值torso_thresh和neck_thresh是直接可调的参数数值越大判定越宽松。我习惯先把阈值调松一些跑通流程再逐步收紧到合适范围而不是一上来就要求模型达到完美精度。2.3 实时推理主流程process.py与view.py的分工整个系统运行起来之后process.py和view.py是配合最紧密的两个模块。process.py负责处理每一帧图像读取摄像头帧、做缩放和格式转换、送进模型推理、拿回关键点坐标、计算坐姿角度、返回判定结果。view.py则负责把这些结果展示给人看——在图像上绘制骨架关键点、画一条垂直于地面的参考线、贴出当前姿态角度数值如果判定结果是不良坐姿还会触发音频播放。# 实时检测主循环对应main.py的常见实现 import cv2 import time from Core.process import process_frame from Core.view import draw_result, play_alert cap cv2.VideoCapture(0) # 0 表示默认摄像头 interval 0.1 # 两次推理间隔约 100ms避免CPU吃满 last_time 0 bad_posture_frames 0 while True: ret, frame cap.read() if not ret: print(读取摄像头画面失败请检查设备编号) break now time.time() if now - last_time interval: continue last_time now keypoints, angles process_frame(frame) # 推理关键点并计算角度 result draw_result(frame.copy(), keypoints, angles) cv2.imshow(Posture Detection, result) if angles[torso] 15 or angles[neck] 20: bad_posture_frames 1 if bad_posture_frames 5: # 连续5帧判定异常才报警 play_alert(Audio/audio.mp3) bad_posture_frames 0 else: bad_posture_frames 0 if cv2.waitKey(1) 0xFF ord(q): break cap.release() cv2.destroyAllWindows()这段主循环里有两个容易被忽略的细节。一是interval控制推理频率视频流每秒30帧但姿态模型在CPU上跑一次可能就要几十毫秒每帧都推理会卡到没法看0.1秒的间隔足够实时又不至于太迟钝。二是连续帧计数我一般会要求连续5帧都判定为不良坐姿才触发告警。这个设计能过滤掉人在正常活动、伸懒腰、转身拿东西这些瞬时动作造成的误报不加的话系统会一天到晚响个不停。3. 环境配置与快速运行三步把检测跑起来3.1 依赖安装与Python版本选择深度学习项目翻车最多的地方不在代码本身而在环境。这套系统依赖Python端常见的深度学习与图像处理技术栈PyTorch用于加载模型权重和执行推理OpenCV负责摄像头采集与图像显示NumPy做数组运算如果关键点检测部分用到MediaPipe还需要额外装那个库。我先给一张环境清单照着配基本不会出问题。依赖项建议版本范围说明Python3.8 - 3.10不要用3.12部分深度学习库的编译版本还没跟上PyTorch1.10 - 2.x 均可CPU版即可跑通全流程有独显就装CUDA版opencv-python4.x摄像头读取与图像绘制numpy1.21 - 1.26跟PyTorch版本匹配即可mediapipe0.10.x如果pose.py走的是MediaPipe方案才需要Python版本是我特别想强调的。凡是网上能下到的课程设计和毕业设计源码多半是在Python 3.8或3.9时代写的直接用最新的3.12去跑大概率会在import torch或者编译C扩展时报错。我一般会先用conda单独建一个虚拟环境把Python版本锁死再往里装依赖这样不管系统里本来装了什么都不会互相污染。# 创建虚拟环境并安装依赖以Linux/macOS为例Windows把source换成activate conda create -n posture python3.9 -y conda activate posture pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu pip install opencv-python numpy mediapipe装PyTorch时我推荐加CPU版的index-url好处有两点一是安装包小很多二是不要在CPU机器上装CUDA版然后发现torch.cuda.is_available()返回False之后开始怀疑人生。真要跑训练再用GPU版本不迟仅做推理和坐姿检测CPU足够。3.2 亲手跑一遍simple_demo.py环境配好后别急着上摄像头先跑simple_demo.py。这个文件的命名暗示了它是最小可运行示例大概率是读取一张静态图片或者本地视频文件走完整个检测流程并输出结果。这一步的价值在于把网络模型的加载、图像预处理、推理、角度计算、结果展示这条链路先打通把环境有没有问题一次性暴露出来。# 先从简单demo开始Windows在cmd/PowerShell里同样执行 python simple_demo.py如果一切正常你会看到一个窗口弹出画面里人的骨架关键点被画出来旁边可能标着角度数值。如果报错报错信息里最常见的三种情况分别是ModuleNotFoundError、CUDA或CPU不匹配、模型文件路径找不到。前两种回第3.1节对着环境清单排查即可第三种我处理的习惯是不改代码里的绝对路径而是把项目根目录设成Python的工作目录或者干脆在项目根目录下建一个run.sh / run.bat脚本把切换路径的自动化脚本写好后面所有启动都从这个脚本走。3.3 摄像头实时坐姿检测的启动方式demo跑通之后真正的实战是启动main.py或run.py进入实时检测模式。run.py位于项目根目录它的作用通常是把main.py的入口统一包装起来比如先设置好PYTHONPATH、再确认模型文件与音频文件存在、最后才启动主程序。这么做的好处是避免用记事本打开就能跑变成一句空话。# 实时检测启动把工作目录定位到AISIT项目根目录 cd /path/to/AISIT python run.py启动后摄像头指示灯亮起屏幕窗口里会实时显示你的骨架和坐姿状态。这时你可以故意塌下肩膀或者歪向一侧大概一两秒后就会听到audio.mp3的提示音响起。我实测这类项目时的经验是坐直时角度读数应该在10度以下歪到30度左右基本秒报警。如果发现坐得很正也报警或者明显驼背却没反应就去process.py里找阈值常量把torso_thresh和neck_thresh往大或往小调整这是最直接的干预手段。整个系统表现稳定之后下一步再考虑重训模型或接入自定义逻辑。4. 训练脚本拆解train.py里那些值得抄的参数4.1 数据集加载与预处理dataSet.py的翻页逻辑train.py是训练入口dataSet.py负责数据供给。这套系统的Data目录存放训练数据Train目录应该是训练过程产生的日志、检查点和中间产物。用PyTorch写训练流程的常见做法是继承torch.utils.data.Dataset实现一个自定义数据集类至少在__getitem__里完成读图、预处理、返回标签三个动作。# dataSet.py 的自定义数据集实现对应常见做法的骨架 import torch from torch.utils.data import Dataset import cv2 import os class PostureDataset(Dataset): def __init__(self, root_dir, transformNone): self.root_dir root_dir self.transform transform self.image_paths [] self.labels [] # root_dir 下按 good / bad 两个子目录组织样本 for label, subdir in enumerate([good, bad]): folder os.path.join(root_dir, subdir) if not os.path.exists(folder): continue for fname in os.listdir(folder): if fname.endswith((.jpg, .png)): self.image_paths.append(os.path.join(folder, fname)) self.labels.append(label) def __len__(self): return len(self.image_paths) def __getitem__(self, idx): img cv2.imread(self.image_paths[idx]) img cv2.cvtColor(img, cv2.COLOR_BGR2RGB) label self.labels[idx] if self.transform: img self.transform(img) return img, label注意类的组织方式label用0和1区分两类good对应坐姿良好bad对应不良坐姿图片路径和标签在初始化阶段一次性读入内存。transform接口是预留的预处理扩展位后续想加随机旋转、色彩抖动、归一化直接往PostureDataset传transform就行。这套代码写得很直白适合课程设计级别的项目也方便你改成自己的数据结构。4.2 训练超参数batch_size、学习率与epochs怎么定训练脚本里最值得读的是超参数这一段。我见过太多同学把训练跑挂不是因为模型结构写错而是超参数拍脑袋定的。像这种二分类的小型图像数据集有个相对可靠的起点batch_size设16或32学习率设1e-4或3e-4epochs设30到60之间优化器用Adam损失函数用交叉熵。改数据规模时一个参考原则是数据量越小batch_size越小避免模型在几个batch上反复打转导致过拟合。# train.py 里的训练超参数与主循环示意 batch_size 16 # 小数据集用16数据集大可以提到32或64 learning_rate 1e-4 # Adam配1e-4比3e-3稳不易震荡 epochs 50 optimizer torch.optim.Adam(model.parameters(), lrlearning_rate) criterion torch.nn.CrossEntropyLoss() for epoch in range(epochs): running_loss 0.0 for images, labels in train_loader: optimizer.zero_grad() outputs model(images) loss criterion(outputs, labels) loss.backward() optimizer.step() running_loss loss.item() print(fEpoch {epoch1}/{epochs}, Loss: {running_loss / len(train_loader):.4f})优化器、损失函数、数据加载器、训练循环这四样是train.py的标准四件套。课程设计里常见的改动是把CNN换成更深的预训练模型加微调这时把learning_rate降到1e-5左右才稳。判断模型有没有在学就看loss是否在稳定下降区间内。如果loss从第一个epoch开始就在0.69附近躺平二分类的随机猜测值大概率是学习率太大或者数据标签配错了。4.3 模型保存与加载net.pth的使用边界训练结束后模型权重被保存为net.pth这就是Model目录里那个文件的来源。PyTorch常见的权重保存方式是torch.save(model.state_dict(), net.pth)它只存参数字典不包含网络结构。加载的时候必须先构建出同样结构的模型实例再调用load_state_dict把权重灌进去。注意这个约束如果你改了module.py里的网络结构再用原来的net.pth加载就会报unexpected key或missing key的错误。# 正确加载 net.pth 的方式必须先有模型定义 from Core.module import PostureNet # 与训练时一致的网络结构 model PostureNet(num_classes2) state_dict torch.load(Model/net.pth, map_locationcpu) model.load_state_dict(state_dict) model.eval()model.eval()这行容易漏但关键。PyTorch模型默认处于train模式dropout和batchnorm的行为在训练和推理阶段不一样忘记切到eval模式的话同一个输入每次推理的结果可能都不同坐姿角度忽大忽小系统就疯了。推理阶段只跑前向传播不需要计算梯度严格来说还能包一层torch.no_grad()稍微省点内存。5. 避坑指南跑坐姿检测项目常见的6个坑5.1 ModuleNotFoundError依赖漏装或装进了错误的环境运行simple_demo.py时如果直接抛出ModuleNotFoundError: No module named torch典型原因是pip install把包装进了base环境而python命令指向的是conda虚拟环境两边不互通。解决方式是检查当前环境是哪个在终端里执行which python和conda info --envs确认虚拟环境是否是激活状态。装包用python -m pip install而不是pip install可以避免pip指向另一个Python版本导致装了白装。5.2 摄像头黑屏或提示Cannot open camera现象是启动main.py后窗口黑屏一片控制台输出无法获取视频帧或类似报错。原因大概率是摄像头设备编号不对0表示默认内置摄像头外接USB摄像头有时会占编号1或2。把VideoCapture的第一个参数改成1再试试。如果是在笔记本上跑还要去系统设置里确认摄像头权限没有关闭macOS和Windows都有这个开关权限被禁用时OpenCV是拿不到画面的。5.3 net.pth加载报错state_dict键不匹配现象模型跑起来之后load_state_dict抛出Error(s) in loading state_dict提示size mismatch或missing keys。原因几乎永远是module.py的网络结构被改动过和训练时不一致比如全连接层的输出类别数从2改成了3或者卷积层的channel被调过。解决方式是想办法找到当时训练用的代码版本否则就只好把net.pth当成参考权重用自己数据重训一个。所以训练脚本保存权重时顺手保存一份模型结构说明或源码标签能救后期的自己。5.4 推理卡顿严重画面一帧一帧跳现象是摄像头画面像幻灯片人物动作明显延迟。原因多半是CV2默认每帧都做了完整推理图像分辨率高CPU资源被吃满。解决方式是按第2.3节里写的那样加一个interval控制推理频率或者先把图像缩到256或320像素再送进模型。另外确认一下没有在循环里反复读模型文件那种写法不仅慢还会把显存或内存拖垮。5.5 坐姿检测不敏感明显驼背却不报警现象人已经歪成45度了系统毫无反应角度读数一直很低。原因有两种一是阈值设得太大比如torso_thresh配了30度二是关键点检测的坐标在抖动导致计算出的角度被平均了。解决方式是把process.py里的角度打印出来看一下真实数值范围然后按现场实测重新标定阈值。如果数值本身不稳定加一个轻量滑动平均或中值滤波让坐标稳定下来再算角度。5.6 训练时报数据集路径未找到现象train.py执行到加载数据那一步抛出FileNotFoundError指向某个默认路径。原因是dataSet.py里的root_dir参数用了绝对路径换机器后路径不存在。解决方式是把目录改成相对项目根目录的路径用os.path.join(os.path.dirname(file), .., Data)这种写法或者干脆在训练启动脚本里用os.chdir切到项目根目录。这类问题在网上下载的项目里非常常见改一次就能根治。6. 进阶玩法换数据集重训模型与告警联动6.1 采集自己的坐姿数据并重训net.pth网上现成模型对你的工位场景不一定准更好的做法是自己采一批数据重训。摄像头对准你的工位把坐姿分成两类好姿势拍几百张坏姿势拍几百张每类别不少于150张覆盖不同角度和光线。数据整理成Data/good和Data/bad两个目录图片统一缩放到固定尺寸如224×224然后跑train.py。训练轮数在CPU机器上50个epoch通常几分钟到二十分钟等loss掉到接近收敛就行。6.2 告警策略的工程化调优坐姿检测落地时真正要调的往往不是模型而是告警策略。比如连续N帧异常才报警N设成5还是15直接影响系统的烦人程度。N太小一个伸懒腰的动作就触发提示N太大真驼背了要好几秒才反应。我习惯设成10左右并且把告警频率也做限制——触发一次后至少要过30秒才能再触发避免警报响成背景音。告警形式也可以升级。原项目用的audio.mp3播放你可以换成文字弹窗、邮件提醒、甚至语音标签。播放完音频后在view.py里写一行据当前角度显示请调整坐姿已连续低头8分钟的日志体验比单纯响一声好很多。也可以把检测结果输出成CSV每坐一小时就能看到自己的驼背统计曲线。开发这类功能时建议把告警逻辑从view.py里拆出来独立成alert.py后面接入企业微信或钉钉机器人都会轻松很多。对比几个踩坑过的地方处理图像尺寸不一致时训练集和推理入口都要用同样的预处理参数包括缩放尺寸、归一化范围、通道顺序音频播放要处理路径残留问题Audio目录被拷走但代码里写死绝对路径会导致运行时静默失败。这套深度学习的智能坐姿检测系统源码数据集整体代码量不大但覆盖了完整的工程链路很适合作为学完PyTorch之后练手的第二个项目——第一个往往是MNIST第二个拿这个正合适。从那以后我每次拿到一个开源源码包都强制按先读文件树、再跑demo、最后动参数的顺序走一遍能少踩一大半的坑。希望帮到你。本文还有配套的精品资源点击获取