尧图网站建设 
简介一份面向大学生课程设计的MATLAB人体行为识别项目针对坐、蹲、躺、站立四类姿势进行识别并集成GUI图形界面。项目覆盖计算机视觉基础、特征提取、运动分析与机器学习建模等知识点适合作为课程设计参考或入门实践。压缩包共15个文件、约1MB包含MATLAB源码文件、fig界面文件、测试图片、运行效果图及详细使用说明文档其中测试图片和效果截图便于对照运行结果说明文档有助于快速上手。目前已有941人学习浏览。通过学习该项目可掌握图像预处理、HOG等特征提取、SVM等分类模型训练与评估的完整流程同时了解基于GUIDE的GUI设计方法代码结构清晰可根据实际需求修改训练数据和参数进行二次开发是计算机视觉方向课程设计的不错参考。1. 为什么用MATLAB搭建多姿势实时识别系统人体行为识别Human Activity RecognitionHAR在健康监护、安防巡检、人机交互等场景里越来越常见。“坐、蹲、躺、站立”这四类静态姿势看似简单但放到视频流里做实时分类时光照变化、视角偏移、遮挡和人体自遮挡都会让准确率明显下降。MATLAB 适合做这件事不是因为它比分发的深度框架更快而是从视频读取、前景分割、特征提取到打包成 GUI 的链路最短尤其适合算法验证和快速给甲方演示。这篇博文直接从工程角度讲清一套可落地的方案用背景减除提取人体前景用几何特征描述姿势用 SVM 做四分类最后把整个流程挂到一个 App Designer 界面上。新手可以照敲代码老手可以看后面几章关于特征鲁棒性和参数调优的细节。整个方案基于 MATLAB R2023b 及之后的版本只依赖 Computer Vision Toolbox 和 Statistics and Machine Learning Toolbox不需要额外装第三方库。2. 视频帧预处理与人体前景提取2.1 用VideoFileReader抽取帧和背景减除参数拿到一段固定摄像头的视频后第一个动作是循环读帧。vision.VideoFileReader比VideoReader更适合实时流处理原因是它的isDone回调支持逐帧循环且不会预载全部帧到内存。常见做法是先用前 20 帧训练背景模型再进入正式检测循环。vr vision.VideoFileReader(view.mp4, PlayCount, 1); fgd vision.ForegroundDetector(... NumGaussians, 3, ... NumTrainingFrames, 20, ... InitialVariance, 0.05); while ~isDone(vr) frame step(vr); fgMask step(fgd, frame); % 后面跟形态学处理 endNumGaussians是混合高斯背景模型中每个像素使用的高斯分布个数数值越大对多模态背景比如树叶摇晃适应越好但计算量也线性增长。NumTrainingFrames代表用于初始化背景的训练帧数室内固定机位取 20 就够如果是刚部署到现场环境光照突变时建议提高到 50。InitialVariance是初始方差默认 0.05数值偏大时前景更容易被噪声干扰偏小时会漏检缓慢移动的人体。2.1.1 背景减除器参数设置背景减除器对“躺”这个姿势最容易出问题躺下时人的高度大幅降低如果背景是深色地板中间区域的灰度变化不如站立时明显ForegroundDetector可能把躯干中间部分判定为背景。调参顺序一般是先降低InitialVariance到 0.03再适量增加NumGaussians。如果目标场景有光影缓慢移动比如窗外云朵可以在循环里定期调用fgd.reset()重新训练背景或者隔 N 帧用fgd.initialize做一次在线更新。注意ForegroundDetector输入必须是单通道或三通道图像但内部会自行转成灰度不需要手动转换。2.2 形态学去噪与轮廓合并前景掩码通常是破碎的身体边缘会有很多洞地面反光还会造成孤立噪点。直接用regionprops提取特征前必须做两步形态学操作先开运算去除微小噪点再闭运算连接同一身体部位的缝隙。开运算用半径较小的矩形结构元闭运算结构元要适当放大否则躯干和四肢会断成多块。fgMask imopen(fgMask, strel(rectangle, [3, 3])); fgMask imclose(fgMask, strel(rectangle, [15, 15])); fgMask bwareaopen(fgMask, 800);上面这个顺序很重要先开后闭能避免先闭运算把两个不相干目标粘连在一起。bwareaopen的第二个参数是面积阈值单位是像素800 表示去除面积小于 800 的独立前景块。这个阈值和视频分辨率强相关1080p 视频里人的投影面积一般大于 8000 像素800 比较安全720p 视频可以降到 400。另一件容易忽略的事情是 ROI 裁剪。如果视频里有一整排座位人体和背景物体在掩码中连成一片闭运算会把人“焊”在沙发上。常见做法是预先在界面上手工框选一个矩形区域只在这个区域内做背景减除和形态学处理能避开大量环境干扰。我一般会把 ROI 设置成只包含人员经常活动的区域。3. 坐蹲躺站的四类特征工程与分类器选择3.1 从regionprops里挖出的5个姿势特征姿势分类设计的核心是找到区分度高的几何量。四个姿势里躺和站立在包围盒宽高比上差异最大蹲和坐在宽高比上接近要从填充比和质心位置上下功夫。我选定的 5 个特征如下表所示全部通过regionprops一次计算获得特征名计算公式区分意义宽高比bboxWidth / bboxHeight躺下大于 1.5站立小于 0.5填充比前景面积 / (宽×高)蹲和坐的填充比高于站立躺下较低包围盒取向regionprops 的 Orientation躺下时接近 0别的姿势更乱质心归一化位置质心 y / 包围盒高度蹲下质心偏下站立质心居中偏上轮廓复杂度周长平方 / 面积蹲时腿和躯干折叠周长显著增大提取代码很简单stats regionprops(fgMask, BoundingBox, Area, Orientation, Centroid, Perimeter); if isempty(stats) continue; end areas [stats.Area]; [~, idx] max(areas); % 只保留面积最大的目标避免把椅子当成人 s stats(idx); aspectRatio s.BoundingBox(3) / max(s.BoundingBox(4), eps); fillRatio s.Area / (s.BoundingBox(3) * s.BoundingBox(4)); orientation abs(s.Orientation) / 90; centroidYRatio s.Centroid(2) / (s.BoundingBox(2) s.BoundingBox(4)); compactness s.Perimeter^2 / (4 * pi * s.Area);注意Centroid(2)是图像坐标系里的 y 值越靠下数值越大。centroidYRatio计算的是质心在包围盒中的相对高度蹲下时人整体收缩质心会落在包围盒偏上位置站立时四肢分开质心偏向中间。取max面积对应的目标是为了防止椅子、包这些小物体被当成主目标前提是场景里人体必须是最大连通域。3.2 用fitcecoc训练多姿势分类器特征有了分类器选型上我推荐fitcecoc而不是直接堆深度学习模型。原因是四个姿势的样本量通常不大几百帧SVM 的泛化能力够用而且速度远快于动画网络。fitcecoc会把多分类拆成多个二分类器在四类问题里表现稳定。X [aspectRatio, fillRatio, orientation, centroidYRatio, compactness]; Y categorical({stand, squat, sit, lie}); mdl fitcecoc(X, Y, Learners, svm, Coding, onevsall);3.2.1 训练数据矩阵的组织方式训练数据的每一行是某一帧的特征向量列对应 5 个特征。标注时可以用视频片段组织先手工截取每类姿势各 100 帧把特征存成结构体再cell2mat拼成矩阵。有一点要特别注意Orientation特征在躺和坐之间可能产生符号翻转所以我在前面取了绝对值再归一化。训练时 80% 数据用于训练20% 用于验证。fitcecoc默认对 SVM 使用标准化处理但 5 个特征的量级差距不大都是 0~1 之间不标准化影响也不大。如果要强一致可以用Prior参数指定先验概率防止某类样本过多导致多数类偏向。3.3 特征有效性怎么看训练完不要急着用准确率说话先看混淆矩阵和特征分布。在 MATLAB 里用classperf或confusionchart都很方便。我见过最多的坑是蹲和坐混淆率高达 30%原因是包围盒无法分辨腿部折叠和椅子支撑。这时回看特征表compactness是第一候选——蹲姿时大腿和小腿重叠轮廓周长骤增而坐在椅子上时腿部轮廓与椅背混杂紧凑度反而偏低。可以画一张每类姿势的并行坐标图如果两条线严重交织说明该特征区分度不足需要增加新特征。如果传统几何特征打不动混淆再考虑添加频域特征对前景掩码做 Radon 变换取 0、45、90 度方向的投影方差。这个方向很多论文提过但实际代码不超过十行能有效补充坐卧直立的方向信息。4. 在App Designer上把识别流程做成GUI界面4.1 App Designer控件布局与回调结构GUI 界面不建议再用老的 GUIDEApp Designer 的绑定机制更清晰也兼容当前所有 MATLAB 版本。界面布局采用两个坐标轴左侧显示原视频右侧显示前景掩码加一个“开始识别”按钮和一个静态文本标签用于显示当前姿势。控件名称用app.AxesOriginal、app.AxesMask、app.StartButton、app.LabelStatus。回调绑定在app.StartButton.ButtonPushedFcn上内部循环读取视频帧并调用识别函数。注意 App Designer 回调里直接跑while ~isDone(vr)会阻塞 UI导致按钮无法响应。常见做法是把耗时读取放到parfeval异步任务里或者在循环最后加drawnow强制刷新。对于几百帧的视频drawnow足够。4.2 回调代码与实时显示逻辑以下代码放在 ButtonsPushedFcn 回调函数中是完整可用的一小段function StartButtonPushed(app, event) vr vision.VideoFileReader(app.InputPath, PlayCount, 1); fgd vision.ForegroundDetector(... NumGaussians, 3, NumTrainingFrames, 20, InitialVariance, 0.05); load(bodyPostureModel.mat, mdl); while ~isDone(vr) frame step(vr); fgMask step(fgd, frame); fgMask imopen(fgMask, strel(rectangle, [3,3])); fgMask imclose(fgMask, strel(rectangle, [15,15])); fgMask bwareaopen(fgMask, 800); stats regionprops(fgMask, BoundingBox, Area, ... Orientation, Centroid, Perimeter); if isempty(stats) app.LabelStatus.Text 无人; else areas [stats.Area]; [~, idx] max(areas); s stats(idx); features extractFeaturesFromStats(s); pred predict(mdl, features); app.LabelStatus.Text char(pred); end imshow(frame, Parent, app.AxesOriginal); imshow(fgMask, Parent, app.AxesMask); drawnow; end end4.2.1 加载模型并初始化模型是用fitcecoc训练后save(bodyPostureModel.mat, mdl)保存的。加载动作放在按钮回调前面不要在 while 循环里反复load否则磁盘 IO 会拖慢实时性。extractFeaturesFromStats是单独的本地函数内部实现与第 3 章的特征计算一致这里不再展开。回调里用app.InputPath存了视频路径可以用文件选择对话框赋值。4.2.2 帧循环与结果推送imshow(..., Parent, app.AxesOriginal)是 App Designer 里更新图像的标准方式但每次调用都会重建图像对象耗时较高。优化做法是先定义app.ImageHandle imshow(frame, Parent, app.AxesOriginal)循环内用app.ImageHandle.CData frame更新能减少几十毫秒的延迟。掩码轴同理。drawnow必须放在每次帧处理之后否则 UI 上的文本和图像不会更新看起来像卡死。5. 提升识别鲁棒性的三个具体技巧第一个技巧是给预测结果加时序投票。单帧分类判断抖动厉害因为一两帧的前景残缺会让特征瞬间偏离。我一般维护一个长度 15 的循环缓冲区窗口内出现次数最多的标签作为最终输出。实现时用mode函数buf [buf(2:end), predict(mdl, features)]; app.LabelStatus.Text char(mode(buf));这样能把短暂误判过滤掉代价是输出延迟约 0.4 秒对姿势稳定性判断场景完全可接受。第二个技巧是针对蹲坐混淆的专用特征——人体轮廓最低点的横向跨度。蹲下时双膝和双脚在地面的投影跨度大直视时轮廓最低点往往分成两段坐姿时腿下垂最低点是双脚并拢的单一区域。这个特征可以用regionprops的Extrema字段提取取所有最低点中横坐标最大值减最小值作为跨度。加入该特征后我的测试集蹲坐混淆率下降了 20 个百分点。第三个技巧是用自适应分类阈值替代固定阈值。站立和躺下的宽高比差异明显但不同人的体型差距会让 0.5 这个分界线失效。训练时记录每类的均值和标准差预测时对宽度比做 z-score 归一化再输入分类器。实际代码里只需在训练和预测两端同时调用同一个标准化函数麻烦的是要在 App 启动时加载训练集的均值和标准差否则现场数据分布偏移会吃掉模型效果。补充一个排障视角如果代入真实视频后所有帧都输出“无人”先检查 ROI 是否框住整个人体再检查bwareaopen的面积阈值是否远大于人体投影面积。用whos fgMask查看工作区变量能快速确认前景区域是否出现大面积空洞。这套方案在室内固定机位下能稳定跑到 15 帧每秒以上足够支撑一个带 GUI 的原型系统。如果后续需要更高精度再引入深度学习骨架点但当前基于几何特征的方案胜在可解释性强每个判断依据都能溯源到轮廓上调试时心里有底。本文还有配套的精品资源点击获取 MATLAB多姿势实时识别系统：背景减除+SVM+App Designer实战
简介一份面向大学生课程设计的MATLAB人体行为识别项目针对坐、蹲、躺、站立四类姿势进行识别并集成GUI图形界面。项目覆盖计算机视觉基础、特征提取、运动分析与机器学习建模等知识点适合作为课程设计参考或入门实践。压缩包共15个文件、约1MB包含MATLAB源码文件、fig界面文件、测试图片、运行效果图及详细使用说明文档其中测试图片和效果截图便于对照运行结果说明文档有助于快速上手。目前已有941人学习浏览。通过学习该项目可掌握图像预处理、HOG等特征提取、SVM等分类模型训练与评估的完整流程同时了解基于GUIDE的GUI设计方法代码结构清晰可根据实际需求修改训练数据和参数进行二次开发是计算机视觉方向课程设计的不错参考。1. 为什么用MATLAB搭建多姿势实时识别系统人体行为识别Human Activity RecognitionHAR在健康监护、安防巡检、人机交互等场景里越来越常见。“坐、蹲、躺、站立”这四类静态姿势看似简单但放到视频流里做实时分类时光照变化、视角偏移、遮挡和人体自遮挡都会让准确率明显下降。MATLAB 适合做这件事不是因为它比分发的深度框架更快而是从视频读取、前景分割、特征提取到打包成 GUI 的链路最短尤其适合算法验证和快速给甲方演示。这篇博文直接从工程角度讲清一套可落地的方案用背景减除提取人体前景用几何特征描述姿势用 SVM 做四分类最后把整个流程挂到一个 App Designer 界面上。新手可以照敲代码老手可以看后面几章关于特征鲁棒性和参数调优的细节。整个方案基于 MATLAB R2023b 及之后的版本只依赖 Computer Vision Toolbox 和 Statistics and Machine Learning Toolbox不需要额外装第三方库。2. 视频帧预处理与人体前景提取2.1 用VideoFileReader抽取帧和背景减除参数拿到一段固定摄像头的视频后第一个动作是循环读帧。vision.VideoFileReader比VideoReader更适合实时流处理原因是它的isDone回调支持逐帧循环且不会预载全部帧到内存。常见做法是先用前 20 帧训练背景模型再进入正式检测循环。vr vision.VideoFileReader(view.mp4, PlayCount, 1); fgd vision.ForegroundDetector(... NumGaussians, 3, ... NumTrainingFrames, 20, ... InitialVariance, 0.05); while ~isDone(vr) frame step(vr); fgMask step(fgd, frame); % 后面跟形态学处理 endNumGaussians是混合高斯背景模型中每个像素使用的高斯分布个数数值越大对多模态背景比如树叶摇晃适应越好但计算量也线性增长。NumTrainingFrames代表用于初始化背景的训练帧数室内固定机位取 20 就够如果是刚部署到现场环境光照突变时建议提高到 50。InitialVariance是初始方差默认 0.05数值偏大时前景更容易被噪声干扰偏小时会漏检缓慢移动的人体。2.1.1 背景减除器参数设置背景减除器对“躺”这个姿势最容易出问题躺下时人的高度大幅降低如果背景是深色地板中间区域的灰度变化不如站立时明显ForegroundDetector可能把躯干中间部分判定为背景。调参顺序一般是先降低InitialVariance到 0.03再适量增加NumGaussians。如果目标场景有光影缓慢移动比如窗外云朵可以在循环里定期调用fgd.reset()重新训练背景或者隔 N 帧用fgd.initialize做一次在线更新。注意ForegroundDetector输入必须是单通道或三通道图像但内部会自行转成灰度不需要手动转换。2.2 形态学去噪与轮廓合并前景掩码通常是破碎的身体边缘会有很多洞地面反光还会造成孤立噪点。直接用regionprops提取特征前必须做两步形态学操作先开运算去除微小噪点再闭运算连接同一身体部位的缝隙。开运算用半径较小的矩形结构元闭运算结构元要适当放大否则躯干和四肢会断成多块。fgMask imopen(fgMask, strel(rectangle, [3, 3])); fgMask imclose(fgMask, strel(rectangle, [15, 15])); fgMask bwareaopen(fgMask, 800);上面这个顺序很重要先开后闭能避免先闭运算把两个不相干目标粘连在一起。bwareaopen的第二个参数是面积阈值单位是像素800 表示去除面积小于 800 的独立前景块。这个阈值和视频分辨率强相关1080p 视频里人的投影面积一般大于 8000 像素800 比较安全720p 视频可以降到 400。另一件容易忽略的事情是 ROI 裁剪。如果视频里有一整排座位人体和背景物体在掩码中连成一片闭运算会把人“焊”在沙发上。常见做法是预先在界面上手工框选一个矩形区域只在这个区域内做背景减除和形态学处理能避开大量环境干扰。我一般会把 ROI 设置成只包含人员经常活动的区域。3. 坐蹲躺站的四类特征工程与分类器选择3.1 从regionprops里挖出的5个姿势特征姿势分类设计的核心是找到区分度高的几何量。四个姿势里躺和站立在包围盒宽高比上差异最大蹲和坐在宽高比上接近要从填充比和质心位置上下功夫。我选定的 5 个特征如下表所示全部通过regionprops一次计算获得特征名计算公式区分意义宽高比bboxWidth / bboxHeight躺下大于 1.5站立小于 0.5填充比前景面积 / (宽×高)蹲和坐的填充比高于站立躺下较低包围盒取向regionprops 的 Orientation躺下时接近 0别的姿势更乱质心归一化位置质心 y / 包围盒高度蹲下质心偏下站立质心居中偏上轮廓复杂度周长平方 / 面积蹲时腿和躯干折叠周长显著增大提取代码很简单stats regionprops(fgMask, BoundingBox, Area, Orientation, Centroid, Perimeter); if isempty(stats) continue; end areas [stats.Area]; [~, idx] max(areas); % 只保留面积最大的目标避免把椅子当成人 s stats(idx); aspectRatio s.BoundingBox(3) / max(s.BoundingBox(4), eps); fillRatio s.Area / (s.BoundingBox(3) * s.BoundingBox(4)); orientation abs(s.Orientation) / 90; centroidYRatio s.Centroid(2) / (s.BoundingBox(2) s.BoundingBox(4)); compactness s.Perimeter^2 / (4 * pi * s.Area);注意Centroid(2)是图像坐标系里的 y 值越靠下数值越大。centroidYRatio计算的是质心在包围盒中的相对高度蹲下时人整体收缩质心会落在包围盒偏上位置站立时四肢分开质心偏向中间。取max面积对应的目标是为了防止椅子、包这些小物体被当成主目标前提是场景里人体必须是最大连通域。3.2 用fitcecoc训练多姿势分类器特征有了分类器选型上我推荐fitcecoc而不是直接堆深度学习模型。原因是四个姿势的样本量通常不大几百帧SVM 的泛化能力够用而且速度远快于动画网络。fitcecoc会把多分类拆成多个二分类器在四类问题里表现稳定。X [aspectRatio, fillRatio, orientation, centroidYRatio, compactness]; Y categorical({stand, squat, sit, lie}); mdl fitcecoc(X, Y, Learners, svm, Coding, onevsall);3.2.1 训练数据矩阵的组织方式训练数据的每一行是某一帧的特征向量列对应 5 个特征。标注时可以用视频片段组织先手工截取每类姿势各 100 帧把特征存成结构体再cell2mat拼成矩阵。有一点要特别注意Orientation特征在躺和坐之间可能产生符号翻转所以我在前面取了绝对值再归一化。训练时 80% 数据用于训练20% 用于验证。fitcecoc默认对 SVM 使用标准化处理但 5 个特征的量级差距不大都是 0~1 之间不标准化影响也不大。如果要强一致可以用Prior参数指定先验概率防止某类样本过多导致多数类偏向。3.3 特征有效性怎么看训练完不要急着用准确率说话先看混淆矩阵和特征分布。在 MATLAB 里用classperf或confusionchart都很方便。我见过最多的坑是蹲和坐混淆率高达 30%原因是包围盒无法分辨腿部折叠和椅子支撑。这时回看特征表compactness是第一候选——蹲姿时大腿和小腿重叠轮廓周长骤增而坐在椅子上时腿部轮廓与椅背混杂紧凑度反而偏低。可以画一张每类姿势的并行坐标图如果两条线严重交织说明该特征区分度不足需要增加新特征。如果传统几何特征打不动混淆再考虑添加频域特征对前景掩码做 Radon 变换取 0、45、90 度方向的投影方差。这个方向很多论文提过但实际代码不超过十行能有效补充坐卧直立的方向信息。4. 在App Designer上把识别流程做成GUI界面4.1 App Designer控件布局与回调结构GUI 界面不建议再用老的 GUIDEApp Designer 的绑定机制更清晰也兼容当前所有 MATLAB 版本。界面布局采用两个坐标轴左侧显示原视频右侧显示前景掩码加一个“开始识别”按钮和一个静态文本标签用于显示当前姿势。控件名称用app.AxesOriginal、app.AxesMask、app.StartButton、app.LabelStatus。回调绑定在app.StartButton.ButtonPushedFcn上内部循环读取视频帧并调用识别函数。注意 App Designer 回调里直接跑while ~isDone(vr)会阻塞 UI导致按钮无法响应。常见做法是把耗时读取放到parfeval异步任务里或者在循环最后加drawnow强制刷新。对于几百帧的视频drawnow足够。4.2 回调代码与实时显示逻辑以下代码放在 ButtonsPushedFcn 回调函数中是完整可用的一小段function StartButtonPushed(app, event) vr vision.VideoFileReader(app.InputPath, PlayCount, 1); fgd vision.ForegroundDetector(... NumGaussians, 3, NumTrainingFrames, 20, InitialVariance, 0.05); load(bodyPostureModel.mat, mdl); while ~isDone(vr) frame step(vr); fgMask step(fgd, frame); fgMask imopen(fgMask, strel(rectangle, [3,3])); fgMask imclose(fgMask, strel(rectangle, [15,15])); fgMask bwareaopen(fgMask, 800); stats regionprops(fgMask, BoundingBox, Area, ... Orientation, Centroid, Perimeter); if isempty(stats) app.LabelStatus.Text 无人; else areas [stats.Area]; [~, idx] max(areas); s stats(idx); features extractFeaturesFromStats(s); pred predict(mdl, features); app.LabelStatus.Text char(pred); end imshow(frame, Parent, app.AxesOriginal); imshow(fgMask, Parent, app.AxesMask); drawnow; end end4.2.1 加载模型并初始化模型是用fitcecoc训练后save(bodyPostureModel.mat, mdl)保存的。加载动作放在按钮回调前面不要在 while 循环里反复load否则磁盘 IO 会拖慢实时性。extractFeaturesFromStats是单独的本地函数内部实现与第 3 章的特征计算一致这里不再展开。回调里用app.InputPath存了视频路径可以用文件选择对话框赋值。4.2.2 帧循环与结果推送imshow(..., Parent, app.AxesOriginal)是 App Designer 里更新图像的标准方式但每次调用都会重建图像对象耗时较高。优化做法是先定义app.ImageHandle imshow(frame, Parent, app.AxesOriginal)循环内用app.ImageHandle.CData frame更新能减少几十毫秒的延迟。掩码轴同理。drawnow必须放在每次帧处理之后否则 UI 上的文本和图像不会更新看起来像卡死。5. 提升识别鲁棒性的三个具体技巧第一个技巧是给预测结果加时序投票。单帧分类判断抖动厉害因为一两帧的前景残缺会让特征瞬间偏离。我一般维护一个长度 15 的循环缓冲区窗口内出现次数最多的标签作为最终输出。实现时用mode函数buf [buf(2:end), predict(mdl, features)]; app.LabelStatus.Text char(mode(buf));这样能把短暂误判过滤掉代价是输出延迟约 0.4 秒对姿势稳定性判断场景完全可接受。第二个技巧是针对蹲坐混淆的专用特征——人体轮廓最低点的横向跨度。蹲下时双膝和双脚在地面的投影跨度大直视时轮廓最低点往往分成两段坐姿时腿下垂最低点是双脚并拢的单一区域。这个特征可以用regionprops的Extrema字段提取取所有最低点中横坐标最大值减最小值作为跨度。加入该特征后我的测试集蹲坐混淆率下降了 20 个百分点。第三个技巧是用自适应分类阈值替代固定阈值。站立和躺下的宽高比差异明显但不同人的体型差距会让 0.5 这个分界线失效。训练时记录每类的均值和标准差预测时对宽度比做 z-score 归一化再输入分类器。实际代码里只需在训练和预测两端同时调用同一个标准化函数麻烦的是要在 App 启动时加载训练集的均值和标准差否则现场数据分布偏移会吃掉模型效果。补充一个排障视角如果代入真实视频后所有帧都输出“无人”先检查 ROI 是否框住整个人体再检查bwareaopen的面积阈值是否远大于人体投影面积。用whos fgMask查看工作区变量能快速确认前景区域是否出现大面积空洞。这套方案在室内固定机位下能稳定跑到 15 帧每秒以上足够支撑一个带 GUI 的原型系统。如果后续需要更高精度再引入深度学习骨架点但当前基于几何特征的方案胜在可解释性强每个判断依据都能溯源到轮廓上调试时心里有底。本文还有配套的精品资源点击获取