随着当前信息时代的发展,神经网络以及机器视觉被开发的功能越来越多,并且在许多领域已经可以代替人类进行高精度以及高强度的工作。同时,随着社会经济的不断发展,越来越多的人选择长时间的坐姿办公模式,虽然长时间的坐姿办公显得轻松自在,但一系列日益严重的坐姿引起的疾患问题也随之而来,比如肌肉骨骼疾患、近视等。头部以及肩部姿态可以很大程度上反映人体坐姿状态。例如坐姿状态下的颈椎、用眼、手部、脊椎等情况。因此,本文设计一种基于神经网络在双目视觉系统下实现坐姿状态下头部以及肩部姿态的检测系统,从而对坐姿进行判断。该系统采用非接触检测,使用过程中对用户不会造成任何不适,研究内容和创新点如下:在数据采集上,使用两个普通CMOS相机作为采集图像信息设备,在检测前进行相机的标定以及畸变矫正等操作,用于后续使用双目相机进行立体匹配测量关键点的深度信息。在关键点检测以及姿态判断环节,利用HOG特征以及PCA降维对SDM算法进行改进,使得SDM算法检测头部关键点在保证精度的同时提高检测效率,更符合实时性;对Open Pose的检测模型进行优化,使其在对肩部关键点检测时,避免对其他关键点的检测,提高检测效率。在总体结构上,基于神经网络,在双目视觉下设计一种头部以及肩部姿态检测的方法,并将头部、肩部姿态以及用眼关系和身体倾斜旋转情况分为多种。利用POSIT算法对头部关键点计算头部欧拉角判断并头部的倾斜以及旋转情况;计算肩部关键点连线的水平夹角并判断肩部倾斜情况;利用眼部关键点以及肩部关键点深度信息判断用眼距离、身体前倾后仰以及旋转等情况。并设计软件用于测试和验证坐姿检测的有效性。实验结果表明,无论头部关键点检测、肩部关键点检测、关键点深度信息的测量还是姿态的判断都取得了良好的结果。