哈尔滨理工大学工学硕士学位论文
基于双目视觉的颈椎姿态检测研究
摘要
颈椎运动检测在生物医学和病理学领域具有极其重要的应用价值。通过
提取不同颈部姿态图像的颈部特征数据，可以判断颈部的健康状况并且为颈
部疾病分析提供基础。因此，颈部姿态检测对于生物医学和病理学的深入研
究具有借鉴意义。
如果采用单目视觉的方法对颈椎姿态检测，虽然可以实现检测颈椎姿态
的目的，但无法测量颈椎的倾斜角度，并且不能有效检测复杂的颈椎姿态。
针对上述问题，本文采用双目视觉的方式对颈椎倾角测量和颈椎姿态识别展
开研究，具体研究工作如下：
首先，本文通过对双目视觉检测和单目视觉检测方案进行对比研究，进
一步证实基于双目视觉的颈椎姿态检测方案的优势。在实验中，对多种双目
视觉摆放方案进行对比研究，最终确定后-左摆放方案为最佳。
其次，在对颈椎姿态检测方法进行研究时，从主干网络入手，采用改进
的shuffleNetV2优化OpenPose算法原始模型中的VGG19网络，采用改进的
CBAM注意力机制，提高对颈部图像的关注度，为整体网络性能奠定基础。
针对模型中的冗余参数，采用层压缩方式对网络模型进行压缩。通过改进的
ReLU激活函数实现非线性和线性之间的转换，利用解耦模块对网络模型进
行解耦，并通过线性卷积层的合并原理，采用合并模块对解耦后的模块进行
合并，最终实现模型压缩。
最后，针对系统需求，本文提出三种颈部特征提取算法，分别是头部关
节点与双肩关节点的比例、关键点倾斜角度以及特定坐标集合到基准点欧氏
距离，并通过实验证明每种算法对颈部姿态识别的有效性。构建非线性
SVM分类器对颈部特征进行分类识别。实验结果显示，在颈椎姿态检测方
面，本文算法在光线充足条件下的准确率为98.3%，帧率速度为15.5，在光
线阴暗条件下的准确率为97.7%，帧率速度为14.6，相较于原模型算法在检
测精度和处理速度上均有提升。
关键词双目视觉；颈椎姿态；卷积神经网络；深度学习
-I-
哈尔滨理工大学工学硕士学位论文
ResearchonCervicalMotionDetection
BasedonBinocularVision
Abstract
Cervicalmotiondetectionhasextremelyimportantapplicationvalueinthe
fieldofbiomedicineandpathology.Byextractingthecervicalcharacterdatafrom
differentcervicalmotionimages,thehealthstatusofthecervicalregioncanbe
determined,whichprovidesthefoundationfortheanalysisofcervicaldiseases.
Therefore,cervicalmotiondetectionissignificantforthein-depthresearchof
biomedicineandpathology.
Althoughthemethodofcervicalmotiondetectionemployingmonocular
visioncanaccomplishthepurposeofdetectingcervicalmotion,itisunableto
measurethetiltangleofthecervicalspine,anditcannoteffectivelyinspectthe
complexcervicalmotion.Onthisbasis,inthispaper,ar