基于深度学习的智能坐姿检测系统：Python+PyTorch实战

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_thresh=15, neck_thresh=20): """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_thresh

calculate_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。

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 python=3.9 -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, transform=None): 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-4，epochs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(), lr=learning_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(f"Epoch {epoch+1}/{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_classes=2) state_dict = torch.load('Model/net.pth', map_location='cpu') 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