姿势偏移,往往毫无知觉
低头、含胸、歪肩……孩子专注时不会察觉。等到肩颈酸痛、视力下降,坏习惯已经重复了上千次。
成长守护把 MediaPipe 姿态识别搬进一块几美元的 ESP32-S3:图像在本地完成推理, 毫秒级给出坐姿反馈,再把结果汇成家长看得懂的健康报告。 视频不出设备,守护不掉线。
我们习惯为孩子测量身高、视力、睡眠,却很少测量他们每天保持最久的那个动作——坐。
低头、含胸、歪肩……孩子专注时不会察觉。等到肩颈酸痛、视力下降,坏习惯已经重复了上千次。
工作、出差、隔代照护,家长需要的不是一串传感器读数,而是看得懂、能行动的健康结论。
事后说教不如即时纠正。只有把反馈缩短到毫秒级,提醒才不会变成噪音,而会变成习惯。
从一颗摄像头、一块芯片开始,到家长手机里的一份健康报告。感知、判断、反馈、陪伴, 全部在同一条链路里完成。
MediaPipe Pose Landmarker Lite 直接在设备侧运行。一帧图像从采集到得出坐姿结论, 只需约 48ms,不依赖网络,也不把原始画面送出设备。
33 个人体关键点实时追踪,把“坐没坐直”翻译成可量化的角度与偏移量。
良好率、提醒频率、光照舒适度、在座时长,四个维度合成一个 0–100 的分数。
按星期 × 小时聚合,哪一天的哪一小时最容易塌腰,一眼就能找到。
把一整天的数据交给 AI,生成家长能直接读懂的发现、建议与鼓励。
孩子今天坐姿良好率 86%,比上周提升了 12%。
家长的一句话会出现在孩子的表情屏上;连续久坐 30 分钟,设备主动提醒站起来。
采集、识别、转发、存储、洞察,五个环节各司其职。每个环节都可以独立部署, 也可以在一台小服务器上跑完整闭环。
定时抓拍,图像交给同一局域网内的识别服务,不需要昂贵的边缘盒子。
MediaPipe Pose Landmarker 提取 33 个关键点,按人体几何规则判断 7 类坐姿问题。
设备属性与提醒事件经 IoTDA 安全转发,签名校验、去重入库,全链路可审计。
PostgreSQL 持久化遥测、标注帧与家庭留言,为看板提供只读聚合 API。
实时画面、成长评分、7×24 热力图与 AI 健康报告,汇总成一份可读的成长记录。
隐私边界清晰: 原始视频留在设备与本地服务之间,只有姿态结论与必要的标注帧进入云端。
LOCAL FIRST实时画面、趋势、热力图、AI 报告、家庭留言,被组织成一份家长愿意每天打开的成长记录。
不堆硬件,不依赖昂贵算力。所有数字都来自这套系统真实运行时的设计指标, 小到一颗芯片,也能撑起完整的守护闭环。
让科技退到身后,
让每一次坐直,都被看见。