AILD 智慧健康 高中组指导老师：牛玉坤
郑州第五十六中学 · 高一六班 · 董嘉怡 郑州第五十六中学 · 高一六班 · 董嘉怡
让每一次学习，
更健康，更科学。
基于计算机视觉与环境感知，实时识别近距用眼、低头含胸、久坐及光照风险，并通过即时提醒与健康报告形成行为干预闭环。
4 类健康风险监测
1.5 s实测平均提醒延迟
本地处理不上传人脸视频
CAMERA 01 · LIVE
58 cm
姿态识别正常
Face Mesh · 468 pts
Pose Estimation
Local inference
01问题与方案
从真实学习场景出发，
把“提醒”变成可验证的系统。
传统提醒依靠家长和老师观察，容易滞后。智护学伴通过摄像头、光照传感器与算法判断，将健康风险识别前移。
02 · 实时监测
学习健康监测台
点击场景按钮，即可演示不同风险的识别与干预。
监测中
视觉姿态识别CAMERA / 25 FPS
TRACKING · 98.6%
HEAD 7° · DIST 57 CM
头部角度正常
7°建议范围 ≤ 18°
眼屏距离正常
57cm个体校准后建议 ≥ 50 cm
环境光照正常
532lux学习桌面建议保持充足照明
连续学习正常
34min40 分钟后触发休息提示
03算法闭环
从采集、判断到干预，
每一步都可解释。
用可复现的规则与实验阈值代替模糊的“AI分析”，便于验证、调试与现场答辩。
摄像头提取面部与肩颈关键点，BH1750采集环境照度。
Camera · Sensor→
计算头部角度、眼距估值、姿态持续时间及照度。
MediaPipe · Calibration→
异常持续超过时间阈值后触发，减少瞬时动作误报。
Rules · Time window→
屏幕与语音提醒，同时生成匿名事件和每日健康报告。
Alert · Report关键设计
眼距采用“一次个体校准＋面部关键点尺度变化”估算；坐姿异常连续出现 10—15 秒后再提醒，兼顾灵敏度与误报率。
04 · 验证结果不仅“能运行”，
不仅“能运行”，
还要用数据证明有效。
2026年7月15日至17日完成30个距离与风险分类样本，并对10名匿名测试者进行提醒前后对照实验。以下结果由实测工作簿自动统计。
90.0%风险识别准确率
3.2cm眼距平均绝对误差
1.5s平均提醒延迟
实测数据说明30次分类中正确27次；T015、T024、T029为误判样本，T024同时记录了提醒失败。小样本结果仅用于作品验证，不作医学推断。
提醒前后不良姿态时长占比10名匿名测试者 · 每人2组20分钟对照实验
单位：%P01
26.0%
P02
30.5%
P03
28.0%
P04
34.0%
P05
27.0%
P06
24.5%
P07
30.0%
P08
25.5%
P09
36.5%
P10
25.0%
开启提醒前开启提醒后
05 · 应用价值一次提醒解决当下，
一次提醒解决当下，
一份报告帮助养成习惯。
系统面向家庭书桌、自习室与教室，不进行医学诊断，只提供学习健康行为的风险提示与趋势反馈。
实测汇总系统初步验证摘要
2026.07.15—1790识别准确率
提醒前不良姿态63.6%
提醒后不良姿态28.7%
眼距平均误差3.2cm
本次对照实验平均下降34.9个百分点；结果仅代表本次小样本测试条件。