用python写一个简单的人体坐姿检测程序，对人们的 9 种常见坐姿正直、低头、左偏头、 右偏头、身体右斜、身体左斜、右手托腮、左手托腮、前趴进行分析。

这个问题需要使用计算机视觉与深度学习的知识进行解决，需要构建一个监督学习模型，来对不同坐姿进行分类。

具体步骤如下：

1. 数据采集：我们需要收集不同坐姿的数据集，可以在网上搜索相关的图片或者自己拍摄。

2. 数据预处理：对数据进行预处理，如调整大小、归一化、去噪等操作，这可以使用Python的OpenCV库来实现。

3. 特征提取：下一步是对每个图像提取特征。可以使用多种特征提取方法，例如HOG、SIFT、SURF，或者使用CNN网络从图像提取特征。

4. 模型训练： 对提取出的特征进行分类，最终的目标是训练出一个可以对不同坐姿进行准确分类的模型。 可以使用各种机器学习算法进行训练，如支持向量机，决策树，随机森林等非深度学习算法。也可以使用深度学习框架，如TensorFlow和PyTorch实现卷积神经网络进行训练。

5. 模型评估： 使用测试数据集测试模型，性能评估的指标包括准确率、精确度、召回率等。

6. 实时检测：使用训练好的模型对实时的图像进行检测，实现坐姿检测功能。

总结：人体坐姿检测是利用图像处理技术将图片传入算法进行分类，是一项技术含量较高的技术，需要使用计算机视觉与深度学习的知识进行解决。