Process / pipelineComputer vision
التقاط الحركة بدون علامات
يستنتج التقاط الحركة بدون علامات المواضع ثلاثية الأبعاد وزوايا المفاصل للذات المتحركة من تسلسلات الفيديو باستخدام الرؤية الحاسوبية والتعلم الآلي. تم ريادته من خلال مناهج التعلم العميق مثل OpenPose و MediaPipe، مما يلغي الحاجة إلى علامات عاكسة أو مستشعرات بالقصور الذاتي، مما يجعل التقاط الحركة متاحًا وعمليًا للتطبيقات الواقعية.
اقرأ الطريقة كاملة
للأعضاء فقط
تسجيل الدخولسجّل الدخول بحساب مجاني لقراءة هذا القسم.
خريطة المناهج
محيط المناهج ذات الصلة — اختر عقدةً للاستكشاف.
المصادر
- Cao, Z., Simon, T., Wei, S. E., & Sheikh, Y. (2017). Realtime multi-person 2D pose estimation using part affinity fields. IEEE Conference on Computer Vision and Pattern Recognition (CVPR). DOI: 10.1109/CVPR.2017.143 ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. link ↗
كيف تستشهد بهذه الصفحة
ScholarGate. (2026, June 3). Markerless Motion Capture. ScholarGate. https://scholargate.app/ar/biomechanics/markerless-motion-capture
أيُّ منهج؟
ضع هذا المنهج إلى جانب أقرب نظائره واقرأهما جنباً إلى جنب — المكتبة تضع الكتب على الطاولة، والاختيار لك.
- تحليل المشي باستخدام التشكيل الزمني الديناميكيالميكانيكا الحيوية↔ قارن
- الحركية الأماميةالميكانيكا الحيوية↔ قارن
- الديناميكا العكسيةالميكانيكا الحيوية↔ قارن