Märgiteta liikumisjäädvustus
Märgiteta liikumisjäädvustus tuvastab liikuva subjekti 3D-asendid ja liigeste nurgad videoseeriate põhjal, kasutades arvutinägemist ja masinõpet. Süvaõppe lähenemisviiside nagu OpenPose ja MediaPipe abil pioneeritud tehnika välistab peegeldavate märgiste või inertssensorite vajaduse, muutes liikumisjäädvustuse kättesaadavaks ja praktiliseks reaalmaailma rakendustes.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Meetodikaart
Seotud meetodite ümbruskond — vali sõlm, et seda uurida.
Allikad
- 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 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Markerless Motion Capture. ScholarGate. https://scholargate.app/et/biomechanics/markerless-motion-capture
Milline meetod?
Aseta see meetod oma lähimate sugulaste kõrvale ja loe neid kõrvuti — raamatukogu laob raamatud lauale; valik on sinu.
- DTW kõnnianalüüsBiomehaanika↔ võrdle
- Edasikine kinemaatikaBiomehaanika↔ võrdle
- Pöörd- ehk inversdünaamikaBiomehaanika↔ võrdle
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →