ثبت حرکت بدون نشانگر
ثبت حرکت بدون نشانگر، موقعیتهای سهبعدی و زوایای مفصل یک سوژه متحرک را با استفاده از بینایی کامپیوتری و یادگیری ماشین از دنبالههای ویدئویی استنباط میکند. این روش که با رویکردهای یادگیری عمیق مانند OpenPose و MediaPipe پیشگام شده است، نیاز به نشانگرهای بازتابنده یا سنسورهای اینرسی را از بین میبرد و ثبت حرکت را برای کاربردهای دنیای واقعی در دسترس و عملی میسازد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
نقشهٔ روش
همسایگی روشهای مرتبط — برای کاوش، یک گره را برگزینید.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Markerless Motion Capture. ScholarGate. https://scholargate.app/fa/biomechanics/markerless-motion-capture
کدام روش؟
این روش را در کنار نزدیکترین روشهای خویشاوندش بگذارید و آنها را کنار هم بخوانید — کتابخانه کتابها را روی میز میگشاید؛ انتخاب با شماست.
- تحلیل گام با استفاده از پیچش زمانی پویا (DTW)بیومکانیک↔ مقایسه
- سینماتیک مستقیمبیومکانیک↔ مقایسه
- دینامیک معکوسبیومکانیک↔ مقایسه
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →