Jelölőpont nélküli mozgásrögzítés
A jelölőpont nélküli mozgásrögzítés számítógépes látás és gépi tanulás segítségével videósorozatokból következtet egy mozgó alany 3D pozíciójára és ízületi szögeire. Az olyan mélytanulási megközelítések, mint az OpenPose és a MediaPipe úttörő szerepe révén szükségtelenné teszi a fényvisszaverő jelölőpontok vagy inerciális szenzorok használatát, így a mozgásrögzítés hozzáférhetővé és praktikussá válik a valós alkalmazások számára.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Módszertérkép
A rokon módszerek környezete — válasszon ki egy csomópontot a felfedezéshez.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Markerless Motion Capture. ScholarGate. https://scholargate.app/hu/biomechanics/markerless-motion-capture
Melyik módszer?
Állítsa e módszert a hozzá legközelebb álló rokonai mellé, és olvassa őket egymás mellett — a könyvtár az asztalra teszi a könyveket; a választás az Öné.
- DTW LépéselemzésBiomechanika↔ összehasonlítás
- Forward KinematicsBiomechanika↔ összehasonlítás
- Inverz dinamikaBiomechanika↔ összehasonlítás
Hivatkozik rá
Similar methods
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →