Cattura del movimento senza marcatori
La cattura del movimento senza marcatori inferisce le posizioni 3D e gli angoli articolari di un soggetto in movimento da sequenze video utilizzando la visione artificiale e l'apprendimento automatico. Pioniere di approcci di deep learning come OpenPose e MediaPipe, elimina la necessità di marcatori riflettenti o sensori inerziali, rendendo la cattura del movimento accessibile e pratica per applicazioni nel mondo reale.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Mappa dei metodi
Il vicinato dei metodi correlati — seleziona un nodo per esplorare.
Fonti
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Markerless Motion Capture. ScholarGate. https://scholargate.app/it/biomechanics/markerless-motion-capture
Quale metodo?
Affianca questo metodo ai suoi parenti più prossimi e leggili fianco a fianco — la biblioteca dispone i libri sul tavolo; la scelta è tua.
- Analisi del Gesto tramite DTWBiomeccanica↔ confronta
- Cinematica DirettaBiomeccanica↔ confronta
- Dinamica InversaBiomeccanica↔ confronta
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →