Bezmarkerowe przechwytywanie ruchu
Bezmarkerowe przechwytywanie ruchu wnioskuje trójwymiarowe pozycje i kąty stawów poruszającego się obiektu z sekwencji wideo przy użyciu wizji komputerowej i uczenia maszynowego. Zapoczątkowane przez podejścia głębokiego uczenia, takie jak OpenPose i MediaPipe, eliminuje potrzebę stosowania znaczników odblaskowych lub czujników inercyjnych, czyniąc przechwytywanie ruchu dostępnym i praktycznym dla zastosowań w świecie rzeczywistym.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Mapa metod
Sąsiedztwo pokrewnych metod — wybierz węzeł, aby je zgłębić.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Markerless Motion Capture. ScholarGate. https://scholargate.app/pl/biomechanics/markerless-motion-capture
Która metoda?
Zestaw tę metodę z najbliższymi jej krewnymi i czytaj je obok siebie — biblioteka kładzie księgi na stole; wybór należy do Ciebie.
- Analiza chodu z użyciem Dynamic Time Warping (DTW)Biomechanika↔ porównaj
- Kinematyka ProstaBiomechanika↔ porównaj
- Dynamika odwrotnaBiomechanika↔ porównaj
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →