ScholarGate
Assistente
Process / pipelineComputer vision

Captura de Movimento Sem Marcadores

A captura de movimento sem marcadores infere as posições 3D e os ângulos articulares de um sujeito em movimento a partir de sequências de vídeo usando visão computacional e aprendizado de máquina. Pioneira por abordagens de aprendizado profundo como OpenPose e MediaPipe, elimina a necessidade de marcadores refletivos ou sensores inerciais, tornando a captura de movimento acessível e prática para aplicações no mundo real.

Abrir no MethodMindEm breveVídeoEm breveBaixar slides

Leia o método completo

Exclusivo para membros

Entre com uma conta gratuita para ler esta seção.

Entrar

Mapa de métodos

A vizinhança de métodos relacionados — selecione um nó para explorar.

Fontes

  1. 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
  2. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press. link

Como citar esta página

ScholarGate. (2026, June 3). Markerless Motion Capture. ScholarGate. https://scholargate.app/pt/biomechanics/markerless-motion-capture

Qual método?

Coloque este método ao lado dos seus pares mais próximos e leia-os lado a lado — a biblioteca dispõe os livros sobre a mesa; a escolha é sua.

Comparar lado a lado

Referenciado por

ScholarGateMarkerless Motion Capture (Markerless Motion Capture). Recuperado em 2026-06-15 de https://scholargate.app/pt/biomechanics/markerless-motion-capture · Conjunto de dados: https://doi.org/10.5281/zenodo.20539026