ScholarGate
Ассистент
Process / pipelineComputer vision

Безмаркерный захват движения

Безмаркерный захват движения позволяет определять трехмерные положения и углы суставов движущегося объекта по видеопоследовательностям с использованием компьютерного зрения и машинного обучения. Разработанный на основе подходов глубокого обучения, таких как OpenPose и MediaPipe, он устраняет необходимость в отражающих маркерах или инерционных датчиках, делая захват движения доступным и практичным для реальных приложений.

Открыть в MethodMindСкороApply, compare, get guidance
Tools & resources
Скачать слайды
Learn & explore
ВидеоСкоро

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Карта метода

Окружение родственных методов — выберите узел, чтобы перейти к нему.

Источники

  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

Как цитировать эту страницу

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

Какой метод?

Поставьте этот метод рядом с ближайшими родственными и прочитайте их бок о бок — библиотека выкладывает книги на стол, а выбор за вами.

Сравнить рядом

Упоминается в

ScholarGateMarkerless Motion Capture (Markerless Motion Capture). Получено 2026-06-15 из https://scholargate.app/ru/biomechanics/markerless-motion-capture · Набор данных: https://doi.org/10.5281/zenodo.20539026