Markörlös rörelsefångst
Markörlös rörelsefångst (markerless motion capture) härleder 3D-positioner och ledvinklar för ett rörligt subjekt från videosekvenser med hjälp av datorseende och maskininlärning. Metoden, som pionjärsats genom djupinlärningsmetoder som OpenPose och MediaPipe, eliminerar behovet av reflekterande markörer eller tröghetssensorer, vilket gör rörelsefångst tillgänglig och praktisk för verkliga tillämpningar.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Metodkarta
Närområdet av besläktade metoder — välj en nod för att utforska.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Markerless Motion Capture. ScholarGate. https://scholargate.app/sv/biomechanics/markerless-motion-capture
Vilken metod?
Placera den här metoden bredvid sina närmaste släktingar och läs dem sida vid sida — biblioteket lägger fram böckerna på bordet; valet är ditt.
- DTW Gait AnalysisBiomekanik↔ jämför
- FramåtkinematikBiomekanik↔ jämför
- Inverse DynamicsBiomekanik↔ jämför
Refereras av
Similar methods
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →