Jul, 2019

透视覆盖物下：一种基于物理引导学习的床上姿势估计方法

PDF
TL;DR提出了一种基于 UCITD 方法的姿态识别技术，该技术通过长波长红外线技术对人体进行高分辨率的姿态信息捕捉，形成了一个完全标注的姿态数据集同时也证明其在医疗和医疗保健应用中具有巨大的实用价值。
in-bed pose estimationpressure mappingucitdpose datasetmedical applications
发现论文，激发创造
  • 卧姿估计综述

    对现有数据集和方法进行评审，旨在展示卧床人体姿势估计领域以往研究的局限性、当前挑战，并为未来工作提供指导性见解。

    Feb, 2024

  • 浅层数据深度学习中的睡床姿态估计

    本文介绍了利用卷积神经网络、红外图像采集技术和方向梯度直方图矫正方法解决特殊环境下的床上人体姿势估计的问题。通过特定数据集和网络层有针对性地微调预训练的卷积姿态机器模型，使用 HOG 方法改善了模型的表现。

    Nov, 2017

  • 可配置床面压力图三维人体姿态估计

    研究了如何使用压力敏感垫和卷积神经网络来预测人体在床上的三维姿态，从而使机器人在床上的应用更加有效。

    Apr, 2018

  • 静态身体：利用合成数据从压力图像估计 3D 人体姿态和形状

    利用由物理学建模的合成数据集，提出了一个使用压力传感垫推断人体姿势和形状的深度学习模型 Pressurepose，并展示了这个模型的良好性能。

    Apr, 2020

  • BodyPressure -- 从深度图像推测身体姿势和接触压力

    该研究提出了一种基于深度图像推断人体与床垫之间接触压力的方法，从而预防医疗卫生中的压力伤害，该方法通过添加人体软体物理模拟合成数据进行训练，并应用了新颖的深度网络模型成功推断人体姿态，并能够在被毯子遮挡的情况下推断人体 3D 网格模型的接触压力。

    May, 2021

  • 光学非直接视物理学基于 3D 人体姿势估计

    本文通过光学非视线成像系统获取的瞬态图像描述了一种实现 3D 人体姿势估计的方法，通过使用间接反射的光线，实现了从街角窥视的功能；该方法将非视线成像、人体姿势估计和深度强化学习等多个领域的技术结合起来，通过端对端的数据处理流程，将源源不断的光子测量转换为整个 3D 人体姿势序列的估计，并通过数据综合和增强策略实现靠近现实的 NLOS 成像系统数据的预测。初步实验结果表明，本文所提出的方法可以推广至真实世界的 NLOS 测量，从而实现估算物理上有效的 3D 人体姿势。

    Mar, 2020

  • 基于人匹配和无监督 2D-3D 提升的实时全向三维多人姿势估计的改进

    本文介绍了一种首个能够在实时环境中处理基本遮挡、能够适应 360 度全景相机和毫米波雷达传感器的多人姿态估计系统，通过使用实时的轻量级 2D-3D 姿态提升算法，在室内外环境中实现了准确的性能表现，提供了一种经济实惠且可扩展的解决方案，并且不论检测到的个体数量如何，系统的时间复杂度保持几乎恒定，能够在商用 GPU 的笔记本上达到大约 7-8 帧每秒的帧率。

    Mar, 2024

  • 通过单目摄像机实时进行航行和安全进入自然开口的头部姿态估计和三维神经表面重建

    我们使用 3D Slicer 作为基础平台，利用单目相机将人头进行 3D 模型重建，实时通过单目视觉传输头部姿态，并演示了利用 ArUco Marker 追踪工具实时指向头部姿态变化的可行性，为鼻咽拭子采集或插管等提供了一个可行的实时仿真平台。

    Jun, 2024

  • 一种用于传感器基于的人体活动识别的最佳传感器位置实时人体姿势估计方法

    通过使用从目标活动的视频记录中得出的实时 2D 姿势估计派生的得出骨架数据，本文引入了一种解决这个问题的新方法，为识别最佳传感器位置提供了一种独特的策略。我们通过进行可行性研究验证了我们的方法，将惯性传感器应用于监测十个被试者的 13 种不同活动。我们的发现表明，基于视觉的传感器放置方法与传统的深度学习方法提供了可比较的结果，从而证明了它的有效性。该研究通过提供一种轻量级的、设备上的解决方案来确定最佳传感器位置，从而改进了数据匿名化，支持多模态分类方法，显著推进了人体活动识别领域。

    Jul, 2023

  • 极低光照条件下的人体姿态估计

    本文研究了极低光照下的人体姿态估计，通过自主构建专用相机系统并建立包含准确姿态数据的新数据集，并使用新模型和新训练策略，该系统在真实极低光照环境下成功实现了姿态估计。

    Mar, 2023