Jun, 2022

瑜伽姿势的视角无关分类框架

PDF
TL;DR本研究使用从 Human Pose Estimation 模型中提取的 136 个关键点训练 Random Forest 分类器，对 Yogasanas 进行估计，通过测试未见的帧、未见的主题和未见的摄像机角度，提出了评估 Yoga 分类器通用性的三步方案，并分析了迁移学习和目标泄漏的优势和局限性，探讨了交叉验证方法对分类精度的影响，为后续研究提供了数据集和代码。
yogahuman pose estimationrandom forest classifiertransfer learningclassification accuracy
发现论文，激发创造
  • Yoga-82：一个新的用于人体姿势细粒度分类的数据集

    本文提出了细粒度分层姿势分类的概念，并提出了一个大规模的瑜伽姿势识别数据集 Yoga-82，包含三个级别的层次结构，以及基于卷积神经网络的多种分类方法。

    Apr, 2020

  • 3DYoga90: 一个用于瑜伽姿势理解的分层视频数据集

    我们开发了 3DYoga901，这是一个三层标签层次结构的数据集，包括 RGB 瑜伽动作视频和 3D 骨架序列，对于瑜伽动作识别和姿势评估有着重要的推动作用。

    Oct, 2023

  • 细粒度的运动、瑜伽和舞蹈姿势识别：一项基准分析

    人体姿势估计是计算机视觉中的一个复杂问题，本研究通过引入深度学习技术和提出的 SYD-Net 模型，在解决体育运动和舞蹈姿势分类问题上取得了显著的进展。

    Aug, 2023

  • 使用单张图像进行瑜伽姿势识别的高效深度卷积神经网络模型

    YPose 是一个用于从 RGB 图像中识别瑜伽姿势的卷积神经网络模型，采用基于 EfficientNets 骨干的 CNN 架构进行特征提取，并添加了密集连接网络架构中自适应的密集细化块用于学习更多样化的特征，然后应用全局平均池化和全连接层用于瑜伽姿态的多级分类，其在 Yoga-82 数据集上的表现优于之前的最新技术，准确率达到了 93.28%。

    Jun, 2023

  • 通过预测相机视角提高 3D 人体姿态估计的跨数据集泛化能力

    本研究采用系统性研究来分析不同数据集之间多样性和偏差对模型泛化能力的影响，提出了一种同时预测相机视角和人体姿态的模型，取得了显著的跨数据集泛化性能提升。

    Apr, 2020

  • 肌肉视觉：基于实时关键点的体育动作姿势分类

    本研究提出了一种新的机器学习流程和网络接口，可对实时视频进行人姿态识别，检测特定健身运动并进行分类，主要贡献包括一种基于关键点和时间序列的轻量级分类方法和一个基于 Web 的软件应用程序，实时获取和可视化结果。

    Mar, 2022

  • 无监督视频理解 —— 通过协调姿态相似性

    采用基于视频序列的完全无监督深度学习过程，该过程可以描述一个活动的最基本组成部分，即单个姿势及其独特的过渡。

    Aug, 2017

  • 基于智能椅的健康坐姿预测

    机器学习模型通过分析座椅背部和座位的 32 x 32 压力传感器所收集的数据进行姿势识别，实现对六个坐姿的分类，平均分类准确率在受控和逼真数据集上分别达到了 98％和 97％。

    Jan, 2022

  • 野外单目三维人体姿态估计的普适性推广

    研究人员提出了一种基于立体视觉启发的神经网络技术和几何搜索方案来生成高质量的 3D 姿势地面真实数据，使不需要专业训练模式和辅助损失函数的神经网络模型在野外图像数据中实现良好的 3D 姿态估计结果。

    Apr, 2019

  • 基于序列模式识别预测身体部位的关节角度

    通过创建一个数据集，包含了人体模型的人工图像和真实人体照片，以及通过卷积神经网络提取所需关节角度，我们得到了在测试数据集上的均方根误差（RMSE）为 12.89、平均绝对误差（MAE）为 4.7 的结果，从而解决了二维人体姿势识别中不可见身体部位的问题。

    May, 2024