Aug, 2022

使用智能手机摄像头自动检测竞走中的失误：奥运奖牌获得者和大学运动员的比较

PDF
TL;DR本研究提出一种无接触测量的故障检测系统，使用姿态估计和基于多位合格裁判的机器学习模型，实现公平的故障判断，并使用多个运动员的智能手机视频验证了该系统，准确率超过 90％。
automatic fault detectionsportssensorsmachine learningpose estimation
发现论文，激发创造
  • 基于行走器传感器数据的帕金森病分期的机器学习鉴别

    该研究采用机器学习方法，通过使用低成本的步行器安装的传感器获取的运动学信号，从而准确分类 Parkinson 病的严重程度阶段，并提供了一种解决传感器健康评估中常见的小数据和嘈杂数据问题的方法。

    Jun, 2020

  • CareFall：基于可穿戴设备和 AI 方法的自动跌倒检测

    本研究提出了基于可穿戴设备和人工智能的自动跌倒检测系统 CareFall，并采用机器学习的方法，通过加速度计和陀螺仪等信息，提高跌倒检测的准确率，旨在为老年人提供智能、用户友好的解决方案来减轻跌倒的负面后果。

    Jul, 2023

  • 人体跌倒检测 - 多模态方法

    通过多模式方法，使用手腕加速度计数据和传感器与摄像头数据的融合来检测老年人跌倒，并对其进行二分类标记，使用 UP-FALL 检测数据集进行实验，结果表明使用多种传感器数据并未显著提高跌倒检测的性能。

    Feb, 2023

  • 运动场景中的大规模再识别分析：达到关键点的背叛

    我们研究了一种基于步态的人群再识别方法，通过利用多个预训练的人体动作识别模型和损失函数，有效地实现了对超长距离比赛中参赛者的再识别，尤其在比赛的临界点会有显著的改进。

    Dec, 2023

  • 盲领域转移实现零样本电机健康监测

    本研究提出了一种零样本技术，使用一维操作生成对抗网络来进行故障检测，该方法在不同的工作条件下检测到了不同类型、严重程度和位置的轴承故障，并获得了约 89% 和 95% 的平均召回率。

    Dec, 2022

  • 利用深度学习的实时交通监控事故检测

    本论文提出了一种在交通监控应用中实现交通事故检测的高效框架，包括基于 YOLOv4 方法的准确物体检测、基于 Kalman 滤波器以及匈牙利算法的对象跟踪，以及轨迹冲突分析的事故检测，并且用于真实交通视频数据的实验结果证明了该方法的实时应用的可行性。

    Aug, 2022

  • 基于可解释性人工智能的膝踝足矫形器患者步态分析的视频摄像机方法

    近年来，人工智能和计算机视觉的最新技术进展使得步态分析可以在手机等便携设备上进行。本文提出了一种针对摄像机运动具有鲁棒性并提供输出解释的步态分析系统，通过使用运动捕捉系统捕捉的七个特征来区分两种步态，并经验证可靠。

    Feb, 2024

  • 使用轻量级姿势估计技术的实时人体跌倒检测

    使用姿势估计提出了一种轻量级快速的人体摔倒检测系统，可以在低计算设备上实时工作，对于老年人的医疗护理系统非常重要。

    Jan, 2024

  • 残差方法在故障检测上的比较

    无监督的健康状况监测在复杂工业系统的故障检测中起着重要作用。本研究通过对自编码器和输入 - 输出模型进行综合比较，探索了这两种基于残差的方法在健康指标构建、故障检测和健康指标解释方面的性能。结果显示，输入 - 输出模型在潜在故障类型和可能故障部件的解释方面具有更好的可解释性。

    Sep, 2023

  • 面向康复的智能助行器中基于深度学习的人体运动解码方法

    本文提出了一种使用 RGB-D 摄像头的无接触方法，使用基于深度学习的算法来处理下肢 RGB-D 视频序列，以早期识别 / 检测人类动作，从而成功解码了人类运动和需求，使得智能步行器在康复中发挥更大作用。

    Jan, 2023