May, 2024

基于序列模式识别预测身体部位的关节角度

PDF
TL;DR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。
ergonomicsworkplacehuman posture recognition3d human modelconvolutional neural network
发现论文，激发创造
  • 基于深度学习的多视角图像全身运动学估计

    本文提出了一种基于多视图图像的直接关节角度估计方法，通过结合体态姿势表示法，将旋转表示法映射到一个连续空间中，为现场运动分析提供了一种新的方法。

    Jul, 2023

  • 物理人机交互中鲁棒性强的多感知姿态估计方法

    提出了一种用于 3D 姿势估计的低成本、无侵入感的多传感器算法，基于 OpenPose 2D 姿势和机器人轨迹，使用粒子滤波器，技术可应用于 PHRI 领域，性能比使用 OpenPose 或机器人轨迹的单一传感器人体姿势估计更好，以及在使用 RULA 评估工具上的姿势评估表现更好。

    Aug, 2022

  • 基于国际生物力学标准的联合角度在人类动作识别与相关任务中的应用

    本文介绍了基本的生物力学概念，展示了如何将常见的关键点数据转换为独特描述给定姿势的关节角度，并证明了该方法适用于机器学习应用，特别是在需要与人类专家进行解释和对话的领域，如运动和医疗应用。

    Jun, 2024

  • 基于三维姿势反馈的身体锻炼

    通过 Graph Convolutional Network 框架，从用户姿势序列中学习关节运动的关系，能够对个人的自我康复锻炼和体育锻炼中出现的错误进行准确的识别和纠正。

    Aug, 2022

  • 人机工程智能化的物理人机协作：姿态估计、评估和优化

    提出了一种基于 “DULA” 的姿势评估工具的人类机器人交互的姿势估计、评估和优化的新框架。

    Aug, 2021

  • 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

  • 一种基于距离几何的方法，用于从 RGB 图像恢复机器人关节角度

    提出了一种利用单个 RGB 图像来检索机器人手臂的关节角度的新方法，该方法基于运动规划和控制算法所需的准确联合角度数据的收集，将机器人运动与物理空间中的距离几何表示联系起来，利用机器人的运动学模型训练一个浅层神经网络来预测结构关键点间的距离，并通过多维缩小和简单的逆运动学过程来恢复关节角度。本文在 Franka Emika Panda 手臂的真实 RGB 图像上展示了该方法的高效性和稳健的泛化能力，以及该方法可以轻松地与密集的细化技术相结合以获得更好的结果。

    Jan, 2023

  • 我们不仅仅是我们的关节：预测 3D 身体如何运动

    本文提出了一种基于稀疏表面标记预测人体运动的方法，通过 MOJO 模型生成高频成分的动画，使用 SMPL-X 模型保证解决方案符合身体的真实形态，并取得了最先进的结果。

    Dec, 2020

  • 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

  • 使用解剖学特征和迭代学习进行自监督优化的手势估计方法

    研究报告提出了一种自我监督学习框架，结合手势估计和手势识别，用于解决手势识别在复杂场景中的困难，以提高手动组装场景下的活动识别的准确性和鲁棒性。

    Jul, 2023