可穿戴式运动捕捉:从可穿戴式传感器重建和预测3D人类姿势

科学领域:

• 生物医学工程 生物医学工程
• 计算机科学 计算机科学
• 康复技术 康复技术 康复技术

背景情况:

• 3D人体姿势重建对于健康监测至关重要,特别是对于运动障碍的人来说.
• 目前的方法通常依赖于带有第三人称摄像头的运动捕捉系统,限制了门诊使用.
• 可穿戴式传感器为远程和不受约束的姿势估计提供了潜在的解决方案.

研究的目的:

• 开发一种可穿戴的运动捕捉系统,用于使用IMU传感器和可穿戴相机重建和预测3D人体姿势.
• 为了使远程诊断和监测在临床环境之外的患者.
• 为了解决单独门诊患者的基于摄像头的第三人称姿势估计的局限性.

主要方法:

• 介绍了一种新的以注意力为导向的循环神经网络 (AttRNet).
• AttRNet具有传感器智能注意力导向的循环编码器,重建模块和动态时间注意力导向的循环解码器.
• 使用可穿戴IMU和具有地面真相连接角度的摄像头开发新的可穿戴MotionCapture数据集.

主要成果:

• 在新的WearableMotionCapture数据集上,AttRNet模型在重建和预测3D人类姿势方面表现出高准确度.
• 拟议的方法在两个公共数据集上胜过了最先进的技术:DIP-IMU和TotalCapture.
• 成功验证可穿戴式运动捕捉用于下肢和全身姿势估计.

结论:

• AttRNet模型为可穿戴式运动捕捉提供了有效的解决方案,使得精确的3D人类姿势重建和预测成为可能.
• 这项技术具有远程健康监测,康复评估和辅助设备控制的巨大潜力.
• 开发的系统克服了传统运动捕捉的局限性,促进了临床环境之外的患者护理.