相关实验视频
Updated: Jun 27, 2026

08:16
Movement Retraining using Real-time Feedback of Performance
Published on: January 17, 2013
13.4K
基于深度学习的人体构成估计在提供反的身体运动:一项审查
Atima Tharatipyakul1, Thanawat Srikaewsiew2, Suporn Pongnumkul1
1National Electronics and Computer Technology Center (NECTEC), Pathumthani 12120, Thailand.
Heliyon
|September 16, 2024
概括
本综述分析了人体姿势估计和运动评估方法. 目前的系统使用CNN,但反的有效性和评估方法的选择仍然不清楚,需要进一步研究.
科学领域:
- 计算机科学 计算机科学
- 人与计算机的交互
- 生物医学工程 生物医学工程
背景情况:
- 人类姿势估计对于分析运动和提供技能改进反至关重要.
- 现有的研究使用各种方法来估计姿势和运动评估.
研究的目的:
- 审查当前的研究状况,并确定人体位估计和运动评估中的差距.
- 分析用于姿势估计,运动评估,用户反和评估的方法.
主要方法:
- 在Scopus和Web of Science数据库中的系统文献搜索.
- 使用自下而上的和自上而下的方法分析了45篇文章.
- 用于姿势估计,运动评估,反和评估的方法的分类.
主要成果:
- 卷积神经网络 (CNN) 通常用于姿势估计.
- 运动评估方法包括数学模型,基于规则的系统和机器学习.
- 反主要是视觉 (口头和非口头);评估使用数据集和人类参与者.
结论:
- 位置估计图书馆对于现场进步至关重要.
- 在新背景下,对移动评估方法的有效性和选择标准尚未明确.
- 需要进一步研究反优先级和错误反的影响.
更多相关视频
11:06A Human-machine-interface Integrating Low-cost Sensors with a Neuromuscular Electrical Stimulation System for Post-stroke Balance Rehabilitation
Published on: April 12, 2016
10.4K
09:41Estimation of Contact Regions Between Hands and Objects During Human Multi-Digit Grasping
Published on: April 21, 2023
1.5K