相关实验视频
Updated: Jun 24, 2026

08:16
Movement Retraining using Real-time Feedback of Performance
Published on: January 17, 2013
13.4K
同步视频,动作捕捉和强力盘数据集用于验证无标记的人类运动分析
Murray Evans1,2, Laurie Needham3,4,5, Logan Wade3,4
1Centre for the Analysis of Motion, Entertainment Research and Applications, University of Bath, Bath, UK. m.evans@bath.ac.uk.
Scientific data
|November 28, 2024
概括
生物CV数据集提供同步的视频,运动捕捉和力板数据,用于验证无标记计算机视觉运动分析. 该资源有助于开发和评估新的无标记运动跟踪技术.
科学领域:
- 生物力学 生物力学
- 计算机视觉 计算机视觉
- 人类运动分析分析
背景情况:
- 基于标记器的光学运动捕捉是人类运动分析的黄金标准.
- 使用计算机视觉的无标记运动捕捉提供了一个不那么侵入性的替代方案.
- 无标记系统的验证需要全面的,同步的数据集.
研究的目的:
- 介绍BioCV数据集,这是一个用于无标记运动捕捉系统开发的新资源.
- 为验证基于计算机视觉的运动分析提供同步的多模式数据.
- 为了使无标记和基于标记的运动捕捉技术之间的性能比较.
主要方法:
- 收集了15名健康参与者 (7名男性,8名女性) 的同步数据.
- 使用多摄像头视频,基于标记器的光学运动捕捉和强力板.
- 记录控制的运动,包括走路,跑步,跳跃和跳跃.
- 对每个参与者获得的摄影测量扫描数据.
主要成果:
- 生物CV数据集提供了同步移动捕捉模式的独特组合.
- 该数据集可以直接比较无标记的计算机视觉技术与基于标记的系统.
- 包括多样化,重复的人类运动数据,用于强大的系统评估.
结论:
- 生物CV数据集是推进无标记运动捕捉技术的宝贵资源.
- 促进计算机视觉算法的开发和验证,用于人类运动分析.
- 支持旨在提高无标记运动跟踪的准确性和可靠性的研究.
更多相关视频
08:09Multifunctional Setup for Studying Human Motor Control Using Transcranial Magnetic Stimulation, Electromyography, Motion Capture, and Virtual Reality
Published on: September 3, 2015
10.9K
08:24Sit-to-stand-and-walk from 120% Knee Height: A Novel Approach to Assess Dynamic Postural Control Independent of Lead-limb
Published on: August 30, 2016
10.2K