SUMediPose:一个2D-3D姿势估计数据集

科学领域:

• 生物力学 生物力学
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 生物机械运动分析至关重要,但在技术上昂贵且难以获得.
• 使用Pose Estimation (PE) 的无标记运动捕捉提供了替代方案,但面临着准确性和数据挑战.
• 现有的3D姿势估计方法与硬件复杂性和缺乏可靠的数据集作斗争.

研究的目的:

• 引入一个全面的多式联络数据集,以推进2D和3D人体姿势估计.
• 为了克服当前无标记运动捕捉技术的局限性.
• 为培训和验证生物力学姿势估计模型提供一个强大的数据集.

主要方法:

• 开发了一个多式联运数据集,包含3,444个记录和超过380万个关键点坐标.
• 使用自定义的多RGB摄像头系统 (6个摄像头) 进行360°捕捉,Vicon用于地面真实3D运动数据.
• 基于标记器的同步移动捕捉与多摄像头RGB数据,投射3D地面真相到2D图像空间.

主要成果:

• 该数据集包含来自28名参与者,以3个速度执行8个操作的2896943个图像.
• 包括精确的基于3D和2D标记器的关键点数据,以及用于准确投影的相机参数.
• 为2D和3D姿势估计任务提供了一个独特的资源,通过专业的标记器放置来验证.

结论:

• 引入的数据集显著提高了准确和可访问的生物机械运动分析的潜力.
• 它解决了对3D姿势估计研究中大规模,解剖学准确数据的关键需求.
• 该资源有助于开发更可靠的无标记运动捕捉系统,用于医疗和体育应用.