重复动作计数进展：性能提升的基于关节的 PoseRAC 模型

Haodong Chen; Ming C. Leu; Md Moniruzzaman; Zhaozheng Yin; Solmaz Hajmohammadi

重复动作计数进展：性能提升的基于关节的 PoseRAC 模型

计算机视觉与模式识别 2024-02-27 v2

作者: Haodong Chen , Ming C. Leu , Md Moniruzzaman , Zhaozheng Yin , Solmaz Hajmohammadi

摘要

重复计数（RepCount）在健身追踪与康复等多种应用中至关重要。先前方法依赖红绿蓝（RGB）帧与身体姿态关键点的估计来识别动作重复次数，但这些方法存在诸多问题，包括无法稳定处理相机视角变化、多计、少计、难以区分子动作、显著姿态识别不准确等。本文在 [1] 工作基础上，将关节角度与身体姿态关键点相融合以应对这些挑战，并在 RepCount 数据集 [2] 上取得优于最先进 RepCount 方法的结果，平均绝对误差（MAE）为 0.211，Off-By-One（OBO）计数准确率为 0.599。综合实验结果证明了我们方法的有效性与鲁棒性。

关键词

重复动作计数姿态估计关节角度 PoseRAC RepCount 数据集平均绝对误差

引用

@article{arxiv.2308.08632,
  title  = {Advancements in Repetitive Action Counting: Joint-Based PoseRAC Model With Improved Performance},
  author = {Haodong Chen and Ming C. Leu and Md Moniruzzaman and Zhaozheng Yin and Solmaz Hajmohammadi},
  journal= {arXiv preprint arXiv:2308.08632},
  year   = {2024}
}

备注

7 pages, 9 figures

重复动作计数进展：性能提升的基于关节的 PoseRAC 模型

摘要

关键词

引用

备注

相关论文