Covfefe：一种用于估计用力程度的计算机视觉方法
人机交互
2018-09-26 v1 人工智能
计算机视觉与模式识别
摘要
对重复性和用力活动的累积暴露可能导致肌肉骨骼损伤，这不仅降低工人的效率与生产力，也影响其生活质量。因此，广泛可及且可靠的、用于检测人类活动不安全肌肉用力程度的技术对其福祉是必要的。然而，用力程度的测量具有挑战性，现有技术构成巨大挑战，因为它们或是侵入性的、干扰人机界面、和/或具有主观性，因而无法对所有工人规模化应用。在本工作中，我们使用人脸视频与光电容积描记（PPG）信号来分类 0%、50% 和 100% 的用力程度（分别代表休息、中等用力与高用力），从而提供一种非侵入且可规模化的方法。我们研究了高效特征提取方法，包括面部不同标志点运动的标准差、PPG 信号中波峰与波谷间的距离。我们注意到 PPG 信号可从人脸视频获得，从而给出一种利用人脸视频分类用力程度的高效算法。基于从 20 名受试者收集的数据，从人脸视频提取的特征在 100% 与 0% 和 50% 组合数据集的分类中达到 90% 准确率。进一步结合 PPG 信号提供 81.7% 准确率。该方法在被试说话时也能稳健正确识别用力水平，尽管训练未包含此类数据集。
引用
@article{arxiv.1809.09293,
title = {Covfefe: A Computer Vision Approach For Estimating Force Exertion},
author = {Vaneet Aggarwal and Hamed Asadi and Mayank Gupta and Jae Joong Lee and Denny Yu},
journal= {arXiv preprint arXiv:1809.09293},
year = {2018}
}
备注
12 pages