面向真实 adolescent 运动姿势纠正的集成 IoT 环境下的 3D 人体姿态估计系统——GTA-Net
计算机视觉与模式识别
2024-11-12 v1
摘要
随着人工智能的发展，基于 3D 人体姿态估计的体育训练和姿势纠正系统在青少年运动中受到广泛关注。然而，现有方法在处理复杂动作、提供实时反馈以及适应遮挡、快速运动和物联网（IoT）设备资源受限等多样化姿势方面面临挑战，难以在准确性和实时性能之间取得平衡。为此，我们提出了一种集成于 IoT 环境中的智能姿势纠正和实时反馈系统——GTA-Net。该模型通过融合图卷积网络（GCN）、时间卷积网络（TCN）和层次注意力机制，增强了动态场景中的姿态估计，实现了通过 IoT 设备的实时纠正。实验结果表明，GTA-Net 在 Human3.6M、HumanEva-I 和 MPI-INF-3DHP 数据集上表现优异，分别达到 32.2mm、15.0mm 和 48.0mm 的平均关节位置误差（MPJPE），显著优于现有方法。该模型在复杂场景下展现出强大的鲁棒性，即使在遮挡和快速运动情况下也能保持高精度。该系统提升了实时姿势纠正能力，具有广泛的智能体育和健康管理应用前景。
引用
@article{arxiv.2411.06725,
title = {GTA-Net: An IoT-Integrated 3D Human Pose Estimation System for Real-Time Adolescent Sports Posture Correction},
author = {Shizhe Yuan and Li Zhou},
journal= {arXiv preprint arXiv:2411.06725},
year = {2024}
}
备注
18 pages