智能护膝：基于智能纺织品的3D下半身运动估计实时多模态数据集
计算机视觉与模式识别
2023-11-23 v1 人工智能
摘要
人体运动与步行的运动学与肌肉的激活和收缩密切相关。为此，我们提出了一个使用新型智能护膝（Texavie MarsWear Knee Sleeves）采集并带基准的人体姿态估计多模态数据集。我们的系统利用同步数据集，包含来自护膝的时间序列数据以及来自可视化动作捕捉相机系统的对应真值标签。我们仅基于进行不同活动的个体的可穿戴数据来生成3D人体模型。我们展示了该无相机系统及机器学习算法在评估各种动作与锻炼中的有效性，包括泛化到未见过的锻炼动作和个体。结果显示，与真值相比，所有八个下半身关节的平均误差为7.21度，表明护膝系统在对膝盖以外不同下半身关节进行预测时的有效性与可靠性。该结果能够以无缝方式实现人体姿态估计，而不受视觉遮挡或相机视场的限制。我们的结果显示了多模态可穿戴传感在从家庭健身到体育、医疗和健康康复等关注姿态与运动估计的多种应用中的潜力。
引用
@article{arxiv.2311.12829,
title = {Intelligent Knee Sleeves: A Real-time Multimodal Dataset for 3D Lower Body Motion Estimation Using Smart Textile},
author = {Wenwen Zhang and Arvin Tashakori and Zenan Jiang and Amir Servati and Harishkumar Narayana and Saeid Soltanian and Rou Yi Yeap and Meng Han Ma and Lauren Toy and Peyman Servati},
journal= {arXiv preprint arXiv:2311.12829},
year = {2023}
}
备注
Accepted by Thirty-seventh Conference on Neural Information Processing Systems (Neurips) D&B Track