Muscle Vision：基于关键点的体育锻炼实时姿态分类
人工智能
2022-03-24 v1
摘要
机器学习技术的最新进展使得许多常见任务（尤其是图像识别）的模型具有高度可移植性与性能。一个新兴领域——从视频外推的 3D 人体姿态识别——现已发展到能够支持具有足够鲁棒输出的实时软件应用，以支撑下游机器学习任务。在这项工作中，我们提出了一种新的机器学习流水线和 Web 界面，其对实时视频流执行人体姿态识别，以检测常见锻炼动作的执行并相应分类。我们呈现了一个能够接收网络摄像头输入并实时显示分类结果的模型界面。我们的主要贡献包括一种基于关键点和时间序列的轻量级方法，用于对选定的一组健身动作进行分类，以及一个用于实时获取和可视化结果的基于 Web 的软件应用。
引用
@article{arxiv.2203.12111,
title = {Muscle Vision: Real Time Keypoint Based Pose Classification of Physical Exercises},
author = {Alex Moran and Bart Gebka and Joshua Goldshteyn and Autumn Beyer and Nathan Johnson and Alexander Neuwirth},
journal= {arXiv preprint arXiv:2203.12111},
year = {2022}
}
备注
Published in MICS 2022