比较两个骨架跟踪处理3

Question

我目前正在做我的论文，其中涉及让2人成为职业运动员和业余爱好者。首先进行图像处理骨架化我想在进行深蹲练习时记录专业运动员，然后当业余爱好者进行练习时，我希望能够将专业骨架与业余骨骼进行比较，看它是否正确形成。

请接受任何建议和意见，很乐意感谢您的帮助

Answer 1

这就是你的问题：

  

正确形成。

正确执行的实际意味着什么？如何量化？

请记住，我不是这个领域的运动员/经验丰富的人。 如果我接到任务，我会反直觉地朝着相反的方向前进： 离开表格处理3 / kinect /电脑。我会改为：

1. 找一名职业运动员
2. 找到具有功能性移动培训的熟练培训师。
3. 找一个业余爱好者（可能最简单）

第2项将更加棘手。例如FMS似乎非常强调正确锻炼和行动（以提高表现并降低受伤风险）。我不确定这是唯一的方法还是最好的方法。您可能想查看Physical Fitness上的意见，咨询学习/教学运动科学等人。请检查凭证，因为它感觉就像每个人都有意见/偏好的领域。

这个想法是要了解受过专业教育的教练如何评估正确的运动。请注意它在现实世界中的工作原理并尝试将其系统化。

正确执行的提示是什么？

• 是关键姿势
• 之间的动议
• 骨骼和肌肉系统如何协同工作/施加的重量/力/等

更好地了解它在现实世界中是如何工作的，应该引导您开始在计算机上以数字方式开始量化/比较。

根据您收集的信息，尝试使用笔和纸手动制作清单/评分系统。如果这有效，你已经有了一个系统就可以开始编程。

下一步是获取数据。 这可能是kinect到来的地方，但请记住：

• kinect的第二个版本比第一个版本更精确
• 有Kinect2 SDK wrapper for Processing 3：如果可以，请使用（仅限Windows）。有一种方法可以获得libfreenect2 working with OpenNI on osx/linux，因此可以使用SimpleOpenNI处理，但它不是直接的，你将无法在骨架跟踪算法上获得相同的精度
• 使用尽可能精确的数据：
  • 您可以获得跟踪骨架关节的准确性
  • 使用不包含复杂背景的环境（可以轻松划分用户并检测/跟踪骨架，而不会将其误认为其他内容）。更喜欢人工非白炽灯（kinect v2的问题较少，但你仍然希望尽可能少的红外干扰）。
  • 比较单个姿势上的方向矩阵或关节可能不足以全面了解：如何在考虑到kinect无法轻易看到的事物的情况下捕获/量化运动：肌肉弯曲/施加的力/移动中心万有引力等。
  • 尝试使用网格系统，这样可以简化数字值与真实世界测量的配对。查看过去人们过去常常如何研究动作，例如Étienne-Jules Marey或Eadweard Muybridge



Étienne-Jules Marey的动作捕捉



Eadweard Muybridge的动作研究（注意网格）

对于涉及解剖学/物理学/运动学等方面的项目来说，这是一个非常完整的项目。

首先从研究开始：

• 过去人们是如何研究这个的？
• 目前的发展情况如何？
• 它在现实世界中如何运作（没有电脑）？

考虑您的约束：

• 你可以使用什么资源（人/装备/等）？
• 你有多少时间可用？ 鉴于上述情况，可以切实解决项目的哪个主题/部分以获得有用的结果。
总的来说可能是这样的：
• 背景研究
• 现实世界研究
• 比较系统具有可以用kinect和人来衡量的功能
• 记录数据（真实世界数据+移动性比较评估和kinect数据+移动性比较）
• 比较数据
• 写出对结果的评价（系统有效性如何？有什么限制？可以改进的（未来工作）等等。）

简而言之，请注意kinect限制：骨架跟踪是基于概率的：它不是100％准确。尽可能使用尽可能干净/正确的数据（如果可以控制捕获环境，可以轻松获取良好的数据）。从真正的培训师跟踪的内容来看，您可以用kinect跟踪什么？对交叉测量进行比较。