XiaoMi-AI文件搜索系统
World File Search SystemBlazepose
评估kinect，openpose和blazepose，用于下腰痛的人体运动分析物理康复数据集
分析人类运动是一个活跃的研究领域，具有各种应用。在这项工作中，我们使用机器人教练系统进行身体康复的背景下关注人类运动分析。计算机辅助评估的体育康复评估需要评估患者绩效，以完成基于用感官系统捕获的处理运动数据（例如RGB和RGB-D摄像机）完成规定的Reha-BiLitation练习。作为RGB图像的2D和3D人姿势估计取得了极大的改进，我们旨在使用从RGB-D摄像头（Microsoft Kinect）获得的运动数据和RGB视频（OpenPose和Blazepose算法）进行比较进行体育康复练习的评估。从位置（和方向）特征采用了高斯混合模型（GMM），其性能指标基于GMM的对数可能性值定义。评估是在临床患者的医学数据库上进行的，该数据库进行了较低的背痛康复运动，以前由机器人罂粟指导。
与人工智能共舞 - 一个互动的舞蹈学习平台
表 1 显示了基于某些参数的不同姿势估计技术之间的比较。我们可以看到，OpenPose 算法获得的准确度最高，但由于其 CNN 模型较重，获得的 fps 相当低，而对于 Posenet 算法，我们获得了良好的 fps，因为它 x 没有 x 多阶段架构，x 还使用轻量级 x CNN 模型。BlazePose 是另一种很好的姿势估计算法，因为它在姿势估计期间获得了准确度和 fps 的良好平衡。我们决定在这三个中选择 Blazepose，因为 Openpose 没有给我们提供良好的 fps，而 Posenet 仅考虑 17 个身体关键点进行检测，而 Blazepose 有 33 个，并且在我们的应用中，我们需要一种可以为单人姿势估计提供良好结果的算法，Blazepose 主要关注这一点，它还给出规范化坐标作为输出，而在其他算法中，我们明确需要对它们进行规范化以进行进一步处理。
使用人工智能进行身体姿势检测和运动跟踪，用于医疗锻炼和推荐系统 Anuj Patil 1 a) , Darshan Rao 1 b) , Kaustubh Utturwar 1 c) , Tejas Shelke 1 d) 和 Ekta Sarda 1e)
1 计算机工程系，Ramrao Adik 技术学院，DY Patil 等同于大学，新孟买 摘要。锻炼在我们的日常生活中非常重要，尤其是当患者处于康复过程中并需要加快身体恢复时。因此，锻炼在我们的生活中变得更加重要。它们为提高人类能力和延长寿命提供了基石。人工智能和图像处理可用于改善和补充锻炼过程，而无需专业监督。基于软件的运动跟踪器可以跟踪您所做的所有锻炼，并在您锻炼时为您提供有关姿势的反馈。通过计算数据和分析，锻炼的有益效率将提高。MediaPipe 框架可用于此应用程序；在这个机器学习模型中，在人体姿势的几个关节处绘制点，并跟踪、存储和分析运动。这种对身体跟踪的详细分析可用于实现可以跟踪注册个人的医疗锻炼的应用程序。该软件可以进一步改进，以便将注册用户映射到经过验证的真实医生，该医生可以使用数据库访问映射患者的诊断报告和锻炼历史。关键词：MediaPipe、BlazePose、BlazeFace、二头肌弯举。