استفاده از کینکت در شناسایی و ردگیری حرکات ورزشی در رشته رزم آوران

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 740

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCEEM01_141

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

کینکت موقعیت 20 نقطه کلیدی در آناتومی بدن را می سنجد و با تشخیص و دنبال کردن حرکات این نقاط، موقعیت دقیقبدن انسان بصورت سه بعدی قابل مدلسازی است. بنابراین هدف از این تحقیق ارایه یک روش مناسب و جدید جهت بالا بردن راندمانتشخیص حرکات ورزشی در رشته رزم آوران می باشد. برای این منظور ابتدا قابلیت اطمینان برای قرارگیری بخش های مختلف بدنبراساس وضعیت های از پیش تعیین شده بدن بوسیله کینکت تعیین می شود، مخصوصا در بخش هایی که حرکات اندام ها با هم انسداددارند. براساس مقادیر اطمینان، یک مجموعه داده مخفی ایجاد می شود تا نزدیکترین وضعیت های قرارگیری همسایه و مشابه را استخراجکند. وضعیت های قرارگیری برای ساختن یک فضای قرار گیری طبیعی استفاده می شوند، که در این فضا فرایند بهینه سازی وضعیتقرارگیری انجام می شود، تا وضعیت قرارگیری صحیح پیش بینی شود. در پایان از وضعیت بازسازی شده استفاده می شود تا کاراکترمدلسازی را در وضعیت مناسب قرار دهد. سپس حرکات نقاط مدل شده از بدن ورزشکار و کاربر در حین ورزش با هم مقایسه می شود.نتایج نشان می دهد که اختلاف بین حرکات کاربر و ورزشکار ناشی از وضعیت قرار گیری کاربر و حرکات دست و پای او نسبت بهورزشکار می باشد، که با جمع بندی بر روی کلیه فریم های مورد بررسی خطا بالا می رود.

کلیدواژه ها:

نویسندگان

مرتضی حیدری

کارشناسی ارشد مخابرات دانشگاه آزاد اسلامی_واحد شهر مجلسی

مجید خوروش

استادیار دانشگاه آزاد اسلامی_واحد شهر مجلسی

محسن عشوریان

استادیار دانشگاه آزاد اسلامی_واحد شهر مجلسی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • http ://www. edge-online. com/news ...
  • Yang, Z. et al. An experimental study on automatic face ...
  • Grimson, W. Gait analysis for recognition and classification, In Proceedings ...
  • Boulgouris, N. V. et al. Gait recognition: A challenging signal ...
  • Nixon, M. S., Carter, J. N. Automatic recognition by gait, ...
  • Li, X. et al. Gait components and their application to ...
  • Wang, J. et al. A review of vision-based gait recognition ...
  • Arai, K., Asmara, R. 3D skeleton model derived from Kinect ...
  • Prochazka, A. et al. The Ms Kinect use for 3D ...
  • Granata, C. et al. Human whole body motion characteriz ation ...
  • CogInfoCom20 13, Budapest, Hungary, pp. 133- 138. (2013). ...
  • Berti, E. M. et al. Kalman filter for tracking robotic ...
  • Weerasinghe, T. et al. Application of Kinect sensor for tracking ...
  • construction workers, Construction Research Congress, (ASCE, pp. 858-867. (2012). ...
  • Arai, K., Asmara, R. Human gait gender classification using 2D ...
  • Lang, S. Sign language recognition with Kinect, Freie University Berlin. ...
  • Sinha, A. et al. Person identification using skeleton information from ...
  • Megavannan, _ et al. Human action recognition using depth maps, ...
  • Ye, M. et al. Accurate 3D pose estimation from a ...
  • Poppe _ A survey On vision-based human action recognition, Image ...
  • Shum, H.P.H. et al. Real-Time posture re construction for Microsoft ...
  • http : //razmikord .blogfa. com ...
  • نمایش کامل مراجع