آنالیز دقیق حرکات دست و پا در رشته کاراته با استفاده از کینکت

Publish Year:

1395

نوع سند:

مقاله کنفرانسی

زبان:

Persian

View:

524

This Paper With 14 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

NCEEM01_097

تاریخ نمایه سازی: 11 مرداد 1396

Abstract:

با استفاده از کینکت، شناسایی حرکات انسان با سخت افزارهای ساده تر ممکن می شود. این امر باعث ایده هایتحقیقاتی جدید براساس سیستم های با پایه حرکت، مانند عملیات های تفریحی شامل بازی های حرکتی و عملیاتهای جدی تر مانند آموزش ورزش شده است. هرچند اتصال کینکت به کامپیوتر دارای مشکلاتی می باشد اما در اینتحقیق این مشکلات با همراه کردن چند نرم افزار دیگر برطرف شد. نتایج حاصل از آنالیز مفاصل کاربر بخوبی نشانداد که خطاهای اتفاق افتاده در حرکات پای کاربر بیشتر بوده است در ضمن بیشترین خطا در شناسایی زانوی هایکاربر اتفاق افتاد. این مفصل بیشترین انسداد را با مفاصل و اندام های دیگر کاربر ایجاد می کرد و یکی از دلایل اصلیخطا در شناسایی آن می باشد. مشابه حرکات ورزشکار میزان خطاهای اتفاق افتاده در شناسایی مفاصل دست کاربرنیز خطای کمتری داشت. البته در بخش هایی از دست که انسداد بیشتر بود، خطا نیز بیشتر بود. بطورکلی نتایج نشانداد که روند نسبتا یکسانی بین حرکات ورزشکار و کاربر وجود دارد و حتی مفاصل پر خطا در هر دو تقریبا یکسان می باشد.

Authors

مجید مالکی

دانشجوی کارشناسی ارشد مخابرات دانشگاه آزاد اسلامی، واحد مجلسی

محسن عشوریان

دانشیار دانشکده برق دانشگاه آزاد اسلامی، واحد مجلسی

پیمانمعلم
پیمان معلم

دانشیار دانشکده برق دانشگاه اصفهان

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • http ://www. edge-online .com/news ...
  • Yang, Z. et al. (2006). An experimental study on automatic ...
  • Lee, L., Grimson, W. (2002). Gait analysis for recognition and ...
  • Boulgouris, N. V. et al. (2005). Gait recognition: _ challenging ...
  • Nixon, M. S., Carter, J. N. (2006). Automatic recognition by ...
  • Li, X. et al. (2008). Gait components and their application ...
  • Wang, J. et al. (2010). A review of vision-based gait ...
  • Arai, K., Asmara, R. (2013). 3D skeleton model derived _ ...
  • Prochazka, A. et al. (2013). The Ms Kinect use for ...
  • Granata, C. et al. (2013) Human whole body motion characterizati ...
  • 1. Berti, E. M. et al. (2012). Kalman filter for ...
  • Weerasinghe, T. et al. (2012). Application ofMicrosoft Kinect sensor for ...
  • Arai, K., Asmara, R. (2011). Human gait gender classification using ...
  • Lang, S. (2011). Sign language recognition with Kinect, Freie University ...
  • Sinha, A. et al. (2013). Person identification using skeleton information ...
  • Megavannan, V. et al. (2012). Human action recognition using depth ...
  • Ye, M. et al. (2010). Accurate 3D pose estimation from ...
  • Poppe . (2010). A survey on vision-based human action recognition, ...
  • Shum, H.P.H. et al. (2013). Real-Time posture reconstruction for Microsoft ...
  • http : //razmikord .blogfa. com ...