完整英文电子版 IEEE Std 1752.1-2021 Open Mobile Health Data—Representation of Metadata, Sleep, and Physical Activity Measures(开放移动健康数据——元数据、睡眠和身体活动测量的表示)。该标准定义了表示移动健康最低元数据、与睡眠和身体活动相关的数据的规范。 定义了与一些环境变量、调查和相关测量单位和值集有关的数据，因为它们需要用于表示最少元数据、与睡眠和身体活动相关的数据。 该标准与当前或未来测量这些类型健康数据的设备或应用程序无关。
2021-10-11 13:04:05
972KB
pytorch-openpose
的pytorch实施包括身体和手姿态估计，并且pytorch模型直接从转换 caffemodel通过 。 如果您有兴趣，也可以用相同的方法实现人脸关键点检测。请注意，人脸关键点检测器是使用[Simon等人，2003年。 2017]。
openpose通过身体姿势估计的结果来检测手，请参考的代码。 在本文中，它表示为：
This is an important detail: to use the keypoint detector in any practical situation,
we need a way to generate this bounding box.
We directly use the body pose estimation models from [29] and [4],
and use the wrist a
2021-10-09 15:00:51
19.29MB
1
使用3D运动传感器的姿势和跌倒检测系统
这项工作提出了一种监督学习方法，用于训练姿势检测分类器，并使用Microsoft Kinect v2传感器使用姿势分类结果作为输入来实施跌倒检测系统。 Kinect v2骨架跟踪为25个身体部位提供3D深度坐标。 我们使用这些深度坐标来提取七个特征，这些特征包括对象的高度和某些身体部位之间的六个角度。 然后将这些特征输入到完全连接的神经网络中，该神经网络输出对象的三种已考虑姿势之一：站立，坐着或躺下。 在由多个对象组成的测试数据上，所有三种姿势的平均分类率均达到99.30％以上，这些对象大部分时间甚至没有面对Kinect深度相机，并且位于不同的位置。 这些结果表明，采用提议的设置对人体姿势进行分类的可行性与对象在房间中的位置以及3D传感器的方向无关。
系统演示请观看Posture_fall_detection_demo.mp4视频，以了解姿势和跌倒
2021-09-24 15:17:28
18.11MB
1
行业分类-网络游戏-身体传感器网络智能节点收纳充电盒及其磁力校准方法.zip
2021-09-11 18:04:04
268KB
PyTorch的SMPL层
用于人体层（已通过v0.4和v1.x测试）是可区分的PyTorch层，可确定性地将姿势和形状参数映射到人体关节和顶点。 它可以作为可区分的层集成到任何体系结构中，以预测物体的网格。 该代码改编自的存储库。
设置
1. smplpytorch程序包
无需安装即可运行：您将需要安装列出的依赖项：
在现有环境中使用conda env update -f environment.yml environment.yml，或
conda env create -f environment.yml ，用于新的smplpytorch环境
安装：要导入SMPL_Layer在另一个项目from smplpytorch.pytorch.smpl_layer import SMPL_Layer请执行下列操作之一。
选项1：这应该自动安装依赖项。
git clone https:/
2021-09-03 16:34:54
241KB
1