論文の概要: Weight Training Analysis of Sportsmen with Kinect Bioinformatics for Form Improvement

• arxiv url: http://arxiv.org/abs/2009.09776v1
• Date: Thu, 13 Aug 2020 04:52:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-30 23:47:37.472447
• Title: Weight Training Analysis of Sportsmen with Kinect Bioinformatics for Form Improvement
• Title（参考訳）: Kinectバイオインフォマティクスを用いたスポーツマンの体重トレーニング解析
• Authors: Muhammad Umair Khan, Khawar Saeed, Sidra Qadeer
• Abstract要約: 本稿では,重量トレーニング中の選手の動きを捉え,そのデータを解析して,障害や不完全性を発見するシステムを提案する。 本システムでは,Kinect深度画像を用いて,選手の選択した関節のパラメータを算出している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Sports franchises invest a lot in training their athletes. use of latest technology for this purpose is also very common. We propose a system of capturing motion of athletes during weight training and analyzing that data to find out any shortcomings and imperfections. Our system uses Kinect depth image to compute different parameters of athlete's selected joints. These parameters are passed through certain algorithms to process them and formulate results on their basis. Some parameters like range of motion, speed and balance can be analyzed in real time. But for comparison to be performed between motions, data is first recorded and stored and then processed for accurate results. Our results depict that this system can be easily deployed and implemented to provide a very valuable insight to dynamics of a work out and help an athlete in improving his form.
• Abstract（参考訳）: スポーツフランチャイズはアスリートのトレーニングに多くの投資をしています。 この目的のために最新の技術を使うのも非常に一般的です。 体重トレーニング中にアスリートの動きを捉え、そのデータを分析して欠点や不完全さを見出すシステムを提案する。 本システムはKinect深度画像を用いて,選手の選択した関節のパラメータを算出する。 これらのパラメータは、特定のアルゴリズムを通して処理し、その基礎に基づいて結果を定式化する。 動きの範囲、速度、バランスなどのパラメータはリアルタイムで分析できる。 しかし、動作間で比較を行うために、データはまず記録され、保存され、正確な結果のために処理される。 このシステムは,作業のダイナミクスに関する貴重な洞察を与え,選手の体型改善を支援するために,容易に展開および実装することが可能である。

関連論文リスト

• AI coach for badminton [0.0]
  本研究では,バドミントンマッチの映像を識別し,プレイヤーの運動学と生体力学の知見を抽出する。 この研究は、姿勢、技術、筋肉の向きの改善を示唆する予測モデルを導出することを目的としている。 これらの勧告は、誤ったテクニックを緩和し、関節疲労のリスクを低減し、全体的なパフォーマンスを向上させるように設計されている。
  論文  参考訳（メタデータ） (2024-03-13T20:51:21Z)
• Fast and Robust Video-Based Exercise Classification via Body Pose Tracking and Scalable Multivariate Time Series Classifiers [13.561233730881279]
  本稿では,ビデオを用いたS&C演習の分類の応用について述べる。 そこで本研究では,BodyMTSという手法を用いて,映像を時系列に変換する手法を提案する。 その結果,BodyMTSの平均精度は87%であり,これはヒトドメインの専門家の精度よりも有意に高いことがわかった。
  論文  参考訳（メタデータ） (2022-10-02T13:03:38Z)
• 3D Pose Based Feedback for Physical Exercises [87.35086507661227]
  ユーザが犯した誤りを識別する学習ベースのフレームワークを導入する。 私たちのフレームワークはハードコードされたルールに頼るのではなく、データからそれらを学ぶのです。 提案手法は90.9%の誤り識別精度を示し,94.2%の誤り訂正に成功した。
  論文  参考訳（メタデータ） (2022-08-05T16:15:02Z)
• A Survey on Video Action Recognition in Sports: Datasets, Methods and Applications [60.3327085463545]
  本稿では,スポーツ分析のための映像行動認識に関する調査を行う。 サッカー、バスケットボール、バレーボール、ホッケー、フィギュアスケート、体操、卓球、ダイビング、バドミントンなど10種以上のスポーツを紹介します。 本研究では,サッカー,バスケットボール,卓球,フィギュアスケート動作認識をサポートするPaddlePaddleを用いたツールボックスを開発した。
  論文  参考訳（メタデータ） (2022-06-02T13:19:36Z)
• Synthetic Data for Multi-Parameter Camera-Based Physiological Sensing [19.81916022915307]
  高忠実度合成パイプラインを利用して、忠実な血流と呼吸パターンを持つ顔のビデオを生成する。 トレーニングセットに含まれる人工アバターの数に応じて、心拍数と呼吸速度の測定精度が上昇する経験的証拠を提供する。 本稿では, カメラによる生理学的センシングの領域に合成物が存在する可能性について論じる。
  論文  参考訳（メタデータ） (2021-10-10T20:51:54Z)
• Targeted Muscle Effort Distribution with Exercise Robots: Trajectory and Resistance Effects [1.2891210250935146]
  本研究の目的は,ロボット運動・リハビリテーション機械の軌道および抵抗条件に筋力分布を関連付けることである。 4自由度ロボットとそのインピーダンス制御システムは、高度なエクササイズプロトコルを作成するために使用される。
  論文  参考訳（メタデータ） (2021-07-02T21:07:35Z)
• Learning to Run with Potential-Based Reward Shaping and Demonstrations from Video Data [70.540936204654]
  「走ることを学ぶ」競技は、二本足のヒューマノイドボディを最高速度で模擬レースコースで走るように訓練することであった。 すべての提出者は、強化学習(RL)へのタブラララサアプローチを採り入れ、比較的速いが最適な実行動作は得られなかった。 本研究では,人間のランニング映像から得られるデータを用いて,ヒューマノイド学習エージェントの報酬を形成できることを示す。
  論文  参考訳（メタデータ） (2020-12-16T09:46:58Z)
• A New Action Recognition Framework for Video Highlights Summarization in Sporting Events [9.870478438166288]
  YOLO-v3とOpenPoseという2つの古典的オープンソース構造に基づく3レベル予測アルゴリズムを用いて,スポーツビデオストリームを自動的にクリップするフレームワークを提案する。 その結果,スポーツ映像のトレーニングデータを用いて,スポーツ活動のハイライトを正確に行うことができることがわかった。
  論文  参考訳（メタデータ） (2020-12-01T04:14:40Z)
• Hybrid Dynamic-static Context-aware Attention Network for Action Assessment in Long Videos [96.45804577283563]
  本稿では,長期ビデオにおけるアクションアセスメントのための新しいハイブリットDynAmic-static Context-aware AttenTION NETwork(ACTION-NET)を提案する。 ビデオのダイナミックな情報を学習すると同時に,特定フレームにおける検出した選手の静的姿勢にも焦点をあてる。 2つのストリームの特徴を組み合わせることで、専門家が与えた地道的なスコアによって監督され、最終的なビデオスコアを後退させます。
  論文  参考訳（メタデータ） (2020-08-13T15:51:42Z)
• Contact and Human Dynamics from Monocular Video [73.47466545178396]
  既存のディープモデルは、ほぼ正確に見えるエラーを含むビデオから2Dと3Dキネマティックのポーズを予測する。 本稿では,最初の2次元と3次元のポーズ推定を入力として,映像系列から3次元の人間の動きを推定する物理に基づく手法を提案する。
  論文  参考訳（メタデータ） (2020-07-22T21:09:11Z)
• How to Train Your Super-Net: An Analysis of Training Heuristics in Weight-Sharing NAS [64.50415611717057]
  我々は,スーパーネットトレーニングにおける一般的なベースラインが,スーパーネットとスタンドアローンのパフォーマンスの相関に負の影響を及ぼすことを示した。 私たちのコードと実験は、将来の作業が構築できる、強く再現可能なベースラインを設定しました。
  論文  参考訳（メタデータ） (2020-03-09T17:34:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。