論文の概要: Markerless Stride Length estimation in Athletic using Pose Estimation with monocular vision
- arxiv url: http://arxiv.org/abs/2507.03016v1
- Date: Wed, 02 Jul 2025 13:37:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-08 15:46:34.531219
- Title: Markerless Stride Length estimation in Athletic using Pose Estimation with monocular vision
- Title（参考訳）: 単眼視を用いたポース推定によるアスレチックにおけるマーカーレスストライド長推定
- Authors: Patryk Skorupski, Cosimo Distante, Pier Luigi Mazzeo,
- Abstract要約: 競技におけるストライド長やランナーのペースなどのパフォーマンス指標は、異なるトリックを用いて推定することができる。
本稿では,映像列からのストライド長と速度遷移を推定するためのコンピュータビジョンに基づくアプローチについて検討する。
- 参考スコア（独自算出の注目度）: 2.334978724544296
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Performance measures such as stride length in athletics and the pace of runners can be estimated using different tricks such as measuring the number of steps divided by the running length or helping with markers printed on the track. Monitoring individual performance is essential for supporting staff coaches in establishing a proper training schedule for each athlete. The aim of this paper is to investigate a computer vision-based approach for estimating stride length and speed transition from video sequences and assessing video analysis processing among athletes. Using some well-known image processing methodologies such as probabilistic hough transform combined with a human pose detection algorithm, we estimate the leg joint position of runners. In this way, applying a homography transformation, we can estimate the runner stride length. Experiments on various race videos with three different runners demonstrated that the proposed system represents a useful tool for coaching and training. This suggests its potential value in measuring and monitoring the gait parameters of athletes.
- Abstract（参考訳）: 陸上競技におけるストライド長やランナーのペースなどのパフォーマンス指標は、走行距離によって分割された歩数の測定や、トラック上に印刷されたマーカーの支援など、様々な手法を用いて推定することができる。
個人成績のモニタリングは、各選手の適切なトレーニングスケジュールを確立する上で、スタッフコーチを支援するために不可欠である。
本研究の目的は,コンピュータビジョンによる映像系列からのストライド長と速度遷移の推定と,選手間の映像解析処理の評価である。
確率的ヒュー変換と人間のポーズ検出アルゴリズムを組み合わせた画像処理手法を用いて,ランナーの脚関節位置を推定する。
このように、ホモグラフィ変換を適用することで、ランナーの歩幅を推定できる。
3人の異なるランナーによる様々なレースビデオ実験により、提案システムはコーチングとトレーニングに有用なツールであることが実証された。
これは、選手の歩行パラメータを測定し、監視する上で、その潜在的価値を示唆している。
関連論文リスト
- Calisthenics Skills Temporal Video Segmentation [13.99137623722021]
カリストニクス(Calisthenics)は、異なるカテゴリから構成される、急速に成長するボディーウェイト分野である。
本研究では,Calisthenics分野における自動化ツールの実装に向けた最初のステップを提供する。
論文 参考訳（メタデータ） (2025-07-16T13:55:27Z) - A Large-Scale Re-identification Analysis in Sporting Scenarios: the
Betrayal of Reaching a Critical Point [1.3887779684720984]
走者再識別のための歩行に基づく新しいアプローチ(re-ID)を提案する。
提案手法は,超遠距離競技におけるランナーの再識別に有望な結果をもたらすことを示す。
これは、超長距離競技や長期監視タスクなど、現実世界のシナリオで歩行認識を活用する可能性を強調している。
論文 参考訳（メタデータ） (2023-12-29T21:48:20Z) - Hang-Time HAR: A Benchmark Dataset for Basketball Activity Recognition using Wrist-Worn Inertial Sensors [47.33629411771497]
本稿では,手首に装着したセンサから身体活動認識手法を評価するためのベンチマークデータセットを提案する。
データセットは、米国とドイツの2つのチームで記録され、計24人のプレーヤーが手首に慣性センサーを装着した。
論文 参考訳（メタデータ） (2023-05-22T15:25:29Z) - Towards cumulative race time regression in sports: I3D ConvNet transfer
learning in ultra-distance running events [1.4859458229776121]
本稿では,わずか数秒の映像を入力として,超距離ランナー累積レースタイム(CRT)の回帰を提案する。
得られたニューラルネットワークは、短い入力映像に対して顕著な性能を提供できることを示す。
論文 参考訳（メタデータ） (2022-08-23T20:53:01Z) - SoccerNet-Tracking: Multiple Object Tracking Dataset and Benchmark in
Soccer Videos [62.686484228479095]
本稿では,各30の200列からなる複数物体追跡のための新しいデータセットを提案する。
データセットは、バウンディングボックスとトラックレットIDで完全に注釈付けされている。
分析の結果,サッカービデオにおける複数の選手,審判,ボール追跡が解決されるには程遠いことがわかった。
論文 参考訳（メタデータ） (2022-04-14T12:22:12Z) - Transforming Gait: Video-Based Spatiotemporal Gait Analysis [1.749935196721634]
歩行分析は、通常は専用の実験室で行われ、運動学やステップタイミングを含む正確な測定結果を生成する。
我々は3次元関節軌跡と個体の高さを解釈可能な生体力学的出力にマッピングするためにニューラルネットワークを訓練した。
論文 参考訳（メタデータ） (2022-03-17T14:57:04Z) - Decontextualized I3D ConvNet for ultra-distance runners performance
analysis at a glance [1.9573154231003194]
2021年5月、サイトRunnersworld.comは、過去23年間で超長距離レースへの参加が1,676%増加したと発表した。
約41%が年1回以上のレースに出場している。
本研究の目的は,超走行シナリオに着目した非侵襲的手法を考慮し,ランナーのパフォーマンスを定量化し,予測する方法を決定することである。
論文 参考訳（メタデータ） (2022-03-13T20:11:10Z) - Crop-Transform-Paste: Self-Supervised Learning for Visual Tracking [137.26381337333552]
本研究では,十分なトレーニングデータを合成できるCrop-Transform-Paste演算を開発した。
オブジェクトの状態はすべての合成データで知られているので、既存のディープトラッカーは人間のアノテーションなしで日常的に訓練することができる。
論文 参考訳（メタデータ） (2021-06-21T07:40:34Z) - Learning Dynamics via Graph Neural Networks for Human Pose Estimation
and Tracking [98.91894395941766]
ポーズ検出とは無関係なポーズダイナミクスを学習する新しいオンライン手法を提案する。
具体的には、空間的・時間的情報と視覚的情報の両方を明示的に考慮したグラフニューラルネットワーク(GNN)を通して、このダイナミクスの予測を導出する。
PoseTrack 2017とPoseTrack 2018データセットの実験では、提案手法が人間のポーズ推定とトラッキングタスクの両方において、技術の現状よりも優れた結果が得られることを示した。
論文 参考訳（メタデータ） (2021-06-07T16:36:50Z) - 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) - Weight Training Analysis of Sportsmen with Kinect Bioinformatics for
Form Improvement [0.0]
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。
論文 参考訳（メタデータ） (2020-08-13T04:52:31Z) - A robot that counts like a child: a developmental model of counting and
pointing [69.26619423111092]
実物を数えることができる新しい神経ロボティクスモデルを導入する。
このモデルにより,エンボディメントと数値認識の相互作用を調べることができる。
トレーニングされたモデルは、アイテムのセットをカウントすることができ、同時にそれらを指し示します。
論文 参考訳（メタデータ） (2020-08-05T21:06:27Z)
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。