論文の概要: An Intelligent Mobile Application to Monitor and Correct Sitting Posture Using Raspberry Pi and MediaPipe Pose Detection
- arxiv url: http://arxiv.org/abs/2508.11683v1
- Date: Sun, 10 Aug 2025 01:10:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-19 14:49:10.250463
- Title: An Intelligent Mobile Application to Monitor and Correct Sitting Posture Using Raspberry Pi and MediaPipe Pose Detection
- Title（参考訳）: Raspberry PiとMediaPipe Pose検出による座位姿勢の監視と修正のためのインテリジェントモバイルアプリケーション
- Authors: Yung-Chen, Hsieh, Yu Sun,
- Abstract要約: PoseTrackはRaspberry Pi CameraとMediapipe Poseのランドマークを使用してユーザの姿勢を監視し、リアルタイムフィードバックを提供するモバイルアプリである。
このシステムは、前方傾き、スラッシング、肩の膨らみ、足の交差など、姿勢の悪いものを検知する。
- 参考スコア（独自算出の注目度）: 8.502432739073138
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Poor posture has become an increasingly prevalent concern due to students and workers spending extended amounts of time sitting at a desk. To address this issue, we developed PoseTrack, a mobile application that uses a Raspberry Pi Camera and Mediapipe Pose landmarks to monitor the user\'s posture and provide real time feedback. The system detects poor posture, including forward lean, slouching, hunched shoulders, crossed legs, etc. Some challenges we faced were obtaining posture data, transferring data from the Raspberry Pi to the App, and safely storing user data. We used a Flask server to pass data from the Raspberry Pi to the mobile application, Firebase to store user data, and the Flutter framework to create the app. To test the analysis system viability, we designed an experiment that tested the system accuracy across several different perspectives and postures. The results indicate that the system is able to effectively detect poor posture whenever the user\'s joints are not blocked by the table or their limbs. The results demonstrate the potential for the system to be further improved and used on a larger scale for poor posture monitoring.
- Abstract（参考訳）: 学生や労働者が机に座って長時間過ごすため、姿勢の悪化が懸念されている。
この問題に対処するため、私たちは、Raspberry Pi CameraとMediapipe Poseのランドマークを使用して、ユーザ\の姿勢を監視し、リアルタイムのフィードバックを提供するモバイルアプリであるPoseTrackを開発した。
このシステムは、前方傾き、スラッシング、肩の膨らみ、足の交差など、姿勢の悪いものを検知する。
私たちが直面した課題は、姿勢データを取得し、Raspberry Piからアプリにデータを転送し、ユーザーデータを安全に保存することだった。
Raspberry Piからモバイルアプリケーションへのデータ転送にはFraskサーバ,ユーザデータの保存にはFirebase,アプリ作成にはFlutterフレームワークを使用しました。
分析システムの生存可能性をテストするために,様々な視点と姿勢でシステムの精度を試験する実験を設計した。
その結果,利用者の関節がテーブルや手足によってブロックされない場合,姿勢不良を効果的に検出できることが示唆された。
その結果, 姿勢モニタリングが不十分な場合には, システムをさらに改良し, 大規模に活用する可能性が示唆された。
関連論文リスト
- Screencast-Based Analysis of User-Perceived GUI Responsiveness [53.53923672866705]
Toolsはモバイルのスクリーンキャストから直接GUIの応答性を測定するテクニックである。
コンピュータービジョンを使ってユーザーインタラクションを検出し、フレームレベルの視覚変化を分析し、2つの重要なメトリクスを計算する。
ツールはインダストリアルテストパイプラインにデプロイされ、毎日数千のスクリーンキャストを分析している。
論文 参考訳（メタデータ） (2025-08-02T12:13:50Z) - WheelPoser: Sparse-IMU Based Body Pose Estimation for Wheelchair Users [7.5279679789210645]
本稿では,車いす利用者を対象としたリアルタイムポーズ推定システムであるWheelPoserを紹介する。
我々のシステムは、ユーザの体と車椅子に4つの戦略的に配置されたIMUしか使用せず、カメラや高密度IMUアレイを使用した従来のシステムよりもはるかに実用的です。
WheelPoserは車椅子利用者のポーズを平均関節角度誤差14.30度、平均関節位置誤差6.74cmで追跡することができる。
論文 参考訳（メタデータ） (2024-09-13T02:41:49Z) - Fusion of Radio and Camera Sensor Data for Accurate Indoor Positioning [45.926983284834954]
広範に普及しているカメラのインフラが捉えた匿名の視覚検出を無線で読み取る新しい位置決めシステムであるRAVELを提案する。
我々の実験では、WiFi測定はそれ自体が十分正確ではないが、カメラデータと融合すると、不明瞭で断片的で匿名のビジュアル・トラックレットをまとめる触媒となる。
論文 参考訳（メタデータ） (2023-02-01T11:37:41Z) - Learning Location from Shared Elevation Profiles in Fitness Apps: A
Privacy Perspective [14.886240385518716]
本研究では,ユーザの位置を予測するために,標高プロファイルがどの程度用いられるかを検討する。
我々は、ターゲットの市や区を予測できる3つの確実な脅威設定を考案する。
我々は59.59%から99.80%の予測成功率を達成した。
論文 参考訳（メタデータ） (2022-10-27T15:15:13Z) - A Flexible-Frame-Rate Vision-Aided Inertial Object Tracking System for
Mobile Devices [3.4836209951879957]
本稿では,モバイルデバイス用フレキシブルフレームレートオブジェクトポーズ推定とトラッキングシステムを提案する。
高速トラッキングのためにクライアント側で慣性計測ユニット(IMU)ポーズ伝搬を行い、サーバ側でRGB画像ベースの3Dポーズ推定を行う。
我々のシステムは120FPSまでのフレキシブルフレームレートをサポートし、ローエンドデバイス上での高精度かつリアルタイムなトラッキングを保証する。
論文 参考訳（メタデータ） (2022-10-22T15:26:50Z) - Learning Perceptual Locomotion on Uneven Terrains using Sparse Visual
Observations [75.60524561611008]
この研究は、人中心の環境において、よく見られるバンプ、ランプ、階段の広い範囲にわたる知覚的移動を達成するために、スパースな視覚的観察の使用を活用することを目的としている。
まず、関心の均一な面を表すことのできる最小限の視覚入力を定式化し、このような外受容的・固有受容的データを統合した学習フレームワークを提案する。
本研究では, 平地を全方向歩行し, 障害物のある地形を前方移動させるタスクにおいて, 学習方針を検証し, 高い成功率を示す。
論文 参考訳（メタデータ） (2021-09-28T20:25:10Z) - PiBase: An IoT-based Security System using Raspberry Pi and Google
Firebase [0.0]
本稿では、スマート環境における認証アクセスと侵入者検出の側面について述べる。
提案されているPiBaseは、IoT(Internet of Things)ベースのアプリケーションで、侵入者の検出を支援する。
論文 参考訳（メタデータ） (2021-07-29T20:45:42Z) - Vision Meets Wireless Positioning: Effective Person Re-identification
with Recurrent Context Propagation [120.18969251405485]
既存の人物再識別方法は、歩行者を捕獲する視覚センサーに依存している。
携帯電話は、無線測位信号の形で、WiFiや携帯電話ネットワークによって感知することができる。
本稿では,視覚データと無線位置決めデータの間で情報伝達を可能にする新しいコンテキスト伝搬モジュールを提案する。
論文 参考訳（メタデータ） (2020-08-10T14:19:15Z) - Assisted Perception: Optimizing Observations to Communicate State [112.40598205054994]
我々は、ロボット遠隔操作や視覚障害のあるナビゲーションといったタスクにおいて、ユーザが世界の状態を見積もるのを支援することを目的としている。
ユーザによって処理された場合、より正確な内部状態推定につながる新しい観測結果を合成する。
論文 参考訳（メタデータ） (2020-08-06T19:08:05Z) - Pervasive Lying Posture Tracking [12.461719086222788]
床内姿勢追跡システムの効率的な設計方法に関する研究には、大きなギャップがある。
本稿では,1つの加速度計と機械学習アルゴリズムを併用したセンサシステムを設計するための包括的アプローチを提案する。
そこで本研究では,9つの身体位置と4つの人体姿勢における提案アルゴリズムの性能評価を行った。
論文 参考訳（メタデータ） (2020-06-19T02:10:09Z) - Mind the GAP: Security & Privacy Risks of Contact Tracing Apps [75.7995398006171]
GoogleとAppleは共同で,Bluetooth Low Energyを使用した分散型コントラクトトレースアプリを実装するための公開通知APIを提供している。
実世界のシナリオでは、GAP設計は(i)プロファイリングに脆弱で、(ii)偽の連絡先を生成できるリレーベースのワームホール攻撃に弱いことを実証する。
論文 参考訳（メタデータ） (2020-06-10T16:05:05Z)
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。