文献

J-GLOBAL ID：202202231233715717   整理番号：22A0848441

人間の運動雑音除去のための運動学と人体計測の結合最適化【JST・京大機械翻訳】

Joint Optimization of Kinematics and Anthropometrics for Human Motion Denoising

著者 (3件)： Zhou Le (School of Electrical and Computer Engineering, Oklahoma State University, Stillwater, OK, USA) ,  Lannan Nate (School of Electrical and Computer Engineering, Oklahoma State University, Stillwater, OK, USA) ,  Fan Guoliang (School of Electrical and Computer Engineering, Oklahoma State University, Stillwater, OK, USA)
資料名： IEEE Sensors Journal  (IEEE Sensors Journal)
巻： 22  号： 5  ページ： 4386-4399  発行年： 2022年 
JST資料番号： W1318A  ISSN： 1530-437X  CODEN： ISJEAZ  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,雑音のあるスケルトンデータに対する運動学的および身体的な制約を共同的に最適化することにより,人間運動雑音除去のための新しい手法を提案した。特に,誤差,外れ値および歪みの傾向がある深さセンサベースモーションキャプチャ(D-Mocap)データに焦点を当てた。ヒト運動学を捉えるために,まず,D-Mocapデータの検閲測定を特徴付けるために,ユニークな観察モデルを組み込んだ関節レベルTobit粒子フィルタ(TPF)を提案した。次に,骨格レベル微分進化(DE)アルゴリズムを,TPFにおける逐次モンテカルロサンプリングと統合し,関節レベル粒子を,骨格骨長の安定性と一貫性,ならびに関節運動学の適合性に従って再分配し,再重み付けした。これにより,3D関節軌跡をより運動学的に許容し,人体計測的に安定にすることにより,D-Mocapデータの品質を著しく改善する統合TPF-DEアルゴリズムを導いた。模擬および実世界D-Mocapの実験結果は,関節位置と骨長の誤差が30~60%減少し,関節角度の精度が40~60%改善されることを示した。提案したTPF-DE法は,最近のフィルタリングベースおよび深層学習法よりも優れており,効果的な人間運動増強のためのTPFとDEアルゴリズム間の相乗作用を示した。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  *運動学 ,  *最適化 ,  *雑音 ,  品質 ,  フィルタリング ,  相乗作用 ,  ヒト ,  モデル ,  異常値 ,  三次元 ,  随意運動 ,  *雑音除去
準シソーラス用語： 粒子フィルタ ,  関節運動 ,  深層学習 , 【Automatic Indexing@JST】

分類 (1件)： 生体計測  (EL03020C)

タイトルに関連する用語 (6件)： 人間 ,  運動 ,  雑音除去 ,  運動学 ,  人体計測 ,  結合最適化