导读:本文包含了人体运动分析论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:人体,姿态,建模,关节点,深度,上下文,下肢。
人体运动分析论文文献综述
任宇飞[1]（2019）在《基于SVM的人体运动分析与防跌倒检测技术》一文中研究指出随着人们对健康监测关注度的日益增长和智能手机的普及,文中提出了一种基于SVM的人体运动分析方法,并基于该方法和Android平台设计了一种防跌倒系统。通过采集智能手机内置传感器的数据,并对原始数据进行滤波去噪、加窗分割、时频特征提取及特征降维等处理,使用SVM分析与识别不同的行为。该防跌倒系统,在检测到用户处于跌倒状态时会发出求救信息。实验与测试结果表明,所提出的方法能获得97. 5%的敏感性和98. 3%的特异性,对跌倒行为具有较高的识别精度。(本文来源于《信息技术》期刊2019年06期）
沈炜[2]（2019）在《基于摆动测力平台和Kinect装置的人体平衡及运动分析》一文中研究指出人体的平衡能力是体现人体综合素质的重要指标之一,如果人体的平衡功能出现障碍,不但会阻碍人体进行正常的日常活动还会伴随其他一系列疾病的产生,甚至会导致人体丧失独立生活的能力。因此分析内部因素和外部环境因素对于人体平衡以及姿态控制能力的影响,有利于为人体平衡和姿态控制的稳定性判定提供有效、精确的实验依据。目前,临床医学上主要通过观察法和量表法来衡量人体的平衡和姿态控制的稳定性,但是此类方法比较依赖于判定人员的主观感觉和经验。本文通过测力平台和人体姿态识别装置来获取实验数据,对人体平衡能力和姿态控制能力进行客观,准确地分析。本文利用摆动测力平台和Kinect装置完成了如下研究:改进了原有测力平台测力模式单一的问题。通过增加转动控制机构,由脉冲频率控制平台的转速和转角,将单一的静态站立平衡测试改为站立受扰的动态平衡测试。针对高斯白噪声对人体平衡控制的影响,利用人体摇摆轨迹半径、摇摆轨迹长度以及人体前后和左右方向上的摆动速率等特征量作为评估指标分析人体的平衡能力。结果分析发现暴露在不同强度的高斯白噪声下的人体平衡能力存在差异。开展了视觉反馈对于人体平衡控制影响的研究。利用自行研制的动态测力平台,分析了不同个体在睁眼静态站立、闭眼静态站立、睁眼站立受扰,闭眼站立受扰四种情况下的平衡控制能力,并采用功率谱密度值这一新特征量分析人体前后和左右方向的平衡控制能力。此外,本文从人体的姿态变化的角度切入,通过Kinect装置采集人体的骨骼特征量,研究人体在睁眼站立受扰情况和闭眼站立受扰情况的平衡控制能力。最后,通过人体姿态特征以及步态特征,本文研究了人体在正常行走和负重行走时的平衡控制能力。(本文来源于《杭州电子科技大学》期刊2019-03-01）
余家林[3]（2018）在《基于视觉的叁维人体运动分析》一文中研究指出基于视觉的叁维人体运动分析是计算机视觉和模式识别领域中的热门研究话题,其旨在基于人体构造、人体运动等先验知识,采用特定的机器视觉算法自动地从视觉观测数据中检测和发现“人体”并重建其叁维运动。重建的人体运动是采用一种具有对称结构由众多关节连接而成的人体模型来表达。该领域的研究涉及多个学科,在高级人机交互、安防系统、虚拟现实、体育竞技以及医疗分析等领域具有广阔的应用前景。本论文主要研究图像和视频序列中的叁维人体姿态估计和跟踪。主要研究成果如下所示:(1)为了准确有效地从多视角图像中重建叁维人体姿态,论文提出了一种基于多核稀疏编码(MKSC)的人体姿态估计算法。首先,针对连续帧姿态估计中的歧义问题,算法提供了一种用于描述视觉观测的HA-SIFT描述子,其中,人体局部拓扑、肢体相对位置以及外观信息被同时编码;然后,在多核学习框架下建立同时考虑特征空间本质流形结构与姿态空间几何信息的目标函数,并在希尔伯特空间中优化目标函数以更新稀疏编码、过完备字典以及多核函数权值;最后,利用姿态字典中原子的稀疏线性组合来估计对应未知输入的叁维人体姿态参数。另外,论文将MKSC与核稀疏编码、拉普拉斯稀疏编码以及贝叶斯稀疏编码做了对比分析,验证了该方法的有效性。(2)在生成式框架内,论文提出了一种基于行为时空语义引导的叁维人体姿态跟踪算法,该算法充分利用了人体在运动过程中的时间和空间语义信息。其中,通过建立全局时间流形运动模板来捕获行为时间语义,而通过分析人体在运动过程中各个肢体之间的局部运动关联来挖掘行为空间语义。论文将这两种高级语义知识作为先验信息来引导姿态跟踪过程,即是保留遵从语义知识的姿态假设,而丢弃违背语义知识的姿态假设,实现对初级姿态假设的修正与更新,从而克服单目运动分析系统中的多值映射问题。(3)针对多维结构数据拉伸所造成的维度灾难和结构信息丢失问题,论文提出了一种鲁棒稀疏张量子空间学习算法(RSTSL),该算法明确使用张量数据来描述视觉观测,代替了传统的基于矢量的表达。另外,RSTSL是对现有张量学习的稀疏扩展,通过向RSTSL的目标函数引入k-模优化和弹性网算法,可得到一组内部相关的稀疏判别投影矩阵,进而从输入高阶张量中提取最具判别力的低维张量特征(LDTF)。最后,论文提出了一种最优秩支持张量回归模型(ORSTR)来从LDTF中恢复相应的叁维姿态。(4)鉴于复杂多样的行为类型以及高维的状态空间,多行为人体姿态跟踪仍然是计算机视觉领域当中的一项极具挑战性的难题。为了缓解这些难题,论文提出了一种新的生成式框架,该框架首先将多行为训练序列中的相似姿态序列和非相似姿态序列分别建模至一组联合式和分离式运动模型中,并将这两类运动模型合并为一个新的复合模型。这样既可以结合两类模型各自的优势,又能弥补它们各自的缺陷。一方面,人体姿态跟踪得益于低维隐空间中的人体行为描述,但是,隐空间中的行为描述复杂度随着行为数量增加而增加,多行为的分离式建模就显得尤为重要。另一方面,一个长时运动序列中往往存在多个相似行为,这些相似行为的联合式建模既能够增强姿态跟踪的稳定性,又能在一定程度上减少运动模型的数量;其次,在复合运动模型上搭建一组短而平滑的过渡桥,主要用于行为的切换;最后,论文将多行为姿态跟踪建立为一个在复合运动模型上的联合优化问题,为此,论文提出了一种基于粒子的联合退火优化算法(JSA)。(5)针对叁维人体运动数据捕捉难的问题,论文提出了一种对偶源框架:第一个数据源仅包含了叁维姿态数据;而第二个数据源则包含了图像及对应的二维姿态标记。特别地,这两个数据源并非同步,而是相互独立的,即第一个数据源中的叁维姿态并不与第二个数据源中的观测图像对应。给定一幅测试图像,首先,利用第一个数据源来分别学习一个二维和叁维姿态字典;其次,利用第二个数据源来学习一个二维姿态估计器来推断测试图像中人体的二维姿态;然后,提出一种局部拓扑保存的稀疏编码(LTPSC)算法对估计的二维姿态做编码;最后,利用获取的稀疏系数就能够从叁维姿态字典中检索到测试图像的叁维姿态候选,并通过优化算法从中挑选最优候选来作为最终输出。(6)针对单视角特征的不完备性以及数据样本局部信息丢失问题。论文提出了一种基于多视角特征嵌入(MFE)与局部敏感的自动编码器(LSAE)。一方面,论文提出了一种流行正则稀疏低秩逼近算法(MRSLRA)来获取MFE,然后,输入图像就可以用一种融合特征描述子来表达;另一方面,采用LSAE分别编码融合特征以及姿态数据,从而获取相应的二维和叁维隐表达。最后,一个两层的反向传播神经网(BP-NN)作为二维和叁维隐表达之间的非线性映射模型,用于估计测试图像的叁维人体姿态。(7)针对单假设优化问题,论文提出了一种基于量子衍生克隆的叁维人体运动分析算法(QBCA)。该算法有别于传统的基于粒子滤波等确定性优化算法,其是在传统的克隆算法中引入了量子计算,从而形成了QBCA这种不确定性优化算法。QBCA在克隆选择算法中融入了量子计算的并行性和迭加性,克服了单假设优化问题中的缺陷。另外,QBCA利用变异算子来实现种群变异,并利用克隆算子来扩大种群规模以增大解的搜索空间,这就有利于寻找目标函数的全局最优解,以获取更准确的叁维人体姿态。(本文来源于《华南理工大学》期刊2018-04-12）
张燕,张浩淼,宣博凯,张永昌[4]（2017）在《基于ADAMS的人体下肢运动分析及仿真》一文中研究指出在对人体下肢运动进行运动学和动力学分析的基础上,建立基于人体运动特点的下肢运动仿真系统。在动力学仿真软件ADAMS(Automatic dynamic Analysis of Mechanical System)中建立人体模型,并利用运动学分析得到的各个关节的角度信号和动力学分析得到的各个关节的力矩信号,对不同路况下的人体下肢运动进行仿真实验,以验证模型的准确性。实验显示,每种路况下的行走过程均平稳、正常,表明所建立的虚拟模型能够准确地描述人体下肢的运动过程,可以进行人体下肢运动学、动力学以及控制方法的研究,为主动式假肢和人体下肢康复辅具的研究提供借鉴作用。(本文来源于《系统仿真学报》期刊2017年05期）
赵林[5]（2017）在《面向复杂监控环境的人体运动分析方法》一文中研究指出视频监控己普遍存在于社会公共场所、商业大楼以及居民家庭之中,这些广泛分布的摄像头在犯罪预防、工人操作监督和家居安全等方面发挥了极大的作用。面对如此海量的摄像头及其产生的监控视频,基于人工智能的自动视频监控已成为亟需的技术,吸引了国内外学术界和工业界的高度关注。其中人体运动分析技术希望帮助到回答“他是谁?”、“他在做什么?”,这两个智能监控的核心问题。尽管该技术已经取得了长足的进步,但是仍然存在着诸多的问题有待更深入地研究。目前,相对成熟的人体运动分析技术仅适用于可控环境下拍摄的视频,对拍摄视角和人物的行为动作都有诸多的限制。而在公共场所等监控环境下,拍摄视频具有人物视角多样、动作复杂而不可预测、背景噪杂等特点。针对复杂的监控环境,如何设计有效的方法来帮助到更清楚地分辨人物,更准确地分析人物的动作,还有待于进一步地研究。基于此,本文主要针对复杂监控环境,聚焦于监控中最受关注的人脸与人体姿态这两个方面。首先研究了正面人脸图像的合成,希望以此帮助到更好地看清人物的脸部;进而研究了静态人体姿态的估计和动态人体姿态的跟踪,希望以此帮助到更好地理解人物的动作。主要的研究内容概括如下:1.针对监控环境下拍摄到的人脸一般为侧面人脸情况,提出了一种基于叁角剖分和稀疏表示的正面人脸合成方法。现有的图像分块策略一般为矩形分块,这无法保证侧面和正面人脸图像中对应的局部块间严格地对齐。给定任意一张侧面人脸图像,为了合成出在纹理上自然且在外观上逼真的对应正面人脸图像,我们提出了基于叁角剖分的图像分块方法,并提出了基于稀疏表示的局部图像块合成方法。基于叁角剖分的分块策略可以保证侧脸和正脸对应的局部图像块严格对齐。而基于稀疏表示的合成方法可以为每一个图像块自适应地寻找到最相似的图像来进行合成,同时排除掉不相像的图像块的干扰。另外,为了缓解由分块合成所带来的合成正脸图像中的块效应问题,我们提出了叁角图像块间的联合学习策略。实验结果验证了所提正面人脸图像合成方法的有效性。2.针对监控环境下背景噪杂、人物动作复杂多变等情况,提出了一种基于层次化图结构模型的静态人体姿态估计方法。经典的人体姿态估计方法通常只使用单层结构的模型,这难以捕捉到人体多样的外观,也无法很好地对高层部件间的约束关系进行建模。在本文中,我们构建了一个叁层的马尔科夫网络来描述人体结构,将整个人体分解为组合部件,再分解为关节部件,以此实现对每一个部件更准确地检测。在层次化模型中,不同层级间的部件由父子节点的关系相连接,从而可描述出部件间高阶的空间约束关系。另外,所提的层次化图结构模型还是一个树形的结构,因此模型的参数可以被联合地训练得到,并且支持精确推理。大量实验结果表明,本文方法的性能相对于当前最好的方法在同一水准或有所提升。3.针对监控视频序列中人物的外观多样,且动作快速而不可预测等特点,提出了一种基于跟踪与估计一体图模型的人体姿态跟踪方法。通常,静态的人体姿态估计技术会被应用于视频进行人体姿态的跟踪,但这忽略了时域的联系,因此不能给出平滑且可靠的跟踪结果。本文设计了一种跟踪与估计相融合的模型,将人体姿态估计融入于视觉跟踪中,以充分地挖掘和利用时域的信息。在算法层面上,我们对整个融合模型进行了十分精心地设计,从而实现了以下几点(1)使人体姿态估计与视觉跟踪相互补充来得到理想的姿态跟踪结果;(2)能够处理跟踪丢失的问题;(3)仅需要使用当前帧之前的信息来进行跟踪。在公开的数据库上的实验结果表明,本文提出的方法可以有效地进行人体姿态动态跟踪。4.针对复杂监控环境下的人体姿态跟踪这一问题,进一步提出了基于最大间隔马尔科夫模型的人体姿态跟踪方法。人体姿态跟踪问题可由离散马尔科夫随机场来进行建模,但因为跟踪人体姿态需要耦合相邻帧上的肢体,整个模型会引入环,所以模型的学习和推理将是难解的问题。之前的一些工作会使用近似推理策略来求解,但这会导致模型过拟合到某一具体的数据库的统计上。因此,这些方法的性能和泛化能力有较大的局限性。本文提出了使用两个树形结构的子模型的集合来近似完整的模型,它们分别为用于空域分解的马尔科夫网络以及时域分解的马尔科夫链。这两个子模型都可以使用最大间隔技术联合地学习模型参数,因而有很强的泛化能力。此外,本文还提出了迭代推理的策略来实现集成推理。实验结果表明,该方法相对于当前最好的方法有更优的性能。(本文来源于《西安电子科技大学》期刊2017-04-01）
韩权[6]（2017）在《基于关节点的Kinect近景人体运动分析》一文中研究指出对人体运动状态的分析一直以来都是人工智能领域的研究热点,其应用面也极为广泛。传统对人体运动状态的分析一般使用彩色摄像头作为输入设备,通过对彩色图像的分析来获取人体的运动信息。而随着越来越多以Kinect为代表的带有深度摄像头设备的出现,使得输入设备可以在获取彩色图像的同时获取深度信息,从而大幅提高对人体区域的检测和分割精度。因此基于深度信息的人体运动分析具有重要的研究价值。在本文中,主要使用Kinect 2.0为硬件设备对近景下的人体运动做分析。主要工作如下:1、针对Kinect获取的深度图像中存在大量噪声的问题,改进了双边滤波算法,实现了对Kinect深度图像的预处理,并取得了良好的效果。2、针对Kinect获取的关节点信息存在偏移和抖动的问题,改进了部位圆限定法,实现了对偏移关节点真实位置的估计,并结合卡尔曼滤波算法对关节点的抖动进行了修复。3、针对基于关节点的动作识别,提出以人体25个关节角度为特征,结合动态时间规整的方法做近景动作识别。在MSRAction3D数据集和自采数据集上做测试,分别取得了 84.7%和87.5%的平均识别率。在实验阶段,对MSRAction3D数据集中的567个动作序列中的关节点修复后进行识别,取得了 84.7%的平均识别率。针对“High arm wave”动作分别录制了40组Kinect原始数据和40组经过深度图像预处理和关节点修复后的数据,对这两组动作的识别率分别为82.5%和87.5%。实验结果表明,对Kinect深度图像的预处理和关节点修复可以有助于提高动作识别的稳定性和准确率。(本文来源于《北京交通大学》期刊2017-03-18）
蔡宗远,王少白,李国安[7]（2016）在《人体运动分析的发展与应用回顾》一文中研究指出运动分析是研究人体运动的一门学问。通过对运动过程的分析和研究,可以简化运动过程,方便运动标准化、提高运动效率。目前运动分析技术已广泛应用在医疗、运动科学、康复、娱乐等领域。从临床来说,运动分析己被运用于各种神经骨骼肌肉系统相关的疾病诊断、个性化治疗规划,也是评估治疗效果与医疗器材,包括骨科植入物、矫辅具以及康复器材的重要客观科学工具。未来运动分析方法的进步,将同时带动骨科、康复科、精准个体化医疗和医学工程等领域的进步。本文从骨科生物力学的角度,介绍运动分析的发展简史、现代常见的运动捕捉技术与设备、运动分析的临床应用与限制以及未来运动分析可能的发展方向。(本文来源于《医用生物力学》期刊2016年04期）
马辉栋,刘振宇,郭小凤[8]（2016）在《视频人体下肢运动分析系统》一文中研究指出针对如何高效、准确地从视频图像中提取相关特征向量,完成基于视频的人体运动分析,构建了基于视频信息的人体下肢运动系统。系统包括人体运动轮廓的提取、噪声处理和人体下肢建模及分析3个模块。人体运动轮廓提取中采用改进的光流算法,通过阈值设置改善了轮廓提取的清晰度和完整性。噪声处理模块运用单个中值滤波器与人体四周去噪算法,不仅有效解决了多中值滤波引起的人体轮廓模糊问题,同时使人体活动区域外的噪声去除率达到100%。通过系统分析,视频中人体行走的速度为0.687 m/s,髋关节垂直方向上下起伏幅度为4.71 cm,行走步态正常。(本文来源于《微型机与应用》期刊2016年12期）
魏汝翔[9]（2016）在《基于人体运动捕捉数据的运动分析技术研究》一文中研究指出人体运动捕捉数据能够较好地保存运动的细节并真实地记录人体运动的轨迹,已经被广泛地应用于虚拟现实、叁维游戏、影视特效等众多领域。随着运动捕捉数据库中运动数据的不断增长,如何对人体运动数据进行合理有效的分析已成为当前的研究热点。运动分析的主要目的是为了更好的理解与描述运动的过程,以便对运动捕捉数据库中已有的运动捕捉数据进行管理与重用。本文针对运动捕捉数据库中现有的人体运动捕捉数据,对运动数据行为分割、运动模板提取计算与运动行为识别等运动数据分析方法进行了研究。本论文的主要研究工作包括：在运动数据行为分割方面,提出了一种新的运动捕捉数据的字符串表示方法,将高维的人体运动捕捉数据序列表示成字符串的形式。该方法将人体运动捕捉数据视为高维的数据点集,使用基于密度的聚类方法进行聚类,并用字符表示所得类别；通过时序恢复处理,将聚类所得的字符表示的高维数据点集按照原始运动序列的时序进行重新排序,得到原始运动捕捉序列对应的字符串,该字符串被称为行为串(Behavior String,简称BS)；通过对行为串进行分析,实现对人体运动捕捉数据序列的行为分割以及提取出各种行为所对应的运动周期。在运动模板提取计算方面,对原始关系特征进行改进,并实现了一种基于改进关系特征的运动模板的提取计算方法。该方法根据人体关节与空间几何的关系提出一个关系特征矩阵来描述人体各个关节的空间位置关系,将同类别运动行为的关系特征矩阵通过动态时间归整(Dynamic Time Warping,简称DTW)的方法进行时间轴对齐,并记录DTW的时间变形过程,将对齐后的矩阵求均值并根据所记录的时间变形过程进行反变换,最后进行量化得到该类别运动行为对应的运动模板。在运动行为识别方面,提出了一种基于运动模板的运动行为识别方法,能够对原始运动数据序列进行行为分割所得到的运动片段自动进行行为识别。该方法根据待识别的运动序列对应的人体骨架模型中根节点的运动轨迹将其分为根节点运动和根节点静止两类,基于DTW方法将待识别的运动序列依次与不同运动行为的运动模板进行相似性匹配计算,实现了对运动序列片段中运动行为的自动识别。(本文来源于《北京交通大学》期刊2016-03-17）
李毅,刘兴川,孙亭[10]（2015）在《人体运动分析的实例学习方法》一文中研究指出目的面向实时、准确、鲁棒的人体运动分析应用需求,从运动分析的特征提取和运动建模问题出发,本文人体运动分析的实例学习方法。方法在构建人体姿态实例库基础上,首先,采用运动检测方法得到视频每帧的人体轮廓;其次,基于形状上下文轮廓匹配方法,从实例库中检索得到每帧视频的候选姿态集;最后,通过统计建模和转移概率建模实现人体运动分析。结果对步行、跑步、跳跃等测试视频进行实验,基于轮廓的形状上下文特征表示和匹配方法具有良好的表达能力;本文方法运动分析结果,关节夹角平均误差在5°左右,与其他算法相比,有效提高了运动分析的精度。结论本文人体运动分析的实例学习方法,能有效分析单目视频中的人体运动,并克服了映射的深度歧义,对运动的视角变化鲁棒,具有良好的计算效率和精度。(本文来源于《中国图象图形学报》期刊2015年07期）
人体运动分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
人体的平衡能力是体现人体综合素质的重要指标之一,如果人体的平衡功能出现障碍,不但会阻碍人体进行正常的日常活动还会伴随其他一系列疾病的产生,甚至会导致人体丧失独立生活的能力。因此分析内部因素和外部环境因素对于人体平衡以及姿态控制能力的影响,有利于为人体平衡和姿态控制的稳定性判定提供有效、精确的实验依据。目前,临床医学上主要通过观察法和量表法来衡量人体的平衡和姿态控制的稳定性,但是此类方法比较依赖于判定人员的主观感觉和经验。本文通过测力平台和人体姿态识别装置来获取实验数据,对人体平衡能力和姿态控制能力进行客观,准确地分析。本文利用摆动测力平台和Kinect装置完成了如下研究:改进了原有测力平台测力模式单一的问题。通过增加转动控制机构,由脉冲频率控制平台的转速和转角,将单一的静态站立平衡测试改为站立受扰的动态平衡测试。针对高斯白噪声对人体平衡控制的影响,利用人体摇摆轨迹半径、摇摆轨迹长度以及人体前后和左右方向上的摆动速率等特征量作为评估指标分析人体的平衡能力。结果分析发现暴露在不同强度的高斯白噪声下的人体平衡能力存在差异。开展了视觉反馈对于人体平衡控制影响的研究。利用自行研制的动态测力平台,分析了不同个体在睁眼静态站立、闭眼静态站立、睁眼站立受扰,闭眼站立受扰四种情况下的平衡控制能力,并采用功率谱密度值这一新特征量分析人体前后和左右方向的平衡控制能力。此外,本文从人体的姿态变化的角度切入,通过Kinect装置采集人体的骨骼特征量,研究人体在睁眼站立受扰情况和闭眼站立受扰情况的平衡控制能力。最后,通过人体姿态特征以及步态特征,本文研究了人体在正常行走和负重行走时的平衡控制能力。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人体运动分析论文参考文献
[1].任宇飞.基于SVM的人体运动分析与防跌倒检测技术[J].信息技术.2019
[2].沈炜.基于摆动测力平台和Kinect装置的人体平衡及运动分析[D].杭州电子科技大学.2019
[3].余家林.基于视觉的叁维人体运动分析[D].华南理工大学.2018
[4].张燕,张浩淼,宣博凯,张永昌.基于ADAMS的人体下肢运动分析及仿真[J].系统仿真学报.2017
[5].赵林.面向复杂监控环境的人体运动分析方法[D].西安电子科技大学.2017
[6].韩权.基于关节点的Kinect近景人体运动分析[D].北京交通大学.2017
[7].蔡宗远,王少白,李国安.人体运动分析的发展与应用回顾[J].医用生物力学.2016
[8].马辉栋,刘振宇,郭小凤.视频人体下肢运动分析系统[J].微型机与应用.2016
[9].魏汝翔.基于人体运动捕捉数据的运动分析技术研究[D].北京交通大学.2016
[10].李毅,刘兴川,孙亭.人体运动分析的实例学习方法[J].中国图象图形学报.2015
论文知识图
