将多视角第一人称视频中的手部检测与识别用于辅助群体活动分析
全身交互与体感输入人体姿态与行为识别
研究群体活动分析旨在监控工作表现并评估群体及个人绩效,这有助于未来群体互动的潜在改进。作为检查群体活动中个人或联合行动的新方法,我们的工作探索了在第一人称视角视频中检测和区分每个人手部的潜力。基于近期视频中自动提取手部区域的进展,我们开发了一个新的多视角第一人称视频浏览界面,可轻松访问以下帧:1)当仅检测到观看者的手时的个人动作;2)当检测到集体手部时的联合行动;3)观看者检查他人动作时的帧(仅检测到他人的手)。我们进行了评估过程,以探索我们提出的手部相关特征在涉及多人同时行为的复杂视频分析中的有效性。
研究问题 / 现实痛点
这篇论文在当前问题库中对应的问题线索。
当前问题库还没有收录这篇论文的问题与痛点。
- 100%
意外的权力姿势对人机交互有多重要?
CHI '18· 全身交互与体感输入 +1
- 100%
关键时间:中风手势生成时间的超精确预测
CHI '18· 全身交互与体感输入 +1
- 100%
手势诱发研究中的一致性分析的不相似性-共识方法
CHI '19· 全身交互与体感输入 +1
- 100%
使用深度强化学习预测空中交互动作和疲劳
CHI '20· 全身交互与体感输入 +1
- 100%
随身姿态:使用智能手机传感器融合和逆运动学近似用户姿态
CHI '21· 全身交互与体感输入 +1
- 100%
面向日常具身记忆的设计:日记研究启示
DIS '23· 全身交互与体感输入 +1
- 67%
通过生物力学模拟进行实时3D目标推断
CHI '24· 全身交互与体感输入 +2
- 67%
MeCap:用于低成本VR/AR头显的全身数字化技术
UIST '19· 全身交互与体感输入 +2
- 67%
OddEyeCam:基于WFoV RGB和NFoV深度摄像头的身体中心透视交互传感技术
UIST '20· 全身交互与体感输入 +2
- 67%
MonoEye: 使用单超广角鱼眼摄像头的多模态人体动作捕捉系统
UIST '20· 全身交互与体感输入 +2
基于研究子主题与职业分类的 Jaccard 相似度(≥60%)
快捷操作
一眼看懂
fact_check论文快照
dataset
来源
IUI
calendar_month
年份
2019
emoji_events
奖项
未标记奖项
group
作者
4 位作者
sell
研究子方向
全身交互与体感输入、人体姿态与行为识别
work
职业/产业
—
article
内容状态
仅摘要
hub
相关论文
10 篇相关论文