{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期部分”：[[2023,9,20]]，“日期时间”：“2023-09-2T16:48:04Z”，“时间戳”：1695228484195}，“参考计数”：13，“出版商”：“富士科技出版社”，“发行”：“5”，“资助者”：[{“名称”：“国家重点研发项目”，“奖项”：[“2020YFF0304704”“]}，{”名称“：“科技创新基金会”，“奖项”：[“BK20BE019”]}]，“内容域”：{“域”：[]，“交叉标记限制”：false}，“短容器时间”：[”JACIII“，”J.Adv.Compute.Intell.Intell.Inform.“]，”published-print“：{”date-parts“：[2023,9,20]]}，”abstract“：”人类运动捕捉技术领域是一个新兴的多方面领域，涵盖了各种学科，包括但不限于计算机图形学、人机工程学和通信技术。在其领域内建立了一个独特的网络平台，以确保数据传输的可靠性和稳定性。此外，汇聚节点被配置为便于通过两个不同的信道接收传感器数据。值得注意的是，测量系统的简单性与所用传感器的有限数量成正比。本研究的重点是通过稀疏布置的可穿戴式惯性传感器，仅利用系统内的六个传感器，准确估计不确定的人类3D运动。该方法基于整个运动过程中的时间序列序列，其中一系列不连续的动作构成序列运动。采用深度学习方法，特别是递归神经网络来细化回归参数。我们的方法集成了历史和当前传感器数据，以预测未来传感器数据。这些数据被合并成一个叠加的输入向量，然后反馈到浅层神经网络中，以估计人体运动。我们的实验结果证明了这种方法的可行性：这六个传感器可以准确地复制典型姿势。这一发现对在运动捕捉领域推进和应用可穿戴设备具有重要意义，为广泛采用和实施提供了潜力<\/jats:p>“，”DOI“：”10.20965\/jacii.2023.p0915“，”type“：”journal-article“，”created“：{”date-parts“：[[2023,9,19]]，”date-time“：”2023-09-19T15:58:03Z“，”timestamp“：1695139083000}，”page“：“915-922”，“source”：“Crossref”，“is-referenced-by-count”：0，“title”：[“基于稀疏惯性传感器的人体运动捕获和识别”]，“前缀”：“10.20965”，“卷”：“27”，“作者“：[{”给定“：”怀良“，”家庭“：”夏“，”序列“：”第一“，”隶属关系“：[}”名称“：”北京科技大学顺德创新学院，佛山528399，中国“}]}，{”给出“：”晓燕“，”家人“：”赵“，”顺序“：”附加“，”附属关系“：北京科技大学顺德创新学院，Fo Shan 528399，中国“}，{“name”：“北京科技大学自动化与电气工程学院，中国北京市海淀区学院路30号，邮编：100083”}]}，}“given”：“Yan”，“family”：“陈”，“sequence”：“additional”，“affiliation”：[{“name:”北京科技大学自动化与电气工程学院，中国北京市海淀区学院路30号，邮编：100083“}]}，{”given“：”Tianyao“，”family“：”Zhang“，”sequence“：”additional“，”affiliation“：[{”name“：”北京科技大学自动化与电气工程学院，北京市海淀区学院路30号，邮编：100083}，{“given”：“朝晖”，“family”：“Zhang”，“sequence”：“additional”，“affiliation”：[{“name”：“北京科技大学顺德创新研究院，佛山528399，中国”}，{（name）：“北京市海淀区学院路30号北京科技大学自动化与电气工程学院，中国100083”}，{“名称”：“中国北京市海淀区学院路30号北京科技大学工业光谱成像工程研究中心，100083”}]]，“成员”：“8550”，“在线发布”：{“日期部分”：[[2023,9,20]]}，“参考”：[{“密钥”：“密钥-10.20965\/jacii.2023.p0915-1”，“doi断言”：“crossref”，“非结构化”：“H.T.Butt、B.Taetz、M.Musahl、M.A.Sanchez、P.Murthy和D.Stricker，使用稀疏的身体磨损磁惯性测量装置进行不确定性预测的磁强计稳健深度人体姿势回归，IEEE Access，第9卷，第36657-366732021页。https:\/\/doi.org\/10.109\/ACCESS.2021.3062545“，”doi“：”10.1109\/ACCESS.2021.3062545“}，{“key”：“key-10.20965\/jacii.2023.p0915-2”，“doi-asserted-by”：“crossref”，“unstructured”：“L.A.Schwarz，D.Mateus，and N.Navab，\u201c无约束环境中的多活动人体跟踪，\u201 D 2010 Int。关节运动和可变形物体（AMDO）会议，2010年。https:\/\/doi.org\/10.1007\/978-3-642-14061-7_19“，”doi“：”10.1007\/9783-642-14061-7_19“}，{“key”：“key-10.20965\/jacii.2023.p0915-3”，“doi-asserted-by”：“crossref”，“unstructured”：“X.Hu，C.Yao，and G.S。Soh，\u201c使用简化惯性测量单元和3R步态模型进行下肢动态测量的性能评估，2015年IEEE康复机器人国际会议（ICORR），第549-554页，2015年。https:\/\/doi.org\/10.109\/ICORR.2015.7281257“，”doi“：”10.1109\/ICORR.2015.7282257“}，{“key”：“key-10.20965\/jacii.2023.p0915-4”，“doi-asserted-by”：“crossref”，“unstructured”：“D.Holden，J.Saito，and T。Komura，《角色运动合成和编辑的深度学习框架》，《ACM Trans。《图形》，第35卷，第4期，第138条，2016年。https:\/\/doi.org\/10.1145\/2897824.2925975“，”doi“：”10.1145\/2898824.2925995“}，{“key”：“key-10.20965\/jacii.2023.p0915-5”，“unstructured”：“S.Vlutters，\u201cLong short-time memory networks for body motion estimation，\u201 d硕士论文，特温特大学，2016年。”}，“key“：”key-10.201965\/yacii.2023.p0915-6“，”doi-asserted-by“：“交叉引用”，“非结构化”：“X.Zhao，J.Li，R.Chen，C.Li，Y.Chen，T.Zhang和Z.Zhang，基于多协议融合物联网的环境监测系统的设计与实现，\u201d J.Adv.Compute。智力。智力。通知。，第26卷，第5期，第715-7212022页。https:\/\/doi.org\/10.20965\/jacii.2022.p0715“，“doi”：“10.20965\/jachii.2022.p 0715”}，{“key”：“key-10.20965\/jaciii.2023.p0915-7”，“unstructured”：“R.Wen，K.Torkkola，B.Narayanaswamy，and D.Madeka，\u201cA multi-horizon quantile recurrentary forecaster，\u201 D arXiv:1711.110532017。https:\/\/doi.org\/10.48550\/arXiv.1711.11053“}，{“key”：“key-10.20965\/jacii.2023.p0915-8”，“doi-asserted-by”：“crossref”，“unstructured”：“G.Ligorio，E.Bergamini，L.Truppa，M.Guaitolini，M.Raggi，A.Mannini，A.M.Sabatini，G.Vannozzi，and P。Garofalo，《穿戴式无磁强计运动捕捉系统：现实应用的创新解决方案》，IEEE Sensors J.，第20卷，第15期，第8844-8857页，2020年。https://doi.org/10.1109\/JSEN.200.2983695”，“doi”：“10.1109\/JSEN.200.2983695”}，｛“key”：“key-10.20965\/jacii.2023.p0915-9”，“doi断言者”：“crossref”，“非结构化”：“Y.Huang、M.Kaufmann、E.Aksan、M.J.Black、O.Hilliges和G。Pons-Moll，\u201cDeep insertial poser:Learning to reburge human pose from稀疏惯性测量值实时重建人体姿势，\u201 d ACM Trans。《图形》，第37卷，第6期，第185条，2018年。https:\/\/doi.org\/10.1145\/3272127.3275108“，“doi”：“10.1145\/3272117.3275108}，{“key”：“key-10.20965\/jacii.2023.p0915-10”，“doi-asserted-by”：“crossref”，“unstructured”：“H.T.Butt，M.Pancholi，M.Musahl，P.Murthy，M.A.Sanchez，and D。Stricker，\u201c使用自适应传感器融合和联合角漂移校正的惯性运动捕获，2019年第22届信息融合国际会议（fusion），2019。https:\/\/doi.org\/10.23919\/FUSION43075.2019.9011359“，”doi“：”10.23919\/fUSION430750.2019.901159“}，{“key”：“key-10.20965\/jacii.2023.p0915-11”，“doi-asserted-by”：“crossref”，“unstructured”：“Y.Zhou，C.Barnes，J.Lu，J.Yang，and H。Li，\u201c关于神经网络中旋转表示的连续性。2019年IEEE/CFF计算机视觉与模式识别会议（CVPR），第5745-57532019页。https:\/\/doi.org\/10.109\/CVPR.2019.00589“，”doi“：”10.1109\/CVPR.2019.00589“}，{“key”：“key-10.20965\/jacii.2023.p0915-12”，“doi-asserted-by”：“crossref”，“unstructured”：“J.B.Kim，Y.Park，and I.H。Suh，\u201cTracking human like natural motion by combining two deep recurrent neural networks with Kalman filter，智能服务机器人，第11卷，第313-322页，2018年。https:\/\/doi.org\/10.1007\/s11370-018-0255-z“，”doi“：”10.1007\/s113700-018-02550-z“}，{“key”：“key-10.20965\/jacii.2023.p0915-13”，“doi-asserted-by”：“crossref”，“unstructured”：“T.von Marcard，B.Rosenhahn，M.J.Black，and G。Pons-Moll，《稀疏惯性定位仪：基于稀疏IMU的三维人体姿态自动估计》，《201d计算机图形论坛》，第36卷，第2期，第349-360页，2017年。https:\/\/doi.org\/10.111\/cgf.13131“，”doi“：”10.1111\/cgf.11311“}]，”container-title“：[”Advanced Computational Intelligence and Intelligent Informatics“]，”original-title”：[]，“language”：“en”，“link”：[{“URL”：“https:\//www.fujipress.jp\/main\/wp-content\/themes\/fujipress\/hyosetsu.php？ppno=JACIL002700050018”，“content-type”：“未指定”，“content-version“：”vor“，”intended-application“：”similarity-checking“}]，”deposed“：{”date-parts“：[[2023,9,19]]，”date-time“：”2023-09-19T16:05:30Z“，”timestamp“：1695139530000}，”score“：1，”resource“：”{“primary”：{“URL”：“https:\/\/www.fujipress.jp\/jaciii\/jc\/jacii002700050915”}}，“subtitle”：[]，“shorttitle”：[]，“已发布”：{“日期部分”：[[2023,9,20]]}，“references-count“：13，”journal-issue“：{”issue“：”5“，”published-online“：{”date-parts“：[2023,9,20]]}，”publised-print“：{》date-part“：[[2023,9,10]]}}，“URL”：“http://\/dx.doi.org\/10.20965\/jacii.2023.p0915”，“relational”：{}，《ISSN》：[“1883-8014”，“1343-0130”]，“ISSN-type”：[{“数值”：“1883-8014”，“类型”：“电子”}，{“值”：“1343-0130”，“型号”：“打印”}]，“主题“：[]，”已发布“：{“日期部分”：[[2023,9,20]]}}