{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期段”：[[2024,3,1]]，“日期时间”：“2024-03-01T21:46:46Z”，“时间戳”：1709329606669}，“引用计数”：43，“发布者”：“MDPI AG”，“问题”：“23”，“许可证”：[{“开始”：{-date-parts”：[2020,12,4]]，“时间”：0-12-04T00:00:00Z“，”时间戳“：160704000000}，“content-version”：“vor”，“delay-in-days”：0，“URL”：“https:\/\/creativecommons.org\/licenses\/by\/4.0\/”}]，“内容域”：{“域”：[]，“crossmark-restriction”：false}，“short-container-title”：[“传感器”]，“抽象”：“使用标准数码相机结合深度学习（DL）进行姿势估计对于在家和独立使用运动游戏（运动游戏）很有希望。我们需要研究这种基于DL的系统在多大程度上能够提供令人满意的与比赛相关的测量准确性。我们的研究评估了在二维（2D）视频上使用深度学习图像处理工具（DeepLabCut，DLC）时身体分段长度的时间变化（即可变性）。然后将这种可变性与金标准、基于标记的三维运动捕捉系统（3DMoCap，Qualisys AB）和三维RGB深度相机系统（Kinect V2，Microsoft Inc）进行比较。同时从所有三个系统收集数据，参与者（N=12）进行自定义平衡训练。姿势估计DLC模型在大规模数据集（ImageNet）上进行预训练，并使用特定于上下文的姿势注释图像进行优化。为了评估系统之间变异性差异的统计显著性，进行了Wilcoxon\u2019s符号秩检验。结果表明，DLC方法在可变性方面与Kinect相当，在某些领域甚至与3DMoCap金标准系统相当。这些结果有望使运动游戏更容易使用，从而提高其在家锻炼的可用性<\/jats:p>“，”DOI“：”10.3390\/s20236940“，”type“：”journal-article“，”created“：{”date-parts“：[[2020,12,4]]，”date-time“：”2020-12-04T16:59:00Z“，”timestamp“：1607101140000}，”page“：平衡训练练习中基于深度学习的姿势估计系统与基于标记和运动学系统的比较“]，“前缀”：“10.3390”，“卷”：“20”，“作者”：[{“ORCID”：“http://\/ORCID.org\/00000-0003-0419-1548”，“authenticated-ORCID”：false，“给定”：“Elise Kl\u00e6bo”，“家族”：“Vonstad”，“序列”：“第一”，“从属关系”：[]}，{“OR CID”http:\/\/orcid.org\/00000-0001-5719-0456“，”authenticated-orcid“：false，”given“：”Xiaomeng“，”family“：”Su“，”sequence“：”additional“，”affiliation“：[]}，{“orcid”：“http://\/orcid.org\/000-0002-2231-8138”，“authenticationed-orcid”：false“，”giving“：”Beatrix“，”“family”：“Vereijken”，“sequence”：“additional”，“affiliance”：[]neneneep，{”orcid“：“”http:\/\/orcid.org\/00000-0002-4256-7676“，”authenticated-orcid“：false，”given“：”Kerstin“，”family“：”Bach“，”sequence“：”additional“，”affiliation“：[]}，{“orcid”：“http://\/orcid.org\/000-0002-0930-1155”，“authentimated-orcide”：false“，”giving“：”Jan Harald“，”“family”：“Nilsen”，“sequence”：“additional”，“affiliance”：[]2]，“member”：“1968”，“在线发布”：{“date-parts“：[[2020,12,4]]}，”reference“：[{”key“：”ref1“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/S0140-6736（14）61461-6“}，{”key“：“ref2”，“doi-assert-by”：“publisher”，“doi”：“10.252\/ptj.20130571/j.ijmedinf.2015.10.008“}，{“key”：“ref4”，“doi-asserted-by”：“publisher”，“doi”：“10.1089\/g4h.2013.0093“}，{“key”：“ref5”，“doi-asserted-by”：“publisher”，“doi”：“10.1016\/j.promfg.2015.07.101”}，}“keys”：“ref6”，“doi-assertd-by”：“publisher”，“DI:”10.1177\/1545968314521008“}”，{”key“：”ref7“，”doi-assert-by“：”publisher“，”doi“：”10.1016\/j.apmr.2009.0 4.005“}，{“key”：“ref8”，“doi-asserted-by”：“publisher”，“doi”：“10.2522/ptj.20160054”}，}“key“：”ref9“，”doi-asserted-by“：”publisher“，”doi“：”10.1371\/journal.pone.0203861“}，{“key”：“ref10”，“doi-assert-by”：“publisher”，“doi”：“10.1016\/j.jbiomech.2016.03.052”}，}“key”：“ref11”，“doi-assertd-by”：“publisher”，“DI:”10.3390\/s20164539“}”，{“：”ref13“，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/THMS.2014.2377111“}，{”key“：”ref14“，”doi-asserted-by“：”publisher“，”doi“：”10.1109\/EMBC.2012.6346149“}，{“key”：“ref15”，“doi-assert-by”：“publisher”，“doi”：“10.1016\/j.jbiomech.2014.07.017”}，“key“：”ref16“，”doi-asserte-by“：”publisher“，”DI:“10.1371\/journal.pone.022338 y“：”publisher“，”doi“：”10.1371 \/journal.pone.0166532“}，{”key“：”ref18“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.gaitpost.2013.09.018“}，{“key”：“ref19”，“doi-assert-by”：“publisher”，“doi”：“10.1007\/s10665-014-9689-2”}，“key“：”ref20“，”doi-assetd-by“：”publisher“，”doi“：Vision Computer Vision\u2014ECCV 2016“，”article-title“：”DeeperCut:一个更深入、更强、更快的多人姿势估计模型“，”volume“：”volume 9910“，”author“：”Insafutdinov“，”year“：”2016“}，{“key”：“ref22”，“doi-asserted-by”：“publisher”，“doi”：“10.1007\/s10489-020-01918-7”}，}“key:”ref23“，”doi-assert-by“：”publisher“，”doi“：”10.1038\/s41593-018-0209-y“}，{”键“：”参考24“，”doi-asserted-by“：”publisher“，”doi“：”10.1016\/j.neuron.2020.09.017“}，{“key”：“ref25”，“doi-assert-by”：“publisher”，“doi”：“10.1002\/14651858.CD004963.pub3”}，“key“：”ref26“，”doi-asserted-by“插件步态参考指南https:\/\/usermanual.wiki\/Document\/Plugin20Gait20Reference20Guide.754359891\/amp“}，{“key”：“ref28”}，}“keys”：“ref29”}、{“密钥”：“res30”，“doi-asserted-by”：“publisher”，“doi”：“10.1186\/s1156-017-0173-7”}；{“key”：858.CD012424.pub2“}，{”key“：”ref32“，”doi-asserted-by“：”publisher“，”DOI“：”10.1016\/j.cviu.2016.09.002“}，{”key“：”ref33“，”DOI-asserted-by“：”publisher”，“DOI”：“10.1186\/1743-0003-10-101”}，“key”：“ref34”，“DOI-assert-by”：“publisher（出版商），“DOI:”10.1109\/EMBC.2016.7591950“}、{”key“：“ref35”，“”DOI-sserted-by“”：“出版商”，“DI:”10.1016 \/j.apergo.2015.01.005“}，{”key“：”ref36“，”DOI-asserted-by“：”publisher“，”DOI“：”10.1016\/j.cviu.2019.102897“}，{”key“：”ref37“}、{”key“：“ref38”}，“key”：“ref39”，“doi-asserted-by”：“publisher”，“doi”：“10.1145\/3386569.3392410”}；{”密钥“：”ref40“，”doi-assert-by“：”publisher“，”doi“：”10.1109\/TPAMI.2013.248“}：“publisher”，“doi”：“10.3389\/fspor.2020.000050”}，{“key”：“ref42”，“doi-asserted-by”：“publicher”，“DOI“：”10.1016\/j.gaitpost.2004.05.003“}，{“key”：“ref43”，“DOI-asserted-by”：“publisher”，“DOI”：“10.1186\/1743-0003-3-6”}]，“container-title”：[“Sensors”]，“original-title“：[]，“language”：“en”，“link”：[{“URL”：“https:\/\/www.mdpi.com\/1424-8220\/20\/23\/6940\/pdf”，”“content-type”：“unspecified”，“content-version”：“vor”，“intended-application”：“相似性检查“}”，“存放”：{“日期部分”：[[2020,12,8]]，“日期时间”：“2020-12-08T03:03:58Z”，“时间戳”：1607396638000}，“分数”：1，“资源”：}“主要”:{“URL”：“https:\/\/www.mdpi.com\/1424-8220\/20\/23\/6940”}，”副标题“：[]，”短标题“：[]，”已发布“：{”日期部分“：[2020,12,4]]}，“references-count”：43，“journal-issue”：{“issue”：“23”，“published-on-line“：{”date-parts“：[[2020,12]]}}，”alternative-id“：[”s20236940“]，”URL“：”http://\/dx.doi.org\/10.3390\/s20236940”，“relation”：{}，“ISSN”：[“1424-8220”]，“ISSN-type”：[{“value”：“1424-8120”，“type”:“electronic”}]，“subject”：[/]，“published”：{“date-part”：[2020,2]12,4]]}}}