处理过程中两个骨架跟踪的比较 3
Comparing between two skeleton tracking on processing 3
我目前正在做我的论文，其中涉及让 2 个人成为一名职业运动员和一名业余运动员。首先通过图像处理骨骼化，我想记录专业运动员进行下蹲运动时的情况，然后当业余爱好者进行运动时，我希望能够将专业的骨骼与业余的骨骼进行比较，看看它是否正确形成。
我愿意接受任何建议和意见，很乐意提供帮助
这是你的问题：
properly formed.
正确执行实际上意味着什么？如何量化？
切记，我不是这个领域的 athletic/experienced。
如果给我这个任务，我会反直觉地朝相反的方向前进：
从处理 3/kinect/computer 移开。我会改为：
- 寻找职业运动员
- 找一位接受过功能性活动训练的熟练教练。
- 找一个业余爱好者（可能是最简单的）
项目 2 将是 trickier.For 示例 FMS seems to put a lot of emphasis on correct exercising and mobility (to enhance performance and reduce risk of injuries). I'm not sure if that's the only approach or the best. You might want to check opinions on Physical Fitness，咨询人们 studying/teaching 练习科学等。检查证书，因为它感觉就像一个每个人都有 opinion/preference.
目的是了解受过专业教育的教练如何评估正确的动作。注意它在现实世界中的运作方式，并尝试将其系统化。
正确执行的提示是什么？
- 是关键姿势
- 中间的动作
- 骨骼和肌肉系统如何协同工作/ weights/forces applied/etc.
更好地了解它在现实世界中的工作原理应该会引导您开始 quantifying/comparing 在计算机上以数字方式开始的事情。
尝试根据您收集的信息，使用笔和纸手动制作一个 checklist/score 系统。如果这可行，那么您已经有了一个可以开始编程的系统。
下一步是获取数据。
这可能是 kinect 的来源，但请记住：
- kinect的第二个版本比第一个更精确
- 有一个 Kinect2 SDK wrapper for Processing 3: use that if you can (windows only). There is a way you can get libfreenect2 working with OpenNI on osx/linux，因此在 Processing 中使用 SimpleOpenNI，但它不是直接的，你不会在骨架跟踪算法上有相同的精度
- 使用尽可能精确的数据：
- 您可以获得跟踪骨架关节的精度
- 使用不包含复杂背景的环境（可以很容易地对用户和 detect/track 骨架进行细分，几乎不会被误认为是其他东西）。更喜欢人造非白炽光（kinect v2 的问题较少，但您仍然希望尽可能少的红外干扰）。
- 比较单个姿势上的方向矩阵或关节可能不足以了解全貌：你如何 capture/quantify 考虑到 kinect 无法轻易看到的东西：肌肉 flexing/forces applied/moving gravity/etc 的中心。
- 尝试使用网格系统，使数字值与现实世界测量值的配对变得简单。看看过去人们是如何研究运动的，例如Étienne-Jules Marey or Eadweard Muybridge
Étienne-Jules Marey 的动作捕捉
Eadweard Muybridge 的运动研究（注意网格）
这是一个非常完整的项目，涉及 anatomy/physics/kinematics/etc。
先从研究开始：
- 过去人们是怎么研究这个的？
- 目前有什么进展？
- 它在现实世界中如何运作（没有计算机）？
考虑您的限制条件：
- 您可以使用哪些资源 (people/gear/etc.)？
- 你有多少时间？
综上所述，项目的topic/section可以切实解决，得到有用的结果。
总的来说大概是这样的：
- 背景研究
- 真实世界研究
- 比对系统具有kinect和人都可以测量的特性
- 记录数据（真实世界数据+机动性对比评估和kinect数据+机动性对比）
- 比较数据
- 撰写调查结果评估（系统的有效性如何？有什么局限性？可以改进的地方（未来的工作）？等）
简而言之，请注意 kinect 的局限性：骨骼跟踪是基于概率的：它不是 100% 准确。使用尽可能 clean/correct 的数据开始（如果您可以控制捕获环境，则可以轻松获取优质数据）。从一个真正的教练会跟踪什么，你能用 kinect 跟踪什么？对相交的测量值进行比较。
我目前正在做我的论文，其中涉及让 2 个人成为一名职业运动员和一名业余运动员。首先通过图像处理骨骼化，我想记录专业运动员进行下蹲运动时的情况，然后当业余爱好者进行运动时，我希望能够将专业的骨骼与业余的骨骼进行比较，看看它是否正确形成。
我愿意接受任何建议和意见，很乐意提供帮助
这是你的问题：
properly formed.
正确执行实际上意味着什么？如何量化？
切记，我不是这个领域的 athletic/experienced。 如果给我这个任务，我会反直觉地朝相反的方向前进： 从处理 3/kinect/computer 移开。我会改为：
- 寻找职业运动员
- 找一位接受过功能性活动训练的熟练教练。
- 找一个业余爱好者（可能是最简单的）
项目 2 将是 trickier.For 示例 FMS seems to put a lot of emphasis on correct exercising and mobility (to enhance performance and reduce risk of injuries). I'm not sure if that's the only approach or the best. You might want to check opinions on Physical Fitness，咨询人们 studying/teaching 练习科学等。检查证书，因为它感觉就像一个每个人都有 opinion/preference.
目的是了解受过专业教育的教练如何评估正确的动作。注意它在现实世界中的运作方式，并尝试将其系统化。
正确执行的提示是什么？
- 是关键姿势
- 中间的动作
- 骨骼和肌肉系统如何协同工作/ weights/forces applied/etc.
更好地了解它在现实世界中的工作原理应该会引导您开始 quantifying/comparing 在计算机上以数字方式开始的事情。
尝试根据您收集的信息，使用笔和纸手动制作一个 checklist/score 系统。如果这可行，那么您已经有了一个可以开始编程的系统。
下一步是获取数据。 这可能是 kinect 的来源，但请记住：
- kinect的第二个版本比第一个更精确
- 有一个 Kinect2 SDK wrapper for Processing 3: use that if you can (windows only). There is a way you can get libfreenect2 working with OpenNI on osx/linux，因此在 Processing 中使用 SimpleOpenNI，但它不是直接的，你不会在骨架跟踪算法上有相同的精度
- 使用尽可能精确的数据：
- 您可以获得跟踪骨架关节的精度
- 使用不包含复杂背景的环境（可以很容易地对用户和 detect/track 骨架进行细分，几乎不会被误认为是其他东西）。更喜欢人造非白炽光（kinect v2 的问题较少，但您仍然希望尽可能少的红外干扰）。
- 比较单个姿势上的方向矩阵或关节可能不足以了解全貌：你如何 capture/quantify 考虑到 kinect 无法轻易看到的东西：肌肉 flexing/forces applied/moving gravity/etc 的中心。
- 尝试使用网格系统，使数字值与现实世界测量值的配对变得简单。看看过去人们是如何研究运动的，例如Étienne-Jules Marey or Eadweard Muybridge
Étienne-Jules Marey 的动作捕捉
Eadweard Muybridge 的运动研究（注意网格）
这是一个非常完整的项目，涉及 anatomy/physics/kinematics/etc。
先从研究开始：
- 过去人们是怎么研究这个的？
- 目前有什么进展？
- 它在现实世界中如何运作（没有计算机）？
考虑您的限制条件：
- 您可以使用哪些资源 (people/gear/etc.)？
- 你有多少时间？ 综上所述，项目的topic/section可以切实解决，得到有用的结果。
总的来说大概是这样的：
- 背景研究
- 真实世界研究
- 比对系统具有kinect和人都可以测量的特性
- 记录数据（真实世界数据+机动性对比评估和kinect数据+机动性对比）
- 比较数据
- 撰写调查结果评估（系统的有效性如何？有什么局限性？可以改进的地方（未来的工作）？等）
简而言之，请注意 kinect 的局限性：骨骼跟踪是基于概率的：它不是 100% 准确。使用尽可能 clean/correct 的数据开始（如果您可以控制捕获环境，则可以轻松获取优质数据）。从一个真正的教练会跟踪什么，你能用 kinect 跟踪什么？对相交的测量值进行比较。