TW201308253A - 運動量分析方法及採用此方法之運動量分析裝置 - Google Patents

運動量分析方法及採用此方法之運動量分析裝置 Download PDF

Info

Publication number
TW201308253A
TW201308253A TW100127788A TW100127788A TW201308253A TW 201308253 A TW201308253 A TW 201308253A TW 100127788 A TW100127788 A TW 100127788A TW 100127788 A TW100127788 A TW 100127788A TW 201308253 A TW201308253 A TW 201308253A
Authority
TW
Taiwan
Prior art keywords
tested
image
dimensional
depth map
analyzing
Prior art date
Application number
TW100127788A
Other languages
English (en)
Inventor
Ta-Te Lin
Tai-Hsien Ouyang
Meng-Li Tsai
Chen-Tung Yen
Original Assignee
Univ Nat Taiwan
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Univ Nat Taiwan filed Critical Univ Nat Taiwan
Priority to TW100127788A priority Critical patent/TW201308253A/zh
Priority to US13/247,015 priority patent/US8737722B2/en
Publication of TW201308253A publication Critical patent/TW201308253A/zh

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/285—Analysis of motion using a sequence of stereo image pairs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Computer Interaction (AREA)
  • Social Psychology (AREA)
  • Psychiatry (AREA)
  • Health & Medical Sciences (AREA)
  • Image Analysis (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

一種運動量分析方法，包括下列步驟：取得包含待測物之影像的深度圖；依據深度臨界值來濾除深度圖中的背景部份；從深度圖的剩餘部份找出待測物之影像；依據找出的影像來計算出待測物之三維座標；記錄所計算出之三維座標，並據以重建待測物的三維移動軌跡；以及依據三維移動軌跡來進行待測物的運動量分析。此外，一種採用此方法之運動量分析裝置亦被提出。

Description

運動量分析方法及採用此方法之運動量分析裝置
本發明是有關於生物醫學之技術領域，且特別是有關於一種運動量分析方法及採用此方法之運動量分析裝置。
目前在生物醫療產業、生命科學基礎研究以及農業動物技術中，動物運動量分析已成為不可或缺的程序。在傳統動物運動量分析的技術中，大多是採用人力、感測器陣列或攝影機來取得待測物的位置，然後再以人力或自動演算法的方式來標定之。
然而，採用人力的方式不僅耗時、成本高昂，且缺乏客觀性。而採用感測器陣列(例如是電阻式觸控裝置或是電容式觸控裝置)的方式不僅使得分析儀器的體積龐大、維護不易，且這種感測器陣列的售價也都不便宜。此外，在採用一台攝影機來取得待測物位置的方式下，也僅能夠取得待測物的二維位置，且容易受到光影變化及背景因素的干擾。而在採用多台攝影機來取得待測物位置的方式下，對待測物的標定不僅難以達到同步而取得第三維位置，且想要進行姿態重建的話又受限於攝影機的視野而無法取得待測物於攝影機對側的姿態訊息。如此一來，重建待測物之三維運動軌跡和姿態將會難以被精確量化。
本發明的目的之一就是在提供一種運動量分析方法，其可自動、精確地偵測待測物的三維移動軌跡，並據以進行待測物之運動量分析。
本發明的另一目的就是在提供一種運動量分析裝置，其採用上述之運動量分析方法，且成本低廉。
本發明提出一種運動量分析方法，其包括下列步驟：取得包含一待測物之影像的深度圖；依據深度臨界值來濾除深度圖中的背景部份；從深度圖的剩餘部份找出此待測物之影像；依據找出的影像來計算出待測物之三維座標；記錄所計算出之三維座標，並據以重建待測物的三維移動軌跡；以及依據三維移動軌跡來進行待測物的運動量分析。
依照本發明一實施例所述之運動量分析方法，其中在找出待測物的影像的步驟之前，更執行雜訊濾除操作，以進行影像之雜點的濾除。
依照本發明一實施例所述之運動量分析方法，其中雜訊濾除操作之步驟包括：依據物件大小臨界值來找出影像中的雜點；以及濾除找出的雜點。
依照本發明一實施例所述之運動量分析方法，其中找出待測物之影像的步驟包括：依據連通元件標識法來標識深度圖的剩餘部份；判斷標識好的剩餘部份是否有對應於待測物之影像；以及將有對應的部份視為待測物的影像。
依照本發明一實施例所述之運動量分析方法，其中判斷標識好的剩餘部份是否有對應於待測物之影像的步驟包括：判斷每一標識好的剩餘部份的大小與形狀是否有符合待測物的大小與形狀。
依照本發明一實施例所述之運動量分析方法，其中計算出待測物之三維座標的步驟包括：計算出待測物之影像的質心或重心；以及依據計算出的質心或重心來計算待測物之三維座標。
依照本發明一實施例所述之運動量分析方法，其更包括：依據計算出的質心或重心來對待測物之影像進行部份特徵分析，並據以重建待測物之姿態。
本發明另提出一種運動量分析裝置，其包括有三維影像擷取裝置與電腦裝置。三維影像擷取裝置用以感測待測物，藉以取得包含待測物之影像的深度圖。電腦裝置電性連接三維影像擷取裝置，用以取得深度圖，並依據深度臨界值來濾除深度圖中的背景部份，以從深度圖的剩餘部份找出待測物之影像，並依據找出的影像來計算出待測物之三維座標。此外，電腦裝置還記錄所計算出之三維座標，據以重建待測物的三維移動軌跡，並依據三維移動軌跡來進行待測物的運動量分析。
依照本發明一實施例所述之運動量分析裝置，其中電腦裝置在找出待測物的影像之前，更執行雜訊濾除操作，以進行影像之雜點的濾除。
依照本發明一實施例所述之運動量分析裝置，其中電腦裝置在執行雜訊濾除操作時，係依據物件大小臨界值來找出影像中的雜點，並濾除找出的雜點。
依照本發明一實施例所述之運動量分析裝置，其中電腦裝置在找待測物之影像時，係依據連通元件標識法來標識深度圖的剩餘部份，並判斷標識好的剩餘部份是否有對應於待測物之影像，以將有對應的部份視為待測物的影像。
依照本發明一實施例所述之運動量分析裝置，其中電腦裝置在判斷標識好的剩餘部份是否有對應於待測物之影像時，係判斷每一標識好的剩餘部份的大小與形狀是否有符合待測物的大小與形狀。
依照本發明一實施例所述之運動量分析裝置，其中電腦裝置在計算待測物之三維座標時，係計算出待測物之影像的質心或重心，並依據計算出的質心或重心來計算待測物之三維座標。
依照本發明一實施例所述之運動量分析裝置，其中電腦裝置更依據計算出的質心或重心來對待測物之影像進行部份特徵分析，並據以重建待測物之姿態。
依照本發明一實施例所述之運動量分析裝置，其中三維影像擷取裝置包括是深度攝影機。
本發明解決前述問題的方式，乃是先取得包含待測物之影像的深度圖，然後再依據深度臨界值來濾除深度圖中的背景部份。接著，從深度圖的剩餘部份找出待測物之影像，然後再依據找出的影像來計算出待測物之三維座標。接下來，記錄所計算出之三維座標，並據以重建待測物的三維移動軌跡，然後再依據三維移動軌跡來進行待測物的運動量分析。因此，只要將運動量分析裝置依上述的操作方式來設計，那麼此運動量分析裝置就能自動、精確地偵測待測物的三維移動軌跡，並據以進行待測物之運動量分析。
而由於本發明之運動量分析裝置可自動地執行運動量分析，因此解決了以人工方式進行分析而導致的耗時及缺乏客觀性的問題。而相對於採用價昂的感測器陣列的技術而言，本發明之運動量分析裝置相對價廉，且體積較小、維護方便。此外，由於本發明之運動量分析裝置可採用深度攝影機來取得待測物的第三維位置，且會對影像中的背景與雜訊進行濾除，解決了單一攝影機僅能取得待測物的二維位置，且易受光影變化及背景因素干擾的問題。而相對於採用多台攝影機的技術而言，本發明之運動量分析裝置採用單一的深度攝影機即可操作，既無同步的問題，也不受限於攝影機的視野。，因此本發明之運動量分析裝置可提供更高的精確度來進行待測物的三維運動軌跡與姿態的重建。
為讓本發明之上述和其他目的、特徵和優點能更明顯易懂，下文特舉較佳實施例，並配合所附圖式，作詳細說明如下。
圖1為依照本發明一實施例之運動量分析裝置的示意圖。請參照圖1，此運動量分析裝置10包括有三維影像擷取裝置100與電腦裝置110。其中，三維影像擷取裝置100用以感測一待測物102，藉以取得包含此待測物102之影像的深度圖(depth map)。電腦裝置110電性連接三維影像擷取裝置100，用以取得深度圖。在本實施例中，所述之待測物102例如是老鼠，而所述之三維影像擷取裝置100可以是採用深度攝影機(depth camera)來實現。
在取得深度圖之後，電腦裝置110便會依據一深度臨界值來濾除所取得之深度圖中的背景部份。當電腦裝置110濾除深度圖中的背景部份之後，便可選擇性地執行雜訊濾除操作，以進行影像之雜點的濾除。當電腦裝置110選擇執行雜訊濾除操作時，可以是依據一物件大小臨界值來找出影像中的雜點，並加以濾除找出來的雜點。接下來，電腦裝置110可從上述深度圖的剩餘部份找出待測物102之影像，並依據找出的影像來計算出待測物102之三維座標。在本實施例中，當電腦裝置110在尋找待測物102的影像時，係可依據連通元件標識法(connected-component labeling algorithm)來標識深度圖的剩餘部份，並判斷標識好的剩餘部份是否有對應於待測物102之影像，例如是判斷每一標識好的剩餘部份的大小與形狀是否有符合待測物102的大小與形狀。當判斷出標識好的剩餘部份中存在有對應於待測物102的影像時，電腦裝置110便會將有對應的部份視為待測物102的影像。
在找出待測物102的影像之後，電腦裝置110便會依據找出的影像來計算出待測物102之三維座標。在此例中，電腦裝置110係先計算出待測物102之影像的質心(center of mass)或重心(center of gravity)，然後再依據計算出的質心或重心來計算待測物102之三維座標。而電腦裝置110還會記錄所計算出之三維座標，並據以重建待測物102的三維移動軌跡，然後再依據三維移動軌跡來進行待測物102的運動量分析。
此外，當計算出待測物102之影像的質心或重心之後，電腦裝置110亦可依據計算出的質心或重心來取得待測物102的輪廓的至少一部份，以便對待測物102之影像進行一部份特徵分析，並據以重建待測物102之姿態。
藉由上述各實施之說明，可以歸納出本發明之運動量分析裝置的一些基本操作步驟，一如圖2所示。圖2為依照本發明一實施例之運動量分析方法的流程圖。請參照圖2，此運動量分析方法包括下列步驟：首先，取得包含一待測物之影像的深度圖(如步驟S21所示)。接著，依據深度臨界值來濾除上述深度圖中的背景部份(如步驟S22所示)。然後，執行雜訊濾除操作，以進行影像之雜點的濾除(如步驟S23所示)。再來，從上述深度圖的剩餘部份找出待測物之影像(如步驟S24所示)。然後，依據找出的影像來計算出待測物之三維座標(如步驟S25所示)。而步驟S25又可分為二個子步驟，首先是計算出待測物之影像的質心或重心(如步驟S25-1所示)，接著是依據計算出的質心或重心來計算待測物之三維座標(如步驟S25-2所示)。接下來，記錄所計算出之三維座標，並據以重建待測物的三維移動軌跡(如步驟S26所示)。然後，依據三維移動軌跡來進行待測物的運動量分析(如步驟S27所示)。而在完成上述步驟S25時，還可進一步依據計算出的質心或重心來對待測物之影像進行部份特徵分析，並據以重建待測物之姿態(如步驟S28所示)。
綜上所述，本發明解決前述問題的方式，乃是先取得包含待測物之影像的深度圖，然後再依據深度臨界值來濾除深度圖中的背景部份。接著，從深度圖的剩餘部份找出待測物之影像，然後再依據找出的影像來計算出待測物之三維座標。接下來，記錄所計算出之三維座標，並據以重建待測物的三維移動軌跡，然後再依據三維移動軌跡來進行待測物的運動量分析。因此，只要將運動量分析裝置依上述的操作方式來設計，那麼此運動量分析裝置就能自動、精確地偵測待測物的三維移動軌跡，並據以進行待測物之運動量分析。
而由於本發明之運動量分析裝置可自動地執行運動量分析，因此解決了以人工方式進行分析而導致的耗時及缺乏客觀性的問題。而相對於採用價昂的感測器陣列的技術而言，本發明之運動量分析裝置相對價廉，且體積較小、維護方便。此外，由於本發明之運動量分析裝置可採用深度攝影機來取得待測物的第三維位置，且會對影像中的背景與雜訊進行濾除，解決了單一攝影機僅能取得待測物的二維位置，且易受光影變化及背景因素干擾的問題。而相對於採用多台攝影機的技術而言，本發明之運動量分析裝置採用單一的深度攝影機即可操作，既無同步的問題，也不受限於攝影機的視野。因此本發明之運動量分析裝置可提供更高的精確度來進行待測物的三維運動軌跡與姿態的重建。
雖然本發明已以較佳實施例揭露如上，然其並非用以限定本發明，任何熟習此技藝者，在不脫離本發明之精神和範圍內，當可作些許之更動與潤飾，因此本發明之保護範圍當視後附之申請專利範圍所界定者為準。
10．．．運動量分析裝置
100．．．三維影像擷取裝置
102．．．待測物
110．．．電腦裝置
S21、S22、S23、S24、S25、S25-1、S25-2、S26、S27、S28．．．步驟
圖1為依照本發明一實施例之運動量分析裝置的示意圖。
圖2為依照本發明一實施例之運動量分析方法的流程圖。
S21、S22、S23、S24、S25、S25-1、S25-2、S26、S27、S28．．．步驟

Claims (15)

  1. 一種運動量分析方法，其步驟包括：取得包含一待測物之影像的一深度圖；依據一深度臨界值來濾除該深度圖中的背景部份；從該深度圖的剩餘部份找出該待測物之影像；依據找出的影像來計算出該待測物之一三維座標；記錄所計算出之三維座標，並據以重建該待測物的一三維移動軌跡；以及依據該三維移動軌跡來進行該待測物的運動量分析。
  2. 如申請專利範圍第1項所述之運動量分析方法，其中在找出該待測物的影像的步驟之前，更執行一雜訊濾除操作，以進行影像之雜點的濾除。
  3. 如申請專利範圍第2項所述之運動量分析方法，其中該雜訊濾除操作之步驟包括：依據一物件大小臨界值來找出影像中的雜點；以及濾除找出的雜點。
  4. 如申請專利範圍第1項所述之運動量分析方法，其中找出該待測物之影像的步驟包括：依據一連通元件標識法來標識該深度圖的剩餘部份；判斷標識好的剩餘部份是否有對應於該待測物之影像；以及將有對應的部份視為該待測物的影像。
  5. 如申請專利範圍第4項所述之運動量分析方法，其中判斷標識好的剩餘部份是否有對應於該待測物之影像的步驟包括：判斷每一標識好的剩餘部份的大小與形狀是否有符合該待測物的大小與形狀。
  6. 如申請專利範圍第4項所述之運動量分析方法，其中計算出該待測物之該三維座標的步驟包括：計算出該待測物之影像的質心或重心；以及依據計算出的質心或重心來計算該待測物之該三維座標。
  7. 如申請專利範圍第6項所述之運動量分析方法，其更包括：依據計算出的質心或重心來對該待測物之影像進行一部份特徵分析，並據以重建該待測物之姿態。
  8. 一種運動量分析裝置，其包括：一三維影像擷取裝置，用以感測一待測物，藉以取得包含該待測物之影像的一深度圖；以及一電腦裝置，電性連接該三維影像擷取裝置，以取得該深度圖，並依據一深度臨界值來濾除該深度圖中的背景部份，以從該深度圖的剩餘部份找出該待測物之影像，並依據找出的影像來計算出該待測物之一三維座標，該電腦裝置還記錄所計算出之三維座標，據以重建該待測物的一三維移動軌跡，並依據該三維移動軌跡來進行該待測物的運動量分析。
  9. 如申請專利範圍第8項所述之運動量分析裝置，其中該電腦裝置在找出該待測物的影像之前，更執行一雜訊濾除操作，以進行影像之雜點的濾除。
  10. 如申請專利範圍第9項所述之運動量分析裝置，其中該電腦裝置在執行該雜訊濾除操作時，係依據一物件大小臨界值來找出影像中的雜點，並濾除找出的雜點。
  11. 如申請專利範圍第8項所述之運動量分析裝置，其中該電腦裝置在找該待測物之影像時，係依據一連通元件標識法來標識該深度圖的剩餘部份，並判斷標識好的剩餘部份是否有對應於該待測物之影像，以將有對應的部份視為該待測物的影像。
  12. 如申請專利範圍第11項所述之運動量分析裝置，其中該電腦裝置在判斷標識好的剩餘部份是否有對應於該待測物之影像時，係判斷每一標識好的剩餘部份的大小與形狀是否有符合該待測物的大小與形狀。
  13. 如申請專利範圍第11項所述之運動量分析裝置，其中該電腦裝置在計算出該待測物之該三維座標時，係計算出該待測物之影像的質心或重心，並依據計算出的質心或重心來計算該待測物之該三維座標。
  14. 如申請專利範圍第13項所述之運動量分析裝置，其中該電腦裝置更依據計算出的質心或重心來對該待測物之影像進行一部份特徵分析，並據以重建該待測物之姿態。
  15. 如申請專利範圍第8項所述之運動量分析裝置，其中該三維影像擷取裝置包括是一深度攝影機。
TW100127788A 2011-08-04 2011-08-04 運動量分析方法及採用此方法之運動量分析裝置 TW201308253A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
TW100127788A TW201308253A (zh) 2011-08-04 2011-08-04 運動量分析方法及採用此方法之運動量分析裝置
US13/247,015 US8737722B2 (en) 2011-08-04 2011-09-28 Locomotion analysis method and locomotion analysis apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW100127788A TW201308253A (zh) 2011-08-04 2011-08-04 運動量分析方法及採用此方法之運動量分析裝置

Publications (1)

Publication Number Publication Date
TW201308253A true TW201308253A (zh) 2013-02-16

Family

ID=47626974

Family Applications (1)

Application Number Title Priority Date Filing Date
TW100127788A TW201308253A (zh) 2011-08-04 2011-08-04 運動量分析方法及採用此方法之運動量分析裝置

Country Status (2)

Country Link
US (1) US8737722B2 (zh)
TW (1) TW201308253A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104516496A (zh) * 2013-10-04 2015-04-15 财团法人工业技术研究院 可调体感范围的多人指引系统与其方法
CN105678802A (zh) * 2014-04-21 2016-06-15 杨祖立 辨识二维影像产生三维信息的方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6069923B2 (ja) * 2012-07-20 2017-02-01 セイコーエプソン株式会社 ロボットシステム、ロボット、ロボット制御装置
GB2534136A (en) * 2015-01-12 2016-07-20 Nokia Technologies Oy An apparatus, a method and a computer program for video coding and decoding
CN110874851A (zh) * 2019-10-25 2020-03-10 深圳奥比中光科技有限公司 重建人体三维模型的方法、装置、系统和可读存储介质
WO2023097576A1 (en) * 2021-12-01 2023-06-08 Qualcomm Incorporated Segmentation with monocular depth estimation

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100682889B1 (ko) * 2003-08-29 2007-02-15 삼성전자주식회사 영상에 기반한 사실감 있는 3차원 얼굴 모델링 방법 및 장치
US7330584B2 (en) * 2004-10-14 2008-02-12 Sony Corporation Image processing apparatus and method
CN101228555A (zh) * 2005-07-07 2008-07-23 独创目标实验室公司 用于目标的运动行为的三维监控和分析的系统
US8340422B2 (en) * 2006-11-21 2012-12-25 Koninklijke Philips Electronics N.V. Generation of depth map for an image
US8401276B1 (en) * 2008-05-20 2013-03-19 University Of Southern California 3-D reconstruction and registration
US8803992B2 (en) * 2010-05-12 2014-08-12 Fuji Xerox Co., Ltd. Augmented reality navigation for repeat photography and difference extraction
US8447098B1 (en) * 2010-08-20 2013-05-21 Adobe Systems Incorporated Model-based stereo matching

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104516496A (zh) * 2013-10-04 2015-04-15 财团法人工业技术研究院 可调体感范围的多人指引系统与其方法
US9275194B2 (en) 2013-10-04 2016-03-01 Industrial Technology Research Institute System and method of multi-user coaching inside a tunable motion-sensing range
CN104516496B (zh) * 2013-10-04 2017-11-03 财团法人工业技术研究院 可调体感范围的多人指引系统与其方法
CN105678802A (zh) * 2014-04-21 2016-06-15 杨祖立 辨识二维影像产生三维信息的方法
CN105678802B (zh) * 2014-04-21 2018-06-26 杨祖立 辨识二维影像产生三维信息的方法

Also Published As

Publication number Publication date
US20130034264A1 (en) 2013-02-07
US8737722B2 (en) 2014-05-27

Similar Documents

Publication Publication Date Title
TW201308253A (zh) 運動量分析方法及採用此方法之運動量分析裝置
CN106175778B (zh) 一种建立步态数据集的方法及步态分析方法
CN103735268B (zh) 一种体位检测方法及系统
JP2012021958A5 (zh)
AU2017200882A1 (en) System and method for analyzing gait and postural balance of a person
JP2010134649A5 (zh)
US20150043800A1 (en) Image processing apparatus and image processing method
EP2967331B1 (en) Measuring wheals and detecting allergies
Nakamura et al. Low-cost three-dimensional gait analysis system for mice with an infrared depth sensor
JP2014075999A5 (ja) 心筋細胞の運動検出方法、心筋細胞の培養方法、薬剤評価方法、画像処理プログラム及び画像処理装置
JP2016531630A5 (zh)
KR101310405B1 (ko) 맥동 위치 추정 및 맥센서 위치 제어 장치 및 방법
CN107622491B (zh) 光纤束图像分析方法和装置
TW201524455A (zh) 以深度圖影像與骨架特徵點進行人體重量估測之方法
KR20160035497A (ko) 스켈레톤 추출정보를 이용한 동작분석 기반의 체형분석 시스템
JP2014512546A5 (zh)
JP6827786B2 (ja) 輪郭抽出装置、輪郭抽出方法およびプログラム
TWI468967B (zh) 動物行為監測方法
CN103743819A (zh) 一种猪肌内脂肪含量检测方法及装置
Leightley et al. Sensing behaviour using the Kinect: Identifying characteristic features of instability and poor performance during challenging balancing tasks
Nehra et al. Unobtrusive and non-invasive human activity recognition using Kinect sensor
JP5712343B2 (ja) イメージングデータ処理システム
Golingay et al. Gait Recognition of Human Walking thru Gait Analysis
Wagner et al. Spatiotemporal analysis of human gait, based on feet trajectories estimated by means of depth sensors
Otsuka et al. Validity of block start performance without arm forces or by kinematics-only methods