The PrimeSense User Tracker estimat

The PrimeSense User Tracker estimates human pose and extracts the body skeleton from single depth images. The algorithm performs model fitting using dense correspondences between depth data and an articulated human model [49], Detected skeletons can be tracked in real-time for up to six workers in the field-of-view as long as the workers have not left the scene for more than 10 s. In practice, the length of the links and the joint angles specify the extracted skeleton in each frame. Specifically, we obtain 3D Euclidean coordinates and the orientation of each joint as shown in Fig. 3. Our initial experiments show that the joints corresponding to hands are difficult to detect and usually have high estima¬tion errors, introducing noise in the dataset. We observed that these joints do not play a critical role in defining distinct body postures for each construction activity. Using tools can further add noise to detection of these joint. Thus, from the 15 detected joints for the body skeleton, we track only thirteen joints removing the ones that correspond to the hands and tools.
In order for our model to be able to compare poses and determine representative poses for each activity category, we need to adopt a ro¬bust description of each pose configuration. Instead of directly using the location and absolute orientation of each joint, we choose to use a single relative adjacent orientation per body joint. This reduces the body pose descriptor to a 13-dimensional feature vector. Fig. 4 illus-trates these skeleton features in our method.

Results (Vietnamese) 1:

Theo dõi người dùng PrimeSense ước tính của con người gây ra và chiết xuất từ các bộ xương cơ thể từ chiều sâu duy nhất hình ảnh. Các thuật toán thực hiện mô hình phù hợp bằng cách sử dụng dày đặc correspondences giữa dữ liệu độ sâu và một mô hình nhân khớp nối [49], Detected bộ xương có thể được theo dõi trong thời gian thực cho sáu người lao động trong lĩnh vực-of-view miễn là các công nhân không còn cảnh cho nhiều hơn 10 s. Trong thực tế, chiều dài của các liên kết và các góc độ chung chỉ định bộ xương chiết xuất trong mỗi khung. Cụ thể, chúng tôi có được 3D Euclid tọa độ và hướng của mỗi phần như minh hoạ trong hình 3. Thí nghiệm ban đầu của chúng tôi cho thấy rằng các khớp tương ứng với bàn tay rất khó để phát hiện và thường có cao estima¬tion lỗi, giới thiệu các tiếng ồn trong bộ dữ liệu. Chúng tôi quan sát thấy rằng các khớp không đóng một vai trò quan trọng trong việc xác định tư thế cơ thể khác biệt cho mỗi hoạt động xây dựng. Sử dụng công cụ có thể thêm thêm tiếng ồn để phát hiện các khớp. Do đó, từ các khớp được phát hiện 15 cho bộ xương cơ thể, chúng tôi theo dõi chỉ 13 khớp, loại bỏ những cái tương ứng với bàn tay và các công cụ.Để cho mô hình của chúng tôi để có thể so sánh đặt ra và xác định các đặt ra đại diện cho mỗi thể loại hoạt động, chúng tôi cần phải áp dụng một mô tả ro¬bust của mỗi cấu hình đặt ra. Thay vì trực tiếp sử dụng các vị trí và định hướng tuyệt đối của mỗi phần, chúng tôi chọn sử dụng một định hướng liền kề tương đối duy nhất cho một cơ thể chung. Điều này làm giảm mô tả tư thế cơ thể để một tính năng chiều 13 vector. Hình 4 illus-trates các tính năng bộ xương trong phương pháp của chúng tôi.

Results (Vietnamese) 2:

Các PrimeSense tài Tracker ước tính tư thế của con người và chất chiết xuất từ các bộ xương cơ thể từ hình ảnh sâu duy nhất. Các thuật toán thực hiện mô hình phù hợp sử dụng thư từ dày đặc giữa dữ liệu chiều sâu và một mô hình nhân khớp [49], bộ xương được phát hiện có thể được theo dõi trong thời gian thực cho đến sáu công nhân trong các lĩnh vực view of-miễn là các công nhân đã không rời cảnh cho hơn 10 s. Trong thực tế, chiều dài của các liên kết và các góc độ doanh xác định khung sườn được chiết xuất trong mỗi khung hình. Cụ thể, chúng ta có được tọa độ 3D Euclide và định hướng của mỗi doanh như hình. 3. thí nghiệm ban đầu của chúng tôi cho thấy các khớp tương ứng với bàn tay rất khó phát hiện và thường có lỗi estima¬tion cao, giới thiệu tiếng ồn trong các bộ dữ liệu. Chúng tôi quan sát thấy rằng các khớp không đóng một vai trò quan trọng trong việc xác định tư thế cơ thể riêng biệt cho từng hoạt động xây dựng. Sử dụng các công cụ có thể tiếp tục thêm tiếng ồn để phát hiện những doanh. Như vậy, từ 15 khớp phát hiện cho bộ xương cơ thể, chúng tôi theo dõi chỉ mười ba khớp loại bỏ những cái mà tương ứng với bàn tay và các công cụ.
Để cho mô hình của chúng tôi để có thể so sánh và xác định tư thế đại diện đặt ra cho từng loại hoạt động, chúng ta cần áp dụng một mô tả của mỗi ro¬bust đặt ra cấu hình. Thay vì trực tiếp sử dụng các vị trí và định hướng tuyệt đối của mỗi doanh, chúng tôi chọn để sử dụng một hướng tiếp giáp tương đối duy nhất cho mỗi doanh cơ thể. Điều này làm giảm cơ thể gây ra mô tả cho một vector đặc trưng 13 chiều. Vả. 4 MINH HOẠ-trates các tính năng bộ xương trong phương pháp của chúng tôi.