MétaCan
Menu
Retour à la cohorte
Enregistrement W2123203295

The impact of technical parameters such as video sensor technology, system configuration, marker size and speed on the accuracy of motion analysis systems

2014· article· en· W2123203295 sur OpenAlexaff
Carlos Díaz Novo, Sultan Sulaiman E Alharbi, Megan Fox, Elaine Ouellette, E. Biden, Maureen Tingley, Victoria Chester

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineComputer Science
ThématiqueHand Gesture Recognition Systems
Établissements canadiensUniversity of New Brunswick
Organismes subventionnairesnon disponible
Mots-clésMotion captureComputer scienceComputer visionArtificial intelligenceKinematicsMotion analysisMotion (physics)Standard deviationSimulationMathematicsStatistics
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

In biomechanical assessments, minimizing errors and achieving accurate representations of human movements are the main goals of motion capture systems. Although 3D camera-based motion capturing systems are effective for accurate acquisition of motion, their performance is highly dependent on various parameters. This paper examines the how variations in independent technical parameters such as video camera sensor technology, system configuration, marker size and speed influence the accuracy of the kinematic measurements. A method was developed to systematically assess accuracy and precision of motion capture systems by measuring the mean absolute inter-marker distance errors and standard deviations respectively. A custommade dynamic measurement protocol was used to test the performance of three motion capture systems; two different Vicon motion capture systems and a low-cost motion capture system implemented in the Santiago de Cuba Hospital (SCH) using common video cameras. For the two Vicon labs, the individual effects and interactions between the parameters and the spatial measurements of the motion analysis systems were able to be determined. However, the Santiago lab was unable to accurately track small changes in the elements of the measurement system and therefore was not recommended for small human movements. Although the Santiago lab reported to be significantly less accurate than the two other labs, results showed that the mean absolute inter-marker distance error was minimized in the center of the capture volume. This information is essential in the implementation of this system as a clinical assessment tool and is a factor that should be considered for low accuracy systems.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,017
score de la tête « metaresearch » (Gemma)0,115
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,090

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0170,115
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,013
Tête enseignante GPT0,266
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations11
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetHand Gesture Recognition SystemsTravaux en français237 207