MétaCan
Menu
Retour à la cohorte
Enregistrement W4405209194 · doi:10.1111/1556-4029.15674

Preliminary validation of Amped <scp>FIVE</scp> software for subject height estimation

2024· article· en· W4405209194 sur OpenAlexaff
Rosdiazli Ibrahim, Eugene Liscio

Notice bibliographique

RevueJournal of Forensic Sciences · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueGait Recognition and Analysis
Établissements canadiensAdvantage Forensics (Canada)Trent University
Organismes subventionnairesnon disponible
Mots-clésSoftwarePhotogrammetryComputer scienceFeature (linguistics)Artificial intelligenceProjection (relational algebra)MetrologyComputer visionStatisticsMathematicsAlgorithm

Résumé

récupéré en direct d'OpenAlex

Single view metrology poses a persistent challenge in extracting accurate quantitative information from individual images or video frames within the realm of forensic video analysis. Methods such as reverse projection, projective geometry, and photogrammetry have been used in the past with success but require validation and understanding of the limitations of each method. This study aims to conduct a preliminary validation of the subject height estimation feature in Amped FIVE software, which relies on the principles of single view metrology. A group of 14 individuals assumed an upright posture at distances of 2.4 m, 5.4 m, and 10 m away from two security cameras with different resolutions 4k (3840 × 2160) and HD (1920 × 1080). Prior to recording, participants' heights were measured but were not provided to the researcher in this study until after the analysis was completed. A height scale with clearly marked black and white graduations was used as a control. Height estimations were subsequently obtained using the Measure 3D tool in Amped FIVE software. On average, the overall error was found to be approximately ± 1.3 cm with a standard deviation of 0.9 cm. This study shows that Amped FIVE can provide accurate height estimates in a controlled environment. Future work should be done to test more difficult scenarios in less-than-ideal conditions.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,444
Score d'incertitude au seuil0,216

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,020
Tête enseignante GPT0,264
Écart entre enseignants0,244 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations0
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Forensic SciencesMême sujetGait Recognition and AnalysisTravaux en français237 207