Pose Estimation
Also known as: pelacakan pose tanpa marker, deteksi pose AI
Pose estimation mengidentifikasi posisi tubuh seseorang, sendi demi sendi, dari frame video 2D. Ini adalah teknik computer vision di balik aplikasi ayunan tanpa marker.
Model pose estimation dilatih pada dataset besar gambar dan video yang menunjukkan tubuh manusia dalam berbagai posisi. Mereka belajar memprediksi lokasi yang mungkin dari setiap sendi. Model tetap memprediksi lokasi yang mungkin ketika bagian tubuh sebagian tersembunyi, buram karena gerakan, atau terlihat dari sudut yang tidak biasa. Diterapkan frame demi frame pada video ayunan, ini menghasilkan perkiraan posisi tubuh yang berkelanjutan sepanjang ayunan. Tidak butuh marker fisik, sensor atau peralatan khusus pada golfer.
Inilah yang memungkinkan analisis video tanpa marker di smartphone biasa: tanpa titik reflektif, tanpa pakaian khusus, tanpa lab, hanya video yang cukup jelas. Imbalan kenyamanan ini adalah akurasi. Pose estimation adalah prediksi statistik, bukan pengukuran langsung. Akibatnya, ia bisa salah dengan penuh keyakinan pada situasi dengan gerakan cepat, pencahayaan buruk, pakaian longgar, atau oklusi. Oklusi berarti satu bagian tubuh menghalangi bagian lain dari pandangan kamera. Ini sering terjadi saat ayunan golf, ketika lengan melintas di depan torso.
Karena mode kegagalan yang dikenal ini, alat ayunan yang bertanggung jawab dan dibangun di atas pose estimation harus menyampaikan tingkat keyakinan bersama pembacaannya. Ia tidak boleh menyajikan setiap perkiraan posisi sendi sebagai sama pastinya.
Example
Sebuah aplikasi memproses satu video smartphone dari sebuah ayunan dan, tanpa marker apa pun di tubuh golfer, memperkirakan rotasi pinggul dan bahu sepanjang gerakan memakai model pose-estimation.
Common mistakes
- Mengira pembacaan pose-estimation itu persis. Itu perkiraan probabilistik yang bisa meleset berarti saat gerakan cepat atau ketika bagian tubuh saling menghalangi.
In SwingVantage Motion Lab
Pose estimation sits at the core of Motion Lab: it estimates where each of your joints is in every frame. Those points become reads such as spine-angle change, hip sway and lead-knee flex. Each read carries a label for how it was made and its own confidence figure. A face-on or down-the-line clip with your whole body in view gives the steadiest estimates.
Related terms
- Motion Capture (Penangkapan Gerak)Motion capture melacak tubuh golfer dalam 3D untuk membangun kerangka digital yang presisi bagi analisis ayunan. Secara tradisional memakai marker reflektif dan beberapa kamera.
- Panduan Sudut KameraPanduan sudut kamera menunjukkan dari mana merekam ayunan, biasanya down-the-line dan face-on. Sudut yang salah bisa menyembunyikan atau mendistorsi apa yang dibutuhkan analisis.
- Tingkat Kepercayaan AnalisisTingkat kepercayaan analisis adalah ukuran yang dinyatakan secara jelas tentang seberapa andal sebuah pengamatan ayunan yang berasal dari video. Ini mencegah perkiraan kasar dianggap sebagai fakta pasti.
Available in other languages
Related guides & benchmarks
Work on the cause
Video shows how you move, not the ball itself. Film one swing to find the movement behind this result — free to start.
See a sample Golf report first