我们的许多日常活动都涉及到与地面的身体接触:散步、锻炼或休息。这些嵌入式互动包含了丰富的信息,帮助我们更好地理解人们的运动。之前的研究使用了单一RGB摄像头(比如微软的Kinect)、可穿戴全向摄像头,甚至是普通的老式网络摄像头,但也存在摄像头遮挡和隐私问题的不可避免的副产品。
CSAIL团队的系统只使用摄像机来创建系统所训练的数据集,并且只捕获了人执行活动的瞬间。推断出的3 d“姿势”,一个人只需要趴在地毯上,执行一个动作,然后团队的深度神经网络,仅使用触觉信息,就可以确定这个人是在做仰卧起坐,拉伸,还是在做其他动作。
“你可以想象利用这个模型为高风险人群提供一个无缝的健康监测系统,用于跌倒检测、康复监测、移动等,”一项研究的主要作者Yiyue Luo说纸关于地毯。
这种地毯本身成本低,可伸缩,是由商业化的压敏薄膜和导电线制成的,有超过九千个传感器,跨度36英尺,2英尺。(大多数客厅地毯的尺寸是8 * 10或9 * 12。)每一个传感器在地毯上,通过人的脚、四肢、躯干和地毯之间的身体接触,将人的压力转化为电信号。这个系统经过了专门的同步触觉和视觉数据的训练,比如视频和相应的俯卧撑热图。
该模型以从视觉数据中提取的姿态作为地面真实感,以触觉数据作为输入,最终输出三维人体姿态。这可能看起来像,当你踏上地毯,做了一组俯卧撑后,系统能够产生一个人做俯卧撑的图像或视频。
事实上,该模型能够预测一个人的姿势,误差幅度小于10厘米(通过预测人体关键点和地面真相关键点之间的距离来测量)。对于特定行为的分类,该系统的准确率达到97%。“你可以想象一下在锻炼时使用地毯。仅基于触觉信息,它就能识别活动,计算重复次数,并计算燃烧了多少卡路里,”论文合著者李云竹(音译)说。
由于大部分压力分布是由下半身和躯干的运动引起的,因此这些信息比上半身的数据更准确。此外,该模型无法预测在没有更明确的地板接触的情况下的姿势,比如仰卧起坐时腿部自由漂浮,站立时躯干扭曲。
虽然系统可以了解单个用户,但科学家们最终想要改善多个用户的指标,比如两个人可能在地毯上跳舞或拥抱。他们还希望从战术信号中获得更多信息,比如一个人的身高或体重。
来源:麻省理工学院