人体姿态估计与智能手机键盘用户体验研究

### 人体姿态估计与智能手机键盘用户体验研究 在现代科技发展中，人体姿态估计和智能手机键盘的用户体验是两个备受关注的领域。人体姿态估计对于无人机在人机协作场景中的自主控制至关重要，而智能手机键盘的设计优化则直接影响着用户的日常使用体验。 #### 人体姿态估计方法 人体姿态估计的目标是预测人体真实的 6D 姿态信息。首先，通过特定算法从人体骨架点获取四个肩部关键点，其转换算法如下： ```python def SkeletonTo4ShoulderPoints((shoulder_l, shoulder_r, knee_l, knee_r, nose)): nose_off = nose - (shoulder_l + shoulder_r) / 2 if nose_off[0] > 0: faceleft = 1 else: faceleft = 0 m, c = get_line_equs(shoulder_r, shoulder_l) m1, c1, m2, c2 = get_lines_tang(shoulder_r, m, c) # approx with tangent line p1, p5 = get_line_y(m1, c1, shoulder_r) # front/back keypoints near left shoulder p0, p4 = get_line_y(m2, c2, shoulder_l) # keypoints near right shoulder ``` 膝盖附近的关键点获取方式与之类似。之后，运用 PNP 方法估计表示 6D 姿态的坐标转换矩阵。 #### 实验结果 - **训练结果**：使用具有 3D 图形和物理引擎的游戏引擎生成逼真图像和真实姿态数据来训练和评估网络。使用 190 张训练图像，网络参数在 40 个训练周期内收敛。关键点的平均误差为 8.6 像素，平均角度误差小于 8°。网络的检测速度得益于 Yolo2 的高效实现，在 NVIDIA Jetson TX2 上系统可处理 20 帧/秒。对比提出的 Torso Box Pose（TBP）和改进的 RSN 方法的 6D 姿态误差，TBP 的角度误差均匀低于 20°，且一半在个位数误差范围内。改进的 RSN 方法有 7 个失败案例，角度误差接近 170 - 200°，这是因为简单的 2D - 3D 映射算法在左右肩部点过近时无法计算姿态解。在良好测试案例中，改进的 RSN 方法的角度误差比 TBP 高约 30%，平移误差方面两者相当，TBP 略占优势。 | 方法 | 角度误差 | 平移误差 | | ---- | ---- | ---- | | TBP | 均匀低于 20°，一半在个位数误差范围内 | 略占优势 | | 改进的 RSN 方法 | 良好案例中比 TBP 高约 30%，有失败案例 | 与 TBP 相当 | - **集成运动规划测试**：为测试姿态检测算法，创建了一个由 3D 游戏环境（Unreal Engine 4）和外部软件栈组成的测试平台。游戏引擎中的自主无人机通过 Airsim 插件框架与外部软件组件通信。运动规划器利用 6D 姿态信息估计人体对象的潜在轨迹，修正当前地图并生成可行路径。 ```mermaid graph LR A[人体骨架点] --> B[获取四个肩部关键点] B --> C[获取膝盖附近关键点] C --> D[PNP 方法估计 6D 姿态] D --> E[运动规划器利用 6D 姿态信息] E --> F[修正地图并生成可行路径] ``` #### 智能手机键盘用户体验研究 键盘输入作为人机交互的重要方式，其设计优化对于用户体验至关重要。然而，由于智能手机和键盘的快速发展，2020 年代智能手机键盘的用户体验现状仍不明确。 #### 研究方法 - **程序与参与者**：通过在线问卷平台 Credamo 招募了 926 名中国参与者，排除 60 名提供不一致或无关回复的参与者后，最终 866 名参与者（321 名女性，年龄 16 - 58 岁，平均年龄 26.47 岁）纳入研究。 - **问卷设计**：问卷包含 22 个项目，分为四个部分：人口统计信息、智能手机使用体验和习惯、智能手机键盘使用体验和习惯以及双任务