Geração de avatares de combatentes a partir de imagens de cenas de treinamento de armas para simulações de exposição a explosões

Usando gravações de câmeras, o presente trabalho busca desenvolver um método automatizado para gerar modelos virtuais de combatentes de guerra para prever a exposição a explosões em cenários de treinamento de armas. A questão-chave é se podemos acelerar o processo de criação desses modelos de membros do serviço virtual para estimativa rápida de exposição. Este trabalho usa as mais recentes ferramentas baseadas em aprendizado de máquina para estimativa de pose humana 3D a partir de uma única câmera.

Essas ferramentas nos permitem extrair a posição e a postura de cada pessoa em uma imagem, agilizando o processo de simulação de uma exposição à explosão. Usar outros sensores é difícil porque os militares em treinamento não têm tempo para colocar muitos sensores diferentes. No entanto, uma câmera pode gravar facilmente uma sessão de treinamento militar, então nosso trabalho aproveita essa modalidade para superar as limitações de outros tipos de sensores.

Nossa ferramenta BOP é a primeira ferramenta computacional para prever a explosão de nossa pressão nos membros do serviço usando modelos de execução rápida otimizados com pressão de campo e dados de sensores. Ele replica sistematicamente a postura e a posição dos militares durante o disparo de armas, com o objetivo de estimar com precisão a pressão excessiva em diferentes regiões anatômicas do militar. Nosso objetivo é aprimorar e fazer a transição da ferramenta de jateamento ou pressão atual para um produto de monitoramento de jateamento sobre pressão em tempo real para exposição do acumulador.

Também trabalharemos para correlacionar essa dose à resposta da TBA para avaliação do risco de lesões.