无标记动作捕捉系统为生物力学的广泛领域开辟了道路

Josiah02

巴斯大学运动分析、娱乐和研究应用中心 CAMERA 的研究人员开发出一款无需使用标记即可分析动作捕捉数据的开放式软件。他们展示了这款无标记系统，它为临床医生、体育教练和理疗师提供了一种不引人注目的方法来分析视频片段中的身体运动，其效果堪比使用标记。
运动分析传统上依赖于将光反射标记附加到身体上的特定点上；然后使用来自从不同角度拍摄人体运动的一系列摄像机的数据来计算这些标记在 3D 空间中的运动。
在身体上准确地放置标记可能很耗时，有时还会干扰人的自然动作。
为了克服这个问题，CAMERA 的 Steffi Colyer 博士领导的团队开发了一种非侵入式无标记系统，该系统使用计算机视觉和深度学习方法，通过从常规 2D 图像数据中识别身体标志来测量运动。
他们使用相同的图像来评估全自动系统的性能，发现结果与传统的基于标记的动作捕捉系统相当。该系统采用的技术与商业系统使用的技术类似，但可作为开源工作流程使用，并且可以更轻松地适应用户的需求。
该团队发布了一个独特的数据集，以便其他研究人员评估新的无标记算法并进一步推动计算机视觉和生物力学领域的发展。
该团队使用开源计算机视觉系统 OpenPose 来估计一个人跑步、跳跃和行走的 2D 视频图像上关节的位置。然后，他们将这些数据融合成 3D 数据，并将这些数据输入开源建模软件 OpenSim，该软件将骨架与关节相匹配，从而获得全身运动。
本研究中使用的完全同步的视频和基于标记的数据以及无标记管道所依赖的代码现已可用，并在最近发表在《科学数据》上的一篇论文中进行了详细描述。
Colyer 博士说：“使用标记的问题在于，它们很难准确可靠地放置在参与者身上，而且这个过程可能需要很长时间，这对于许多参与者和应用（例如精英​​运动员或临床人群）来说不是很实用。
“我们的无标记系统仅根据视频即可估计关节位置，无需在参与者身上放置任何设备或任何准备时间。这为我们在实验室外的环境中更容易捕获运动数据打开了大门，我们分析的运动结果与传统使用的带标记技术相当。
“我们的管道是开源的，这意味着任何在该领域有一定专业知识的人都可以免费使用它从普通视频片段中获取运动数据。
“这可能对物理治疗师、临床医生和体育教练在包括运动表现和伤害预防或康复在内的广泛应用中有用。此外，随附的数据集提供了第一个高质量基准，用于评估这个快速发展领域的新兴算法。
“我们已经使用该系统测量了钢架雪车运动员在推起过程中的生物力学性能，最近我们还将其应用到网球场和羽毛球场上，以便不引人注意地监控运动员在训练和比赛中的努力程度。”