对使用燃烧姿势和转移学习的新型动态姿势估计器进行人体工程学研究

科学领域:

• 人体工程学就是人体工程学.
• 计算机视觉 计算机视觉
• 生物力学 生物力学

背景情况:

• 动态的工作姿势对于评估肌肉骨风险至关重要,但缺乏全面的评估方法.
• 现有的姿势分析方法往往耗时,可能无法有效捕捉动态运动.

研究的目的:

• 开发和验证一种新的基于计算机的模型,用于动态姿势评估.
• 在人体工程学评估中利用BlazePose并转移学习以获得准确的人体姿势估计.
• 为快速在线和离线分析动态工作姿势提供一个工具,使用RULA (快速上肢评估) 框架.

主要方法:

• 使用BlazePose开发了一个基于相机的,三维 (3D) 动态的人体姿势估计模型.
• 使用5万个行动级图像的数据集进行模型训练.
• 深度神经网络 (DNN) 和转移学习 (TL) 方法的应用.
• 与ERGONOMIC评估的RULA框架的整合.

主要成果:

• 开发的模型在动态姿势评估方面实现了94.12%的有希望的准确性.
• 对于每个输出预测类,都证明了高准确度,精度和回忆.
• 该模型有效地分析了动态姿势的人体工程学,考虑了肌肉负荷和足部支等因素.

结论:

• 使用BlazePose和转移学习成功开发了一种新且准确的动态姿势估计器.
• 基于计算机的模型提供了一种可行的解决方案,用于高效和精确地对动态工作姿势进行人体工程学评估.
• 这种方法解决了对动态工作姿势的详细调查的需要,加强了职业安全评估.