单眼3D人体姿势标记无标记系统用于步态评估
Xuqi Zhu1, Issam Boukhennoufa1, Bernard Liew2
1School of Computer Science and Electronic Engineering, University of Essex, Colchester CO4 3SQ, UK.
Bioengineering (Basel, Switzerland)
|June 28, 2023
概括
本研究介绍了一种具有成本效益的无标记的人体姿势技术,用于使用单眼相机进行临床步态分析. 该方法显著提高了姿势估计的准确性,为传统的基于标记器的系统提供了一个有希望的替代方案.
科学领域:
- 生物力学 生物力学
- 计算机视觉 计算机视觉
- 医疗保健技术 技术 医疗保健 技术
背景情况:
- 步态分析在医疗保健和体育科学中至关重要.
- 传统的方法需要昂贵的设备和训练有素的人员.
- 计算机视觉技术的进步提供了具有成本效益的解决方案.
研究的目的:
- 开发一种无标记的人体姿势技术,用于临床步态分析.
- 为了利用消费级单眼RGB摄像头进行3D人体姿势估计.
- 为传统步态分析提供一种高效且易于获得的替代方案.
主要方法:
- 使用消费者单眼相机 (800x600像素,30FPS) 开发了一种无标记的人体姿势技术.
- 采用深度神经网络和计算机视觉用于3D人类姿势估计.
- 利用后处理算法来改进来自BlazePose模型的姿势检测.
主要成果:
- 与MoVi数据集上的黄金标准步态信号相比,拟议的算法将BlazePose的预测性能提高了10.7%.
- 在预测的T^2分数和基本真相之间取得了很好的相关性 (r=0.99).
- 证明了y = 0.94x + 0.01的回归线,表明了高精度.
结论:
- 开发的无标记技术显示了作为传统基于标记的步态分析的替代品的潜力.
- 这种方法可以帮助临床步态评估,提高成本效益和效率.
- 与基本真相的高相关性验证了拟议方法的准确性和可靠性.
