多任务人工神经网络及其推断能力,可以预测全身3D人体姿势在一手和双手负载处理活动期间
Mahdi Mohseni1, Sadra Zargarzadeh1, Navid Arjmand1
1Department of Mechanical Engineering, Sharif University of Technology, Tehran, Iran.
Journal of biomechanics
|December 3, 2023
概括
新的人工神经网络 (ANN) 高准确地预测人类的姿势,为运动捕捉提供了强大的替代方案. 这些ANN表现出可靠的性能,即使在推断到不同的身体类型和活动时也是如此.
科学领域:
- 生物力学 生物力学
- 人体工程学就是人体工程学.
- 人工智能的人工智能
背景情况:
- 运动捕捉系统是人类姿势分析的标准,但可能昂贵且繁.
- 目前用于姿势预测的机器学习模型在活动范围和人口概括性方面存在局限性.
- 姿势预测模型对不同人群的推断能力 (例如,不同的BMI,手性) 仍未得到充分研究.
研究的目的:
- 开发和验证人工神经网络 (ANN),用于准确的全身人体姿势预测.
- 评估ANN在广泛的活动和垂直高度的表现.
- 评估ANN在初始培训数据集之外的个人上的推断能力.
主要方法:
- 通过对20名受试者 (正常体重,右手) 的综合动力学数据集,训练并验证了两名ANN.
- 使用了一组数据集,涵盖了204个单手和双手活动,在各种垂直 (0-180厘米) 和水平 (高达60厘米) 目的地.
- 通过使用来自五个组的15名额外受试者的数据来评估推断表现:体重不足,超重,肥胖,左撇子和那些手负荷的人.
主要成果:
- ANNs预测了全身关节坐标和角度,平均误差分别为~25mm和~10°.
- 在推断过程中,性能保持稳健,误差一般在现有模型范围内.
- 肥胖和左撇子分别对预测准确性产生了最大和最小的影响.
结论:
- 开发的ANN提供了准确而强大的人体姿势预测,超越了以前的模型.
- 这些ANN为传统的运动捕捉方法提供了实用和有效的替代方案.
- 这些模型显示出在各种人体工程学和生物力学分析中应用的巨大潜力.
