在真正的田径比赛中,OpenPose无标记运动分析的可行性
Neil J Cronin1,2, Josh Walker3, Catherine B Tucker3
1Neuromuscular Research Centre, Faculty of Sport and Health Sciences, University of Jyväskylä, Jyväskylä, Finland.
Frontiers in sports and active living
|January 22, 2024
概括
由于联合角度和质量中心 (COM) 计算的准确性不佳,OpenPose软件不适合分析竞争性长跃性能. 手动分析仍然是高精度体育生物力学的可靠方法.
科学领域:
- 体育 生物力学 运动 生物力学
- 竞技表现分析 运动表现分析
- 运动捕捉技术的技术.
背景情况:
- 无标记运动捕捉系统越来越多地被用于体育分析.
- OpenPose是一款流行的无标记姿势估计软件.
- 与传统方法相比,评估无标记系统的准确性对于实际应用至关重要.
研究的目的:
- 评估OpenPose在现实竞争长跃场景中对3D人体姿势估计的性能.
- 将OpenPose衍生动力学数据的准确性与使用SIMI运动的手动运动分析进行比较.
- 确定OpenPose是否适合在田径比赛中进行竞争性绩效分析.
主要方法:
- 在2017年世界田径锦标赛男子长跳决赛中,利用了两台摄像机以200赫兹的同步录像.
- 使用OpenPose (无标记) 和SIMI运动 (手动分析) 重建3D坐标.
- 在最后一步和起飞阶段计算的联合角度和质量中心 (COM) 变量.
主要成果:
- 关节角度的多重确定系数 (CMD) 在运动员和关节类型之间差异很大,膝盖角度显示的一致性比部 (0.3700.388) 和脚 (0.1550.247) 高 (0.7270.729).
- 在COM位置 (0.600) 和投射角度 (0.658) 上显示了适度的一致性,而COM速度 (0.217) 的一致性很差.
- 离散数据一致性通常很差,随机误差很高,各变量平均类内相关性 (ICC) 为0.17.
结论:
- 在远跳中,OpenPose显示了关键动力学和质量中心参数的差异一致性和高随机误差.
- 目前,无标记物姿势估计软件不适合在长跃等比赛中进行准确的比赛性能分析.
- 手动运动分析技术继续为精英运动员的表现评估提供高准确度和可靠性.
