将视频分析与四肢位置的计算机检测进行比较,以诊断背练习期间的运动控制与超负荷
André B Peres1,2, Andrei Sancassani2, Eliane A Castro2,3
1Instituto Federal de Educação, Ciência e Tecnologia de São Paulo (IFSP), Piracicaba 13414-155, SP, Brazil.
Sensors (Basel, Switzerland)
|March 28, 2024
概括
使用隐藏的马尔科夫模型 (HMM) 的计算机分析可以在举重运动期间自动检测错误的四肢定位. 这项技术有助于运动员和教练通过识别微妙的运动变化来预防伤害和提高表现.
科学领域:
- 生物力学 生物力学
- 运动科学 运动科学 运动科学
- 计算机科学 计算机科学
背景情况:
- 在举重运动中肢体的不正确位置增加了受伤的风险,并影响了表现.
- 运动员和教练往往缺乏复杂的举重技术的自我监督的专业知识.
- 需要客观的,自动化的运动分析来补充人类的观察.
研究的目的:
- 开发和验证一种计算机化方法,用于检测背练习期间四肢位置的变化.
- 评估隐藏的马尔科夫模型 (HMM) 在识别不同负载下运动变化的可靠性.
- 为了比较HMM的准确性与人类专家分析来检测提升技术偏差.
主要方法:
- 隐藏的马尔科夫模型 (HMMs) 用于自动检测关节位置和杆轨迹.
- 十名志愿者以0%,50%和75%的体重负荷进行了背.
- 智能手机视频分析在角平面捕获的运动数据用于统计分析 (p < 0.05).
主要成果:
- HMM在识别增加重量的运动控制变化方面表现出可靠性,与人类专家达成40%至90%的一致意见.
- 这项研究成功地使用未加载电梯的数据来训练HMM,以检测模式变化.
- HMMs发现了人类视觉分析无法察觉的运动变化.
结论:
- 使用HMM的自动化分析提供了一种可靠的工具,用于检测举重技术的微妙变化.
- 这项技术可以帮助从业者自我监督肢体位置并调整举重技术.
- HMM有潜力提高举重和阻力练习中的伤害预防和性能优化.
