在体育运动中自动化基于视频的二维运动分析? 对步行事件检测,姿势估计和性能参数分析的影响

科学领域:

• 体育 生物力学 运动 生物力学
• 计算机视觉在体育中的应用
• 运动分析 运动分析

背景情况:

• 二维 (2D) 视频分析对于体育训练和绩效评估至关重要.
• 手动注释关节中心和动力学参数是耗时的.
• 使用人工智能和计算机视觉的自动化方法提供了潜在的效率增长.

研究的目的:

• 系统地分析2D视频分析工作流程的自动化.
• 研究3D事件检测算法对2D视频数据的适用性.
• 评估2D关键点与3D运动捕捉的一致性以及事件检测偏移的影响.

主要方法:

• 使用重复测量协议限制来比较无标记和基于标记的移动捕捉.
• 评估了基于值的2D视频事件检测算法,采用各种采样速率.
• 将姿势估计的2D关键点与预测的3D标记轨迹进行比较.

主要成果:

• 至少100Hz的视频采样率对于准确的关键事件检测至关重要.
• 基于3D标记器轨迹的算法对2D视频分析的适用性有限.
• 事件错误识别 (例如,20毫秒的触地错误) 导致了显著的关节角度差异 (高达20°).

结论:

• 现有的3D运动分析算法不能直接转移到2D视频中.
• 准确的关键事件检测对于可靠的自动化2D视频分析至关重要.
• 开发新的,新的算法是必要的,以增强二维视频分析管道.