相关实验视频
Updated: Apr 30, 2026
08:16
Movement Retraining using Real-time Feedback of Performance
Published on: January 17, 2013
13.2K
面部运动分析中的深度传感器技术:与基于标记器的运动分析进行比较评估
Beste Yilmaz1, Umut Ozsoy1, Yilmaz Yildirim1
1Akdeniz University, Faculty of Medicine, Department of Anatomy, Antalya, Türkiye.
概括
深度传感器提供可靠的面部运动跟踪,但与基于标记器的系统相比,显示微妙表情的偏差. 对于这种非侵入性技术的临床使用,需要进行算法改进.
科学领域:
- 生物医学工程 生物医学工程
- 人类运动科学科学 人类运动科学
- 计算机视觉 计算机视觉
背景情况:
- 面部运动评估在临床诊断中至关重要.
- 基于标记的运动分析是黄金标准,但具有侵入性和成本.
- 深度传感器提供了一个非侵入性的,可能更容易获得的替代方案.
研究的目的:
- 将深度传感器技术 (Kinect-V2) 的可靠性和一致性与面部动力学基于标记器的运动分析进行比较.
- 为了评估深度传感器在捕捉面部运动中的准确性.
主要方法:
- 100名健康参与者进行了6种不同的面部动作.
- 同时记录使用基于标记器的系统和Kinect-V2深度传感器.
- 分析包括不对称性,方法内部可靠性 (ICC) 和协议 (Bland-Altman).
主要成果:
- 深度传感器显示出强大的方法内部可靠性 (ICC 0.61-0.85).
- 布兰德-阿尔特曼分析显示,与基于标记器的系统相比,深度传感器的偏见和更广泛的协议限制,特别是对于微妙的表达.
- 在微笑,闭眼和眉的方法之间,不对称值有所不同.
结论:
- 深度传感器在面部运动分析方面具有良好的方法内可靠性.
- 目前的深度传感器技术显示,在微妙的面部表情方面,存在显著的偏见和限制.
- 进一步的算法改进是必要的,以提高面部动力学深度传感器的临床适用性.
