当前基于计算机视觉的运动捕捉系统在步态分析中的可靠性和有效性:系统性审查
Xingye Cheng1, Yiran Jiao1, Rebecca M Meiring2
1Department of Exercise Sciences, Faculty of Science, University of Auckland, Auckland 1023, New Zealand.
Gait & posture
|April 18, 2025
概括
基于姿势估计算法 (PEA) 的步态分析为传统方法提供了一个可访问的替代方案. 本次审查评估了PEA的准确性,发现它取决于诸如摄像头设置和算法等因素,不同关节角度的结果各不相同.
科学领域:
- 生物力学 生物力学
- 计算机视觉 计算机视觉
- 康复技术 康复技术 康复技术
背景情况:
- 传统的仪器步行分析 (IGA) 是昂贵而复杂的.
- 姿势估计算法 (PEAs) 为步态分析提供了一个可访问的基于视频的方法.
- 在步态分析中对PEA可靠性,有效性和准确性因素的审查有限.
研究的目的:
- 系统地审查基于PEA的步态分析系统的准确性.
- 为了确定影响步态分析中PEA准确性的算法因素.
主要方法:
- 在Scopus,PubMed和IEEE进行系统的文献搜索.
- 包含和排除标准适用于644篇最初的文章,导致20篇被审查.
- 提取可靠性,有效性和算法参数进行分析.
主要成果:
- 大多数研究都侧重于有效性;可靠性证据有限.
- OpenCap对3D连接角度 (MAE 4.1°) 显示出很好的准确性,但旋转角度需要更多的验证.
- OpenPose在空间时空和斜腰平面部/膝盖角度方面表现出高精度,但在脚动力学方面精度较差.
- PEA的准确性受到摄像头设置,骨干架构和训练数据的影响.
结论:
- 基于PEA的步态分析显示出有希望的结果,但需要进一步验证,特别是在脚和旋转关节运动学方面.
- 算法和技术因素极大地影响了PEA的准确性.
- 本综述支持进一步研究PEA用于临床步态分析和康复.
