走向基于视频的伤害风险评估:从身体姿势轨迹预测起重负荷

科学领域:

• 职业安全与健康问题 职业安全与健康问题
• 计算机视觉 计算机视觉
• 生物力学 生物力学

背景情况:

• 手动物料处理 (MMH) 是工作场所伤害的主要原因.
• 准确的起重负载评估对于预防伤害至关重要.
• 目前的负载测量方法缺乏可扩展性.

研究的目的:

• 开发和评估一种基于视觉的非侵入性方法,用于自动提升负载预测.
• 分析人体姿势轨迹,以估计负载水平.
• 评估计算机视觉的可行性,以便在MMH中进行可扩展的伤害风险评估.

主要方法:

• 使用人体检测,视觉跟踪和人体构成视频估计.
• 从姿势轨迹中提取动力学特征.
• 训练了一个变压器模型用于提升负载预测.

主要成果:

• 在区分轻重物体时,获得了74.8%的准确性.
• 在将负载分为三个级别 (轻,中,重) 时达到50.8%的准确性.
• 展示了视频分析用于负载估计的潜力.

结论:

• 基于视觉的方法可以自动预测从视频数据提升负载.
• 这种方法为伤害风险评估提供了一个可扩展和非侵入性的解决方案.
• 进一步开发可以提高真实世界MMH应用的准确性.