在现场条件下,用于马类步态分析的无标记计算机视觉算法的可靠性,一致性和可变性

科学领域:

• 马类生物力学 马类生物力学
• 兽医整形医学 兽医整形医学
• 计算机视觉应用程序的应用程序

背景情况:

• 计算机视觉算法提供了可访问的马步态分析.
• 对于这些工具来说,在各种条件下进行彻底的评估至关重要.
• 评估算法可靠性是实际应用的关键.

研究的目的:

• 评估基于视觉的算法的可靠性,以测量眼睛,胸部和部的垂直移位信号 (VDS).
• 为了评估算法的基线估计能力.
• 在现场条件下测试算法,马匹在直线和圆形上慢跑.

主要方法:

• 采用了横截面的比较研究设计.
• 通过无标记计算机视觉算法分析了37匹马的67个iPhone录音.
• 2D关键点用于基线估计,VDS和基于步伐的垂直差异,与使用MSE,MAE和Bland-Altman图表的手册注释进行了比较.

主要成果:

• 垂直位移的步伐水平平均绝对误差很低 (总体为4.3毫米).
• 眼睛的关键点显示出最小的误差 (2.9毫米Maxdiff,3.0毫米Mindiff),在5.5毫米,在4.3-4.4毫米.
• 试验层面的分析表明,在多个步骤中表现一致,绝对差异较小 (眼睛: 2.3 毫米,眉毛: 3.7 毫米,小腿: 2.7 毫米).

结论:

• 计算机视觉算法在各种场景条件下证明了对垂直位移的可靠测量.
• 建议对已建立的步态分析系统进行进一步的临床验证.
• 该算法显示了可访问的马步态分析的前景.