使用Azure Kinect对健康个体进行非接触式疲劳估计:多种动力学特征的贡献
1National Institute of Technology, Tsuyama College, 624-1 Numa, Tsuyama 708-8509, Japan.
Sensors (Basel, Switzerland)
|November 13, 2025
概括
这项研究表明,基于非接触式摄像头的身体运动分析可以准确地估计运动引起的疲劳. 这种方法有助于优化训练并通过监测体育活动期间的疲劳水平来预防伤害.
科学领域:
- 生物力学 生物力学
- 运动科学 运动科学 运动科学
- 人类运动分析 人类运动分析
背景情况:
- 监测运动引起的疲劳对于有效的训练和预防伤害至关重要.
- 目前的疲劳评估方法可以是侵入性的或主观的.
研究的目的:
- 用全身动力学评估一种非接触方法来估计感知疲劳.
- 评估使用基于摄像头的运动分析用于疲劳监测的可行性.
主要方法:
- 十名健康的成年人进行了可重现的全身运动,同时使用Azure Kinect深度摄像头捕获了3D骨数据.
- 从骨数据中提取了24个运动特征.
- 一个随机的森林分类器被训练来根据动力学特征预测疲劳水平 (低,中,高),使用过量采样来解决类不平衡.
主要成果:
- 该模型在分辨疲劳水平方面取得了高性能,总精度为86%,宏观ROC AUC为0.98.
- 特性重要性分析揭示了各种动力学特征的贡献.
- 无接触方法证明了在简单的运动中估计感知疲劳的可行性.
结论:
- 基于相机的动力学分析提供了一种可行的非接触式方法,用于估计感知到的运动引起的疲劳.
- 这项技术在优化训练方案和预防体育伤害方面具有潜在的应用.
- 未来的研究将专注于扩大研究队列,多样化运动任务,并整合生理信号,以改善模型的概括性和可解释性.
