论文部分内容阅读
研究目的:随着图像采集技术和人工智能算法的快速发展,计算机视觉技术在国内工业、农业、医疗、交通等领域得到了广泛应用,尚缺乏在运动科学领域的有效应用。人体姿态估计算法可以在不佩戴任何设备的情况下,通过可视化设备分析得到人体骨架模型。研究旨在验证基于Openpose算法的计算机视觉运动捕捉系统在识别人体骨架的基础上,计算得到的各肢体关节在运动过程中的的关节角度的准确性。研究方法:要求10名健康受试者(6名女性、4名男性)在安装有Qualisys运动捕捉系统的实验室内,完成指定的左右肩外展、右肩前平举、右肘屈、左右髋外展、右髋屈和右膝屈的动作,每个动作重复两次。受试者全身需粘贴39个反光点,由Qualisys运动捕捉系统和一台智能手机同步记录运动全过程。做外展运动时,受试者需正面面对手机,做屈曲运动时,受试者需旋转90度,使手机位于其正右侧。实验开始前记录受试者的年龄、身高和体重。将Qualisys捕捉到的反光点运动轨迹导入Visual3D运动分析软件,输入受试者个人信息,建立完整的人体骨骼应用模型,提取各运动关节的角度数据。此外,使用自底向上的Openpose人体姿态估计算法,经两分支多阶段的卷积神经网络,对视频进行逐帧的图像处理。即先预测每个像素点的各关节点置信度图,确定预测关节点的位置。再预测人体部分亲和字段,得到肢体的位置和方向信息,选择正确的连接方式,从而形成人体骨架。提取研究需要的13个关节点坐标,分别为:左右肩关节点、左右肘关节点、左右腕关节点、左右髋关节点、左右膝关节点、左右踝关节点和左右肩关节中点。利用各关节点的坐标信息计算得到左右肩关节、左右肘关节、左右髋关节和左右膝关节几个主要关节的运动角度数据。分析方法:(1)以Qualisys系统的关节角度为标准值,使用斯皮尔曼相关性检验计算由计算机视觉运动捕捉系统得到的各关节角度与标准值之间的相关性;(2)计算Qualisys系统与计算机视觉系统二者获得的关节角度的平均绝对值误差(MAE,Mean Absolute Error)和均方根误差(RMSE,Root Mean Square Error)。研究结果:相关分析结果显示,基于Open Pose算法的计算机视觉运动捕捉系统得到的关节角度与Qualisys系统分析得到的关节角度之间都具有显著的高度相关性,即相关系数均大于0.80且P值均小于0.001。其中,侧面拍摄得到的肘关节角度具有最高的相关系数(r=0.961);对于同一关节,正面机位记录的外展运动的关节角度相关系数普遍高于侧面机位所记录的屈曲运动的关节角度相关系数,如右髋关节正面拍摄得到的相关系数为0.929,侧面为0.893;对于相同机位,上肢的关节角度相关系数普遍高于下肢的关节角度相关系数,如侧面拍摄得到的右肩关节相关系数为0.924,右膝关节为0.875。误差分析结果基本与相关性结果表现一致,具体为:(1)正面机位记录的动作关节角度误差小于侧面的关节角度误差,且均小于10°。其中左肩关节MAE=6.85°,RMSE=9.12°,右肩关节MAE=6.54°,RMSE=8.59°,左髋关节MAE=5.34°,RMSE=7.61°,右髋关节MAE=5.11°,RMSE=7.24°;(2)侧面机位记录的上肢动作关节角度误差小于下肢的关节角度误差。其中右肘关节MAE=7.79°,RMSE=11.01°,右肩关节MAE=9.07°,RMSE=16.97°,右膝关节MAE=15.67°,RMSE=21.54°,右髋关节MAE=7.83°,RMSE=12.93°;(3)正面机位记录的右髋关节外展运动拥有最小的平均绝对值误差和均方根误差,侧面机位记录的右膝关节屈曲运动的误差值最大。研究结论:由于Openpose算法建立的骨架模型与人体实际骨架模型之间存在差异,计算机视觉运动捕捉系统得到的关节角度与Qualisys系统分析得到的关节角度之间存在一定误差,但两种方法得到的各关节角度仍高度相关。基于Open Pose算法的计算机视觉运动捕捉系统与作为评价运动跟踪性能金标准的Qualisys系统得到的各关节角度的平均绝对值误差为5.11°-15.67°,均方根误差为7.24°-21.54°。具体表现为:上肢关节角度误差小于下肢;外展内收类运动的角度误差小于屈伸类运动的角度误差;膝关节处的关节角度误差最大。作为一种非接触式的运动捕捉工具,该系统不仅智能便捷且具有较好的效度,有望在运动科学领域开展应用。