基于人体关键点检测算法的前交叉韧带损伤风险评估
计算机视觉与模式识别
2023-05-25 v1 应用统计
摘要
本文旨在通过提出一种基于计算机视觉技术检测到的人体关键点、用于评估前交叉韧带(ACL)潜在损伤风险的算法,来检测ACL的潜在损伤风险。为获取每一帧中人体的关键点数据,采用了开源计算机视觉算法OpenPose。所得数据经过预处理后被输入到一个基于落地错误评估系统(LESS)的ACL潜在损伤特征提取模型中。该模型提取了若干重要参数,包括膝关节屈曲角、矢状面上的躯干屈曲、额面上的躯干屈曲角、踝膝水平距离以及踝肩水平距离。为每个特征分配了阈值区间,并利用分段评估函数对其进行相应评分。为计算受试者的最终得分,将各分值输入到基于层次分析法(AHP)设计的加权评分模型中。该基于AHP的模型考虑了各特征在整体评估中的相对重要性。结果表明,所提算法能有效检测ACL损伤的潜在风险。所提算法在检测ACL损伤风险方面展现出有效性,为体育及相关领域的损伤预防与干预策略提供了有价值的见解。代码可在:https://github.com/ZiyuGong-proj/Assessment-of-ACL-Injury-Risk-Based-on-Openpose 获取。
引用
@article{arxiv.2305.14612,
title = {Assessment of Anterior Cruciate Ligament Injury Risk Based on Human Key Points Detection Algorithm},
author = {Ziyu Gong and Xiong Zhao and Chen Yang},
journal= {arXiv preprint arXiv:2305.14612},
year = {2023}
}
备注
17 pages,and 6 figures