用于跑步生物力学分析的视觉跟踪器比较

近年来，人体姿态估计取得了显著进展，这主要归功于深度学习模型的集成、海量数据的可用性以及庞大的计算资源。这些发展催生了高精度的身体跟踪系统，这些系统在运动分析和表现评估中具有直接应用。本研究分析了六种跟踪器（两种点跟踪器和四种关节跟踪器）在短跑生物力学分析中的性能。所提出的框架将这些姿态跟踪器获得的结果与生物力学专家对超过5870帧图像的手动标注进行了比较。实验框架使用了来自五名专业跑步者的四十次短跑数据，重点关注短跑生物力学中的三个关键角度：躯干倾斜角、髋关节屈伸角和膝关节屈伸角。我们提出了一种用于关节角度异常值检测和融合预测的后处理模块。实验结果表明，使用基于关节的模型产生的均方根误差范围为11.41°至4.37°。当集成后处理模块后，这些误差可以分别降低到6.99°和3.88°。实验发现表明，人体姿态跟踪方法可以成为跑步生物力学分析的宝贵资源。然而，在需要高精度的应用中仍有改进空间。