基于计算机视觉的工人视频分析用于运动量量化
计算机视觉与模式识别
2025-07-21 v3
摘要
体力劳动者的表现受其运动程度的显著影响。然而，监测和评估这些运动仍然是一个挑战。最近的进展使得原位视频分析能够实时观察工人行为。本文介绍了一种新颖的框架，用于跟踪和量化上下肢运动，并在达到临界阈值时发出警报。利用姿态估计中的关节位置数据，该框架采用Hotelling的统计量来量化和监测运动量。运动警告与NASA任务负荷指数（TLX）总体工作负荷评分之间存在显著正相关（\textit{r} = 0.218，\textit{p} = 0.0024）。基于收集的运动数据训练的监督随机森林模型在多个数据集（包括UCF Sports Action和UCF50）上进行了基准测试，发现该模型能够有效泛化到不同环境，识别人体工程学风险模式的准确率高达94%。
引用
@article{arxiv.2405.13999,
title = {Computer-Vision-Enabled Worker Video Analysis for Motion Amount Quantification},
author = {Hari Iyer and Neel Macwan and Shenghan Guo and Heejin Jeong},
journal= {arXiv preprint arXiv:2405.13999},
year = {2025}
}