基于图像的肌肉负荷估计
计算机视觉与模式识别
2016-06-03 v2
摘要
在职业、人机工程与运动等学科中，一个备受关注的问题是对人体运动涉及的生物力学变量（如内部肌肉力与关节扭矩）的测量。目前该问题通过两步过程解决。首先用不实用、侵入式且昂贵的设备捕获数据。然后将这些数据作为输入送入复杂模型，输出生物力学变量。本工作针对第一步提出了一种自动化、非侵入且经济的替代方案，即通过图像捕获这些数据。在未来的工作中，设想将那些变量的整个计算过程自动化。本工作选择了生物力学变量测量的一个特定案例：估计手臂肌肉正在施加的肌肉负荷的离散水平。为从施加支撑负荷力的手臂静态图像估计该负荷水平，我们执行了一个分类过程。我们的方法使用支持向量机（Support Vector Machines）进行分类，并结合一个利用多种技术（Bag of Keypoints、局部二值模式、颜色直方图、轮廓矩）提取视觉特征的预处理阶段。在最佳情况（局部二值模式与轮廓矩）下，我们得到的分类性能指标（精确率、召回率、F-Measure 与准确率）高于 90。
引用
@article{arxiv.1605.02783,
title = {Estimacion de carga muscular mediante imagenes},
author = {Leandro Abraham and Facundo Bromberg and Raymundo Forradellas},
journal= {arXiv preprint arXiv:1605.02783},
year = {2016}
}