基于图像的稳定性量化
计算机视觉与模式识别
2022-11-04 v2
摘要
使用足部压力/力测量硬件和动作捕捉(mocap)技术对人体稳定性进行定量评估成本高、耗时长且限于实验室。我们提出一种新颖的基于图像的方法来估计稳定性计算的三个关键分量：质心(CoM)、支撑面(BoS)和压心(CoP)。此外，我们使用公开可用的十受试者多模态(动作捕捉、足底压力、双视角视频)人体运动数据集，将我们基于图像计算两种经典稳定性指标 CoMtoCoP 和 CoMtoBoS 距离的方法与基于实验室传感器输出(真值)直接生成的值进行定量验证。使用留一受试者交叉验证(LOSO)，实验结果表明：1) 我们基于图像的 CoM 估计方法(CoMNet)持续优于最先进的基于惯性传感器的 CoM 估计技术；2) 我们的基于图像的方法结合鞋垫足底压力传感器数据计算的稳定性与真值稳定性指标具有一致、强且统计显著的关联(CoMtoCoP r = 0.79 p < 0.001，CoMtoBoS r = 0.75 p < 0.001)；3) 我们完全基于图像的稳定性估计在两项稳定性指标上产生一致、正向且统计显著的关联(CoMtoCoP r = 0.31 p < 0.001，CoMtoBoS r = 0.22 p < 0.043)。我们的研究为自然环境中基于图像的稳定性评估的可行性提供了有前景的定量证据。
引用
@article{arxiv.2206.11443,
title = {Image-based Stability Quantification},
author = {Jesse Scott and John Challis and Robert T. Collins and Yanxi Liu},
journal= {arXiv preprint arXiv:2206.11443},
year = {2022}
}