从运动学学习动力学：基于视频帧估计二维足底压力图
计算机视觉与模式识别
2019-05-29 v4
摘要
姿态稳定性分析是理解运动与身体平衡控制的关键，在运动学、医学和机器人学等众多领域具有应用价值。在生物力学中，压力中心（Center of Pressure, CoP）被用于人体姿态控制与步态研究。我们提出并验证了一种从人体姿态学习 CoP 以辅助稳定性分析的新方法。更具体地，我们提出了一种端到端深度学习架构，从视频导出的二维人体姿态回归足底压力热图，进而得到 CoP 位置。我们采集了一组多名受试者的长时段（5分钟以上）编排太极序列，带有同步的足底压力与视频数据。导出的人体姿态数据及对应足底压力图联合用于训练一个名为 PressNET 的残差架构卷积神经网络。跨受试者验证结果显示 PressNET 性能良好，显著优于 K 近邻（K-Nearest Neighbors）基线方法。此外，我们证明由 PressNET 计算的压力中心（CoP）不仅比基线方法所得结果显著更精确，也符合运动学稳定性研究中相应基于实验室测量的预期。
引用
@article{arxiv.1811.12607,
title = {Learning Dynamics from Kinematics: Estimating 2D Foot Pressure Maps from Video Frames},
author = {Christopher Funk and Savinay Nagendra and Jesse Scott and Bharadwaj Ravichandran and John H. Challis and Robert T. Collins and Yanxi Liu},
journal= {arXiv preprint arXiv:1811.12607},
year = {2019}
}