无标记动作捕捉与生物力学分析流程
计算机视觉与模式识别
2023-03-21 v1
摘要
使用计算机视觉和人体姿态估计(HPE)的无标记动作捕捉具有扩展精确运动分析获取途径的潜力。通过实现更准确的结果跟踪并提供更灵敏的研究工具，这可以极大地有益于康复。从获取视频到提取准确的生物力学结果之间存在众多步骤，而指导这些流程中许多关键设计决策的研究有限。在这项工作中，我们分析了其中几个步骤，包括用于检测关键点的算法和关键点集、重建生物力学逆运动学轨迹的方法以及优化逆运动学(IK)过程的方法。我们发现几个重要的特征：1) 使用在许多数据集上训练的近期算法，该算法生成一组密集的具有生物力学动机的关键点；2) 使用隐式表示来重建用于 IK 的平滑且受解剖学约束的标记轨迹；3) 迭代优化生物力学模型以匹配密集标记；4) 对 IK 过程进行适当的正则化。我们的流程使得在康复医院中轻松获取准确的运动生物力学估计成为可能。
引用
@article{arxiv.2303.10654,
title = {Markerless Motion Capture and Biomechanical Analysis Pipeline},
author = {R. James Cotton and Allison DeLillo and Anthony Cimorelli and Kunal Shah and J. D. Peiffer and Shawana Anarwala and Kayan Abdou and Tasos Karakostas},
journal= {arXiv preprint arXiv:2303.10654},
year = {2023}
}