用于婴儿生物力学全身运动学估计的无标记动作捕捉

婴儿期运动障碍的早期识别依赖于专家对自发运动的视觉评估，这促使了自动化、客观替代方法的发展。一种有前景的方法是使用计算机视觉，它受益于从视频中进行高质量的姿态估计。在本研究中，我们使用多视角无标记动作捕捉系统，在 8 名婴儿的 13 个会话中的 100 个视频上，系统评估了三种最先进的姿态估计框架（MeTRAbs-ACAE、SAM 3D Body 和 Sapiens）。我们使用重投影误差、几何一致性和 Procrustes 对齐的 3D 位置误差量化了关键点检测精度，并展示了将逆运动学框架拟合到婴儿数据的概念验证。虽然 Sapiens 在所评估的方法中实现了最低的重投影误差和最高的几何一致性（分别为 22.8 像素和 0.82），但 SAM 3D Body 为运动学重建提供了最全面的 3D 信息，其 Procrustes 对齐位置误差为 19 到 28 毫米。我们通过一个案例比较示例证明，拟合到 SAM 3D 估计的生物力学模型能够区分临床专家识别的、与运动发育相关的婴儿代表性运动模式。总之，这些发现凸显了 3D 姿态估计在婴儿生物力学中的前景和当前局限性，并为可扩展的、基于视频的早期运动发育评估奠定了初步基础。