单摄像机无标记运动捕捉实现上肢可达工作空间的定量评估
计算机视觉与模式识别
2026-02-16 v1
摘要
为了验证一种临床可达的方法，用于量化上肢可达工作空间（UERW），该方法使用单个（单摄像机）摄像机和人工智能（AI）驱动的无标记运动捕捉（MMC）进行生物力学分析。客观评估和验证这些技术对于特定临床任务至关重要，这是其在临床运动分析中被采纳的关键。AI 驱动的单摄像机 MMC 降低了在诊所中采用该方法的障碍，并有潜力降低对这一常见临床评估的分析开销。9 名没有障碍的成年受试者执行了标准化的 UERW 任务，该任务涉及到达位于胸前虚拟球体中心的目标，目标在 VR 头显中显示。运动同时由基于标记的运动捕捉系统和一组八台 FLIR 摄像机捕获。我们对这两组视频摄像机视角进行单摄像机视频分析，以比较正面和偏移摄像机配置。正面摄像机方向显示出与基于标记的参考相当强的一致性，平均偏差为 \% 每个八度到达的工作空间（平均 ± 标准差）。相比之下，偏移摄像机视角低估了到达工作空间的百分比（ \% 每个八度到达的工作空间）。结论：这些发现支持单摄像机配置用于 UERW 评估的可行性，特别是对于前导工作空间的评估，其中与基于标记的运动捕捉一致性最高。该研究提供了对 UERW 任务进行单摄像机 MMC 系统评估的首次验证。通过降低技术复杂性，这一方法使更广泛的定量上肢运动便捷性评估得以实施。
引用
@article{arxiv.2602.13176,
title = {Monocular Markerless Motion Capture Enables Quantitative Assessment of Upper Extremity Reachable Workspace},
author = {Seth Donahue and J. D. Peiffer and R. Tyler Richardson and Yishan Zhong and Shaun Q. Y. Tan and Benoit Marteau and Stephanie R. Russo and May D. Wang and R. James Cotton and Ross Chafetz},
journal= {arXiv preprint arXiv:2602.13176},
year = {2026}
}