PosePipe：面向临床研究的开源人体姿态估计流水线

人体姿态估计的机器学习算法已取得显著进展，可能为康复与运动科学带来巨大价值。然而，这些工具在临床实践和转化研究中的常规使用仍面临若干挑战，包括：1) 较高的技术准入门槛，2) 算法领域的快速演进，3) 复杂的算法相互依赖，以及 4) 这些组件之间复杂的数据管理需求。为缓解这些障碍，我们开发了一个人体姿态估计流水线，便于在临床背景下获取的数据上运行最先进的算法。我们的系统允许运行数类算法的不同实现，并轻松处理其相互依赖。这些算法类包括主体识别与跟踪、2D 关键点检测、3D 关节位置估计，以及身体模型姿态估计。该系统使用数据库来管理视频、中间分析以及各阶段计算的数据。它还提供数据可视化工具，包括生成视频叠加层以遮挡面部以增强隐私。我们此项工作的目标不是训练新算法，而是推进前沿人体姿态估计算法在临床与转化研究中的使用。我们展示了该工具便于分析大量人体运动视频，范围从步态实验室分析，到诊所与治疗访问，再到社区中的人群。我们也强调了这些算法应用于康复环境临床人群时的局限性。