迈向单相机人体三维运动学估计

无标记三维运动学估计具有巨大的潜力，可在无需转诊至昂贵动作捕捉实验室的情况下临床诊断和监测运动障碍；然而，当前方法受限于需执行多个解耦步骤来从视频中估计人体运动学。大多数现有技术采用多步骤方法，首先检测人体姿态，然后将肌肉骨骼模型拟合至数据以进行精确的运动学估计。姿态检测算法训练数据中的误差、模型缩放以及多相机需求限制了这些技术在临床环境中的应用。我们的目标是为快速、易用且精确的三维运动学估计铺平道路。为此，我们提出了一种使用深度神经网络从视频中直接进行三维人体运动学估计（D3KE）的新方法。我们的实验表明，所提出的端到端训练具有鲁棒性，并且在关节角度误差方面大幅优于基于二维和三维无标记动作捕捉的运动学估计流程（误差从 5.44 度降低 35% 至 3.54 度）。我们证明 D3KE 优于多步骤方法，并且能够以视频帧率速度运行。该技术展示了未来通过移动设备进行临床分析的潜力。