Извлечение пространственных знаний из легкоатлетических трансляций для монокулярной 3D-оценки позы человека

Jul 16, 2023

Том 13 научных отчетов, номер статьи: 14031 (2023) Цитировать эту статью

Подробности о метриках

Сбор больших наборов данных для исследования передвижения человека — дорогой и трудоемкий процесс. Методы трехмерной оценки позы человека в дикой природе становятся все более точными и вскоре могут оказаться достаточными для сбора наборов данных для анализа и расчета кинематики на основе данных телевизионных трансляций. В области биомеханических исследований важную роль играют небольшие различия в трехмерных углах. Точнее, погрешность процесса сбора данных должна быть меньше ожидаемой разницы между спортсменами. В этой работе мы предлагаем метод определения глобальной геометрии записей легкоатлетических стадионов с использованием разграничения дорожек. Проецируя предполагаемые 3D-скелеты обратно в изображение с использованием этой глобальной геометрии, мы показываем, что современные методы оценки 3D-позы человека (пока) недостаточно точны, чтобы их можно было использовать в исследованиях кинематики.

Применение оценки позы человека (HPE) в спорте неуклонно набирает популярность. Недавний обзор показывает множество возможных применений1. Они варьируются от оценки типичных параметров походки2 до обнаружения «плохой позы»3 и тренировок по боевым искусствам4. Несмотря на то, что существует ряд публикаций, демонстрирующих выдающиеся результаты в распознавании конкретных действий, было проведено не так много исследований по применению этих методов сбора данных для исследований в области спортивных наук. Например, используя большие объемы кинематических данных бегунов мирового класса, мы могли бы попытаться ответить на такие вопросы, как: Каковы отличительные черты отличной беговой формы? На этот, казалось бы, фундаментальный вопрос еще не получен полный ответ5, поскольку необходимы дополнительные исследования моделей движений всего тела при беге.

Существует большое разнообразие движений человека, и не существует единой правильной формы или техники бега5,6. Тем не менее, было показано, что кинематика бега определяет до 94% разницы в экономичности бега7 для начинающих спортсменов. На сегодняшний день не существует единой модели определения эффективности бега и оценки кинематики бега. Вместо этого в литературе рассматриваются отдельные аспекты формы бега, такие как скорость пятки или угол разгибания бедра8. Чтобы сделать более обобщенные утверждения и построить более целостную модель бега, нам потребуются большие наборы высокодетализированных данных о кинематике бега. Традиционная кинематическая лабораторная установка очень дорога и требует много времени9. Он использует маркеры, прикрепленные к спортсмену, и использует очень скоростные и высокоточные камеры. Несмотря на то, что существуют подходы к проверке систем машинного зрения в лабораторных условиях10, ограничения лабораторных условий остаются: трудно привлечь спортсменов мирового класса для прохождения этих исследований и практически невозможно собрать достаточно большой набор данных, чтобы учесть все возможные различия между спортсмены.

С другой стороны, подход, основанный исключительно на видении, для сбора тех же данных может быть дешевой и легко масштабируемой альтернативой. Однако такой подход необходимо будет проверить на соответствие измерениям «золотого стандарта». Если это будет достаточно надежно, это позволит использовать существующие записи телетрансляций для сбора крупномасштабных наборов данных. Благодаря обширной истории записей стало бы возможным проводить долгосрочные исследования отдельных спортсменов, чтобы отслеживать изменения их кинематики с течением времени, а также в течение одной гонки. Станут возможным изучать такие факторы, как утомляемость в сочетании со стратегией темпа и гонки, которые недоступны в лабораторных условиях.

К счастью, для проверки и использования 3D-оценки позы человека в дикой природе в качестве исследовательского инструмента спортивной науки существует большое количество беговых соревнований, которые должны позволить получить дополнительную информацию из существующих отснятых материалов: забеги на легкоатлетическом стадионе. Разграничение дорожек, а также дополнительные маркеры стартовой и финишной линий стандартизированы для разных объектов. Используя эти маркеры, можно триангулировать камеру на стадионе и таким образом восстановить полную 3D-сцену.