سیستم ثبت حرکت بدون نشانگر بیومکانیک را به طیف گسترده ای از زمینه ها باز می کند

محققان CAMERA، مرکز تحلیل برنامه‌های حرکتی، سرگرمی و تحقیقات دانشگاه باث، نرم‌افزار دسترسی باز را توسعه داده‌اند که داده‌های ضبط حرکت را بدون استفاده از برچسب‌ها تجزیه و تحلیل می‌کند. آنها یک سیستم بدون نشانگر را نشان دادند تا به پزشکان، مربیان ورزشی و فیزیوتراپیست ها روشی محجوب برای تجزیه و تحلیل حرکات بدن از فیلم های ویدئویی مشابه استفاده از نشانگرها ارائه دهند.

تجزیه و تحلیل حرکت به طور سنتی بر قرار دادن نشانگرهای بازتابنده در نقاط خاصی از بدن متکی است. سپس حرکت این نشانگرها در فضای سه بعدی با استفاده از داده های مجموعه ای از دوربین ها که حرکات فرد را از زوایای مختلف ثبت می کنند، محاسبه می شود.

قرار دادن دقیق علائم روی بدن می تواند زمان زیادی طول بکشد و گاهی اوقات می تواند در حرکات طبیعی فرد اختلال ایجاد کند.

برای غلبه بر این مشکل، تیم CAMERA به رهبری دکتر Steffi Collier، یک سیستم غیر تهاجمی و بدون نشانگر را با استفاده از بینایی کامپیوتری و روش‌های یادگیری عمیق برای اندازه‌گیری حرکت با شناسایی نقاط عطف بدن از داده‌های تصویر دو بعدی معمولی توسعه دادند.

آنها با استفاده از همین تصاویر برای ارزیابی عملکرد سیستم کاملاً خودکار خود، دریافتند که نتایج مشابه نتایج یک سیستم ضبط حرکت مبتنی بر نشانگر سنتی است. این سیستم بر روی فناوری مشابه با آنچه در سیستم های تجاری استفاده می شود اجرا می شود، اما به عنوان یک گردش کار منبع باز در دسترس است و می تواند به راحتی با نیازهای کاربر سازگار شود.

این تیم یک مجموعه داده منحصربفرد را منتشر کرده است تا به دیگر محققان امکان ارزیابی الگوریتم‌های بدون برچسب جدید و ادامه پیشرفت‌ها در زمینه‌های بینایی کامپیوتر و بیومکانیک را بدهد.

این تیم از یک سیستم بینایی کامپیوتری منبع باز، OpenPose، برای تخمین موقعیت مفاصل در یک تصویر ویدئویی دوبعدی از یک فرد در حال دویدن، پریدن و راه رفتن استفاده کرد. سپس داده ها را به صورت سه بعدی ترکیب می کنند و آن داده ها را در یک برنامه مدل سازی منبع باز به نام OpenSim وارد می کنند که اسکلت را با مفاصل منطبق می کند و امکان ثبت حرکت تمام بدن را فراهم می کند.

ویدئوهای کاملاً همگام‌سازی شده و داده‌های مبتنی بر برچسب مورد استفاده در این مطالعه، همراه با کد زیربنایی خط لوله بدون برچسب، اکنون در دسترس هستند و به طور کامل در مقاله‌ای که اخیراً منتشر شده است، توضیح داده شده است. داده های علمی.

“مشکل استفاده از نشانگرها این است که قرار دادن آنها به طور دقیق و قابل اعتماد بر روی شرکت کننده دشوار است، و این فرآیند می تواند زمان بر باشد، که برای بسیاری از شرکت کنندگان، برنامه ها (مثلاً ورزشکاران نخبه) یا جمعیت های بالینی بسیار غیر عملی است.” دکتر کولیر گفت.

«سیستم بدون نشانگر ما موقعیت‌های مفاصل را به تنهایی بدون نیاز به قرار دادن تجهیزات روی شرکت‌کننده یا هر گونه زمان آماده‌سازی تخمین می‌زند ما تجزیه و تحلیل کردیم با تکنیک هایی که به طور سنتی با استفاده از نشانگرها استفاده می شود.

خط لوله ما منبع باز است، به این معنی که هر کسی با تجربه ای در این زمینه می تواند به صورت رایگان از آن برای به دست آوردن داده های حرکتی از فیلم های ویدئویی معمولی استفاده کند.

این می تواند برای درمانگران فیزیکی، پزشکان و مربیان ورزشی در طیف گسترده ای از کاربردها از جمله عملکرد ورزشی و پیشگیری از آسیب یا توانبخشی مفید باشد، علاوه بر این، مجموعه داده همراه اولین معیار با کیفیت بالا را برای ارزیابی الگوریتم های نوظهور در این زمینه به سرعت در حال تکامل فراهم می کند. “

ما از این سیستم برای اندازه‌گیری بیومکانیک ورزشکاران اسکلتی در دوران اوج خود استفاده کرده‌ایم، و اخیراً آن را به زمین‌های تنیس و بدمینتون منتقل کرده‌ایم تا به طور محجوب بر میزان کاری که بازیکنان در طول تمرین و تمرین انجام می‌دهند نظارت کنیم.»