단안 3D 인간 자세 추정을 위해 육상 경기 중 공간 지식 추출

Scientific Reports 13권, 기사 번호: 14031(2023) 이 기사 인용

80 액세스

측정항목 세부정보

인간의 운동을 조사하기 위해 대규모 데이터 세트를 수집하는 것은 비용이 많이 들고 노동 집약적인 프로세스입니다. 야생에서의 3D 인간 자세 추정 방법은 점점 더 정확해지고 있으며 곧 TV 방송 데이터에서 운동학을 실행하는 분석을 위한 데이터 세트 수집을 지원하는 데 충분할 수 있습니다. 생체역학 연구 영역에서는 3D 각도의 작은 차이가 중요한 역할을 합니다. 보다 정확하게는 데이터 수집 과정의 오차 범위가 선수 간 예상되는 편차보다 작아야 합니다. 본 연구에서는 차선 경계를 사용하여 육상 경기장 기록의 전역 기하학을 추론하는 방법을 제안합니다. 이 전역 기하학을 사용하여 추정된 3D 골격을 이미지에 다시 투영함으로써 우리는 현재의 최첨단 3D 인간 자세 추정 방법이 운동학 연구에 사용될 만큼 (아직) 정확하지 않다는 것을 보여줍니다.

스포츠에 인간 자세 추정(HPE)을 적용하는 것이 꾸준히 인기를 얻고 있습니다. 최근 검토에서는 수많은 적용 가능성을 보여줍니다1. 이는 일반적인 보행 매개변수 추정2부터 "잘못된 자세" 감지3, 무술 훈련4까지 다양합니다. 특정 행동을 인식하는 데 있어 놀라운 성능을 보여주는 많은 출판물이 있지만, 이러한 방법을 데이터 수집에 스포츠 과학 연구에 적용하는 연구는 많지 않습니다. 예를 들어, 세계 정상급 주자들로부터 얻은 대량의 운동학적 데이터를 사용하여 다음과 같은 질문에 답할 수 있습니다. 훌륭한 달리기 자세의 특징은 무엇입니까? 겉보기에 근본적으로 보이는 이 질문은 아직 완전히 대답되지 않았습니다5. 달리기의 전신 움직임 패턴에 대한 더 많은 연구가 필요하기 때문입니다.

인간의 운동에는 다양한 변화가 있으며 올바른 달리기 형태나 기술은 하나도 없습니다5,6. 그럼에도 불구하고, 달리기 운동학은 초보 운동선수의 달리기 경제7 변동의 최대 94%를 설명하는 것으로 나타났습니다. 현재까지 달리기 효율성을 결정하고 달리기 운동학을 평가하기 위한 통일된 모델은 없습니다. 대신, 문헌은 발뒤꿈치 속도나 허벅지 확장 각도와 같은 달리기 자세의 고립된 측면을 다루고 있습니다8. 보다 일반화된 설명을 만들고 보다 전체적인 달리기 모델을 구축하려면 달리기 운동학에 대한 크고 세부적인 데이터 세트가 필요합니다. 기존의 운동학 실험실 설정은 비용이 많이 들고 시간 집약적입니다9. 운동선수에게 부착된 마커를 사용하며 매우 빠른 속도, 고정밀 카메라를 사용합니다. 실험실 내 비전 시스템을 검증하기 위한 접근 방식이 있지만10 실험실 설정의 한계는 여전히 남아 있습니다. 이러한 조사를 받을 세계적 수준의 운동선수를 확보하는 것은 어렵고, 사이의 가능한 모든 가변성을 설명할 수 있을 만큼 충분히 큰 데이터 세트를 수집하는 것은 사실상 불가능합니다. 운동 선수.

반면에 동일한 데이터를 수집하기 위한 순수한 비전 기반 접근 방식은 저렴하고 확장성이 뛰어난 대안이 될 수 있습니다. 그러나 이러한 접근 방식은 최적 표준 측정에 대해 검증되어야 합니다. 충분히 신뢰할 수 있다면 TV 방송의 기존 녹화물을 활용하여 대규모 데이터 세트를 수집할 수 있습니다. 기록의 밀도가 높은 기록으로 인해 개별 선수에 대한 장기 연구를 수행하여 단일 경주 과정뿐만 아니라 시간 경과에 따른 운동학의 변화를 모니터링하는 것이 가능할 것입니다. 속도 및 경주 전략과 결합된 피로와 같은 요인을 연구하는 것이 가능해지며, 이는 실험실 환경에서는 접근할 수 없습니다.

스포츠 과학을 위한 연구 도구로서 야생에서 3D 인간 자세 추정을 검증하고 사용하기 위해 다행스럽게도 기존 영상에서 추가 정보를 파생할 수 있는 달리기 이벤트의 대규모 하위 집합(육상 경기장 경주)이 있습니다. 차선 경계는 물론 추가 출발 블록 및 결승선 표시도 경기장 간에 표준화되어 있습니다. 이러한 마커를 사용하면 경기장의 카메라를 삼각 측량하여 전체 3D 장면을 재구성할 수 있습니다.