跑姿分析神器！44名专业跑者实测，关节角度误差最低仅5.30°
VideoRun2D Demo: Markerless Body Tracking for Biomechanical Analysis of Running
👨💼 主理人解读 · 为什么值得关注
开发无标记跑步生物力学分析工具，基于人体姿态估计实现运动学参数提取，适用于体育科学和性能评估。
📖 AI 总结
该研究提出并演示了VideoRun2D框架，一种基于无标记人体姿态估计的短跑生物力学分析方法。研究利用44名专业运动员的314次短跑数据，重点分析髋关节和膝关节的屈伸角度，并对比了多种姿态追踪器与专家手动标注的精度差异。结果显示，最佳追踪器的平均均方根误差在11.46°至5.83°之间，而引入异常值检测的后处理模块后，误差进一步降至9.87°和5.30°。这一发现表明，基于深度学习的人体姿态追踪技术能够以较高精度替代传统标记式运动捕捉，为跑步生物力学分析提供便捷、低成本的实用工具，对运动表现评估和损伤预防具有重要应用价值。
🔑 关键词速览
| Human Pose Estimation | 人体姿态估计，指从图像或视频中识别和定位人体关键点（如关节）的技术。 |
| Biomechanical Analysis | 生物力学分析，研究人体运动中的力学原理，常用于运动表现评估和损伤预防。 |
| Hip Flexion/Extension | 髋关节屈曲/伸展，指髋关节在矢状面上的角度变化，是跑步生物力学中的关键指标。 |
| Knee Flexion/Extension | 膝关节屈曲/伸展，指膝关节在跑步过程中的角度变化，影响步态效率和冲击吸收。 |
| Root-Mean-Square Error (RMSE) | 均方根误差，用于衡量预测值与真实值之间差异的统计指标，值越小表示精度越高。 |
📱 每天一份 AI 前沿日报
关注公众号，每天 09:00 推送 · 不错过任何重磅