陸上競技の放送から空間知識を抽出して単眼の 3D 人間の姿勢推定を行う

Scientific Reports volume 13、記事番号: 14031 (2023) この記事を引用

メトリクスの詳細

人間の移動を調査するために大規模なデータセットを収集するのは、費用と労力がかかるプロセスです。 現場での 3D 人間の姿勢推定の方法はますます正確になってきており、間もなく、テレビ放送データからランニング運動学を分析するためのデータセットの収集を支援できるようになる可能性があります。 生体力学研究の分野では、3D 角度の小さな違いが重要な役割を果たします。 より正確には、データ収集プロセスの誤差範囲は、アスリート間の予想される変動よりも小さい必要があります。 この研究では、レーン境界を使用して陸上競技場記録のグローバル ジオメトリを推測する方法を提案します。 このグローバル ジオメトリを使用して、推定された 3D スケルトンを画像に再投影することで、現在の最先端の 3D 人間の姿勢推定方法が、運動学の研究で使用できるほど (まだ) 正確ではないことを示します。

人間の姿勢推定 (HPE) をスポーツに応用することは、着実に人気を集めています。 最近のレビューでは、多数の応用可能性が示されています1。 これらの範囲は、典型的な歩行パラメータの推定 2 から、「悪い姿勢」の検出 3 、武道のトレーニング 4 まで多岐にわたります。 特定の動作の認識において顕著なパフォーマンスを示した出版物は数多くありますが、スポーツ科学の研究に向けたデータ収集のこれらの方法を適用する研究はあまり行われていません。 たとえば、世界クラスのランナーからの大量の運動学的データを使用して、「優れたランニング フォームの特徴は何ですか?」のような質問に答えることに取り組むことができます。 この一見根本的な疑問はまだ完全には解明されていません5。ランニングにおける全身の動きのパターンについてはさらなる研究が必要です。

人間の移動動作には大きなばらつきがあり、単一の正しいランニング フォームやテクニックはありません5、6。 それにもかかわらず、ランニング運動学は、初心者アスリートのランニングエコノミーの変動の最大 94% を占めることが示されています7。 これまでのところ、ランニング効率とランニング運動学の評価を決定するための統一モデルはありません。 代わりに、文献ではかかとの速度や大腿伸展角度などのランニングフォームの個別の側面が扱われています8。 より一般化されたステートメントを作成し、より包括的なランニング モデルを構築するには、ランニング運動学の大規模で高詳細なデータセットが必要になります。 従来の運動学的実験室のセットアップは非常にコストと時間がかかります9。 アスリートに取り付けられたマーカーを使用し、非常に高速かつ高精度のカメラを使用します。 研究室内のビジョンシステムを検証するアプローチ10はありますが、研究室環境の制限は依然として残っています。これらの調査を受ける世界クラスのアスリートを獲得するのは困難であり、すべての可能性のある変動を考慮するのに十分な量のデータセットを収集することは事実上不可能です。スポーツ選手。

一方、同じデータを収集するための純粋にビジョンベースのアプローチは、安価で拡張性の高い代替手段となる可能性があります。 ただし、そのようなアプローチは、ゴールドスタンダードの測定に対して検証される必要があります。 十分な信頼性があれば、テレビ放送の既存の録画を活用して大規模なデータセットを収集できるようになります。 記録には緻密な履歴があるため、個々のアスリートについて長期的な研究を行って、時間の経過や単一のレース中の運動学の変化を監視することが可能になります。 研究室環境ではアクセスできない、疲労とペーシングやレース戦略の組み合わせなどの要因を研究することが可能になります。

スポーツ科学の研究ツールとして、野外での 3D 人間の姿勢推定を検証して使用するために、幸いなことに、既存の映像から追加情報を導き出すことができるランニング イベントの大きなサブセットが存在します。それは、陸上競技場でのレースです。 レーン境界、および追加のスターティング ブロックとフィニッシュ ライン マーカーは、会場間で標準化されています。 これらのマーカーを使用すると、スタジアム内のカメラを三角測量して、完全な 3D シーンを再構築することができます。