DOI: https://doi.org/10.3389/fphys.2025.1649330
PMID: https://pubmed.ncbi.nlm.nih.gov/40873758
تاريخ النشر: 2025-08-12
المؤلف: Saeid Edriss وآخرون
الموضوع الرئيسي: التعرف على وضع الجسم والحركة
نظرة عامة
تقدم هذه القسم نظرة عامة على التقدم في التحليل الحركي والبيوميكانيكي لمراقبة حركة الإنسان، وخاصة في الإعدادات الرياضية والسريرية. أنظمة التقاط الحركة التقليدية، على الرغم من دقتها، غالبًا ما تكون باهظة الثمن ومعقدة. التطورات الأخيرة في التقاط الحركة بدون علامات باستخدام كاميرات RGB والتصوير العمقي والأشعة تحت الحمراء التجارية، مثل Microsoft Kinect وIntel RealSense، قد مكنت من إجراء تحليلات حركية ثنائية وثلاثية الأبعاد عالية الجودة. ظهرت أطر العمل مفتوحة المصدر مثل OpenPose وMediaPipe وAlphaPose وDensePose كأدوات فعالة لتقدير الوضع في الوقت الحقيقي وغير المتصل، مما يسهل تحليل الحركة في تطبيقات متنوعة. تسلط المراجعة الضوء على صلاحية وموثوقية هذه التقنيات مقارنة بالأنظمة التقليدية، مشيرة إلى أنه بينما تكون الأنظمة ثنائية الأبعاد فعالة من حيث التكلفة، فإنها تواجه صعوبة في التقاط الحركات خارج المستوى.
تؤكد الخاتمة على نقاط القوة والقيود في أطر تقدير الوضع المختلفة، مشيرة إلى أن MediaPipe تظهر انحرافًا أقل في اكتشاف النقاط الرئيسية وزمن تشغيل أسرع، بينما يتفوق OpenPose في تحديد النقاط الرئيسية ذات الصلة سريريًا بدقة. كلا النموذجين يظهران وعدًا، لكن هناك حاجة إلى تحسينات إضافية. تدعو هذه القسم إلى دمج تقنيات تقدير الوضع من 2D إلى 3D المعتمدة على الذكاء الاصطناعي للتغلب على القيود الحالية، وبالتالي توسيع قابلية تطبيق تحليل الحركة بدون علامات في الأبحاث الحركية والبيوميكانيكية. يتم تشجيع الدراسات المستقبلية على تقييم البروتوكولات واستكشاف دمج حساسات الرؤية مع أدوات تقدير الوضع لتعزيز الدقة والفائدة في تحليل الحركة.
مقدمة
تؤكد مقدمة هذه الورقة البحثية على أهمية فهم حركة العضلات والعظام لمراقبة سلوكيات وحركات الإنسان، وخاصة من خلال التحليل الحركي والبيوميكانيكي. هذه التحليلات ضرورية لتقييم وظيفة المفاصل والأطراف، وتشخيص الإصابات، وتقييم الأداء الرياضي. بينما تُعتبر أنظمة التقاط الحركة (MoCap) وأجهزة الاستشعار القابلة للارتداء معيارًا ذهبيًا لتحليل الحركة ثلاثية الأبعاد، فإن تكاليفها العالية وإعداداتها المعقدة تفرض قيودًا. لقد سهلت التطورات الأخيرة في الذكاء الاصطناعي (AI) تطور محاكاة الجسم ثنائية وثلاثية الأبعاد، والتي يتم دمجها بشكل متزايد في مجالات متنوعة، بما في ذلك الرياضة والطب.
تناقش المراجعة تطوير تقنيات MoCap بدون علامات، مع التركيز بشكل خاص على حساسات الرؤية وأطر تقدير الوضع (PE) التي تستخدم مقاطع الفيديو ثنائية الأبعاد القياسية. تسلط الضوء على مزايا الأنظمة ثنائية الأبعاد، مثل انخفاض التكاليف وسهولة الاستخدام، على الرغم من قيودها في التقاط زوايا ووجهات نظر معينة. كما توضح الورقة تطور أدوات مثل Microsoft Kinect وOpenPose، التي ساهمت في تتبع الحركة في الوقت الحقيقي وغير المتصل. تهدف المراجعة إلى تقييم صلاحية وموثوقية هذه التقنيات مقارنة بالأنظمة التقليدية، مع التأكيد على الحاجة إلى تحسينات مستقبلية تدمج أطر تقدير الوضع المعتمدة على الذكاء الاصطناعي لتعزيز قابلية الاستخدام في أبحاث النشاط البشري والأداء الرياضي.
نقاش
يسلط النقاش الضوء على التقدم والأداء المقارن لمختلف أنظمة الكاميرات وبرامج تقدير الوضع (PE) في تحليل الحركة الرياضية. تظهر كاميرات StereoLabs ZED، وخاصة ZED2 وZED2i، قدرات تتبع وضع الإنسان المتفوقة على مسافات تتجاوز 3 أمتار، مما يجعلها مناسبة للبيئات الديناميكية. تتكامل بشكل جيد مع برامج مثل Nuitrack وMediaPipe، مما يعزز فائدتها في مراقبة التمارين وتقييم عيوب المشي. في المقابل، تتفوق كاميرات Intel RealSense، مع تصوير RGB عالي الدقة وإدراك العمق، في التطبيقات الداخلية والخارجية، على الرغم من أنها تظهر قيودًا في جمع بيانات الهيكل العظمي مقارنة بأنظمة Kinect. تتأثر دقة نماذج PE مثل OpenPose وMediaPipe وAlphaPose وDensePose بالعوامل البيئية وجودة الفيديو والحركة المحددة التي يتم تحليلها.
على الرغم من قيود طرق PE ثنائية الأبعاد، بما في ذلك عدم قدرتها على التقاط الحركات خارج المستوى واعتمادها على ظروف الإضاءة المثلى، إلا أنها تظل مفيدة بسبب تكلفتها المعقولة وسهولة استخدامها. يؤكد النقاش على الحاجة إلى إعداد دقيق وإمكانية دمج فيديو RGB مع برامج PE لتعزيز الدقة في تحليل معالم الجسم ثلاثية الأبعاد. في النهاية، بينما لكل أداة من الأجهزة والبرامج نقاط قوتها وضعفها، من المحتمل أن يميل مستقبل دراسات الحركة الرياضية نحو أنظمة PE بدون علامات المعتمدة على الذكاء الاصطناعي، التي تقدم حلولًا عملية لتحليل الحركات ضمن مستوى واحد وتعد واعدة للتقييمات السريرية والبيوميكانيكية. يتم تشجيع المزيد من الأبحاث لتحسين هذه التقنيات واستكشاف تكاملها لتحسين الأداء في تطبيقات متنوعة.
DOI: https://doi.org/10.3389/fphys.2025.1649330
PMID: https://pubmed.ncbi.nlm.nih.gov/40873758
Publication Date: 2025-08-12
Author(s): Saeid Edriss et al.
Primary Topic: Human Pose and Action Recognition
Overview
The section provides an overview of advancements in kinematic and biomechanical analysis for monitoring human movement, particularly in athletic and clinical settings. Traditional motion capture systems, while accurate, are often prohibitively expensive and complex. Recent developments in markerless motion capture using commercial RGB, depth, and infrared cameras, such as Microsoft Kinect and Intel RealSense, have enabled high-quality 2D and 3D kinematic analyses. Open-source frameworks like OpenPose, MediaPipe, AlphaPose, and DensePose have emerged as effective tools for real-time and offline pose estimation, facilitating motion analysis in various applications. The review highlights the validity and reliability of these technologies compared to traditional systems, noting that while 2D systems are cost-effective, they struggle with capturing out-of-plane movements.
The conclusion emphasizes the strengths and limitations of different pose estimation (PE) frameworks, noting that MediaPipe demonstrates lower deviation in keypoint detection and faster runtime, while OpenPose excels in accurately identifying clinically relevant keypoints. Both models show promise, but further enhancements are necessary. The section advocates for the integration of AI-based 2D-to-3D pose estimation techniques to overcome existing limitations, thereby broadening the applicability of markerless motion analysis in kinematic and biomechanical research. Future studies are encouraged to evaluate protocols and explore the combination of vision sensors with PE tools to enhance accuracy and utility in movement analysis.
Introduction
The introduction of this research paper emphasizes the significance of understanding musculoskeletal movement for monitoring human behaviors and movements, particularly through kinematic and biomechanical analysis. These analyses are crucial for assessing joint and limb functionality, diagnosing injuries, and evaluating athletic performance. While motion capture systems (MoCap) and wearable sensors are recognized as the gold standard for 3D motion analysis, their high costs and complex setups pose limitations. Recent advancements in artificial intelligence (AI) have facilitated the evolution of 2D and 3D body simulations, which are increasingly integrated into various fields, including sports and medicine.
The review discusses the development of markerless MoCap technologies, particularly focusing on vision sensors and pose estimation (PE) frameworks that utilize standard 2D videos. It highlights the advantages of 2D systems, such as lower costs and ease of use, despite their limitations in capturing certain angles and perspectives. The paper also outlines the evolution of tools like Microsoft Kinect and OpenPose, which have contributed to real-time and offline motion tracking. The review aims to evaluate the validity and reliability of these technologies compared to traditional systems, emphasizing the need for future advancements that integrate AI-based PE frameworks to enhance usability in human activity research and athletic performance.
Discussion
The discussion highlights the advancements and comparative performance of various camera systems and pose estimation (PE) software in sports motion analysis. The StereoLabs ZED cameras, particularly the ZED2 and ZED2i, demonstrate superior human pose tracking capabilities at distances beyond 3 meters, making them suitable for dynamic environments. They integrate well with software like Nuitrack and MediaPipe, enhancing their utility in monitoring exercises and assessing gait impairments. In contrast, Intel RealSense cameras, with their high-resolution RGB imaging and depth perception, excel in indoor and outdoor applications, although they exhibit limitations in skeletal data collection compared to Kinect systems. The accuracy of PE models such as OpenPose, MediaPipe, AlphaPose, and DensePose is influenced by environmental factors, video quality, and the specific motion being analyzed.
Despite the limitations of 2D PE methods, including their inability to capture out-of-plane movements and reliance on optimal lighting conditions, they remain advantageous due to their affordability and ease of use. The discussion emphasizes the need for careful setup and the potential of integrating RGB video with PE software to enhance accuracy in 3D body landmark analysis. Ultimately, while each hardware and software tool has its strengths and weaknesses, the future of sports motion studies is likely to lean towards AI-based markerless PE systems, which offer practical solutions for analyzing movements within a single plane and hold promise for clinical and biomechanical assessments. Further research is encouraged to refine these technologies and explore their integration for improved performance in diverse applications.