El sistema de captura de movimiento sin marcadores abre la biomecánica a una amplia gama de campos

Investigadores de CAMERA, el Centro de Análisis de Aplicaciones de Investigación, Entretenimiento y Movimiento de la Universidad de Bath, han desarrollado un software de acceso abierto que analiza los datos de captura de movimiento, sin utilizar marcadores. Han demostrado que el sistema sin marcadores ofrece a los médicos, entrenadores deportivos y fisioterapeutas una forma discreta de analizar los movimientos corporales a partir de secuencias de vídeo comparable al uso de marcadores.

El análisis del movimiento tradicionalmente se basa en colocar marcadores que reflejan la luz en puntos específicos del cuerpo; Luego, el movimiento de estos marcadores en el espacio 3D se calcula utilizando datos de una serie de cámaras que filman los movimientos de la persona desde diferentes ángulos.

Colocar marcadores con precisión en el cuerpo puede llevar mucho tiempo y, a veces, puede interferir con los movimientos naturales de la persona.

Para superar esto, el equipo de CAMERA dirigido por la Dra. Steffi Colyer ha desarrollado un sistema sin marcadores no invasivo que utiliza visión por computadora y métodos de aprendizaje profundo para medir el movimiento mediante la identificación de puntos de referencia corporales a partir de datos de imágenes 2D regulares.

Utilizando las mismas imágenes para evaluar el rendimiento de su sistema totalmente automatizado, descubrieron que los resultados eran comparables a los de un sistema tradicional de captura de movimiento basado en marcadores. El sistema funciona con una tecnología similar a la utilizada por los sistemas comerciales, pero está disponible como un flujo de trabajo de código abierto y se puede adaptar a las necesidades del usuario más fácilmente.

El equipo ha publicado un conjunto de datos único para permitir que otros investigadores evalúen nuevos algoritmos sin marcadores y sigan avanzando en los campos de la visión por computadora y la biomecánica.

El equipo utilizó un sistema de visión por computadora de código abierto, OpenPose, para estimar la posición de las articulaciones en una imagen de video 2D de una persona corriendo, saltando y caminando. Luego fusionan los datos en 3D e ingresan esos datos en un software de modelado de código abierto llamado OpenSim, que ajusta un esqueleto a las articulaciones y permite obtener el movimiento de todo el cuerpo.

El vídeo totalmente sincronizado y los datos basados ​​en marcadores utilizados en este estudio, junto con el código que sustenta el proceso sin marcadores. ya están disponibles y se describen completamente en un artículo publicado recientemente en Datos científicos.

El Dr. Colyer dijo: «El problema con el uso de marcadores es que puede ser complicado colocarlos en un participante de manera precisa y confiable, y este proceso puede llevar mucho tiempo, lo cual no es muy práctico para muchos participantes y aplicaciones (por ejemplo, atletas de élite). o poblaciones clínicas).

«Nuestro sistema sin marcadores estima las posiciones de las articulaciones solo a partir del video sin la necesidad de colocar ningún equipo sobre el participante ni ningún tiempo de preparación. Esto nos abre la puerta para capturar datos de movimiento más fácilmente en entornos fuera del laboratorio y los resultados de Los movimientos que analizamos son comparables a las técnicas tradicionalmente utilizadas con marcadores.

«Nuestro canal es de código abierto, lo que significa que cualquier persona con cierta experiencia en el área puede usarlo de forma gratuita para obtener datos de movimiento a partir de secuencias de vídeo normales.

«Esto podría ser útil para fisioterapeutas, médicos y entrenadores deportivos en una amplia gama de aplicaciones, incluido el rendimiento deportivo y la prevención o rehabilitación de lesiones. Además, el conjunto de datos adjunto proporciona el primer punto de referencia de alta calidad para evaluar algoritmos emergentes en este campo en rápida evolución.

«Hemos utilizado el sistema para medir la biomecánica de los atletas esqueléticos durante sus salidas y recientemente lo hemos llevado a las canchas de tenis y bádminton para monitorear discretamente cuánto trabajo realizan los jugadores durante el entrenamiento y los partidos».