新利体育宋祺鵬教授團隊與山東師範大學聯合開發基於SGGC-Net的三維動作捕捉系統
新利体育的宋祺鵬團隊朱琳、沈培鑫🌞，聯合山東師範大學信息科學與工程學院孫建德團隊陳浩👩👩👦、董鵬程😌、鄭澤楷♥️，自主研發了一套基於SGGC-Net的三維動作捕捉系統。該系統通過視頻識別技術，自動甄別標記錄像視頻中的人體關鍵點，可在保證采集數據可重復性與準確性的基礎上，大幅縮短動作解析過程的人工處理時間🌈。
生物力學研究中，通常選用三維動作捕捉系統采集受試者的運動學數據。其中，室內環境常用的vicon紅外動作捕捉系統，其操作過程比較復雜💪，需要在受試者身上粘貼marker點；室外環境常用的SIMI系統，其操作簡單🌏💆🏿♀️，不需要粘貼marker點，但後期需要實驗人員手動逐幀補點，工作量大🐻、周期長；此外，基於人體姿態估計的無標記動作捕捉系統雖然可以提供高效的實時反饋，但這些算法的網絡結構都較為復雜🏌🏻♀️，參數量較多📝，致使檢測速度過慢，難以貼合實際應用🏃🏻➡️。
SGGC-Net是一種通過深度卷積神經網絡實現的人體骨骼關鍵點檢測網絡，使用一個具有海量圖像的數據集COCO訓練而成🏊🏿♂️。SGGC-Net是在HRNet的框架體系下重新設計的人體骨骼關鍵點檢測網絡，該網絡框架更新設計了新的輕量級瓶頸模塊以及殘差模塊🧖🧑🏼⚕️，在保證精度的前提下降低了網絡的參數🦸🏿，提高了對人體骨骼點檢測的效率🐟。這種深度卷積的訓練模式一方面能擺脫場地限製，減少測試前粘貼Marker點的準備工作，另一方面能通過自動識別節省人力，提高動作捕捉的效率。
為了進一步檢驗SGGC-Net系統的可重復性與準確性🧜♂️✍️。兩團隊以Vicon系統為參照標準，比較了SGGC-Net系統和SIMI系統解析跑步機行走過程中上、下肢關節角度的信度和效度。
實驗結果顯示🕵🏿👨🦱，在大多數指標中，與手動標註相比，SGGC-Net可重復性更高。在不同測量數據中，SGGC-Net多次處理結果的信度是更高的，SGGC-Net系統從海量數據中學習到的關節點定位位置比手動標註更為準確✊；除踝關節角度外，SGGC-Net系統解析大多數指標的效度比SIMI系統更好。手工解析時關節遮擋較多，而SGGC-Net基於海量訓練數據🕵🏻♀️，即使在有遮擋的情況下🙈，也能對被遮擋的部分做出相對準確的估計👨👨👦。
新利体育官网碩士研究生朱琳作為第一作者，在《醫用生物力學》雜誌（北大核心，CSCD）發文，題為《基於SGGC-Net的動作捕捉系統解析行走步態的信度與效度》🙎♀️。該文驗證了SGGC-Net系統解析人體運動的潛力⟹，為其應用於體育與康復領域奠定了基礎。
撰稿|朱 琳
攝影|朱 琳
編輯|王淩菲
排版|程俊達
初審|張國嶺
審核|趙廣豐
簽發|隋 波