作者：靳培浩 北京积水潭医院

无标记步态分析系统可以测量有用的步态指标，以确定有效的临床治疗。尽管这种步态分析系统不需要很大的空间、多个标记或时间限制，但它在步态过程中无法准确测量下肢关节运动学。特别是，它具有很大的踝关节角度误差。在本研究中，我们研究了无标记步态分析方法的能力，该方法使用OpenPose（OP）和脚段上的惯性测量单元（IMU）传感器进行基于单个RGB相机的姿态估计，以测量不同步态条件下的踝关节运动学。16名健康的年轻成年男性参与了这项研究。我们比较了四种不同步态条件下的时间-空间参数和下肢关节角度。这些通过光电运动捕捉、使用OP的无标记步态分析方法以及使用OP和IMU的拟议方法进行测量。我们发现，在四种步态条件下，与OP相比，使用OP和IMU的拟议方法显著降低了峰值踝关节角度的平均绝对误差。该方法有可能在各种步态条件下测量时间-空间步态参数和下肢关节角度，包括踝关节角度，作为临床设置步态评估工具。
步速、步长和关节运动学等步态指标是临床环境中步态残疾患者的关键评估参数。步态的Temporo空间和运动学参数已用于评估神经系统疾病的治疗效果并预测老年人的跌倒风险。这些指标为规划物理治疗和确定治疗效果提供了有价值的信息。目前，基于光电标记的三维运动捕捉（3DMC）被用作临床步态分析的典型测量工具，能够准确测量步态度量。光电3DMC系统具有步态测量的可靠性和可重复性。尽管3DMC能够精确测量步态测量，但由于经济和时间限制，很难将其应用于临床环境。此外，它需要很大的空间和技术技能进行测量。基于惯性测量单元（IMU）的运动捕捉系统也被用作3DMC的替代方法。然而，该系统需要将许多IMU传感器连接到人体分段。基于相机的无标记运动捕捉系统使用人体姿态估计算法来测量人体步态，作为3DMC的替代方法。微软Kinect由配有深度传感器的RGB摄像机组成，可以在没有反射标记的情况下测量步态。Kinect可以测量时间-空间参数，例如步速、步长和步长，可靠性高。此外，它还被用作训练前和体弱个体的运动辅助工具，以及测量双任务步态的认知功能评估工具。然而，先前的研究报告，深度相机无法准确测量运动参数，与光电3DMC系统相比，使用深度传感器的无标记运动捕捉系统由于采样率的原因，无法轻松测量快速关节运动。大多数深度传感器的采样率为30 Hz，而步态分析的3DMC大于60或100 Hz8。较低的采样率可能会导致重要的下肢关节角度数据丢失。
最近，基于RGB相机的二维（2D）无标记人体运动跟踪系统，如PoseNet和OpenPose（OP），已被开发用于估计人体姿势和身体分段。OP是一个开源的人体姿势估计软件，它使用来自每个RGB图像的两分支多级卷积神经网络（CNN）作为输入来估计人体关键点。尽管这些系统没有深度传感器，但它们可以使用CNN的2D图像或视频来估计人体关节点。这些系统在临床环境中作为步态分析工具具有巨大的潜力，因为它们不需要附加标记、技术技能或巨大的成本。OP可作为帕金森病和自闭症谱系障碍的筛查工具。使用2D姿势估计系统进行步态分析时存在一些问题。由于姿势估计仅估计身体关键点，用户需要根据身体分段和对齐计算关节运动学。此外，在使用OP进行步态分析时，需要准确度18。一些先前的研究报告称，OP可以在步态过程中测量矢状面中的时间-空间和运动学参数，而不会产生实质性误差。我们先前的研究表明，与光电3DMC系统相比，通过OP进行的单RGB相机步态分析可以测量多个时间-空间参数和矢状面关节角度，具有良好的一致性和一致性；然而，在某些步态条件下，下肢关节角度误差增加，包括在2D图像平面外过度运动，例如增加足部前进角（FPA）。特别是，峰值踝关节角度有很大误差。当使用单个RGB相机从侧面测量行走对象时，相机的2D图像平面可以轻松捕捉屈伸运动。相反，2D图像平面外的运动（如过多的FPA）会影响关节角度的准确性。姿势估计算法也影响了精度，因为该算法没有设计用于在这种情况下的步态运动学分析。尽管研究人员试图在单个RGB相机分析中减少由2D图像平面外运动引起的关节角度误差，针对2D平面外过度运动和踝关节角度误差的有效校正方法尚未得到充分解决。准备多个RGB相机可以减少角度误差；然而，由于大的空间和成本，在临床环境中难以使用使用许多相机的测量方法。使用单个相机的3D姿态估计器可能有用，但是，考虑到其在临床环境中的使用，该方法存在诸如处理速度和易于应用等问题。为了克服这些限制，使用IMU数据（如节段加速度和角速度）补充OP运动学可能有助于提高精度。