Доктор медицинских наук, профессор Т.Т. Батышева^{1, 2}
Кандидат биологических наук, доцент С.В. Тихонов^{1, 2}
Кандидат медицинских наук, доцент М.В. Алексеева^{1, 2}
Д.А. Пеганский^{3, 4
1}Федеральный научный центр психологических и междисциплинарных исследований, Москва
²Научно-практический центр детской психоневрологии Департамента здравоохранения города Москвы, Москва
³Агентство АСТ, Омск
⁴Национальный государственный университет физической культуры, спорта и здоровья имени им. П.Ф. Лесгафта, Санкт-Петербург

Цель исследования – обосновать методику расчета показателей ходьбы человека с применением метода нейронных сетей и технологий компьютерного зрения.
Методика и организация исследования. Научная работа включала следующие этапы: 1) видеосъемка на одну RGB-камеру; 2) расчет координат точек с применением нейронной сети OpenPose и формирование массива данных; 3) очищение полученного массива от артефактов с применением фильтра Ходрика-Прескотта; 4) идентификация цикла ходьбы; 5) расчет параметров ходьбы. Параметры ходьбы испытуемого записывались и оценивались в системе Zebris Rehawalk (конфигурация системы от h/p/cosmos) на базе научно-практического центра детской неврологии Департамента здравоохранения г. Москвы. Видеосъемка проводилась на видеокамеру Panasonic HC-VX1. Для расчета координат расположения элементов тела испытуемого в пространстве использована модель Body_25. Расчет параметров проводился для сагиттальной проекции с применением Эдинбургской шкалы визуальной оценки ходьбы человека.
Результаты исследования и их обсуждение. По результатам расчетов получены значения показателей: время цикла ходьбы составляет 1,58±0,92 с, время выполнения шага – 0,78±0,03 с, длина шага – 41,33±1,92 см, скорость ходьбы – 1,91±0,09 км/ч. Выполнен расчет показателей движения бедер, коленей, стоп испытуемого. На основании сравнения полученных значений с нормативными были выявлены незначительные отклонения в ходьбе испытуемого от нормальных. Точность расчетов составила 0,95. Результаты показали, что компьютерное зрение обладает достаточной точностью при оценке биомеханики движения человека, и может использовано как инструмент объективного мониторинга в различных видах спорта, медицинской диагностике и реабилитации. Применение данного подхода не требует специальной подготовки, оборудования, помещений, что облегчает мониторинг показателей движения человека в любых условиях.

Ключевые слова: анализ ходьбы, Эдинбургская шкала визуальной оценки ходьбы человека, компьютерное зрение, OpenPose.

References

1. Wang H. et al. Markerless gait analysis through a single camera and computer vision // Journal of Biomechanics. 2024. Vol. 165. pp. 112027. https://doi.org/10.1016/j.jbiomech.2024.112027.
2. Hatamzadeh M.A et al. kinematic-geometric model based on ankles’ depth trajectory in frontal plane for gait analysis using a single RGB-D camera eh // Journal of Biomechanics. 2022. Vol. 145. pp. 111358. https://doi.org/10.1016/j.jbiomech.2022.111358.
3. Leardini Al. et al. Kinematic models of lower limb joints for musculo-skeletal modelling and optimization in gait analysis // Journal of Biomechanics. 2017. Vol. 62. pp. 77-86. https://doi.org/10.1016/j.jbiomech.2017.04.029.
4. Klöpfer-Krämer et al. Is. Gait analysis – Available platforms for outcome assessment // Injury. – 2020. –Vol. 51, Supplement 2. – pp. S90-S96. https://doi.org/10.1016/j.injury.2019.11.011.
5. Kumar M. et al. Gait recognition based on vision systems: A systematic survey // Journal of Visual Communication and Image Representation. – 2021. – Vol. 75. – pp. 103052. https://doi.org/10.1016/j.jvcir.2021.103052.
6. Ramesh S.H. et al. Automated Implementation of the Edinburgh Visual Gait Score (EVGS) Using OpenPose and Handheld Smartphone Video // Sensors. 2023, Vol. 23. pp. 4839. https://doi.org/10.3390/s23104839.
7. Zeni Jr. J. A. Two simple methods for determining gait events during treadmill and overground walking using kinematic data // Gait & posture. 2008. Vol. 27. No 4. pp. 710-714.