ОСОБЛИВОСТІ СУЧАСНИХ СИСТЕМ ЗАХОПЛЕННЯ РУХУ
DOI:
https://doi.org/10.32782/spectrum/2024-2-3Ключові слова:
біомеханічний аналіз, рухові дії людини, моделювання, спортивна техніка, штучний інтелектАнотація
Вступ: Сьогодні високоточний кількісний біомеханічний аналіз рухових дій людини виконують системи аналізу рухів, які використовують як стандартні цифрові камери, так і спеціалізовані високошвидкісні камери. Проте дослідження, що аналізують особливості сучасних систем захоплення руху з погляду апаратного та програмного забезпечення, відсутні. Мета дослідження: представити аналітичний огляд особливостей сучасних систем захоплення руху. Методи: теоретичний аналіз, систематизація та узагальнення сучасної науково-методичної літератури, Інтернет-ресурсів. Результати: велику різноманітність систем захоплення руху можна класифікувати за кількома критеріями, зокрема залежно від апаратного забезпечення, на такі, що використовують спеціалізовані камери, і такі, що використовують стандартні камери. За програмним забезпеченням системи захоплення руху поділяються на такі, що забезпечують якісний візуальний аналіз відеокліпів (наприклад, поєднують до дев’яти відеокліпів в один відеокліп або створюють одне зображення з кількома накладеними зображеннями руху), та такі, що забезпечують кількісні параметри рухової дії. Системи оптичного захоплення руху, що використовують спеціалізовані камери з пасивними та активними маркерами, забезпечують високоточний детальний біомеханічний аналіз з автоматичною ідентифікацією маркерів на основі професійного програмного забезпечення для аналізу руху 3D-відео з використанням до 256 цифрових камер із роздільною здатністю до 26 мегапікселів. Розглянуто технології аналізу і моделювання руху, зокрема системи штучного інтелекту, які автоматично відстежують координати точок тіла людини. Висновки: проаналізовано можливості сучасних систем аналізу руху залежно від апаратного та програмного забезпечення. Сучасні системи аналізу руху дають змогу об’єктивно, інформативно та в режимі реального часу отримувати кількісні та якісні дані про рухові дії людини. Різноманітність сучасних технологій аналізу руху дає змогу проводити точну оцінку та якісний аналіз техніки рухових дій спортсмена як в умовах лабораторій, так і в польових умовах. Представлено особливості програмного забезпечення BioVideo для біомеханічного аналізу рухових дій людини за відеограмою зі стандартної камери.
Посилання
Aurand Alexander M, Dufour Jonathan S, Marras William S. Accuracy map of an optical motion capture system with 42 or 21 cameras in a large
measurement volume. Journal of Biomechanics, Volume 58, 2017, Pages 237–240, ISSN 0021-9290, https://doi.org/10.1016/j.jbiomech.2017.05.006
Cao Z, Hidalgo G, Simon T, Wei SE, Sheikh Y. OpenPose: Realtime Multi-Person 2D Pose Estimation Using Part Affinity Fields. IEEE Trans Pattern Anal
Mach Intell. 2021;43(1):172–86. https://doi.org/10.1109/TPAMI.2019.2929257
Colyer S, Evans M, Cosker DP, Salo AIT. A Review of the Evolution of Vision-Based Motion Analysis and the Integration of Advanced Computer Vision
Methods Towards Developing a Markerless System. Sports Med Open. 2018;5(4):24. https://doi.org/10.1186/s40798-018-0139-y
Durve I, Ghuge S, Patil S, Kalbande D. Machine Learning Approach for Physiotherapy Assessment. 2019 International Conference on Advances in
Computing, Communication and Control (ICAC3); 2019. p. 1–5. https://doi.org/10.1109/icac347590.2019.90367
Fernández-González P, Koutsou A, Cuesta-Gómez A, Carratalá-Tejada M, Miangolarra-Page JC, Molina-Rueda F. Reliability of Kinovea® Software and
Agreement with a Three-Dimensional Motion System for Gait Analysis in Healthy Subjects. Sensors. 2020;20(11):3154. https://doi.org/10.3390/s20113154
Gyemi DL, Andrews DM, Jadischke R (2021) Three-dimensional video analysis of helmet-to-ground impacts in North American youth football. J Biomech
:110587. https://doi.org/10.1016/j.jbiomech.2021.110587
Gyemi, DL, Jadischke, R & Andrews, DM. Validation of a multi-camera videogrammetry approach for quantifying helmet impact velocity in football. Sports
Eng 26, 31 (2023). https://doi.org/10.1007/s12283-023-00423-7
Imas Y, Khmelnitska I, Khurtyk D, Korobeynikov G, Spivak M, Kovtun V. Neural network modelling of diagonal stride technique of highly qualified skiers
with hearing impairments. Journal of Physical Education and Sport ® (JPES), 18 Supplement issue 2, Art 181, pp. 1217 – 1222, 2018 online ISSN: 2247 – 806X;
p-ISSN: 2247 – 8051; ISSN – L = 2247 – 8051 © JPES, https://doi.org/10.7752/jpes.2018.s2181
Kashuba V, Khmelnitska I, Krupenya S. Biomechanical analysis of skilled female gymnasts’ technique in «round-off, flic-flac» type on the vault table.
Journal of Physical Education and Sport (JPES), 12(4). 2012, 431–435. https://doi.org/10.7752/jpes.2012.04064
Kashuba VA, Khmelnitskaya IV. Software for the Biomechanical Analysis of High Skilled Athlete’s Motor Actions. 4 th Intern. Scient. Conference on
Kinesiology «Science and Profession – Challenge for the Future». Opatija, Croatia. Sept. 7–11, 2005. Р. 855–857.
Khmelnitska I, Lisenchuk G, Leleka V, Boretska N, Krupenya S, Danko G. Biomechanical control of motor function of junior schoolchildren with hearing
impairment. Journal of Physical Education and Sport ® (JPES), Vol. 21 (4), Art 228, pp. 1806–1813, June 2021 online ISSN: 2247 – 806X; p-ISSN: 2247 – 8051;
ISSN – L = 2247 – 8051 © JPES. https://doi.org/10.7752/jpes.2021.04228
Kholodov S, Kashuba V, Khmelnitska V, Grygus I, Asauliuk I, Krupenya S. Model biomechanical characteristics of child’s walking during primary school
age. Journal of Physical Education and Sport ® (JPES), Vol 21 (Suppl. issue 5), Art 380 pp. 2857 – 2863, Oct 2021. online ISSN: 2247 – 806X; p-ISSN: 2247 –
; ISSN – L = 2247 – 8051 © JPES. https://DOI:10.7752/jpes.2021.s5380
Kidziński L, Yang B, Lee Hicks J, Rajagopal A, Delp SL, Schwartz MH, et al. Deep neural networks enable quantitative movement analysis using singlecamera
videos. Nat Commun. 2020;11(1):4054. https://doi.org/10.1038/s41467-020-17807-z
Kozak I, Zhyrnov O. Modern trends in biomechanical technologies in sports. Theory and Methods of Physical education and sports. 2023; 4: 20–26.
https://doi.org/10.32652/tmfvs.2023.4.20–26 [in Ukrainian]
Lisenchuk G, Khmelnitska I, Adyrkhaeva L, Krupenya S, Lysenchuk S. Diagnostics of human motor function in physical rehabilitation. Theory and
Methods of Physical education and sports. 2020; 1: 42–48. https://doi.org/10.32652/tmfvs.2020.1.42-48
Lyu Bin, Smith Lloyd, and Kensrud Jeff. A novel method to create long capture volumes for video tracking. Proceedings of the Institution of Mechanical
Engineers, Part P: Journal of Sports Engineering and Technology. https://doi.org/10.1177/17543371221099369
Moral-Munoz JA, Zhang W, Cobo MJ, Herrera-Viedma E, Kaber DB. Smartphone-based systems for physical rehabilitation applications: A systematic
review. Assist Technol. 2021;33(4):223–36. https://doi.org/10.1080/10400435.2019.1611676
Nor Adnan NM, Ab Patar MNA, Lee H, Yamamoto SI, Jong-Young L, Mahmud J. Biomechanical analysis using Kinovea for sports application. IOP Conf
Ser Mater Sci Eng. 2018;342:012097. https://doi.org/10.1088/1757-899x/342/1/012097
Nunes João F, Moreira Pedro M, Tavares João Manuel RS. Human Motion Analysis and Simulation Tools: A Survey: Handbook of Research on
Computational Simulation and Modelling in Engineering. 2016. Pages: 30. https://doi.org/10.4018/978-1-4666-8823-0.ch012
Schofield S, Bainbridge-Smith A, Green R. An improved semi-synthetic approach for creating visual-inertial odometry datasets. Graphical Models,
Volume 126, April 2023, 101172. https://doi.org/10.1016/j.gmod.2023.101172
Tack C. Artificial intelligence and machine learning applications in musculoskeletal physiotherapy. Musculoskelet Sci Pract. 2019; 39:164–9. https://
doi.org/10.1016/j.msksp.2018.11.012
