《Sensors》：Evaluating a Multi-Camera Markerless System for Capturing Basketball-Specific Movements: An Exploration Using 25 Hz Video Streams
Zhaoyu Li,
Zhenbin Tan,
Wen Zheng,
Ganling Yang,
Junye Tao,
Mingxin Zhang and
Xiao Xu
编辑推荐：
这篇研究评估了低帧率（25 Hz）多相机无标记运动捕捉（MMC）系统在捕获篮球专项运动时的性能。研究采用消费级相机与Vicon系统同步采集数据进行验证，结果表明该系统在关节位移追踪上表现出优秀一致性（r > 0.90），适用于资源受限训练环境下的宏观外部负荷评估，但在计算速度、加速度等衍生变量时精度有限，为低帧率MMC在实战化运动分析中的应用边界提供了实证依据。
引言
篮球运动以其快速的加速减速、频繁的变向、爆发性的跳跃-落地循环以及高度协调的上下肢动作为特征。量化这些专项动作中的三维（3D）关节运动学，对于基于证据的训练、损伤风险筛查、重返赛场决策以及长期表现监控至关重要。近年来，光学基于标记的运动捕捉系统（如Vicon）因其高空间精度和成熟的处理流程，被广泛接受为3D运动学的参考方法。然而，基于标记的系统难以在真实的运动场景中部署，因为它们需要专用基础设施、耗时的标记放置，且其捕捉容积可能被快速、大位移的训练动作所超越。此外，标记可能脱落、被遮挡或引入软组织伪影，这些都可能使运动学输出产生偏差，尤其是在高速运动中。
近年来，基于深度学习的姿态估计加速了无标记运动捕捉（MMC）系统的发展。这些方法直接从视频中识别解剖关键点并重建人体运动轨迹，提供了非侵入、低门槛、可扩展的测量方案。重要的是，多相机MMC提供了冗余性以减轻局部遮挡，即使运动员移动到捕捉容积边界附近也能保持轨迹连续性。与Vicon相比，它特别适合于训练环境中自然运动模式的连续采集与分析。先前研究表明，MMC在下肢关节运动学和选定动力学结果上可以达到与基于标记系统相媲美的准确性。然而，大多数验证研究依赖于昂贵的高帧率工业相机（>60 Hz，通常是100 Hz），这限制了其在大型运动项目和资源有限环境中的广泛采用。在实践中，25或30 Hz视频流仍然是比赛转播、常规训练记录和标准场馆监控系统中最常见的数据源。
尽管取得了这些进展，但在多相机MMC能够被视为运动特定生物力学测量的可靠替代方案之前，仍有一些挑战需要解决。首先，大多数验证工作集中在行走或通用功能性任务上，而篮球对协调性、肢体速度和自我遮挡提出了更复杂的要求。其次，位置信号的一致性并不一定能转化为速度和加速度等衍生变量的准确性。这在低帧率下尤其关键，因为数值微分会放大微小的空间噪声并削弱高频冲击相关的内容。因此，定义低帧率MMC的性能边界——介于宏观外部负荷指标（如位移和平均速度）与微观运动学特征（如瞬时速度）之间——对于实际部署至关重要。第三，除了系统间有效性，实际应用还需要重测信度，因为MMC用于训练监控的有用性取决于观察到的变化是否超过了测量噪声。
因此，本研究评估了基于消费级25 Hz多相机无标记运动捕捉（MMC）工作流程在篮球专项运动中的并发有效性和重测信度，以实验室级10相机Vicon系统作为参考标准。主要研究问题是：在量化代表性篮球任务中主要上下肢关节的3D关节位移、速度和加速度时，这种低帧率MMC方法与Vicon的一致性程度如何？我们假设MMC在跨关节和任务的位移上会表现出优秀波形一致性（r > 0.90），而速度和加速度的一致性将显著降低。此外，我们还评估了两个测试日之间的重测信度，以确定试验级别的MMC指标是否在实践训练监控应用中具有足够的可重复性。
材料与方法
参与者
招募了三名经验丰富的男性篮球运动员。纳入标准为：（i）能够熟练完成所有实验任务；（ii）过去两年内无严重下肢损伤史；（iii）测试期间无可能影响表现的急性病症。所有参与者均签署了书面知情同意书。方案经上海体育学院科研伦理委员会批准。
实验设置与数据采集
实验在上海体育学院生物力学实验室进行。参考系统是环绕一个约5.33 m × 5.33 m捕捉区域的10相机Vicon光学运动捕捉设置，在Vicon Nexus中记录。MMC系统使用六台消费级运动相机，围绕同一捕捉区域（约在边界外1 m）放置，以1920 × 1080分辨率和25 fps录制。两个系统都特意配置在相同的标称采样率（25 Hz）以进行类似比较。MMC相机数量特意限制为六台，以反映3×3篮球训练/比赛监控的实际部署限制，其中空间、预算、设置时间和对比赛的干扰使得更大的便携式阵列变得困难；因此，较低冗余度可能降低在部分遮挡、高速运动期间的关键点可见性和三角测量鲁棒性。相机标定采用固定相机、移动棋盘格的多视图程序；估计内参和外参以定义统一的世界坐标系。标定质量通过平均重投影误差（约2像素）进行评估，认为可接受用于后续三角测量。
MMC流程与标记配置
为获得3D关节轨迹，我们实施了一个自顶向下的多视图3D重建工作流程。首先使用从音频信号中提取的梅尔频率倒谱系数对多视图视频进行时间同步，以实现跨视图的帧级对齐。对于每个视图，使用RTMDet进行人物检测，然后使用RTMPose输出COCO风格的2D关键点坐标和置信度分数。MMC 2D姿态估计采用官方RTMPose模型，使用在通用人体姿态数据集上进一步训练的COCO预训练权重，没有进行篮球特定的微调。这种通用的、开箱即用的配置被特意选择，以评估一个消费级流程的真实性能边界，该流程可在没有领域特定标注数据的情况下被教练和研究人员轻松部署。与早期模型相比，RTMPose在先前工作中表现出改进的姿态估计精度。
对于轨迹跟踪，我们使用了OCSORT跟踪器结合SOLIDER重识别，并在关联过程中引入了3D匹配惩罚以提高鲁棒性。在获得每个视图的2D姿态轨迹后，使用三角测量重建3D姿态序列。MMC模型输出17个COCO身体关键点。为了进行系统间比较，我们选择了12个与篮球专项运动有直接解剖相关性并且可以与Vicon标记或标记衍生的关节中心匹配的肢体相关关键点。Vicon标记放置遵循光学运动捕捉中常用的改进解剖标志点方案，并进行了微调以增强与所选MMC COCO关键点的解剖可比性，并提高标记衍生关节中心估计的稳定性。标记放置配置和参与者站立姿势如图所示。
因此，我们的主要验证目标是从这些关节轨迹导出的运动学量——位移、速度和加速度——因为它们可以直接从两个系统获得，并且与实践训练/比赛监控最相关。相比之下，估计全身质心需要额外的生物力学模型假设，这可能会混淆“开箱即用”的系统间比较。质心指标可以从相同的3D轨迹中事后导出，将在未来的工作中探讨。
任务方案与同步
每次测试前，参与者完成约10分钟的标准热身，以确保足够的运动范围和神经肌肉激活。然后参与者自然站立在捕捉区域中心约3秒，以检查标记可见性和静态姿势质量。在数据采集之前，Vicon系统按照标准程序进行标定。为了同步Vicon和MMC，在每次任务试验之前，研究人员给出一个口头提示，参与者进行一次原地垂直跳跃，然后在启动任务前保持静止。此事件在多视图视频中清晰可辨，并在Vicon标记轨迹中产生突变；相应的帧被用作同步参考，以在帧级对齐两个系统。高强度任务之间至少提供1分钟休息，并根据感知疲劳在必要时延长，以尽量减少疲劳引起的运动质量和轨迹稳定性下降。测试了七个任务条件：三个关键区域移动条件（步行/跑步/冲刺）、一个垫步垂直跳、一个罚球姿势模拟、一个三步上篮和一个交叉步后撤步跳投。对于关键区域移动任务，捕捉区域的四个角（A, B, C, D）作为路径标记；参与者以步行、跑步和冲刺速度沿规定路线进行折返移动。为了减少球对关键点检测和标记可见性的干扰，所有三个篮球技能任务都在无球状态下进行（模拟动作）。此选择最小化了遮挡，并提高了系统间验证的跟踪稳定性；有球条件将在未来的工作中检验。每名参与者在每个测试日对每项任务进行一次试验。在两天内，这为分析提供了42对同步试验。
数据处理与结果变量
Vicon和MMC输出以世界坐标系中3D关节中心坐标的时间序列导出，具有相同的采样频率（25 Hz）。使用同步事件对两个系统进行时间对齐。同步后，使用共享帧索引逐帧合并配对试验，并仅保留两个系统都存在的重叠帧范围用于后续分析。为了减少试验间初始位置偏移的影响，关节坐标转换为相对于第一个保留帧的相对位移。原始坐标记为X(t), Y(t), Z(t)，相对位移分量计算如下：x(t) = X(t) - X(t0), y(t) = Y(t) - Y(t0), z(t) = Z(t) - Z(t0)。这里t0表示帧级合并后重叠段的第一帧。然后使用4阶低通巴特沃斯滤波器（截止频率6 Hz）对每个分量信号进行滤波，并使用零相位前向-后向滤波实现以避免相位延迟。滤波在Python 3.10中使用scipy.signal.filtfilt实现。鉴于25 Hz的采样率以及衍生信号中高频噪声的放大，选择了保守的6 Hz截止频率来抑制2D/3D重建抖动和速度/加速度估计中的微分噪声，这符合消费级设备在资源有限环境中的预期用途。速度和加速度通过滤波后位移信号的数值微分计算。采样间隔Δt = 1/25 s，一阶导数使用中心差分方案估计。选择中心差分方案是因为它是对称的（时间中心）且二阶精确，在从离散采样的运动学时间序列估计导数时，与单侧差分相比减少了数值偏差。
结果
波形有效性
位移
12个关节（肩、肘、腕、髋、膝、踝）的三维位移幅度在MMC和Vicon之间表现出优秀的一致性。跨所有任务和关节的中位归一化均方根误差在0.54%到1.32%之间。皮尔逊相关系数（r）的范围为0.916到0.994，中位数为0.985。这些结果表明，尽管帧率较低（25 Hz），但MMC系统能够稳健地重建关节的宏观运动轨迹。
速度
与位移相比，速度波形的一致性有所下降。跨关节的相关系数r范围在0.583到0.867之间，中位数为0.783。归一化均方根误差值高于位移。这表明速度估计对低采样率和数值微分过程中引入的噪声更为敏感。
加速度
加速度波形的一致性进一步降低，是所有衍生变量中最低的。相关系数r的范围为0.232到0.677，中位数为0.498。这表明在25 Hz的配置下，从MMC数据中准确获取冲击相关的、高频率的加速度特征具有挑战性。
任务间比较
在测试的七个任务中，MMC与Vicon的一致性模式相似。步行、跑步、冲刺等移动任务，以及模拟篮球技能动作（垫步跳、罚球、上篮、后撤步跳投），在位移上都表现出高一致性。然而，在涉及快速加速/减速或高速肢体运动的动作中（如冲刺、跳跃），速度和加速度的一致性往往更低，突显了低帧率对捕获快速变化运动学特征的限制。
重测信度
评估了MMC系统跨两个测试日的重测信度。对于位移、速度和加速度的多种度量，计算了组内相关系数。结果表明，MMC在测量位移相关指标上具有良好的到优秀的日内和日间信度，这支持了其用于追踪训练负荷中与位移相关的宏观变化（如总移动距离、平均速度）的可靠性。然而，对于速度峰值、加速度峰值等瞬时衍生变量，信度仅为一般到中等，反映了低帧率下这些指标固有的更高变异性。
讨论
本研究的主要发现是，基于消费级相机的25 Hz多相机MMC工作流程，在量化篮球专项运动的关节位移上，与高精度Vicon系统表现出优秀的一致性。位移幅度上观察到的高相关性（r > 0.916）和低误差（中位nRMSE < 1.32%）表明，该系统能够可靠地重建关节的宏观轨迹。这对于训练监控应用至关重要，例如量化外部负荷（总距离、球员负荷）、分析运动模式以及评估技术执行的空间方面。
然而，研究也明确了当前系统的局限性。速度和加速度的一致性显著降低，尤其是加速度，其相关性降至中等水平。这主要归因于25 Hz的低采样率，它限制了可解析的最高频率（根据奈奎斯特定理为12.5 Hz），并且数值微分过程会放大位移信号中任何残留的噪声或误差。因此，该系统不适合需要高精度冲击分析的应用，例如评估落地时的冲击力或检测微妙的神经肌肉控制模式。
尽管如此，在资源受限的训练环境中，例如使用现有广播或监控视频、预算有限或需要快速部署的场景，25 Hz MMC提供了一种可行的折衷方案。它能够实现对宏观运动学和非侵入式外部负荷指标的连续、自动化监控，而无需粘贴标记或设置复杂的基础设施。这对于在大规模运动项目中进行长期监控、负荷管理和技术分析的早期采用具有实际意义。
未来的优化应优先考虑时间同步的改进，因为本研究中观察到的速度和加速度误差部分源于多相机系统和参考系统之间可能存在的微小未对准。提高相机同步精度、探索更先进的滤波和微分技术，以及可能将帧率适度提高至30 Hz（同时保持与常见视频源的兼容性），可能有助于提高衍生变量的可靠性。此外，未来的工作应扩展到包含真实篮球的有球条件，并评估MMC在更广泛的运动项目和不同技术水平运动员中的性能。
结论
这项研究表明，一个配置了六台消费级相机、以25 Hz运行的多相机无标记运动捕捉（MMC）工作流程，能够为篮球专项运动提供可接受的关节位移追踪精度。该系统在跨多种任务和上下肢关节的位移上表现出优秀波形有效性和良好的重测信度。然而，速度和加速度的估计受到低采样率的显著限制，导致一致性降低。因此，25 Hz的MMC配置不足以进行高精度的冲击或微观运动学分析，但为资源受限的训练环境中的宏观位移追踪和外部负荷量化提供了可接受的准确性。这为教练和体育科学家利用现成的低成本视频设备进行运动表现监控开辟了一条实用途径。未来的开发应侧重于改进时间同步和信号处理，以提高衍生运动学变量的可靠性，从而扩大低帧率MMC在体育科学和运动医学中的应用范围。
