灯光、摄像机，开始行动——照明和摄像机位置对使用Theia3D无标记运动捕捉技术进行行走和跑步运动学测量的影响

《Journal of Biomechanics》：Lights, Cameras, Action – The influence of lighting and camera position on walking and running kinematic measurements using Theia3D markerless motion capture

　　亚伦·托马斯 | 凯瑟琳·B·塔克 | 大卫·E·伦恩 | 马克·J·库克 | 加雷斯·尼科尔森 | 乔什·沃克
卡内基体育学院，利兹贝克特大学，利兹，英国

**摘要**
研究无标记运动捕捉（MMC）系统在获取关节和部位运动学数据方面的同时效度时，大多未考虑环境光照和摄像机位置的影响，而这些因素都会影响视频质量，从而可能影响标志点追踪的准确性。本研究旨在系统地量化房间光照和摄像机位置对通过MMC获得的三维运动学数据的影响。14名参与者在跑步机上以3公里/小时的速度行走和以12公里/小时的速度跑步，同时14台红外摄像机记录基于标志点的运动学数据，而12台摄像机（使用Theia3D软件处理）记录基于MMC的运动学数据（Theia Inc., 加拿大）。测试了四种光照条件（1069、692、455、289勒克斯），并在数据收集后重新设置了不同的摄像机布局（周围式、走廊式和前倾式）。房间光照影响了通过MMC获得的关节活动范围（p<0.05），尤其是在前后平面上，这可能是由于在较低光照强度下追踪效果较差，而基于标志点的运动学数据在多次试验中保持不变。摄像机位置影响了髋关节、膝关节和踝关节在三个平面上的活动范围（p<0.05），这可能是由于MMC追踪算法使用的标志点可见性降低所致。这些结果表明，在使用MMC时，明确报告摄像机布局和光照条件的重要性，特别是在同时效度或系统比较研究中，系统之间的差异明显受到数据收集设置的影响。因此，基于标志点和MMC的结果一致性可能具有光照或摄像机布置的特异性，所以在未来的研究中应考虑报告光照和摄像机位置。

**1. 引言**
无标记运动捕捉（MMC）作为一种替代基于标记的光电运动捕捉（OMC）的方法正在兴起，应用于临床和体育领域（Colyer等人，2018年；Cronin，2021年）。尽管OMC被认为是运动捕捉的标准方法，能够提供可重复和准确的标志点追踪（Buckley等人，2019年），但在高性能或临床环境中往往难以应用。其原因包括放置解剖标志点所需的时间以及受试者需要穿着紧身服装以将标志点尽可能靠近解剖标志点。这些限制可以通过MMC来解决，尽管我们对所得数据的准确性和可重复性的理解仍在发展中（?abuk等人，2026年；Cerfoglio等人，2025年；Wade等人，2022年）。因此，最近有许多系统比较研究，旨在验证MMC方法，包括开源算法（如OpenCap、OpenPose等）（Cronin等人，2024年；Horsak等人，2023年；Horsak等人，2024年；Uhlrich等人，2023年）和商业系统（如Theia3D）（Kanko等人，2021b年；Walker等人，2025年；Wren等人，2023年）。这些研究关于MMC适用性的结果存在争议。例如，Kanko等人（2021b年）得出结论，OMC和MMC（Theia3D）在估计关节中心位置和下肢部位姿势方面具有可比性，表明MMC可以作为OMC的替代方案。然而，Walker等人（2025年）的最新研究表明，Theia3D在检测步态速度变化（行走和跑步）时对髋关节和膝关节角度波形的捕捉效果与OMC相似，但对踝关节和骨盆倾斜的捕捉效果较差，这表明系统间的一致性可能因关节而异。

尽管研究结果各异，但大多数与OMC进行比较的研究都是在实验室中进行的，在实验室环境中可以控制和优化环境和技术因素（如房间光照、摄像机位置、捕捉范围等），以收集高质量的MMC数据。尽管如此，研究仍常得出结论认为MMC适用于临床（如医院）或体育（如体育场）环境中的运动学分析。然而，这可能会产生误导，因为验证研究可能并未真正反映结果应用的实际数据收集环境。例如，光照条件较差的环境可能会影响视频质量，从而影响MMC算法检测关键特征的能力。为了解决这个问题，研究人员可能会增加摄像机曝光时间以提高图像亮度，但这会对视频质量产生不利影响（即高速运动时图像模糊）。基于实验室的比较研究还可以优化摄像机位置，以适当覆盖感兴趣的捕捉范围，而不受空间限制，能够根据制造商的建议进行设置（如Theia Inc., 2025年）。因此，实验室系统比较研究的结果可能不适用于其他环境，因为像体育训练设施这样的实际环境可能无法优化这些环境因素。一些初步研究比较了不同高度的MMC摄像机位置（约3米高 vs 约1.4米高），发现在与OMC进行一系列跳跃和切割任务时，两种设置之间的均方根误差（RMSE；未调整偏差前）存在显著差异（Kwak等人，2025年）。此外，尽管一些最新研究表明MMC在空间受限的运动捕捉范围内具有较高的重复性（Civiero等人，2025年），但仍需要更多研究来探讨使用OMC作为标准方法时其他环境限制（如光照、摄像机位置）的影响。在得出关于OMC和MMC之间外部效度的结论和建议之前，必须更好地理解这些问题。

本研究的目的是量化房间光照和摄像机位置对基于跑步机行走和跑步的MMC数据的影响，结果指标包括三维关节活动范围（ROM）。通过系统地调整连续运动试验中的房间光照强度来研究光照的影响。通过数据收集后从3D计算中移除某些摄像机来研究摄像机位置的影响，这意味着每种设置下的“真实值”（即实际运动学数据）是相同的。所有MMC数据都与配对的OMC数据进行了比较，后者作为参考标准。

**2. 方法**
2.1. 参与者
14名休闲活动者（4名女性；年龄：[平均值±标准差] 35±7岁；身高：1.77±0.09米；体重：77.8±11.6公斤）自愿参与了本研究。所有参与者在参与前都接受了医学筛查，确认他们没有可能影响步态的肌肉骨骼或神经系统损伤或疾病。该研究获得了大学地方研究伦理委员会的批准（批准编号：116353）。参与者在数据收集前提供了书面知情同意书，所有程序均符合《赫尔辛基宣言》（世界医学协会，2013年）的要求。
2.2. 数据收集
参与者需要在电动跑步机（Gaitway3D 170/65 Stellar，h/p/cosmos，德国）上以3公里/小时的速度行走和以12公里/小时的速度跑步，每次持续3分钟，期间允许1分钟的适应时间。选择这些速度是为了模拟步态受损者（例如老年人）可能采用的典型速度以及休闲活动者的典型跑步速度。适应后，房间光照被调整到四种预定强度：1069、692、455和289勒克斯（使用照度计测量）。这些强度代表了可能的MMC环境中常见的光照范围（例如，NHS England，2013年）。光照强度和速度的顺序都是随机调整的。每种光照强度下保持30秒，期间收集10秒的数据（行走和跑步分别收集4-7个和12-17个步态周期）。数据收集后进行了摄像机位置的影响分析（见2.3节数据加工）。在每种条件下，使用14台红外摄像机（Oqus 7+，Qualisys AB，瑞典）以100赫兹的频率获取基于标志点的运动学数据。根据“校准解剖系统技术”（CAST）指南（Cappozzo等人，1995年）在解剖位置放置反光标志点（见Walker等人（2025年）的方法和补充材料）。参与者在所有试验中穿着非反光的紧身服装和自己的运动鞋。MMC数据使用12台摄像机（Miqus video，Qualisys AB，瑞典）以100赫兹的频率同步获取，与基于标志点的数据同时记录。所有数据收集条件的曝光时间和增益分别设置为1250微秒和2（该值是数据采集软件中的预设值）。摄像机位置均匀分布在捕捉范围内，大约与参与者肩部高度相同。每位参与者的最小高度始终至少为视野高度的一半。两种运动捕捉系统都集成到相同的数据采集软件（Qualisys Track Manager，版本2022.1，Qualisys AB，瑞典）中，并使用相同程序进行校准。如果校准棒长度（601.7毫米）的标准偏差低于0.5毫米，且每台摄像机的残差低于1.5毫米，则认为校准合格。在收集步态数据之前，为每位参与者收集了一个静态姿势以确定局部坐标系。
2.3. 数据加工
标记轨迹被导出到Visual3D（版本6.01.36，HAS-Motion Inc., 加拿大）进行运动学分析。轨迹使用二阶递归低通巴特沃斯滤波器进行过滤，行走和跑步条件的截止频率分别为6.0赫兹和10.0赫兹。使用六自由度（6DoF）建模定义了部位和关节角度数据。每种光照条件下的MMC视频使用Theia3D（版本2023.1.0.3161 [补丁：4]，Theia Inc., 加拿大）进行处理。然后进一步处理了一种光照条件（1069勒克斯）下的数据，以量化摄像机位置对MMC获得的关节运动学数据的影响。首先，上述12台摄像机的设置作为包围捕捉范围的设置（SURROUND）；这种设置代表了理想的MMC设置，其中捕捉范围可以被摄像机均匀包围，提供多平面且无障碍的参与者视图。同样的试验（针对每种速度）也使用移除特定摄像机的设置进行了重新处理，以模拟“走廊”设置（CORRIDOR），即主要移除了前后位置的摄像机；以及“前倾”设置（FRONTAL），即主要移除了后部位置的摄像机。CORRIDOR配置（使用8台摄像机）表示空间受限但仍需要步态分析的情况（例如在医院），而FRONTAL配置（使用8台摄像机）表示摄像机数量有限但空间不受限制的情况，假设Theia3D主要追踪人体前侧的特征（例如面部特征、髌骨等），因此移除4台后部位置的摄像机对结果影响较小。图1展示了各种摄像机设置的视觉示意图。在所有情况下，姿势估计设置为追踪旋转的身体，并将骨盆、髋关节和踝关节（“自由脚”）定义为6DoF关节。由于软件（使用版本2023.1.0.3161 [补丁：4]）不允许对膝关节进行6DoF建模，因此膝关节采用三自由度建模。4×4的姿势矩阵在导出到Visual3D之前使用GVCSPL滤波器进行了过滤，设置截止频率为10.0赫兹。

**下载：**下载高分辨率图像（329KB）
**下载：**下载全尺寸图像
**图1. 数据收集期间相对于捕捉范围（跑步机）的摄像机位置（SURROUND（A）、CORRIDOR（B）和FRONTAL（C）设置）。灰色箭头表示参与者的朝向。**
所有运动学模型都被集成到同一个Visual3D工作空间中进行比较。所有左侧运动学数据（矢状面、正面和横向平面的髋关节、膝关节和踝关节角度）被分为单独的步态周期（从左初次接触至左初次接触），使用三次样条插值时间标准化为步态周期的百分比，然后对步态周期进行平均。关节活动范围定义为步态周期内的最小和最大角度之间的差异。每种条件下的关节角度波形可以在补充材料（补充数据）中找到。初次接触是通过在每个角落安装了四个负载传感器（Arsalis，比利时）的电动跑步机确定的，这些传感器的采样频率为2000赫兹。从装有传感器的跑步机获得的运动学数据按照之前描述的方法（Walker等人，2025年）使用已建立的信号分解算法（Bastien等人，2019年；Meurisse等人，2016年）进行了处理。使用运动学数据来确定步态事件的一个好处是，这些事件在基于标记的系统和MMC系统之间（以及在不同的MMC相机设置之间）是相同的，因此不需要考虑与步态事件的运动学确定相关的任何偏差。2.4 统计分析 数据以均值±标准差的形式呈现，统计分析使用的是社会科学统计软件包（版本29，IBM SPSS Statistics，美国）。所有数据都经过了球形性检验，当Mauchly的球形性检验p<0.05时，应用了Greenhouse-Geisser校正。所有关于光照条件和相机位置的分析都与同一试验中的基于标记的数据进行了比较，后者作为标准测量。为了量化光照的影响，进行了双向重复测量方差分析（ANOVA），观察了光照和运动捕捉系统的主要效应以及光照×系统的交互作用。为了清晰起见，结果中仅展示了光照×系统的交互作用，尽管光照和运动捕捉系统的个别主要效应可以在补充材料（表S1）中找到。为了量化相机位置的影响，进行了一次单向重复测量ANOVA，以比较基于标记的运动捕捉和三种MMC相机设置之间的运动学数据。所有测试的α=0.05。此外，还计算并解释了Cohen的d效应大小（Cohen, 1988），使用以下标准：< 0.2 = ‘可忽略’，0.2 = ‘小’，0.5 = ‘中等’，0.8 = ‘大’，0.7 = ‘非常大’，0.9 = ‘极其大’（Hopkins等人，2009）。3. 结果 3.1 光照的影响 在行走过程中，矢状面髋关节（F=2.99，p=0.043）和膝关节（F=5.38，p=0.003）的活动范围、冠状面髋关节（F=32.38，p<0.001）和膝关节（F=3.84，p=0.017）的活动范围，以及横向面膝关节（F=11.04，p<0.001）和踝关节（F=6.75，p<0.001）的活动范围存在显著的交互效应（见图2；另见补充材料（表S1））。仅对于基于标记的数据，事后检验显示四种光照条件之间没有显著差异（p≥0.05；见图2；另见补充材料（表S1））。对于MMC数据，显著的事后比较在图2中标出（另见补充材料（表S1）以获取事后比较和效应大小）。下载：下载高分辨率图像（687KB）下载：下载全尺寸图像 图2. 在四种光照条件下行走时下肢关节的活动范围数据。髋关节（A-C）、膝关节（D-F）和踝关节（G-I）在四种光照条件（1069、692、455和289 lx）下的活动范围（3 km/h试验）。矢状面、冠状面和横向面的数据分别位于左侧、中间和右侧列。彩色水平条（OMC=蓝色；MMC=红色）和误差条分别表示组均值和标准差，而标记（×）表示个别参与者。水平黑线表示光照×系统交互效应在事后比较中的显著差异。每个水平条上方，*表示p<0.05；**表示p<0.01；***表示p<0.001。OMC=光电运动捕捉；MMC=无标记运动捕捉；ROM=活动范围。 在跑步过程中，矢状面髋关节（F=5.76，p<0.001）、冠状面髋关节（F=13.71，p<0.001）、膝关节（F=5.76，p=0.002）和踝关节（F=15.50，p<0.001）的活动范围，以及横向面髋关节（F=5.33，p=0.011）、膝关节（F=5.10，p=0.005）和踝关节（F=6.47，p=0.001）的活动范围也存在显著的交互效应（见图3；另见补充材料（表S1））。对于基于标记的数据，事后检验显示四种光照条件之间没有显著差异（p≥0.05；见图3；另见补充材料（表S1））。对于MMC数据，显著的事后比较在图3中标出（另见补充材料（表S1）以获取事后比较和效应大小）。下载：下载高分辨率图像（815KB）下载：下载全尺寸图像 图3. 在四种光照条件下跑步时下肢关节的活动范围数据。髋关节（A-C）、膝关节（D-F）和踝关节（G-I）在四种光照条件（1069、692、455和289 lx）下的活动范围（12 km/h试验）。矢状面、冠状面和横向面的数据分别位于左侧、中间和右侧列。彩色水平条（OMC=蓝色；MMC=红色）和误差条分别表示组均值和标准差，而标记（×）表示个别参与者。水平黑线表示光照×系统交互效应在事后比较中的显著差异。每个水平条上方，*表示p<0.05；**表示p<0.01；***表示p<0.001。OMC=光电运动捕捉；MMC=无标记运动捕捉；ROM=活动范围。3.2 相机位置的影响 在行走过程中，相机位置对矢状面髋关节（F=32.57，p<0.001）和膝关节（F=26.98，p<0.001）的活动范围、冠状面髋关节（F=32.43，p<0.001）、膝关节（F=3.84，p=0.017）和踝关节（F=51.67，p<0.001）的活动范围，以及横向面髋关节（F=24.57，p<0.001）、膝关节（F=5.02，p=0.028）和踝关节（F=31.73，p<0.001）的活动范围有显著的主效应（见图4）。显著的事后比较在图4中标出（另见补充材料（表S2）以获取事后比较和效应大小）。下载：下载高分辨率图像（492KB）下载：下载全尺寸图像 图4. 在不同相机设置下行走时下肢关节的活动范围数据。从不同的无标记运动捕捉相机设置（红色）和基于标记的数据（蓝色）获得的髋关节（A-C）、膝关节（D-F）和踝关节（G-I）在行走（3 km/h）试验中的活动范围。矢状面、冠状面和横向面的数据分别位于左侧、中间和右侧列。彩色水平条和误差条分别表示组均值和标准差，而标记（×）表示个别参与者。水平黑线表示当发现相机位置的主效应时，在事后比较中的显著差异。每个水平条上方，*表示p<0.05；**表示p<0.01；***表示p<0.001。ROM=活动范围。 在跑步过程中，相机位置对矢状面膝关节（F=10.78，p=0.002）和踝关节（F=12.68，p<0.001）的活动范围、冠状面髋关节（F=89.26，p<0.001）、膝关节（F=37.42，p<0.001）和踝关节（F=109.90，p<0.001）的活动范围也有显著的主效应，以及横向面髋关节（F=48.48，p<0.001）、膝关节（F=48.82，p<0.001）和踝关节（F=22.41，p<0.001）的活动范围也有显著的主效应（见图5）。显著的事后比较在图5中标出（另见补充材料（表S2）以获取事后比较和效应大小）。下载：下载高分辨率图像（397KB）下载：下载全尺寸图像 图5. 在不同相机设置下跑步时下肢关节的活动范围数据。从不同的无标记运动捕捉相机设置（红色）和基于标记的数据（蓝色）获得的髋关节（A-C）、膝关节（D-F）和踝关节（G-I）在跑步（12 km/h）试验中的活动范围。矢状面、冠状面和横向面的数据分别位于左侧、中间和右侧列。彩色水平条和误差条分别表示组均值和标准差，而标记（×）表示个别参与者。水平黑线表示当发现相机位置的主效应时，在事后比较中的显著差异。每个水平条上方，*表示p<0.05；**表示p<0.01；***表示p<0.001。ROM=活动范围。4. 讨论 本研究量化了房间照明和相机位置对在跑步机上进行行走（3 km/h）和跑步（12 km/h）时通过MMC获得的关节运动学的影响。照明和相机位置都显著影响了ROM数据，特别是在冠状面和横向面。较低的光照在某些情况下减少了MMC获得的关节ROM（例如，行走时的髋关节外展/内收），但在其他情况下增加了ROM（例如，跑步时的踝关节旋前/旋后）。相机位置的影响也不一致，三种MMC设置（SURROUND、CORRIDOR和FRONTAL）与OMC相比，在不同的运动学结果上显示出差异。因此，OMC和MMC之间的一致性水平取决于系统比较研究进行的数据收集环境。 在行走过程中，系统的光照减少主要减少了冠状面髋关节的ROM，但增加了横向面膝关节和踝关节的ROM，这意味着这种变化背后的机制在不同关节和/或运动平面之间是不同的。在跑步过程中也观察到了类似的结果，尽管这里观察到的冠状面膝关节和踝关节的ROM增加更为显著。因此，房间照明的减少更有可能减少测量的髋关节ROM，但会增加测量的膝关节和踝关节ROM，无论运动平面如何。尽管对于某些关节ROM减少和另一些关节ROM增加的解释尚不清楚，但这些发现表明，随着房间照明的减少，MMC准确跟踪关键特征以建模段落和关节的能力会发生变化。这对于在照明较低的环境中使用MMC的用户来说很重要，因为如果没有关于现有系统比较研究中使用的房间照明的信息，这些发现就不能转移到其他照明可能不同的环境中。据作者所知，这是第一项直接量化房间照明对MMC获得的关节运动学影响的研究，但它支持了之前的叙述性工作，强调了需要在MMC跟踪算法训练数据集中包含各种照明水平（Wade等人，2022）。还应该注意的是，在行走和跑步过程中，显著的交互效应表明变化仅发生在MMC数据中，而不在OMC数据中，在某些情况下，这些变化超过了Theia3D之前报告的会内和会间重复性值（例如，Kanko等人，2021a）。鉴于四种照明条件是按随机顺序收集的，因此有一个标准测量来确认试验之间的一致性是很重要的，这个结果显示了这一点。运动捕捉系统的主要效应（补充材料（表S1）与一些先前的研究一致，这些研究报告了Theia3D和OMC之间的系统差异（Walker等人，2025），但这些差异的解释超出了本研究的范围。 最近的研究比较了不同的MMC相机设置，例如低相机位置与高相机位置（Kwak等人，2025）。然而，据作者所知，这是第一项比较同一运动试验中不同相机分布的研究。相机位置影响了行走和跑步时所有关节检测到的ROM。唯一没有因位置而显著改变的ROM值是跑步时的横向面踝关节ROM（尽管所有MMC设置与OMC都有显著差异）、跑步时的矢状面髋关节ROM以及行走时的矢状面踝关节ROM。三种MMC设置之间不同的运动学数据的一个可能解释是关节/段落遮挡的影响。例如，CORRIDOR设置中的相机主要位于矢状面（图1B），在那里关节经常被其他身体部分遮挡（例如，手臂被胸部遮挡，或者腿相互遮挡）。这最终会损害MMC算法准确跟踪关节的能力，这就是为什么制造商通常不推荐这种设置（Theia Inc.，2025），当前研究的结果可能支持这一点。尽管如此，许多可能从MMC中受益的应用设置可能会受到数据收集空间的限制，可能需要采用像CORRIDOR这样的设置（例如，在医院走廊中的步态分析，Civiero等人（2025））。在这些情况下，MMC用户可能需要考虑他们在开发或证明其相机设置时使用的验证或系统比较研究，因为发现可能无法直接转移。同样，FRONTAL设置偏置了受试者身体的前部（图1C），可能会有一些相机视图被当前研究中使用的跑步机遮挡，特别是踝关节，在FRONTAL设置中表现得“最差”（效应大小从大到非常大）。尽管这可能被视为一个限制，但这可能是任何使用MMC的基于跑步机的步态分析需要考虑的因素。然而，为了减少这种影响，移除了非必要的结构（例如，安全带导轨）。尽管我们系统地研究了房间照明对关节运动学的影响，但我们没有调整相机设置以考虑环境光的变化。较少的房间照明通常意味着需要增加曝光时间和增益来创建更亮的图像，尽管这些改变可能会对高速运动中的图像质量产生不利影响（例如，图像模糊）。此外，如果在本研究中调整了相机设置，那么对条件之间运动学变化的解释就会变得复杂（即，不清楚变化是由于照明还是由于相机设置）。未来的研究可能希望在不同环境中探索各种设置。这在户外数据收集环境中尤为重要，因为在同一会话中环境光可能会发生变化。尽管我们的研究在试验之间系统地改变了照明，但应该注意的是，在同一试验中照明是一致的。每个相机的焦距和光圈都是根据其视野范围以及与采集区域的距离来单独调整的。这是一种适用于基于跑步机的步态分析的简单方法，因为在这种分析中，受试者相对于相机的位置几乎是静止的。这种方法不适用于地面步态分析，因为在地面步态分析中，受试者会在采集区域内移动，从而在整个实验过程中不断改变与每个相机的距离。这可能导致他们时而处于清晰视野中，时而处于模糊视野中，进而影响MMC（运动捕捉系统）的跟踪能力。为了解决这个问题，研究人员应该调整光圈以获得更大的景深，尽管这会减少进入镜头的光线量。还需要注意的是，不同实验条件下使用的相机数量也有所不同。这意味着差异可能是由于相机数量的不同造成的，而不是它们的位置，尽管这一点仍然只是推测。最后，在数据收集之前的适应时间较短，可能不足以确保受试者的步态模式稳定，这意味着绝对的步态运动学数据可能无法直接应用于其他研究，尽管当前研究中不同相机设置之间的比较仍然是有效的。尽管如此，在经过更长时间的适应后收集数据，或者在更大、更多样化的参与者样本中进行数据收集，可能会提高MMC在不同环境条件下报告的绝对数值的外部有效性，进而扩展到包括步态不对称性或周期间变异性的研究。

5. 结论
房间照明和相机位置都会显著影响通过MMC获得的关节运动学数据。因此，MMC用户应该考虑他们可用于数据收集的照明条件、空间以及相机数量，并判断这些限制是否可能影响数据的准确性和可靠性。本研究的发现强调了在报告MMC数据时描述相机设置和房间照明情况的重要性，特别是当研究涉及与OMC（光学运动捕捉）的比较时（例如，MMC的并发效度研究）。未来研究应探讨不同数据收集设置对地面步态分析这一更具挑战性环境的影响，同时研究房间照明和相机设置之间的相互作用，以优化特定环境下的MMC性能。这一点在户外数据收集环境中尤为重要，因为环境照明在整个数据收集过程中可能会发生变化。

未引用的参考文献：
England (2013).

CRediT作者贡献声明：
Aaron Thomas：撰写——审阅与编辑、撰写——初稿、验证、资源准备、方法论、调查、数据分析、数据整理、概念化。
Catherine B. Tucker：撰写——审阅与编辑、监督、项目管理、方法论、调查、概念化。
David E. Lunn：撰写——审阅与编辑、验证、资源准备、方法论、调查、数据分析、数据整理、概念化。
Mark J. Cooke：撰写——审阅与编辑、软件开发、方法论、调查、数据分析、概念化。
Gareth Nicholson：撰写——审阅与编辑、监督、项目管理、方法论、调查、概念化。
Josh Walker：撰写——审阅与编辑、撰写——初稿、可视化、验证、软件开发、资源准备、项目管理、方法论、调查、数据分析、数据整理、概念化。