Разреженный отбор кадров для оценки техники выполнения становой тяги с помощью графовых моделей

Автоматизированный анализ движений по видео, снятому одной RGB-камерой, может способствовать профилактике травм и оценке результатов силовых тренировок. Однако существующие методы не позволяют достаточно точно оценивать технику выполнения становой тяги — одного из наиболее распространённых упражнений, при неправильном выполнении которого высок риск травмы. Оценивать технику по видео с одной RGB-камеры сложно из-за малозаметных биомеханических ошибок, избыточности кадров и высокой вычислительной сложности видеоанализа. В этом исследовании представлена система анализа в реальном времени, объединяющая модифицированный метод отбора кадров Search-Map-Search с графовыми моделями. Модели обучались на специально созданном наборе данных: технику выполнения становой тяги в видеозаписях размечали как правильную или неправильную, а записи аннотировал сертифицированный эксперт. Отбор шести репрезентативных кадров на повторение сокращает избыточность на 89,8%, сохраняя важную биомеханическую информацию. При тестировании предложенная временная графовая сверточная сеть (T-GCN) достигла общей точности классификации 89,5%; точность положительных прогнозов и полнота также были высокими. Этап классификации графов выполнялся за 0,4 с, а полный цикл обработки видео и вынесения решения — примерно за 0,8 с на настольном компьютере с графическим процессором. Облегчённая пространственно-временная графовая сверточная сеть (ST-GCN), содержащая всего 4514 параметров, показала сопоставимые результаты: точность классификации составила 85,3%. Полученные результаты показывают, что предложенная система обеспечивает конкурентоспособную точность при существенном сокращении числа анализируемых кадров и вычислительных затрат, что позволяет использовать её с обычным RGB-оборудованием.