Métodos de Estimación de postura en 3D con cámara monocular: aplicación clínica en evaluación física

Abstract

Existen varios métodos para evaluar el movimiento articular. Uno de los más usados a nivel clínico es la goniometría, la cual permite medir la amplitud de movimiento en grados y por plano de movimiento. Existen otras alternativas para medir el movimiento por plano y por plano combinado, como el uso de sistemas ópticos tales como el de un laboratorio de marcha o sensores inerciales.

Actualmente se logra estimar la postura humana con una cámara monocular, la cual no requiere posicionar marcadores como los sistemas ópticos, ni de utilizar un sensor inercial sobre el segmento corporal. El estado del arte en el área de procesamiento de imágenes y aprendizaje de máquinas muestra avances significativos con respecto a la estimación de la postura humana en 2D y 3D utilizando diferentes metodologías de aprendizaje estadístico, como la aplicación de redes neuronales convolucionales con grandes bases de datos de imágenes de movimientos humanos en 2D y 3D.

Sin embargo, no se ha reportado de manera precisa si el uso de estas metodologías entrega información por plano de movimiento de la evaluación física de la posición articular dentro del rango de error de mediciones clínicas.

La hipótesis de esta tesis es seleccionar del estado del arte un método de estimación de postura humana en 3D con cámara monocular y comparar estadísticamente con mediciones clínicas en las variables angulares.

El objetivo es evaluar un método del estado del arte de estimación de postura en 3D con cámara monocular en base a variables del movimiento articular en grados por plano de movimiento.

Se entrenó un método discriminativo basado en aprendizaje de estimación de postura humana con la base de datos Human 3.6M y se obtuvieron resultados del desempeño del modelo de estimación de postura en 3D con cámara monocular con variables aplicadas en visión de computadora y su desempeño en variables angulares por plano de movimiento por articulación predicha. Las articulaciones involucran el tobillo, la rodilla, la cadera, el hombro, el codo, la muñeca, la columna lumbar y la zona craneo cervical.

Los resultados obtenidos permiten aceptar parcialmente la hipótesis ya que existen articulaciones con menos de 5 grados de error en un plano de movimiento como la rodilla y el codo en el plano sagital y la muñeca en el plano frontal. En cambio, en otras articulaciones como la cadera y el tobillo sus resultados son dependientes de la acción, los períodos de tiempos de las acciones evaluadas y de la vista de la cámara, lo que varía el resultado del ángulo predicho en un plano de movimiento. Este método de evaluación de la postura y el movimiento humano podría utilizarse en un contexto clínico estandarizado como en un entorno cerrado y para evaluar movimientos que no requieran desplazamiento con rotaciones en una sala. Además, este trabajo propone el uso de una métrica de medición por plano de movimiento para evaluar el desempeño de los estimadores de postura en 3D con cámara monocular.

There are several methods to assess joint movement. One of the most used clinically is goniometry, which allows the range of motion to be measured in degrees and by plane of motion. There are other alternatives to measure movement by plane and by combined plane, such as optical systems such as that of a gait laboratory or inertial sensors. At the moment, it is possible to estimate human posture with a monocular camera, which does not require positioning markers like optical systems or using an inertial sensor on the body segment. State of the art in image processing and machine learning shows significant advances concerning the estimation of human posture in 2D and 3D using different statistical learning methodologies, such applying convolutional neural networks with large databases of images of people in 2D and 3D. At the moment, it has not been precisely reported whether the use of these methodologies provides information by plane of motion of the physical evaluation of the angular joint position within the error range of clinical measurements. This research hypothesis is to select from state-of-the-art a method to estimate human posture in 3D with a monocular camera and to identify statistically comparable measurements with clinical measurements in the angular variables. The aim is to evaluate a state-of-the-art method for estimating posture in 3D with a monocular camera based on variables of joint movement in degrees per plane of movement. A discriminative method based on human posture estimation learning was trained with the Human3.6M database. Results were obtained from the performance of the 3D posture estimation model with a monocular camera with variables applied in computer vision and its performance in variables angular per plane of motion per predicted joint. Joints involve the ankle, knee, hip, shoulder, elbow, wrist, lumbar spine, and the cranial-cervical area. The results obtained allow us to partially accept the hypothesis since joints with less than 5 degrees of error in a plane of movements such as the knee and elbow in the sagittal plane and the wrist in the frontal plane. On the other hand, hip and ankle results depend on the action and periods of the actions evaluated and the camera view, which varies the outcomes of the predicted angle in a plane of motion. This method of assessing human posture and movement could be used in a standardized clinical setting, such as in a closed environment, and to assess movements that do not require displacement with rotations in a room. Furthermore, this work proposes the use of a metric by plane of motion to evaluate the performance of 3D posture estimators with a monocular camera.