基于单目姿态估计的相位感知立定跳远运动学测量方法

《Scientific Reports》：Phase-aware kinematic measurement of standing long jump based on human posture vision

　　## 摘要立定跳远（SLJ）被广泛应用于大规模体质健康评估中。然而，常规立定跳远测试主要关注跳跃距离，而非提供以技术为导向的反馈以促进技能提升。本文提出了一种基于人体姿态视觉的相位感知运动学立定跳远测量方法（KSHPV）。通过利用单目侧视视频构建立定跳远数据集，KSHPV构建了一个轻量级的检测与姿态框架来提取二维骨骼轨迹。设计了一种时间关键事件定位算法，用于识别起跳、飞行峰值和落地，以实现跨次试验的相位对齐。基于对齐后的相位，KSHPV进一步构建了一组可解释的运动学指标，用于描述下蹲准备、推进力、上下肢协调、飞行时机以及落地时的躯干控制。KSHPV引入了一种置信度感知质量控制策略，以提高特征稳定性并减少常规现场录制中不可靠的测量结果。标准化相位感知描述符的提取为下游性能建模和假设驱动分析提供了支持。在按参与者分组交叉验证条件下（204名参与者；219次分析试验），KSHPV使用随机森林回归器实现了17.25 ± 2.67厘米的平均绝对误差（MAE）和0.665 ± 0.068的R2值，显著优于仅有人体测量学基线模型（MAE 28.92 ± 2.43厘米；R2 0.160 ± 0.091）。假设驱动分析确认，相位对齐显著提高了模型的解释能力（ΔR2 = 0.289），而协调特征则提供了适度但稳定的额外增益（ΔR2 = 0.012）。跨性别/BMI分层以及模拟噪声和缺失数据的鲁棒性分析，量化了单目姿态评估方法的运行边界。KSHPV及其指标集能够在真实世界的测试和教学环境中，实现可扩展、可解释的立定跳远技术分析。