基于视觉的3D姿态估计技术对轮椅用户在操作橱柜过程中的自动化人体工程学风险进行分析 徐一琳、 杨子谦、 孙涛、 宁家川

《Sensors》：Automated Ergonomic Risk Assessment of Wheelchair Users During Cabinet Interaction Using Vision-Based 3D Pose Estimation Yilin Xu, Ziqian Yang, Tao Sun and Jiachuan Ning

　　摘要 高级传感器信号分析在以人类为中心的环境中对于智能健康管理变得越来越重要，其中对与运动相关的信号进行持续感知和实时解读对于提供安全和适应性辅助至关重要。在这项研究中，我们提出了一个基于视觉的传感器信号分析框架，用于在轮椅使用者与橱柜交互过程中进行自动化的人体工程学风险评估。该框架整合了YOLOv11进行人体检测、MHFormer进行单目3D姿态重建，以及一个增强模糊逻辑的RULA模型，以从视频中提取的运动信号进行连续的人体工程学风险量化。为了支持模型的开发和评估，我们构建了一个专门针对轮椅与橱柜交互的数据集，包括30名参与者，其中14名是有经验的轮椅使用者，16名是受过训练的模拟参与者，涵盖了五种代表性的橱柜操作场景。原始数据集包含了大约5小时的RGB视频和约150,000帧原始图像。为了减少由于高度相似的连续帧而产生的冗余，并降低过拟合的风险，我们从连续的视频序列中抽取了具有代表性的帧，最终得到了10,000张用于注释和模型开发的图像。基于所提出的框架，原始的视觉传感器信号被转换为时间连续的运动学表示和人体工程学风险评分，使得在辅助生活环境中能够实现非接触式的实时健康状态解读。所提出的方法平均关节角度估计的均方根误差（RMSE）为7.5°，与广泛用于低成本人体工程学评估的Kinect v2基础运动捕捉方法（18.6°）相比，减少了大约60%。在基准测试中，该方法达到了84%的风险分类准确率，Cohen’s kappa值为0.66，优于其他代表性的基线方法。研究结果进一步表明，低旋转门和低抽屉的操作比滑动门交互与更高且更持久的人体工程学风险相关。这些发现表明，基于视觉的传感器信号分析可以为智能健康管理、人体工程学监控以及在无障碍和辅助自主生活系统中的感知驱动评估提供有效的解决方案。

1. 引言
全球轮椅使用者的数量持续显著增加，包括下肢残疾人、行动受限的老年人以及正在康复的患者。根据中国残疾人联合会的官方统计数据，截至2020年，中国约有8500万残疾人，这凸显了可能受到无障碍相关挑战影响的人口规模[1]。这一人口结构的变化，加上全球人口的迅速老龄化，加剧了对能够有效满足轮椅使用者特定功能需求的无障碍家庭环境的迫切需求。
轮椅使用者在与标准家庭家具互动时面临独特的挑战，尤其是为站立使用者设计的橱柜系统。与能够行走的人相比，轮椅使用者必须从坐姿进行橱柜操作，他们的活动能力 inherently 有限，经常需要通过过度肩部外展、手腕过度屈曲和躯干旋转等补偿性动作来克服空间和机械限制。这种长期的重复性动作和身体的重负荷容易导致与工作相关的肌肉骨骼损伤。其中，对肩部结构的影响尤为明显，因为肩部不仅要承担推动轮椅的任务，还要完成日常生活中的各种动作。先前的研究报告称，手动使用轮椅的用户的肩痛患病率在36%到71%之间[2]。这些发现表明，减轻肩部负荷是长期使用轮椅的关键问题。
当前家具设计标准采用的是站立人群的身体测量数据，包括工作台和橱柜的高度。然而，这些标准在很大程度上忽略了坐着使用者的具体可及范围[3]。当轮椅使用者与这种不兼容的家具互动时，他们的下肢缺乏足够的支撑，迫使他们采用补偿性的身体姿势来完成任务。研究表明，轮椅使用者必须伸到高处或深处取物，这通常会导致他们将手臂大幅度向外侧伸展，手腕也向后过度伸展，有时还需要大幅度扭转或弯曲上身[4]。这些姿势并不自然，降低了任务效率，同时也给肩部和手腕关节带来了更大的生物力学压力。这种压力可能导致肩胛骨下方的空间变窄，从而显著增加旋转袖肌腱受伤的风险[5]。
轮椅使用者在日常生活中严重依赖他们的上肢，用它们来推进和操作物体。这种重复性的使用对身体提出了很高的要求，因此与工作相关的肌肉骨骼疾病（WMSDs）的发病率非常高。多项流行病学研究报告称，手动使用轮椅的用户的肩痛患病率极高[6,7]。对于长期使用轮椅的人来说，肩痛的发病率将进一步增加[6,7]。肩痛不仅会造成身体上的不适，还会严重影响轮椅使用者的独立生活能力，严重影响他们的生活质量[7]。所谓的不合理环境，例如厨房或储物空间的设计不符合人体工程学原则，增加了上肢的负担[5,8]。最常见的肩部损伤类型是旋转袖撞击综合征和旋转袖撕裂，这直接与他们在不合理环境中的高频高强度上肢活动有关。这类环境包括设计不良的厨房或储物空间。
快速上肢评估（RULA）和快速全身评估（REBA）是最广泛使用的工具，被认为是评估与工作相关的肌肉骨骼疾病（WMSDs）风险的金标准。其局限性在于它严重依赖人工观察，这限制了其在大规模或动态场景中的应用。在评估过程中，专家需要手动或视觉测量关节角度。这种方法不仅耗时且劳动强度大，而且评估者之间的结果也存在显著差异[9]。研究表明，不同的评估者很难对同一姿势给出一致的评价[10]，评分很容易受到观察者的视野和经验水平等主观因素的影响[10]。传统方法通常采用快照评估，只选择任务过程中最极端的单一时刻进行评分。这种不连续的采样方法无法捕捉整个操作周期中生物力学负荷的动态变化，从而低估了累积的受伤风险[11]。然而，这些局限性使得在动态现实世界任务中进行连续和客观的人体工程学评估变得困难。
除了上述局限性之外，传统的RULA方法还存在与其离散评分机制相关的问题。传统RULA方法使用离散的评分系统，虽然简化了计算过程，但会丢失许多具有临床意义的连续信息。实际上，轻微的姿势调整可能会导致风险评分的突然跳跃，这种突变无法准确反映肌肉骨骼压力的平稳累积过程[12]。多项比较研究表明，离散评分系统难以量化细微的姿势改进效果，也无法提供高分辨率的风险反馈，在需要精细设计干预的场景中不够准确[13]。为了克服这些局限性，最近的研究越来越多地倾向于引入模糊逻辑或连续算法进行风险评估。这种转变旨在从定性分类转向定量评估，并实现连续测量[14]。
为了解决传统人体工程学评估方法的局限性，近年来基于视觉的方法受到了越来越多的探索。传统单目视觉系统在复杂环境中的应用存在局限性。为了解决这个问题，当前的人体工程学评估系统越来越多地采用先检测后重建的组合技术路径。研究表明，像YOLO这样的单阶段对象检测算法已成为最主流的前端处理工具，因为它具有出色的实时处理能力和识别稳定性。新一代YOLO模型（如YOLOv8或v11）的识别精度极高，即使在背景混乱或人体被动态遮挡的情况下也能准确锁定目标，从而为后续的姿态分析提供稳定的图像输入区域[15]。然而，仅通过二维图像的检测无法提供生物力学分析所需的深度信息。因此，研究人员引入了视觉转换技术来解决从二维图像到三维空间的映射问题。特别是多假设转换器（MHFormer）的有效引入，有效解决了单目3D姿态估计的核心瓶颈，即深度模糊性和自我遮挡问题。该方法不直接输出唯一的姿态判断，而是通过学习多种可能的时空姿态表示来生成多个合理的姿态假设，然后通过加权融合这些假设，从而获得更可靠的估计结果。在处理由设备结构引起的轮椅使用者肢体遮挡问题时，这种方法比传统的图卷积网络（GCNs）表现出更强的鲁棒性[16]。
尽管基于视觉的姿态估计提高了运动捕捉的准确性，但它并不直接提供人体工程学风险评估。传统的快速上肢评估（RULA）使用分层离散评分标准，这容易导致评分结果在临界点附近突然跳跃。为了解决这个问题，引入模糊逻辑已成为提高评估准确性的关键策略。传统的RULA使用明确的“二进制”边界标准，这常常掩盖了临界阈值附近的真实风险。为了解决这个问题，提出了具有平滑过渡特性的梯形隶属函数来替代传统的刚性二分法。该方法将关节角度映射到连续的隶属度值[14]。这种模糊化过程使评估系统能够捕捉从“轻微不适”到“严重风险”的平滑过渡。例如，当关节角度处于临界范围内时，系统不再输出单一的风险评分，而是通过模糊推理引擎计算一个加权风险指数。研究表明，使用质心方法进行去模糊化可以输出连续的风险评分，这种评分比传统的RULA评分更敏感，因此能更准确地反映随着姿势恶化而线性累积的生物力学压力[17]。因此，基于模糊逻辑的连续风险建模为动态交互场景中的人体工程学评估提供了更合适的框架。
在所提出的模糊RULA框架中，首先使用梯形隶属函数将关节运动学变量（包括肩部外展、肘部屈曲和躯干倾斜）映射到语言变量（例如，低、中、高和非常高风险）。基于这些模糊表示，构建了一个基于规则的推理机制来评估不同姿势组合下的人体工程学风险。模糊规则源自标准的RULA评分原则，并扩展以支持连续的风险评估。例如，当肩部外展角度超出中性范围而肘关节处于非中性配置时，相应的人体工程学风险被分类为高风险。相反，当所有关节角度都保持在各自的中性范围内时，风险水平被认为是低的。涉及多个关节的适度偏差的中间条件被映射为中等风险水平。通过整合多关节姿态信息，模糊推理系统相比传统的离散RULA评分提供了更灵活和连续的人体工程学风险表示。本研究中使用的代表性模糊推理规则总结在表1中。表1. 用于人体工程学风险评估的代表性模糊RULA推理规则。
微软开发的Kinect V2传感器已被广泛用作标准低成本的人体工程学评估和运动捕捉设备。然而，先前的研究指出，它在准确捕捉细微关节运动方面存在显著局限性。特别是在涉及遮挡（例如，来自轮椅结构的干扰）和复杂坐姿的情况下，其性能会下降。现有文献表明，Kinect V2在估计上肢关节角度时的均方根误差（RMSE）通常在8.5°到13.0°之间。在更具挑战性的场景中，如部分遮挡或受限的运动配置下，估计误差可能会进一步增加，从而影响人体工程学评估结果的可靠性[18,19]。相比之下，基于深度学习的最新人体姿态估计技术，特别是基于Transformer的模型，在性能上取得了显著提升。PoseRx和MHFormer等模型利用自注意力机制来捕捉视频序列中的时空依赖性，从而更准确地估计被遮挡的关节，并将平均绝对误差（MAE）降低到大约5.4° [15,20]。这些发展为高精度的自动化人体工程学评估提供了坚实的基础，并支持本研究实现改进的关节角度估计精度（RMSE：7.5°）的目标。尽管取得了这些进展，但在将现有方法应用于特定的日常交互场景时仍存在局限性。生物力学领域的多项研究表明，上肢关节长期处于过度或不自然的姿势是轮椅使用者发生肌肉骨骼损伤的重要早期预警指标。大量临床研究进一步证实，这种极端姿势与受伤风险之间存在显著的正相关关系。研究数据显示，某些特定关节的运动方式与轮椅使用者的肩痛评分（即WUSPI指数）之间存在密切关联 [18]。这些特定的关节运动主要包括肩关节的外展和肘关节的屈伸。其中，肘关节的角度变化被认为是一个关键参数，因为它不仅反映了轮椅推进的效率，还反映了关节所承受的负荷。研究表明，为了减少肩峰下撞击综合征的风险，轮椅使用者在日常操作时应尽量将肘关节角度保持在100度到120度的理想范围内 [19]。如果关节运动超出这个范围并持续很长时间，由于补偿机制，肩膀将承受额外的负荷。此外，手臂向前伸展的最大距离也被证明是一个重要变量，它与用户的躯干稳定性及跌倒风险密切相关 [4]。在无障碍设计的研究中，选择受试者对结果的有效性至关重要。通过比较分析可以发现，不同人群在执行相同动作时具有显著不同的运动风格。这种差异主要体现在长期使用轮椅的专业人士与健康受试者之间的操作对比上。专业轮椅使用者通常采用更高效的实现方法，例如弧形画半圆形推动动作。在保持推动速度的同时，肌肉协调模式也更加协调和优化，但这种高效的推动方式有时会在瞬间给关节带来更大的负荷 [20]。相比之下，健康的受试者往往更多地依赖手臂力量来弥补对躯干核心肌肉的有效控制的缺乏，从而形成补偿动作。这一本质差异表明，在运动过程中，模拟器与真实轮椅使用者的机械特性存在根本区别 [21]。这一发现强调了一个研究设计中的关键原则，即在评估轮椅使用者与家具及其他设施之间的交互可能带来的风险时，必须收集真实使用者的数据进行验证。如果仅依赖于模拟器的表现，很可能会忽略长期残疾所形成的独特生理适应机制，从而导致风险评估的偏差 [22]。

由于其出色的目标检测和实时姿态估计能力，YOLOv11已被广泛深入应用于人体工程学领域中的风险评估和姿态监控。在医疗人体工程学方面，研究人员利用YOLOv11为外科医生和牙科从业者开发了实时工作姿态分析系统 [23,24]。这些系统可以实时计算关节角度，通过准确提取关键骨点并结合RULA（快速上肢评估）和Reba（快速全身评估）等经典人体工程学模型，对危险姿势进行分类并提供自动化纠正反馈，从而有效降低医疗从业者患肌肉骨骼疾病（MSDS）的风险。在建筑和空间的无障碍设计领域，YOLOv11结合注意力机制构建了空间风险诊断框架 [25]。通过深入分析人体姿态角（PA）和跌倒、轮椅等复杂行为交互，它为数据驱动的室内空间安全优化提供了定量评估依据 [26]。此外，在工业人体工程学场景中，YOLOv11还被创新应用于热成像环境中的人体区域检测，帮助企业进行复杂或恶劣工作环境下的非接触式人体工程学压力评估 [27]；同时，基于YOLOv11的改进型轻量级网络（如lsp-yolo）在计算资源有限的边缘设备上实现了高精度和低延迟的日常不良坐姿识别 [28]。这些前沿的文献和应用共同表明，YOLOv11正在推动人体工程学评估从传统的静态和人工主观观察向实时、客观和自动化的深度学习视觉范式的深刻转变 [29,30]。

近年来，针对单目3D人体姿态估计中固有的深度模糊性和自我遮挡问题，提出了多假设Transformer（MHFormer）架构，该架构将3D姿态重建视为具有多个可行解的逆问题 [31]。MHFormer的核心在于其独特的三阶段处理机制：首先通过多假设生成（MHG）模块提取并初始化多个合理的空间姿态假设，然后通过自假设细化（SHR）和跨假设交互（CHI）分别处理每个假设并建立特征关系，最终合成并输出单个人体的高精度3D姿态 [16,32]。在Human3.6M和MPI-INF-3DHP等基准数据集上，MHFormer展现了其作为3D姿态估计主流基准的地位，但也引发了关于长序列输入计算成本的讨论，促使后续研究进一步探索结合上下文的单帧轻量级替代方案 [33]。随着研究的深入，MHFormer的“多假设”概念激发了大量前沿文献的扩展和应用。例如，研究人员将扩散模型与多假设聚合机制（JPMA）结合，进一步提高了复杂场景下概率3D姿态估计的抗噪声能力和准确性 [34]；其他研究提出了时空频域自适应层次融合Transformer（如FSA-HFFormer），通过多域信息交互进一步降低了极端姿态下MHFormer的估计误差 [35]。此外，这一高质量的3D运动表示框架还被创新应用于实际应用场景，共同解决复杂的动作建模任务，如3D人体姿态分析和能耗评估（EEE） [36]。MHFormer不仅打破了传统确定性单点映射的限制，还基于Transformer为复杂的空间中的视觉捕捉和客观行为分析奠定了坚实的理论基础 [37,38,39]。

在无障碍家具设计中，低铰链门对轮椅使用者存在缺陷和风险。在无障碍家具设计领域，传统低铰链门（也称为旋转门或摆动门）通常被认为是一种存在明显缺陷的设计。在开关门的过程中，会对轮椅使用者的身体造成较大的机械负担。与直接拉动的抽屉或架子不同，当旋转门打开时，会在铰链为中心形成扇形的空间障碍区域，并向外扩展，这要求使用者进行复杂的身体避让动作。为了避免门的移动范围，使用者常常需要向后或向侧面移动身体 [40]。开门后，使用者还需要弯腰进入橱柜深处取放物品。这种动作通常需要在有限的空间内大幅度弯曲身体并同时扭转身体。这种弯曲和扭转的复合姿势会显著增加腰椎间盘的剪切力，并迫使肩关节处于不自然的姿势，长期下来容易导致旋转袖肌腱的紧张 [41]。相比之下，全拉出式抽屉可以直接将橱柜内的物品传递给使用者，从而无需人们弯腰取物。因此，使用者可以保持更健康、更符合人体工程学的坐姿，脊柱也能处于自然对齐状态 [42]。

关于橱柜的最佳操作高度，人体工程学研究提出了“垂直可达性”概念。虽然《美国残疾人法案》（ADA）建议橱柜工作台的高度一般不应超过86厘米，但进一步的研究发现，适合货物储存和日常操作的最佳高度并不完全相同。对于坐姿操作的人来说，从胸部到肩膀的高度范围（约90至110厘米）是真正的“中性可达区”[43]。在这个高度范围内，轮椅使用者可以自然弯曲肘部（约90至100度）来取物，有效避免两种身体损伤姿势：一种是因弯腰取低处物品而导致躯干弯曲，另一种是因抬高手臂取高处物品而导致肩膀过度外展（即手臂抬起超过90度）。这种手臂过度外展是导致肩峰上肌腱受压并引发损伤的高风险因素 [44]。因此，设计指南越来越强调常见储物空间应集中在这一“黄金区域”，这比单纯考虑工作台的绝对高度更为重要。此外，打开橱柜门所需的力必须控制在22牛顿以内，门把手的设计也必须符合闭合拳头操作的原则（如使用U形把手），以便照顾手部精细活动能力较弱的使用者 [45]。

单次干预往往不足以完全消除肌肉骨骼风险。系统的研究和分析指出，为了最有效地降低风险，必须采用综合策略，即“工程控制”（如修改物理环境）与“管理控制”（如培训使用者）的结合。研究表明，仅依靠环境改造可以直接减少身体负荷。例如，安装自动门或高度可调的橱柜有助于改善情况。然而，由于长期的习惯性动作，使用者往往会继续使用错误的姿势 [46]。相反，如果我们将生物力学原理与有针对性的培训相结合，可以教他们如何合理调整轮椅的位置和合理使用上肢力量。实际数据显示，这种结合环境改造和技能教育的综合干预方法可以有效降低使用者的肌肉骨骼疼痛程度，即通过视觉模拟量表（VAS）测量的评分。这种综合方法的长期效果比单一维度的改进要好得多 [47]。目前针对轮椅使用者的体工程学风险评估方法主要依赖于RULA和Reba等传统观察技术。这些方法需要经过培训的人体工程学专家进行手动分析 [48,49]。尽管这些成熟方法的有效性已在不同人群中得到验证，但在应用于轮椅使用者时仍存在一些限制：（1）这种评估非常依赖于人工评分，这既耗时又费力，难以在广泛的或日常环境中普及和应用；（2）由于评分方法是分级的，因此很容易忽略一些在医学上重要的微妙姿势变化；（3）评估过程在很大程度上依赖于专家的主观判断，不同的专家可能会得出不同的评分结果；（4）该方法无法提供实时数据反馈，因此难以在第一时间提供有效的干预指导。计算机视觉和深度学习技术的最新突破为自动姿势估计和人体工程学风险评估带来了前所未有的机会。基于视觉的方法相比传统的基于传感器的系统具有非侵入性、成本效益高和可扩展性强等优点。然而，现有的姿势估计方法在应用于轮椅使用者群体时面临诸多挑战，包括：（1）由轮椅结构部件和在伸手任务中的自我遮挡造成的复杂遮挡效应；（2）单目视觉系统固有的深度模糊性问题；（3）代表轮椅使用者群体的训练数据集有限；（4）难以准确捕捉对全面人体工程学评估至关重要的精细关节运动。关于轮椅使用者人体工程学评估的现有研究主要集中在一般的上肢活动或推进任务上，对与橱柜和储物单元等家居家具系统的交互关注较少。在无障碍设计方面，先前的研究基于人体测量数据和静态姿势评估来考察可达性、存储高度和空间布局[2]。然而，这些方法通常依赖于人工观察或简化的任务假设，难以捕捉到实际任务执行中的生物力学负荷的动态变化[8]。特别是，与橱柜的交互通常涉及在受限空间内的复杂动作，如伸手、躯干屈曲和关节补偿，这些在传统的评估框架中并未得到充分体现。此外，现有的人体工程学评估方法很少结合自动的基于视觉的姿势估计或连续风险建模，限制了它们在真实辅助环境中的适用性。因此，仍需要一个自动化和动态的人体工程学评估框架，能够准确捕捉轮椅使用者在与橱柜交互任务中的姿势相关风险。为了系统地应对这些多方面的挑战，本研究提出了一个综合的计算框架，实现了以下关键贡献：

**技术创新**：我们提出了一种新颖的级联架构，将YOLOv11目标检测与多假设Transformer（MHFormer）技术相结合，用于轮椅操作场景中的稳健3D姿势估计。YOLOv11组件利用了经过验证的YOLO架构家族[50]，而姿势提升机制则采用了先进的MHFormer框架[16]。

**方法学进步**：我们引入了一种创新的模糊逻辑增强RULA评估系统，系统地解决了传统方法中固有的离散评分限制[51]。通过实施复杂的梯形隶属函数和基于质心的去模糊算法，我们的方法实现了连续风险量化，更准确地捕捉了动态操作序列中姿势风险的渐进性质。

**全面验证和实际应用**：通过涉及30名参与者的五种不同橱柜操作场景的严格实验验证，我们证明了关节角度估计精度的显著提高（RMSE：7.5°对比Kinect v2的18.6°），同时提供了一个可用于住宅环境中的实时风险评估的实际部署框架。

本文的组织结构如下：第2节全面回顾了姿势估计和人体工程学评估方法的相关工作。第3节介绍了我们提出的方法，包括每个系统组件的详细技术规格。第4节描述了实验设计、实现细节和验证结果。第5节讨论了我们方法的更广泛影响、临床相关性和公认的局限性，第6节总结了未来的研究方向和潜在的扩展。

**2. 材料与方法**
**2.1. 系统架构概述**
为了解决轮椅使用者在橱柜操作任务中姿势重建和人体工程学风险评估的挑战，本研究开发了一个自动化的基于视觉的评估框架。本节描述了该框架的总体架构、数据流和主要计算模块。框架的总体架构和工作流程如图1所示。
**图1. 提出的自动化人体工程学评估系统的总体架构和工作流程。**
(a) 分层系统架构，展示了三个主要计算阶段：使用YOLOv11进行人体检测，使用MHFormer进行2D到3D姿势重建，以及使用带有模糊逻辑增强的RULA进行人体工程学风险评估。
(b) 所提系统的工作流程，从单目RGB视频输入到连续风险评分输出的完整数据流，重点介绍了多假设3D姿势生成策略和基于梯形隶属函数的连续风险量化方法。

本研究提出的方法包括一个多步骤计算过程，其最初的设计目的是解决轮椅使用者在三维姿势估计和人体工程学风险评估中面临的特殊困难。系统的总体结构由三个核心部分组成：第一部分使用YOLOv11模型检测人体并提取二维姿势信息；第二部分使用MFformer模型将二维姿势重建为三维姿势；第三部分使用带有模糊逻辑的RULA方法评估姿势的人体工程学风险[52,53,54,55,56]。该系统的输入数据是轮椅使用者在执行橱柜操作任务时拍摄的单目RGB视频序列。YOLOv11检测器首先准确定位人体目标并提取二维关键点，然后由mhformer网络处理以重建精确的三维关节坐标。最后，3D姿态数据被输入到增强的RULA评估模块中，以生成连续风险评分和基于证据的安全建议。

**2.2. 基于YOLOv11的人体检测和2D姿势估计**
**2.2.1. 架构设计**
在轮椅使用者的体型分析中，所使用的检测模型必须能够从由轮椅、橱柜等组成的复杂环境背景中准确识别并提取人体的相关部分特征。为了满足这一要求，本文选择了YOLOv11模型[50]，并针对用户操作橱柜的具体场景对该模型进行了调整和优化。YOLOv11模型使用COCO数据集中预训练的权重进行初始化，然后在本研究收集的自建数据集上进行了微调，从而在轮椅特定条件下提高了检测性能，尤其是在涉及坐姿变化和轮椅结构遮挡的场景中。该网络通过三个核心模块分析轮椅使用者的RGB视频图像，分别是负责特征提取的骨干网络、负责特征融合的颈部网络以及负责最终预测的头部网络。骨干网络是整个模型特征提取的核心，其主要任务是在包含轮椅把手、轮子和其他干扰因素的复杂背景中准确提取用户上肢的特征。本文引入了一种创新的C3k2模块，替代了yolov8中的原始C2f模块，以增强模型在复杂环境中的特征表达能力。C3k2模块采用了交叉相位部分（CSP）瓶颈结构，包括双小卷积核。这一创新设计使网络在面对用户身体和轮椅之间的复杂视觉重叠时能够保持足够的梯度信息流。其数学表达式为：
(1)
其中表示从操作帧中提取的输入特征张量（批量大小、空间维度和通道数）。在我们的应用中，编码了用户的姿势和周围橱柜/轮椅的结构，方程中的残差连接确保在深度特征提取过程中保留了关节位置的细节。

在操作橱柜时，主要的困难在于伸手过程中用户的胳膊经常被橱柜门或轮椅扶手遮挡。为了解决这个问题，本文在网络的颈部引入了一个先进的C2PSA（交叉相位部分空间注意力）模块。与传统的卷积操作不同，C2PSA模块通过引入空间注意力机制，引导模型关注可见的人体部分，同时减弱来自家具背景（如橱柜）的干扰信息。注意力权重矩阵的计算公式为：
(2)
其中和表示来自骨干输出的特征矩阵，表示关键维度。在我们实际构建的系统中，该机制使模型能够根据图像中不同区域与目标之间的相关性动态分配计算权重，即对人类关节所在区域给予更高的关注权重，而对静止的轮椅和橱柜背景给予较低的权重。当手臂因用户的动作（如“举起”或“旋转门”）而部分遮挡时，网络仍能高置信度地预测被遮挡肢体的位置。

**2.2.2. 损失函数增强**
传统的边界框回归损失函数通常难以准确描述轮椅使用者的特殊几何形状，因为在这种情况下，需要同时框定可变形的人体和固定的轮椅结构。当用户处于动态操作场景中（例如向前倾斜以够取下层抽屉）时，目标边界框的长度宽度比会与正常坐姿时显著变化。为了解决这个问题，本研究使用了加权完整交集并集比（CIoU）损失函数[51]。与标准的交集并集计算方法不同，CIoU不仅关注框架的重叠程度，还最小化了两个边界框中心点之间的规范化距离，并强制使两者的长度宽度比保持一致，即使用户的身体被橱柜门部分遮挡，也能获得稳定准确的定位效果。CIoU损失的数学表达式为：
(3)
公式中，表示预测边界框的中心点与实际标记边界框的中心点之间的直线距离，表示能够容纳两个边界框的最小外接矩形的对角线长度。关键参数用于衡量预测框架与实际框架在长度宽度比上的相似性。这使模型能够更好地适应在执行双手操作或侧向取物等任务时由于姿势变化导致的边界框形状的明显变化：
(4)
为了平衡鲁棒的人体定位和精确的关节识别的双重目标，总损失函数将边界框回归损失和关键点检测损失线性组合：
(5)
本研究中的超参数和是根据实验经验进行调整和优化的。目的是确保模型能够在复杂应用场景中优先考虑“用户和轮椅”这个复合实体的检测效果。如表2所示，系统给予CIoU指数更高的权重，以确保在开始姿态估计之前准确框定用户。

**2.3. 基于MHFormer的3D姿势重建**
**2.3.1. 多假设框架**
在YOLOv11检测器从图像中获取人体关节的二维坐标后，系统需要处理单目视觉技术固有的一个根本挑战，即深度信息的模糊性。以轮椅使用者弯腰打开下方抽屉的动作为例，在二维图像中观察到的手臂长度变化可能对应于物理学中的多种不同三维空间姿态：例如，肘部弯曲可能导致视觉上的缩短，或者整个手臂可能直指向相机。为了解决这种模糊性问题，本研究采用了MHFormer模型。该模型将三维姿态估计的过程从一个直接输出单一确定结果的回归问题转变为一个“多假设”优化问题，从多种可能性中寻找最优解[16]。该框架接受YOLOv11生成的2D关键点序列作为输入，正式定义为，其中表示与操作阶段（接近、接触和撤回）相对应的时间窗口大小，表示解剖学关节的数量（包括肩部和肘部等关键的人体工程学标志点），最后一个维度表示图像平面中的坐标。这种机制的原则是生成多个物理上可能的三维姿态作为替代假设，然后对其进行筛选优化。这种方法在处理容易自我遮挡的动作时特别有效，例如“旋转门打开”。当用户的手臂频繁穿过躯干时，系统能够有效区分复杂的补偿动作和标准的伸展动作。图3提供了基于MHFormer的3D姿态重建流程的概览，详细介绍了三个阶段的多假设细化过程。2.3.2 第1阶段：多假设生成（MHG）为了从根本上解决上述深度信息模糊的问题，本研究引入了MHG模块，它作为后续计算的初始输入。当轮椅使用者伸出手臂操作滑动门时，手腕相对于肩膀在二维平面上的具体深度是不确定的。MHG模块的响应策略是生成多种不同的初始三维姿态作为候选方案，以确保真实的姿态必须包含在这些候选方案形成的搜索范围内：（6）其中每个假设代表用户上半身的一个合理的生物力学配置。这些假设是通过将YOLO检测到的2D关键点（）通过可学习的变换投影到高维特征空间中生成的：（7）这里，可训练参数和偏移项使网络能够将不同的二维关节模式映射到多种空间可能性上。面对相同的二维图像输入，网络生成的三维假设可能表现为用户为了适应轮椅活动空间而做出的明显弯曲动作；另一个同样合理的假设可能是由肩膀向外扩展驱动的不同肢体形状。生成这种多样化的姿态假设对于捕捉轮椅使用者特有的复杂补偿运动模式非常重要。2.3.3 第2阶段：自假设细化（SHR）在生成多样化的初始假设后，系统将进入自假设优化（SHR）阶段，在此阶段通过重复的迭代计算对轮椅用户的三维姿态进行微调，使其更加合理和准确。这个优化过程发生在整个动作的30到120帧之间，这是用户实际与橱柜互动并执行操作的关键时刻。在这个阶段，用户常常会做出复杂的姿势，如过度外展肩膀或大幅扭动躯干，以完成诸如穿过橱柜内障碍物等动作。为了系统地优化这些复杂的候选姿态而不失去反映不同个体独特适应性的多样性，本研究引入了多假设自注意力机制（MH-SA）。对于每个假设，自注意力计算公式表示为：（8）其中，查询矩阵、键矩阵和值矩阵的计算公式表示解剖学关节之间的内部生物力学依赖性：（9）（10）（11）通过上述矩阵计算，模块可以数字编码颈部、肩膀和肘部等关键关节链之间的空间位置关系。这一步对于后续的RULA评估非常重要，以确保准确计算每个关节的角度。最后，为了加强不同姿态之间的信息共享，避免模型最终只得到一种可能不准确的深度信息判断，所有优化的姿态将被发送到假设混合多层感知器（MLP）模块进行进一步整合和处理：（12）这种网络结构设计确保模型可以从多个三维姿态达到的共同规律中学习，从而形成更稳定和可靠的数字描述，反映用户与橱柜动态互动过程中上半身的运动轨迹。2.3.4 第3阶段：跨假设交互（CHI）在3D重建的最后阶段，系统将启用跨假设交互（CHI）模块，该模块作为一个全局优化器，确保最终生成的三维姿态符合轮椅使用者在生物力学上的合理性和限制。这个优化步骤发生在整个动作的30到120帧之间，即用户实际接触橱柜并执行操作的阶段。在这个阶段，用户的四肢倾向于伸展到最大程度，身体部位之间的相互遮挡也最为严重。为了系统地解决剩余的深度不一致性问题，CHI模块通过多假设交叉注意力（MH-CA）机制促进不同假设之间的全面信息交换：（13）该机制可以通过比较和关联多个不同候选姿态的空间信息，识别和消除轮椅使用者在物理上不可能的深度估计结果。最终的三维姿态估计提供了计算关节角度（如肩部屈曲和肘部屈曲）的坐标基础，通过可学习的加权聚合获得：（14）注意力权重是通过softmax函数自动学习的每个假设的置信度得分来计算的。这种机制确保系统能够以最优方式融合多个姿态假设。这种稳定可靠的假设集成方法使框架能够准确识别高风险的 ergonomic 操作条件），例如用户在低旋转门操作过程中持续承受 ergonomic 压力的情况。通过融合置信度最高的姿势空间姿态信息，跨假设交互（CHI）模块使整个系统的关节角度估计精度达到平均均方根误差（RMSE）仅为7.5度的水平。与传统的深度传感器基准方法相比，这一结果在关节角度估计的准确性上提高了高达60%。2.3.5 训练目标为了使MHFormer模型能够准确重建轮椅使用者操作橱柜时的三维运动轨迹，我们在训练模型时使用了两个错误评估指标：一个是平均关节位置误差（MPJPE），另一个是Procrustes 对齐后的关节位置误差（PA-MPJPE）。这种训练策略的优势在于，一方面它能够满足准确定位关节在空间中的绝对位置的需求，另一方面它能够确保在细化的关节角度分析过程中相关节点之间的相对位置关系保持一致。该策略的损失函数具体定义如下：（15）第一项用于最小化跨帧的关节绝对位移，确保重建的姿态在家具的功能交互区域内保持空间上的合理性：（16）第二项通过Procrustes 对齐进一步细化相对的解剖结构，这对于获取用于RULA评估的精确3D骨骼数据以计算肩部和肘部屈曲角度至关重要：（17）通过优化这两个目标，模型实现了将平均RMSE降低到7.5°所需的高精度，为识别日常家具使用中的高风险的 ergonomic 压力因素提供了可靠的基础。关节角度估算的参考真实值是通过手动标注和几何计算获得的。具体来说，使用标注工具为选定的帧手动标记了包括肩膀、肘部和腕部关节在内的关键解剖学标志点。基于这些标记的关键点，根据标准的运动学定义使用基于向量的方法计算关节角度。这个程序确保真实值与人体工程学评估中使用的生物力学定义一致。2.4 模糊逻辑增强型RULA评估 2.4.1 传统RULA的局限性为了建立一套人体工程学评估的测量标准，本研究使用快速上肢评估（RULA）作为核心评估系统。该评估工具由McAtamney和Corlett开发。其基本思想是将人体姿势分为两组，以评估工作中个体的肌肉骨骼损伤风险。A组：评估上肢，包括上臂、 forearm和手腕。B组：关注颈部、躯干和腿部。在本研究中，通过第2.3节描述的方法重建的3D关节点坐标将根据RULA的传统评估过程给予一个离散分数；然后，这些分数将通过一系列比较表进行综合计算，最终得到一个1到7之间的总分。这个最终分数对应于四个级别的动作要求：如果分数为1或2，意味着当前姿势在可接受范围内；如果分数达到7，则意味着必须立即采取工程改进或改变操作行为以降低 ergonomic 风险。传统的RULA评估方法采用离散评分方法，人为地将原始连续变化的关节角度值划分为几个固定的区间，然后进行等级评估[48]。从根本上讲，这种处理方法无法真正反映关节角度变化过程中的渐进性和连续性；它在风险评估中人为地制造了一个偏差，可能导致评估结果与人体在生物力学上的实际压力情况不一致。2.4.2 模糊隶属函数设计为了从根本上解决传统RULA方法中不连续评分标准的问题，引入了基于梯形隶属函数的模糊逻辑方法，以实现人体工程学风险的连续定量评估。所提出的模糊逻辑增强型RULA评估的总体工作流程如图4所示，强调了从关节角度到连续、平滑的风险分数的转换。研究和观察表明，轮椅使用者的所有动作，例如从中性坐姿逐渐前倾到操作中间抽屉的过程，本质上是平滑和连续的，而不是跳跃和不连续的。通过引入模糊逻辑，系统可以有效地描述当关节角度连续变化并逐渐超过传统RULA分数中的每个阈值时，人体工作负荷如何逐渐增加。对于任何特定的关节角度（例如，肩部或肘部屈曲），其在风险类别中的隶属度数学定义为：（18）通过设置特征参数，我们为每个风险级别构建重叠的梯形区域作为模糊评估的基础。这种设计使整个评估框架能够敏感地捕捉到当身体负荷在用户实际接触和操作橱柜的关键阶段（第30-120帧）达到峰值时发生的微妙风险波动。例如，在操作较低位置的橱柜时，平均RULA分数倾向于超过4.0。在这个时间点，我们设计的隶属函数可以确保风险水平在数学表达上从“高”（对应原始分数3）平滑过渡到“极高”（对应原始分数4）。与传统的简单设置固定阈值的方法相比，这种方法能更准确地反映连续运动中姿势压力逐渐累积的真实生物力学过程。2.4.3. 关节特定风险计算基于MHFormer模块重建的精确三维坐标数据，本研究进一步计算了人体主要关节的生物力学方向向量。这一步骤起到了桥梁作用，有效地将原始计算机视觉输出结果转换为具有人体工程学分析价值的可解释指标。在涉及旋转力学的操作中，需要计算屈曲和伸展角度。我们使用从颈部、肩部和肘部关键点得到的方向向量来进行计算：(19) 这一计算对于识别低位置操作中观察到的肩部下沉增加（峰值在130–140°左右）至关重要。我们的结果显示，在分析的关节变量中，肘部角度与人体工程学风险评分的相关性最高（r = 0.311）。然而，这个值表示的是较弱到中等的正相关关系，而不是强烈的预测效应。这表明肘部姿势对人类工程学风险有贡献，但应该被视为多个因素之一，而不是主导的预测因子。为了进一步解释这种关系，我们分析了与下抽屉操作相关的生物力学需求。在这些任务中，用户需要在向下伸展手臂时保持稳定的握持，这通常会导致肘部屈曲的增加，观察到的角度大约在110°到130°之间。与站立操作者不同，轮椅使用者主要依靠躯干的弯曲来增加手臂的可到达范围，特别是当橱柜把手安装在相对较低的位置时。我们通过计算躯干向量（颈部到臀部）与虚拟垂直参考线之间的偏差来量化这种补偿策略：(21) 这个指标可以有效地监控用户躯干和大腿之间的相对位置关系。数据显示，除非需要极度的伸展，否则这种关系保持稳定（165–175）。2.4.4. 模糊推理与去模糊化为了从单个关节的评估结果中提取反映整体情况的人体工程学特征，本研究中的模糊推理系统将综合构成上肢运动链的每个关节的风险。作为决策的核心，该模块的功能是将测量得到的生物力学数据转换为具有临床意义的风险水平。对于进行多种任务（如滑动门操作）的轮椅使用者来说，不同的关节可能同时呈现不同的风险水平。为此，我们使用最大-最小组合规则来聚合各个关节的风险：(22) 其中代表关节（例如肩部、肘部和躯干）的临床重要性权重。在我们的框架中，min操作符的作用是确保最终的风险评估结果受到每个关节相应评估结果可信度的限制，而max操作符反映了人体工程学中的“瓶颈”原则——整体姿势风险往往由受力最大的解剖结构决定。这在操作较低位置的橱柜把手时非常典型：即使用户的躯干仍然由轮椅背部支撑，风险也可能很小，但仅仅因为肘部过度弯曲，就足以提高整体风险评分。为了将生成的模糊聚合转换为可操作且准确的RULA评分，我们使用质心去模糊化方法：(23) 这种连续输出使系统能够识别出传统离散RULA（评分1–7）无法捕捉到的微妙风险变化。在我们的旋转门操作实验评估中，去模糊化过程实现了风险评分在3.8到4.5之间波动时的高精度关键时刻的识别，从而生成了整个交互序列中人体工程学压力的高分辨率时间分布图。2.4.5. 时间平滑尽管mhformer模型可以提供先进的人体姿势重建效果，但如果我们直接使用为每个帧独立计算的原始风险评分，由于关节的轻微颤动或肢体在动态操作中的快速移动，这个值仍可能产生一些瞬态和不稳定的波动。在我们的橱柜操作场景中（如滑动门或高空工作任务），视觉环境中可能存在临时遮挡，会导致3D关节在帧之间轻微闪烁。为了确保最终的人体工程学评估结果反映用户的持续体力负荷，而不是由上述原因造成的测量噪声，我们进一步使用滑动窗口平滑滤波器处理模糊推理系统输出的原始评分，计算方法如下：(24) 其中代表根据实验数据确定的窗口大小。这个值是根据轮椅用户日常操作的常见身体移动速度进行特别优化和调整的。通过在时间窗口内平均多个评分值，系统可以有效过滤掉由偶然因素引起的高频数据波动，同时完全保留实际接触和操作橱柜关键阶段（帧30–120）的风险变化趋势。确保数据在时间维度上的稳定性对于准确量化例如操作下旋转门等任务中的持续体力负荷至关重要。因为在这些任务的整个过程中，人体工程学风险始终保持在高水平。通过平滑处理得到的最终评分被用作比较不同橱柜高度和不同类型把手的研究结论的核心和稳定测量指标。2.5. 算法总结算法1总结了我们的完整姿态估计和风险评估流程。该方法将先进的计算机视觉感知和专家驱动的人体工程学逻辑整合到一个连贯的端到端过程中。如算法1所示，该系统的输入是标记有的原始视频，记录了轮椅用户与橱柜家具之间的整个互动过程。在第一阶段，YOLOv11检测器负责在每个帧中定位用户并提取他身体关节的二维坐标点。同时，检测器还使用边界框()裁剪出包含用户的重点区域(ROI)，以最小化周围家具背景引起的数据干扰。然后进入第二阶段，系统会将整个视频序列的二维关节点数据输入mhformer。该模型负责重建在时间和空间上一致且具有三维坐标的姿态数据。这一步对于准确捕捉用户伸出手时肩部和肘部在深度方向上的高敏感运动轨迹非常重要。在最后阶段，该框架将使用增强模糊逻辑的RULA系统来评估每个帧对应的人体姿势。然后，这些逐帧评估的结果在时间上被平滑处理，最终生成一个稳定可靠的风险变化曲线。这条曲线用于识别实际互动过程中人体工程学负荷达到高峰的关键压力点。算法1. 轮椅用户姿态估计和风险评估要求：视频序列确保：风险评分1: 初始化YOLOv11检测器2: 对于中的每个帧执行3: 创建边界框4: 使用bbox裁剪ROI5: 结束for6: 7: 8: 对于每个帧执行9: 计算关节角度10: 应用模糊隶属函数11: 执行模糊推理12: 使用质心方法去模糊化13: 结束for14: 对执行时间平滑15: 返回平滑后的风险评分统一的算法可以确保系统能够自动将原始视觉数据转换为可操作的健康洞察，这与专家评估高度相关，并保持了实时监控轮椅可访问环境所需的计算效率。3. 结果本研究共招募了30名参与者，包括14名实验组（长期使用轮椅的用户，使用轮椅时间超过3年）和16名对照组（健康参与者，经过3小时的轮椅适应性训练）。所有参与者都接受了人体测量数据的收集，轮椅凳子表面被用作支撑平面。从轮椅凳子表面到头顶的垂直距离（即坐高）为89–111厘米（平均值=100.02厘米，标准差=5.41厘米）。根据Shapiro-Wilk检验，坐高数据符合正态分布（p > 0.05）。根据世界卫生组织(WHO)发布的年龄分类标准，参与者被分为青年、中年和老年，如表4所示。表4. 数据集构建过程中参与者的相关信息。实验系统由四个部分组成：橱柜家具、轮椅、摄像设备和实验环境。表5显示了实验中选用的五种典型橱柜家具。表5. 数据集构建过程中橱柜家具的相关信息。在实验中，iPhone 16手机被固定在三脚架上，放置在参与者前方1.5米处。前视频以1080 p/30 fps的帧率录制，完全记录了上肢的运动和橱柜门的开合轨迹。参与者身体的右侧靠近橱柜家具，摄像机位于实验设备的左侧。实验前调整角度以确保关键动作不会被遮挡。实验环境模拟了真实的家庭场景，操作区域为3 × 3米，地面平坦，轮椅路径是固定的。覆盖不同的时间和光照条件以增强模型的稳健性。为了直观理解本研究中使用的生物力学参数，图5展示了从三维骨骼模型得出的三个关节角度的定义，以及描绘单次操作程序的视频帧截图。图5. 实验设置。(a)展示了从3D骨骼得出的三个关节角度的定义：肩部屈曲（）、肘部屈曲（）和躯干倾斜（）。(b)显示了真实的实验环境和进行橱柜操作的参与者。实验前，参与者准备了5分钟，固定的轮椅凳子高度为49.5厘米；每个任务重复三次，第三次的数据被用作正式记录的基础。实验任务的实施过程严格遵循预设的流程，具体步骤如表6所示：表6. 数据集构建任务工作流程。从30名参与者那里获得了大约5小时的RGB视频，涵盖了五种橱柜交互场景。考虑到密集采样的连续帧高度相关，可能会增加模型过拟合的风险，数据集是使用帧采样策略构建的，而不是直接使用所有视频帧。具体来说，从连续视频序列中以固定间隔提取代表性帧，同时通过手动筛选保留了对应于关键动作转换（例如手离开轮椅扶手和返回扶手）的关键帧。通过这一程序，从原始视频序列中选择了10,000张图像用于数据集构建和注释。为了减少由于连续帧运动变化较小而导致的冗余，帧以固定间隔进行采样。此外，刻意包含了对应于不同橱柜交互任务阶段（例如，伸手、操作和返回到中性姿势）的关键帧，以确保姿势表示的多样性。使用CVAT平台标注了轮椅用户关节的关键点。在数据集构建过程中，考虑了受试者、任务类型、操作阶段和照明条件之间的多样性，以提高 representativeness 和模型泛化能力。最终数据集被分为训练集、验证集和测试集，比例分别为70:15:15。训练集用于优化模型参数，验证集用于超参数调整，测试集用于最终性能评估。为了防止数据泄露，同一视频序列中的样本被保持在同一子集内。

3.1. 关节角度估计准确性
与Kinect v2基线相比，提出的YOLOv11 + MHFormer方法在涉及橱柜操作任务的五种代表性姿势模式下实现了更低的关节角度估计误差。这些姿势模式包括手臂抬起、双臂持物、手臂伸展、颈部屈曲和躯干前倾。表7展示了两种方法的均方根误差（RMSE）值，显示在所有评估条件下的误差都得到了降低。表7. 关节角度估计RMSE比较（度）。Kinect v2基线是在与提出方法相同的橱柜交互序列子集上评估的，确保在相同任务条件下的公平比较。由于Kinect v2数据是在相同的实验设置中收集的，其测量结果也受到轮椅结构、橱柜组件以及伸手任务过程中的自我遮挡的影响。Kinect衍生的关节角度是使用Kinect SDK获得的，RMSE是使用与提出方法相同的关节角度定义和评估协议计算的。提出的方法平均RMSE为7.5°，而Kinect v2为18.6°，误差减少了大约60%。在涉及更大遮挡和躯干运动的姿势模式下观察到最大的改进，例如躯干前倾和双臂持物。这些结果表明，在评估的橱柜操作相关姿势下，提出的基于视觉的框架提供了比Kinect v2更准确的关节角度估计。

3.2. 时间风险演变分析
图6展示了五种橱柜操作任务期间人体工程学风险的时间演变。在所有任务类型中，风险轨迹显示出大致相似的整体模式，表明在整个任务执行过程中与姿势相关的风险是一致递增的。图6. 柜柜操作的时间风险分析。图中的(a–e)面板展示了每种橱柜操作任务的平滑平均风险轨迹及其置信区间。图(f)比较了所有任务的时间风险概况，显示低旋转门和低抽屉操作在任务中间阶段保持了最高的风险水平。为了便于解释，连续风险输出被分为四个定性级别：低、中、高和非常高。所有五种操作都表现出大致相似的三阶段趋势。在初始阶段（大约帧0–30），随着用户从起始姿势向任务参与转变，风险轨迹发生变化。在任务执行阶段（帧30–120），人体工程学风险保持较高，表明由于伸手、躯干屈曲和上肢运动导致的姿势压力增加。在返回阶段（帧120–150），随着人们返回到更中性的姿势，风险逐渐降低。在所有任务中，低旋转门和低抽屉操作在任务执行中间阶段的风险持续时间最长。相比之下，滑动门和中高度活动的风险轨迹较低且更稳定。此外，低级别操作的置信区间通常更宽，表明在这些任务条件下受试者之间的变异性较大。这些结果表明，橱柜的高度和操作类型与人体工程学风险的时间分布有关，低级别任务对轮椅用户产生了更长且更可变的姿势负担。

3.3. 关节角度分布和相关性分析
图7全面分析了不同橱柜操作中关节角度的分布及其与人体工程学风险分数的相关性，揭示了生物力学关系。图7. 关节角度分布和风险相关性。(a) 柜柜操作任务中肩关节、肘关节和髋关节角度的分布范围。(b) 肩关节角度与人体工程学风险分数之间的关系，以及拟合的回归线。(c) 伸展距离与人体工程学风险分数之间的关系。(d) 显示运动变量与人体工程学风险分数之间关联的相关性矩阵。在检查的变量中，肘关节角度与人体工程学风险分数的相关性最强（r = 0.31），而伸展距离显示出弱正相关（r = 0.11）。当参与者操作滑动门或中高度橱柜时，肩关节角度通常集中在140–160°范围内。相比之下，低级别橱柜操作的肩关节角度分散较大，更多值在130°到140°之间。在低抽屉操作中，肘关节屈曲在110–130°达到峰值，表明上肢姿势的努力增加。肘关节角度与人体工程学风险分数有显著相关性（r = 0.31），表明高风险位置涉及更大的肘关节屈曲[48]。髋关节角度在任务中变化在165°到175°之间，表明在整个橱柜交互过程中躯干-大腿的配置变化较小。伸展距离与人体工程学风险分数显示出弱正相关（r = 0.11），意味着更高的伸手需求增加了人体工程学风险[52]。

3.4. 风险级别分布比较
图8总结了不同橱柜操作类型、参与者群体和操作阶段的人体工程学风险分布。图8. 全面的风险级别分析。(a) 堆叠条形图显示了不同橱柜操作任务中的低风险、中等风险和高风险状态分布。(b) 实际轮椅用户与训练有素的模拟操作者之间的风险分数箱形图比较。(c) 统计图显示了不同年龄组的风险分数分布。(d) 不同橱柜操作任务的平均风险分数，从高到低排名，并带有表示受试者间变异性的误差条。(e) 常数化操作阶段内的平均风险演变。(f) 热图总结了关键指标，包括平均风险分数、分数标准差、高风险比例、最大肩关节角度和平均伸手距离。在所有任务中，低旋转门操作的平均风险分数最高（4.46），其次是低抽屉（4.29）、中等旋转门（4.16）、中等抽屉（3.97）和滑动门。高风险暴露的比例也显示出相似的趋势，低旋转门操作的最高值（89.64%），滑动门操作的最低值（27.87%）。比较两组结果发现，实际轮椅用户的平均风险分数高于训练有素的模拟操作者。在不同年龄组中，老年组的中心趋势略高，分数分布也稍宽。此外，图(e)中的时间趋势表明，风险从任务开始时增加，在操作中间阶段达到峰值，然后在任务结束时减少。结果表明，根据橱柜操作类型的不同，人体工程学风险有明显的差异。特别是低级别任务，尤其是涉及旋转门的任务，对姿势造成的压力最大。

3.5. 高级分析和模型性能
图9展示了额外的关节角度特征空间、变量-风险关系、模型性能、任务阶段风险模式、标准化任务效率指标和基于阈值的分类行为评估。图9. 高级分析结果。(a) 关节角度数据的主成分分析（PCA），每个点的颜色根据风险分数编码。(b) 选定的运动变量与风险分数之间的绝对相关性。(c) 不同模型之间的预测准确性比较。(d) 热图显示了不同橱柜操作类型和任务阶段的风险分数变化。(e) 不同橱柜操作类型的标准化任务级别效率指标比较。(f) 不同风险分类阈值下的敏感性、特异性及其综合趋势。前两个主成分解释了54.3%的变异，其中PC1占30.1%，PC2占24.2%。在较小的二维特征空间中，风险评分没有形成明显分离的簇，表明人体工程学风险在姿势配置上连续变化。肘关节角度与风险分数的相关性最强（|r| = 0.311），其次是肩关节角度（0.241）和伸手距离（0.114）。相比之下，髋关节角度（|r| = 0.011）和躯干屈曲（|r| = 0.001）的相关性较小。基于MHFormer的策略在模型比较中优于固定阈值基线（0.65）、线性回归（0.72）、随机森林（0.78）和神经网络（0.82）。图(d)的热图显示，低旋转门和低抽屉操作在中任务阶段的风险分数高于其他橱柜类型。图(e)表明，橱柜的形状和操作模式通过影响标准化任务级别效率指标，在各个维度上影响了生物力学性能。图(f)显示，风险分数阈值4.0在敏感性和特异性方面最适合二进制高风险分类。这些研究通过展示姿势特征空间中的连续风险结构、肘关节角度作为最强关联变量以及更高的分类性能，证实了所提出的框架。

3.6. 设计含义和干预建议
在本研究中，“高风险暴露”是根据离散化的RULA风险级别定义的，其中分数5–6对应高风险，分数7对应非常高风险。报告的暴露比例是分类为这些类别的帧数与每个任务序列中总帧数的比率。根据观察到的高风险暴露时间分布，暴露超过50%的橱柜操作——如低旋转门（89.6%）和低抽屉（77.7%）任务——可以被视为人体工程学重新设计的高优先级目标。相比之下，滑动门操作的高风险暴露比例为27.9%，低于建议的可接受阈值。基于模拟的高度分析表明，对于大多数橱柜使用场景，大约90–110厘米的手柄或操作高度与较低的平均风险分数相关。在干预比较中，综合方法实现了最大的估计风险降低（45%），超过了单独调整高度（15%）、单独重新设计手柄（25%）和单独进行人体工程学培训（20%）的效果。设计优先级矩阵进一步表明，手柄高度和间隙空间在不同橱柜类型中始终是主导因素，而门重量、开力和手柄类型的相对重要性则取决于橱柜配置。总体而言，这些发现为优先考虑轮椅使用者可用橱柜系统的人体工程学重新设计策略提供了实际指导。设计和干预的重要性在图10中有所说明。图10. 设计和干预含义。(a) 不同橱柜操作类型的高风险暴露持续时间，虚线表示推荐的可接受(<30%)和临界(>50%)暴露水平的解释阈值。(b) 基于模拟的不同橱柜操作类型的橱柜或手柄高度建议。(c) 不同干预策略下估计的风险降低比较。(d) 总结不同橱柜类型的关键人体工程学因素相对重要性的设计优先级矩阵。

3.7. 基准性能评估
图11展示了所提出方法与代表性基线方法在风险级别分类方面的基准比较。图11. 基准性能比较。(a) 四种代表性方法的混淆矩阵，显示了四个风险级别（L：低，M：中，H：高，VH：非常高）的分类性能。(b) 所有五种方法的总体基准比较，包括准确性和Cohen’s kappa。(c) 五种橱柜操作类型的每个橱柜的分类准确性。为了评估分类性能，由提出的模糊RULA模型生成的连续人体工程学风险分数根据标准RULA标准被离散化为四个风险级别，即低风险（分数1–2）、中等风险（分数3–4）、高风险（分数5–6）和非常高风险（分数7）。然后通过将连续分数离散化得到的预测风险类别与相应的参考标签进行比较来计算分类准确性。因此，报告的准确性反映了这四个风险级别中正确分类样本的比例。如图7b所示，提出的MHFormer + 模糊RULA方法取得了最佳的整体性能，准确率为0.84，Cohen’s kappa为0.66。这些值高于CNN-BiLSTM（0.70，κ = 0.38）、随机森林（0.62，κ = 0.25）、PNN（0.53，κ = 0.14）和固定阈值基线（0.43，κ = 0.07）。图7a中的混淆矩阵表明，所提出的方法产生了比代表性基线方法更强的对角线分布，表明预期风险级别和参考风险级别之间有更好的一致性。特别是，所提出的模型减少了主要的中等和高风险类别中的误分类，这些类别占数据集中的大多数样本。图7c表明，所提出的技术在所有橱柜操作模式中保持了最高的分类准确性。其性能优势在要求较高的低级别橱柜操作中最为明显，但在中级别和滑动门操作中也经常优于基线方法。总体而言，测试结果表明，所提出的策略在风险分类方面最为稳健和准确。4. 讨论本研究探讨了一种自动化的人体工程学评估框架，用于轮椅用户在操作橱柜时的姿态评估，该框架结合了基于单目视觉的3D姿态估计和模糊RULA评分方法。综合来看，这些结果表明，该框架能够以比传统静态或阈值基方法更敏感的方式捕捉与姿态相关的风险。三个主要系统组件的互补作用可以解释这一点。最近在智能预测领域的研究表明，在数据有限的条件下，可靠的建模框架可以有效提高预测的可靠性，特别是在动态系统中[53]。MHFormer旨在通过时间序列来模拟多种可能的姿态假设，以解决单目3D姿态重建的不确定性[16]。这一点很重要，因为操作橱柜通常需要坐姿伸手、部分自我遮挡以及轮椅的干扰。关于自动化RULA计算的最新研究表明，基于运动的人体工程学评分可以超越手动观察，使得持续姿态评估更加实际。我们的结果支持这一观点，同时也表明模糊逻辑减少了离散评分的刚性，尤其是在风险逐渐变化的任务中[14,17]。与Kinect v2基线相比，关节角度估计误差的改进也证明了所提框架的实际价值。更重要的是，时间序列结果显示，人体工程学风险在橱柜操作过程中并不均匀分布。相反，风险在伸手和任务执行阶段会增加，在中间阶段达到峰值，然后随着用户恢复到更中性的姿态而下降。这种模式很重要，因为它表明任务中最具挑战性的部分集中在相对较短的时间内，而不是在整个动作过程中均匀分布。从设计或反馈的角度来看，这个中间阶段可能是干预的最佳目标。关节角度分析提供了关于这种负担来源的更具体解释。在所检查的变量中，肘部角度与风险得分的关联最强，尽管这种关联的强度仍然适中。换句话说，肘部姿态不应被视为人体工程学负荷的唯一决定因素，但在筛查橱柜操作中的高风险时，它可以作为一个有用的实际指标。这一解释也与更广泛的人体工程学文献一致，其中上肢姿态和重复的非中性手臂配置通常与任务难度和肌肉骨骼负荷密切相关[51,52]。另一个值得注意的点是经验丰富的轮椅用户与经过训练的模拟参与者之间的差异。模拟组对于对照比较很有用，但实际轮椅用户的更高得分表明，短期模拟无法完全再现长期的运动策略、轮椅适应性或通过日常使用形成的补偿习惯。在实际应用中，这意味着仅依赖模拟参与者的研究可能会低估现实家庭任务相关的姿势需求。不同类型橱柜之间的差异也很明显。低旋转门和低抽屉操作的风险得分更高，高风险暴露时间也更长，而滑动门操作的整体负担最小。这一结果与之前关于厨房和家具人体工程学的研究较为吻合，这些研究强调存储高度、访问深度和橱柜配置会显著影响可达性和舒适度，尤其是对于老年人和行动受限的用户[54]。我们的数据不仅说明了某些橱柜配置更难使用，还指出了在哪些运动过程中额外负担最可能发生。以设计为导向的分析也指向了同一方向。在许多测试场景中，把手或操作高度约为90-110厘米与较低的平均风险相关，但仅凭高度不足以解释整体可用性。开启力、把手形状和操作间隙也影响了最终的姿态模式。这就是为什么综合干预方案比任何单一调整都表现更好的原因之一。目前的研究结果表明，橱柜设计应该被视为一个多因素的人体工程学问题，而不仅仅是单一维度的可达性问题。这一观点也与包容性和通用厨房设计的工作一致，在那里 Clearance、可用性和任务舒适度是综合考虑的，而不是孤立考虑的[55]。更广泛地说，当前框架补充了基本可用性检查所忽略的内容。一个橱柜可能在技术上是可以到达的，但在使用过程中仍可能造成尴尬、持续或重复的姿态。通过量化不仅仅是评分水平，还包括暴露时间和任务特定的变化，当前方法提供了对人体工程学需求的更详细描述。因此，它在评估或改进无障碍家具设计时可能是一个有用的辅助工具。该方法除了离线分析外，还具有实际应用前景。此外，最近在少量样本学习和元学习方面的进展显示出在数据有限或变化的情况下提高模型泛化的强大潜力[56]，这可能会进一步增强所提框架在现实辅助环境中的适用性。由于该方法依赖于单目RGB输入而不是专业的运动捕捉设备，因此可能更容易集成到智能家居或辅助监控系统中。经过进一步验证，这样的系统可能能够在日常活动中提供实时反馈，或者识别出需要调整环境的重复性姿势暴露模式。5. 局限性和未来工作本研究仍应在其设计范围内进行解释。实验是在受控实验室条件下进行的，重点关注了五种代表性的橱柜操作任务。这种设置有助于建立清晰的比较框架，但实际家庭环境更加多样化。家具布局、可用的操作空间、照明和多任务需求都可能影响轮椅用户在日常使用橱柜时的实际移动方式。第二个问题是，当前框架基于单目RGB输入。这使得该方法相对实用且易于部署，但也意味着深度重建的精度低于专业多摄像头或运动捕捉系统。此外，尽管包括了经验丰富的轮椅用户和经过训练的模拟参与者，总体样本量仍然有限，因此结果应被视为鼓舞人心的，而非最终结论。未来的工作可以朝三个主要方向发展。首先，该框架应在更真实的家庭环境中进行测试，并涵盖更广泛的家具交互场景。其次，通过纳入人体测量学变化、轮椅配置和个人运动习惯，开发更个性化的风险模型将非常有价值。第三，需要长期研究来检查这里识别出的重复性姿势需求是否与疼痛、疲劳或其他肌肉骨骼后果有关。此外，虽然本研究中采用了Kinect v2作为代表性低成本的人体工程学运动捕捉基线，但人们认识到新的传感技术（如Azure Kinect和最近的基于深度学习的姿态估计方法）可能提供更高的准确性和鲁棒性。未来的工作将包括与这些先进方法的比较，以进一步验证和推广所提出的框架。总体而言，当前的研究结果为后续研究和系统改进提供了有用的基础。通过进一步的验证和广泛应用，所提出的框架可能对人体工程学评估、无障碍家具设计和未来的辅助或智能家居应用具有实际价值。6. 结论本研究提出了一种全面的自动化轮椅用户在使用橱柜时的人体工程学风险评估方法，将无障碍设计评估扩展到了定量人体工程学分析。所提出的方法通过结合基于YOLOv11的目标检测、多假设Transformer姿态估计和模糊逻辑增强的RULA评估，改进了早期方法。它还为无障碍家具设计和人体工程学优化提供了实用参考。本研究的主要贡献可以从三个方面总结：首先，级联的YOLOv11 + MHFormer架构显著提高了关节角度估计的准确性，与基于深度传感器的基线相比，平均RMSE降低了约60%。其次，模糊RULA的改进使得人体工程学风险能够以更连续的方式表达，从而更好地描述了橱柜操作过程中姿态压力的逐渐积累。第三，整个系统的分类准确率为84%，Cohen’s kappa值为0.66，显示出比本研究中考虑的基线方法更好的专家一致性[16,50]。通过对30名参与者在五种橱柜操作任务中的数据分析，本研究识别出不同类型橱柜之间的人体工程学负担存在明显差异，并提取了几个人体工程学意义上的风险特征。在所检查的运动学变量中，肘部角度与风险得分的关联最强（r = 0.31），表明它可能作为简化姿态相关风险筛查的指标是有用的。时间序列结果进一步显示，风险在任务过程中并不均匀分布，而是在操作中间阶段达到峰值，为干预时机和任务重新设计提供了有用信息。此外，设计优先级分析和与高度相关的结果为无障碍家具设计提供了实用参考，而综合干预分析表明风险可降低多达45%。风险暴露结果还显示，某些橱柜配置比其他配置造成了更大的负担。低旋转门使人们处于高风险姿态的时间占89.6%，表明应优先考虑这种设计的人体工程学改进。低风险任务（如操作滑动门）可能更适合日常使用。经验丰富的轮椅用户与模拟参与者之间的对比强调了在实际用户中纳入人体工程学验证的必要性，因为实验室模拟可能无法充分代表长期适应过程和姿势需求[1,52]。根据本研究的结果，橱柜的可访问性应使用可达性、姿态压力、暴露时间和任务特定运动需求指标进行评估。该框架描述了如何利用计算机视觉和人体工程学评估来更好地理解不同橱柜设计在实际使用中对轮椅用户的影响。这种方法在无障碍住房评估、智能家居环境和长期人体工程学监测中可能是有效的，并且需要验证。