《ADVANCED ENGINEERING INFORMATICS》：A non-invasive muscle fatigue assessment method for construction workers: a field-validated biomechanical simulation approach
编辑推荐：
摘要肌肉疲劳会增加建筑行业的事故发生率以及与工作相关的肌肉骨骼疾病风险；然而，现有的监测方法依赖侵入式、实验室环境下的测量方式，不适用于外部负荷不断变化的动态作业场景。本研究旨在探讨是否仅通过非侵入式设备就能在现实条件下准确评估工人的肌肉疲劳程度。研究提出了一种非侵入式框架，通过
摘要
肌肉疲劳会增加建筑行业的事故发生率以及与工作相关的肌肉骨骼疾病风险；然而，现有的监测方法依赖侵入式、实验室环境下的测量方式，不适用于外部负荷不断变化的动态作业场景。本研究旨在探讨是否仅通过非侵入式设备就能在现实条件下准确评估工人的肌肉疲劳程度。研究提出了一种非侵入式框架，通过生物力学仿真结合动态疲劳恢复模型，利用单目视频动作捕捉和鞋垫压力数据来持续评估局部肌肉疲劳状况。以34名参与者的竖脊肌为研究对象进行的实地验证显示，该方法的相关系数为0.54，标准化相对跟踪误差约为0.17，与sEMG检测结果的偏差几乎为零（?0.01），这表明将计算机视觉技术与力量感应技术相结合，能够提供一种实用的替代实验室检测的非侵入式方法。这些结果证明，仅依靠非侵入式设备即可实现可在现场使用的肌肉疲劳监测，为安全管理人员提供依据，帮助合理安排工作任务并有效预防肌肉骨骼疾病。
引言
肌肉疲劳是指在持续活动中，由于代谢和生化变化导致神经肌肉系统的力量生成能力下降[1]。它是建筑行业工人出现肌肉骨骼疾病及生产力下降的重要原因，因此可靠的疲劳监测对于保障安全和提升工作效率至关重要[2]。建筑作业常常需要举重、保持不良姿势以及持续用力，这些因素容易导致肌肉骨骼系统出现局部疲劳[3]。重要的是，疲劳是一种可干预的风险因素，通过及时采取任务轮换、安排休息时间以及重新分配工作量等措施，可以有效减缓其发展进程[4]。然而，要实现这些干预措施，首先需要能够可靠且持续地监测工人的疲劳状态。正如下文所述，目前大多数建筑工地还缺乏这样的能力。因此，推动自动化的非侵入式肌肉疲劳监测技术的发展，是实现智能建筑安全管理目标的关键。
目前用于疲劳监测的方法，从传统的心理社会评估到生理指标检测，要么不适用于实际建筑环境，要么效果不足。基于自我报告问卷和观察性人体工程学评估工具（如RULA、REBA）的传统方法虽然易于实施，但缺乏捕捉持续肌肉疲劳状态所需的时间分辨率和客观性[5]、[6]。而像sEMG这样的生理传感器虽能在临床环境中提供可靠的肌肉疲劳指标，但由于佩戴不便且容易受到汗液影响而产生信号干扰，在施工现场难以使用[7]、[8]、[9]。因此，现有的任何接触式传感技术都无法为现场日常、连续的肌肉疲劳监测提供可行的解决方案。
近年来，计算机视觉技术的进步为无需接触即可获取工人动作信息提供了新的可能性[10]。不过，目前大多数基于视觉的方法仅能实现2D或3D人体姿态估计，通过关节角度或运动矩作为疲劳程度的间接指标[5]。虽然这类方法适用于一般的人体工程学筛查，但无法精确反映特定肌肉群的疲劳状况。而生物力学肌肉骨骼仿真技术则可以弥补这一缺陷：通过输入动作学和动力学数据，如OpenSim这类软件能够将观察到的动作分解为产生这些动作的各个肌肉力量。这类仿真技术在受控的实验室环境中已被广泛用于研究肌肉动态，其动作数据通常来自光学动作捕捉装置或惯性测量单元[11]、[12]、[13]。因此，将视觉技术获取的动作数据与肌肉骨骼仿真相结合，有望实现从非侵入式现场测量到肌肉层面疲劳程度评估的跨越。
然而，要在实际的建筑工地上实现这一目标，还需要克服三大尚未解决的难题。首先，要准确估算肌肉力量，就需要依靠可从现场获取的可靠工人动作数据；但目前的研究大多依赖于实验室环境、侵入式的可穿戴传感器，或是纯粹的预测型无标记模型，这些方法无法体现建筑作业特有的解剖结构特征，从而导致模拟出的肌肉力量与实际情况不符，使得最终得到的疲劳评估结果无法用于有效的肌肉骨骼疾病预防。其次，针对建筑作业的肌肉骨骼仿真需要精确的动力学边界条件，以反映作用在人体上的各种动态负荷；以往的研究往往假设外部负荷为零，或仅依赖估算的动力学数据，这会导致对产生动作所需的肌肉力量以及相应疲劳程度的低估。最后，目前很少有肌肉疲劳研究能在真实的现场条件下与生理指标进行对比验证，这也影响了人们对这些研究结果准确性和可靠性的信任。
为解决这些关键问题，本研究提出并验证了一种可在现场使用的框架，该框架能够通过单目视频重建人体姿态，生成具有解剖学意义的虚拟标记，还将鞋垫压力产生的垂直地面反作用力及外部负荷数据整合到OpenSim仿真系统中，最终通过相对自主收缩的中频值方法来评估持续的肌肉疲劳程度。本研究的具体贡献如下：首先，我们开发了一套流程，可将基于视觉的人体网格重建结果转换为符合解剖结构的虚拟标记轨迹，从而实现了计算机视觉输出结果与标准肌肉骨骼仿真软件（OpenSim）之间的衔接。其次，我们构建了一个框架，能够将鞋垫压力传感器及外部负荷产生的动态数据与无标记姿态数据相结合，从而在工人姿势多变、负荷不断变化的复杂建筑作业环境中，准确评估肌肉活动情况。第三，我们借助由OpenSim仿真的肌肉活动结果构建动态肌肉疲劳模型，将肌肉活动转化为肌肉力量生成能力的下降程度。最后，我们开发了一种基于相对自主收缩方法的验证模块，该模块利用具有实际参考意义的姿态数据来监测sEMG中频值的下降趋势，从而为验证仿真得到的疲劳评估结果提供了一种可直接在现场应用的方案。
章节要点
文献综述
本章综合了职业健康、计算机视觉和生物力学领域的研究成果，指出了现有方法存在的局限性，尤其是现场应用能力与肌肉层面精细度之间的矛盾，并阐述了本研究采用技术融合方案的合理性。
研究方法
本研究提出了一种完全基于非侵入式数据——即单目视频和鞋垫压力数据——的肌肉疲劳监测框架。该框架由三个模块组成：a）基于视觉的人体网格重建，用于获取3D动作数据；b）肌肉骨骼仿真，用于在考虑外部负荷的情况下计算内部肌肉运动状态；c）持续评估肌肉的力量生成能力。为了全面评估这种基于仿真的方法与生理指标的匹配程度
实验设计
本研究设计了三项实验，用以回答以下验证问题：
- 1)
基于视觉生成的虚拟标记是否具备足够的动作精度，足以用于无标记肌肉骨骼仿真？
- 2)
OpenSim仿真能否准确再现作为疲劳评估基础的肌肉激活模式？
- 3)
仿真得到的持续肌肉疲劳程度是否能准确反映实际的生理疲劳发展过程？
实验结果
本章介绍了所提框架的实验验证结果，重点分析了该疲劳评估流程在动作精度、运动准确性以及生理有效性方面的表现。
讨论
本研究证明了，通过完全基于非侵入式的视觉驱动肌肉骨骼仿真框架，确实可以在真实建筑作业环境中准确评估工人的肌肉疲劳程度。
结论
本研究提出了一种可在现场环境中使用的非侵入式框架，该框架整合了基于单目视觉的人体网格重建、具有解剖学意义的虚拟标记生成、结合鞋垫压力数据的肌肉骨骼仿真，以及专门针对竖脊肌设计的经次最大强度自主收缩测试验证的生理疲劳模型。本研究的主要贡献在于方法层面：它
作者贡献说明
谢敏山：论文撰写——初稿撰写、可视化分析、验证工作、方法设计、研究实施、正式数据分析、数据整理。余延涛：论文撰写——审稿与编辑、研究指导、项目管理、资金申请、概念构思。陈新宇：可视化分析、数据整理。周志豪：可视化分析、数据整理。
利益冲突声明
作者声明存在以下可能被视为利益冲突的财务利益或个人关系：余延涛表示曾获得香港大学教育资助委员会研究资助局的经费支持，同时还获得了香港科技大学- Bright Dream机器人联合研究所的资助。其他作者则表示不存在任何可能影响本研究结果的已知财务利益或个人关系。
致谢
本研究得到了以下机构的资助：香港研究资助委员会“早期职业计划”（项目编号：26208323）以及“协作研究基金－团队研究（新计划）”（项目编号：C6044-23G）的支持。此外，香港科技大学–Bright Dream机器人联合研究所“产业合作前沿技术研究计划”（项目编号：OKT25EG01）也为本研究提供了额外支持。数据收集工作是在获得相关人员知情同意的前提下开展的。
数据收集工作是在获得相关人员知情同意的前提下开展的
谢敏山|余延涛|陈新宇|周志豪
