《Applied Ergonomics》：Concurrent validity of markerless motion capture for occupational lifting: Kinematics and ergonomic risk assessment
编辑推荐：
**摘要**
无标记运动捕捉（markerless motion capture）有望提升工效学风险评估（ergonomic risk assessment）的效能，但在日益复杂的职业手工搬运任务中的证据仍然有限。本研究将多视图系统（OpenCap）和单目系
**摘要**
无标记运动捕捉（markerless motion capture）有望提升工效学风险评估（ergonomic risk assessment）的效能，但在日益复杂的职业手工搬运任务中的证据仍然有限。本研究将多视图系统（OpenCap）和单目系统（MediaPipe）与基于标记的参考系统（Vicon）进行对比，评估其在抬举任务中的运动学表现。研究结果采用快速全身评估（Rapid Entire Body Assessment，REBA）风险评价工具进行评定。20名健康受试者在受控实验室条件下完成了三项复杂度递增的双手抬举任务。从对称性任务到非对称性多平面任务，误差增加了15%–30%，两种系统在矢状面（RMSE = 9.9–31.2°）的误差均低于额状面和横断面。两种系统在对称抬举中均表现出良好的可靠性，REBA一致性高，但在涉及躯干旋转和行走的任务中效度下降。MediaPipe在躯干和近端关节方面误差较低，而OpenCap在远端运动学方面表现更优，为实际系统选择提供了参考依据。
**论文解读：无标记运动捕捉系统在职业抬举任务中的同步效度——运动学与工效学风险评估的综合评价**
**一、研究背景与问题提出**
工作相关肌肉骨骼疾患（Work-Related Musculoskeletal Disorders，WMSDs）源于多种职业风险因素的共同作用，包括物理因素（如重复性动作、用力 exertion、不良姿势）、心理社会因素及工作组织因素。WMSDs通常表现为影响肌肉、骨骼、关节、韧带、肌腱和神经的疼痛或不适，约占全球职业伤害的30%–40%。为识别风险因素，观察性风险评估工具如OWAS（Ovako Working Posture Analysing System）、RULA（Rapid Upper Limb Assessment）、REBA（Rapid Entire Body Assessment）和NIOSH抬举方程被广泛应用于工效学评估。然而，这些方法耗时费力，且因主观性强而易受评估者间变异影响。
基于标记的光电运动捕捉系统（如Vicon、Qualisys）和基于惯性测量单元（IMU）的可穿戴系统（如Xsens MVN）被广泛视为三维运动学分析的黄金标准。但这些系统通常需要受控实验室环境、专业人员设置和专用空间，且需在身体上附着物理标记或传感器，限制了其在非实验室场景下的可扩展性。
无标记运动捕捉作为一种新兴替代方案，利用基于计算机视觉的姿势估计技术，无需物理标记即可从视频记录中实现自动关节检测和追踪。系统综述已识别出多视图（如OpenCap、Theia3D）和单目（如MediaPipe BlazePose）两类方法适用于人体运动评估，在矢状面运动学中展现出合理精度（RMSE ≤ 7°），但在横断面旋转和复杂运动中一致性较差。然而，现有验证研究多聚焦于步态和运动相关活动（如跑步、行走和跳跃），此类重复性、可预测的运动模式便于进行可靠分析。对于职业手工搬运这类以非对称姿势、多平面躯干旋转和自遮挡为特征的复杂任务，证据仍然不足。
OpenCap是一种开源、基于网络的多视图无标记系统，通过iOS设备同步视频重建三维关节运动学，采用深度学习算法进行关键点检测，并基于Rajagopal等人（2016）全身模型（37个自由度）在OpenSim中进行肌肉骨骼建模。MediaPipe BlazePose是Google开发的基于卷积神经网络（CNN）的单目管线，可从单个RGB摄像头估计三维人体姿态，具有高度便携性，适合现场部署。然而，单目姿态估计从根本上受限于深度模糊问题，且此前研究普遍报告其三维运动学精度低于基于标记的系统。
值得注意的是，大多数研究仅报告运动学精度，而非这些误差是否传播至实际使用的工效学风险分类中。观察性工具如REBA采用离散角度阈值（通常10–20°增量），可能吸收较小运动学误差，但一旦误差较大则可能改变风险类别。因此，运动学一致性与风险分类一致性未必重合。
本研究旨在评估多视图（OpenCap）和单目（MediaPipe）无标记系统在双手职业抬举任务中相对于基于标记的参考系统（Vicon）的同步效度，并考察任务复杂性增加对运动学测量效度及其对REBA风险分类的影响。
**二、主要技术方法**
研究采用横断面、受试者内实验设计。招募20名健康受试者（12名女性、8名男性），年龄18–35岁，无肌肉骨骼疼痛或损伤史。受试者在受控实验室条件下依次完成三项复杂度递增的双手抬举任务：垂直抬举（VL）、横向抬举（TL）、旋转行走抬举（RWL）。抬举载荷为10 kg箱子，负荷量级依据ISO 11228-1（2021）和修订版NIOSH抬举方程确定，抬举指数（LI）介于0.2–0.9之间，低于NIOSH限值1.0。
三种运动捕捉系统同时记录每次试验：Vicon标记系统配备14个红外摄像头（100 Hz），追踪39个被动反射标记；OpenCap多视图系统使用三台iOS设备（两台iPhone 14 Pro和一台iPad Air 5），约以30–45°间隔围绕受试者正面和矢状面布置，通过4×7棋盘格进行相机标定；MediaPipe单目系统使用单台iOS设备，其中VL任务采用iPhone 14 Pro提供矢状面视角（约90°），TL和RWL任务采用iPad Air 5提供斜视角（约45°）。
数据处理方面，Vicon数据采用Plug-in Gait FullBody模型处理，零滞后四阶Butterworth低通滤波（6 Hz）；OpenCap数据通过云端平台自动处理，采用OpenSim肌肉骨骼管线；MediaPipe数据使用BlazePose提取33个身体标志点，关节角度按Z–X–Y欧拉旋转计算，低通滤波截止频率为4 Hz以减弱视频单目标志点检测固有的高频帧间抖动。所有输出重映射至Vicon关节坐标系，确保定义和符号约定一致。共进行180次抬举试验，保留137次（76.1%）用于分析。
**三、研究结果**
**3.1 运动学效度**
跨所有关节-平面-任务组合，两种系统的RMSE为4.4–67.1°（RMSE% = 12–150%；R2 = 0.07–0.89）。从对称性（VL）到复杂非对称多平面条件（RWL），RMSE增加约15–30%，横断面运动增幅最大。两种系统在矢状面的RMSE（9.9–31.2°）均低于额状面和横断面（4.3–67.1°）。左右两侧测量性能相似，RMSE和RMSE%差异分别为2–4°和2–5%。
任务对效度的影响显著：躯干在所有三个平面的RMSE、右肘和右踝、肩关节和髋关节旋转均受任务显著影响。横断面中躯干轴向旋转RMSE随复杂度增加，RWL期间OpenCap达67.1°、MediaPipe达58.7°。
系统间差异呈一致的近端-远端模式：矢状面中，MediaPipe在躯干和肩部RMSE较低，而OpenCap在远端肘部和踝部RMSE较低，膝部无系统间差异。额状面和横断面中，系统间差异更依赖任务条件，与显著的System×Task交互作用一致。
**3.2 REBA风险评估**
两种系统在VL任务中均达到100%的风险类别一致性（PEA），但随任务复杂度增加而下降（MediaPipe：TL 78.3%，RWL 70.3%；OpenCap：TL 71.7%，RWL 70.3%）。REBA总分保持在距标记参考约2分以内（MAE：MediaPipe 0.47–2.03；OpenCap 0.43–1.92分）。
**四、讨论与结论**
研究证实了任务复杂性对两种无标记系统性能的调节作用，支持了第一项假设。对称抬举期间的表现与步态研究相当，但涉及躯干旋转和行走时运动学一致性大幅下降，尤其在横断面。REBA风险分类一致性随任务复杂度递增而下降，支持第三项假设。两个系统在对称抬举中均实现了100%的REBA风险类别一致性，表明其实用性可用于初步工效学筛查；但涉及大量躯干旋转和行走的任务应谨慎应用。
系统选择应主要依据主要关注的关节区域和运动平面。MediaPipe提供便携式单相机解决方案，适合现场部署；OpenCap在多平面条件下提供更广泛的关节覆盖。对于需要确定性风险评估的复杂多平面手工搬运任务，基于标记的系统仍更为可取。未来研究应评估真实工作场所条件下的系统性能，并探索先进的姿态估计方法以扩展无标记系统在职业环境中的实用性。
