《Scientific Reports》：Sparse frame selection for graph-based deadlift form assessment
编辑推荐：
自动化运动分析通过单目RGB视频可以增强力量训练中的损伤预防和表现评估。然而，现有方法难以准确评估硬拉——这是最广泛练习且动作错误时具有高损伤风险的动作之一。由于微妙的生物力学误差、冗余帧以及视频分析的计算需求，从单目RGB视频评估动作形式仍具挑战性。本研究引
自动化运动分析通过单目RGB视频可以增强力量训练中的损伤预防和表现评估。然而，现有方法难以准确评估硬拉——这是最广泛练习且动作错误时具有高损伤风险的动作之一。由于微妙的生物力学误差、冗余帧以及视频分析的计算需求，从单目RGB视频评估动作形式仍具挑战性。本研究引入了一个实时框架，将改进的搜索-映射-搜索帧选择方法与基于图的模型相结合，在由认证专家创建、标记为好或坏形式并用于硬拉评估的自定义数据集上进行训练。通过每次重复选择六个代表性帧，所提出的帧选择方法减少了89.8%的冗余，同时保留了关键的生物力学信息。基准测试结果表明，所提出的时间图卷积网络（proposed T-GCN）达到了89.5%的准确率，具有高精确率和召回率；其图分类阶段在桌面GPU上运行时间为0.4秒，而完整的视频到决策流水线运行时间约为0.8秒。轻量级的所提出时空图卷积网络（proposed ST-GCN）变体仅包含4,514个参数，达到了可比的性能（85.3%准确率）。这些发现表明，所提出的框架在显著减少处理帧数和计算成本的同时实现了具有竞争力的准确率，使其能够在商用RGB硬件上实际部署。
基于图的硬拉动作评估研究解读
一、研究背景与问题
硬拉是一项广受欢迎的复合多关节抗阻训练动作，涉及将杠铃从地面提至大腿高度再放下的完整过程，能有效锻炼大腿、髋部、背部和核心肌群。然而，当动作技术不正确时，硬拉可能导致多种运动损伤。研究数据显示，在竞技硬拉运动员中，有22%（50人中的11人）将自身损伤归因于不良的举重技术或姿势。硬拉动作评估面临特殊挑战，因为安全与危险动作之间的差异可能仅取决于髋部或脊柱角度的几度偏差，例如下背部轻微弓起或髋部位置不正确，这些细微差异都会增加损伤风险。虽然专家监督对于提升表现和预防损伤至关重要，但许多训练者无法获得实时指导来确保正确的硬拉动作形式。
利用视频分析进行自动化动作评估有望为更广泛的训练者提供有价值的反馈，但从单目RGB视频准确评估技术仍面临诸多挑战，包括微妙的生物力学偏差、视角依赖的模糊性以及处理完整视频序列的计算需求。此外，重复性动作产生的冗余视频帧增加了计算负荷却不贡献有意义的信息。在健身房环境中的实际部署需要能够在商用硬件上进行低延迟处理，而深度传感器和可穿戴设备在多数训练场景中并不实用。这些挑战凸显了现有解决方案的不足：需要一种既能准确识别细微动作错误，又能在标准单摄像头RGB视频上高效实时部署的方法。该研究发表于《Scientific Reports》。
二、主要技术方法
研究人员构建了一个由认证国际健身专业人员协会（IFPA）教练标注的自定义硬拉视频数据集，包含377个视频片段，由三名19至25岁的中等训练经验男性参与者在五个不同视角下完成，涵盖从空PVC管到200公斤负载杠铃的多种重量。研究采用改进的搜索-映射-搜索（SMS-RT）帧选择方法，通过YOLOv11目标检测和ResNet-50+时间分段网络（TSN）特征提取、分层搜索和Transformer映射三个阶段，从每个视频中选择六个代表性帧。随后使用YOLOv11-Pose模型提取17个COCO标准解剖关键点，构建包含空间边和时间边的统一时空图，并训练六种图卷积网络（GCN）模型进行分类。
三、研究结果
SMS-RT帧选择性能。 帧选择流水线成功解决了硬拉视频长度可变（每片段22至168帧）带来的计算挑战。分层搜索算法实现了平均每视频89.8%的帧缩减，将平均77.9帧减少至六个代表性帧，同时保留了生物力学关键时刻。Transformer映射函数展现出良好的学习收敛性，最终训练损失为0.049（95.1%余弦相似度），验证损失为0.067（93.3%相似度），训练与验证之间仅0.018的微小泛化差距表明模型能够将帧选择策略泛化到未见视频。
SMS-RT数据集上的模型性能。 六种基于图的模型在SMS-RT数据集上进行了评估。自适应注意力图卷积网络（AAGCN）达到最佳性能，准确率为92.9%，F1分数为93.2%。所提出的T-GCN以89.5%准确率和89.8% F1分数紧随其后，所提出的ST-GCN达到85.3%准确率和86.1% F1分数。相比之下，空间+LSTM模型表现最低，准确率仅为69.7%。在效率方面，所提出的T-GCN训练时间最短（8.3秒），推理时间为0.4秒；所提出的ST-GCN仅含4,514个参数，是最轻量级的模型。完整视频到决策流水线在商用桌面GPU上运行约0.8秒。
消融研究：帧选择和所提出模型的影响。 与使用全部帧相比，SMS-RT方法不仅减少了输入帧数，还提高了所有模型的准确率。AAGCN的准确率从77.1%提升至92.9%，T-GCN从87.4%提升至92.1%。与专家选择帧相比，SMS-RT取得了接近的性能，例如所提出的ST-GCN在SMS-RT下F1分数为86.1%，专家选择帧下为88.7%。随机采样则表现明显较差且不一致，T-GCN的F1分数降至72.4%。SMS-RT方法还降低了跨折交叉验证的变异性。
扩展测试集上的外部稳健性。 在扩展合并测试集（N=130）上，专家选择视图下六个模型中有五个保持统计稳定，而SMS下四个模型表现出显著性能下降，其中所提出的ST-GCN下降最大（Δ=-18.2%，p=0.003）。
受试者独立评估。 留一受试者交叉验证（LOSO）中，留出受试者准确率约为50%至74%，低于受试者依赖的视频级结果，表明原始评估应被解释为受试者依赖性能而非完全跨个体泛化。
四、讨论与结论
SMS-RT方法实现的89.8%帧缩减源于运动视频固有的时间冗余和硬拉的分层生物力学特性。硬拉遵循可预测的阶段——准备、离心下降、向心拉起和锁定——各阶段信息密度不同。SMS-RT的三阶段分层过程能够识别这些生物力学重要时刻并过滤冗余帧，这与专家教练关注初始拉起、膝部过渡和锁定等关键检查点的策略高度一致。AAGCN通过自适应拓扑学习发现非显而易见的生物力学依赖关系，在内部基准上取得最佳F1分数，但该优势在更广泛的采集条件下未能完全迁移。所提出的ST-GCN和T-GCN通过统一时空图架构实现空间和时间边的同步消息传递，在紧凑窗口内集中判别性动力学信息，在速度-准确率前沿上实现了不同的最优平衡点。该框架证明了在显著减少处理帧数和计算成本的同时实现竞争性准确率的可行性，支持在商用RGB硬件上实际部署，为硬拉动作评估提供了高效且可扩展的自动化解决方案。
