基于计算机视觉的单目3D人体姿态估计与人体工程学风险评估：模型变体和相机视角对运动精度及人体工程学评估有效性的影响

《International Journal of Industrial Ergonomics》：Computer Vision–Based monocular 3D human pose estimation and ergonomic risk assessment: The impact of model variants and camera views on kinematic accuracy and ergonomic assessment validity

　　• 比对了两个开源的3D姿态估计模型，用于人体工程学风险评估。• MediaPipe在关节准确性和风险评分可靠性方面优于MMPose。• 相机视角对准确性有显著影响；不同模型所需的最佳视角各不相同。• 任务类型和遮挡程度显著影响模型性能。• 提出了适用于人体工程学风险评估中的模型和相机设置的实际指南。

引言
工作相关的肌肉骨骼疾病（WMSDs）是由于重复性任务、不自然或静态姿势以及高力量需求等职业暴露导致或加重的肌肉、关节及相关软组织的损伤（Demissie等人，2024年；Geto等人，2025年）。WMSDs是工作相关残疾、生产力损失和赔偿成本的主要原因，在制造业、建筑业、医疗保健和物流等行业中普遍存在（Bevan，2015年；WHO，2022年）。全球疾病负担分析表明，肌肉骨骼疾病是全球残疾年数的主要原因，从1990年到2021年患病率几乎翻了一番，并且仍在上升（Liu等人，2025年）。在欧盟，约60%的工人报告至少有一种肌肉骨骼问题（欧洲工作安全与健康局，2019年）。同样，在韩国，WMSDs占所有职业疾病的约60％，每年约有9500例新病例，估计给GDP造成的经济负担为0.7％（Kee，2023年；Oh等人，2011年）。在美国，WMSDs占导致工作日丢失的所有职业伤害的约三分之一（美国劳工统计局，2020年）。在一些发展中国家，建筑行业的患病率更高，巴基斯坦为89％，尼日利亚为87％，斯里兰卡为82％（Rahman和Sakamoto，2023年）。这些数据共同强调了WMSDs的全球性和行业特定性负担，并突出了对可扩展且准确的人体工程学风险评估方法的迫切需求。

介绍
鉴于WMSDs的广泛影响，有效预防WMSDs需要能够准确高效地评估工作场所人体工程学风险的工具。传统的评估方法通常分为三类：自我报告、观察工具和直接测量系统。自我报告问卷因其成本低廉且易于实施而仍然被广泛使用，但它们容易受到回忆偏倚、症状误分类和主观报告的影响。因此，最近的综述建议在可行的情况下将自我报告措施与更客观的人体工程学评估相结合（Yirdaw和Adane，2024年）。观察工具，如快速上肢评估（RULA；McAtamney和Nigel Corlett，1993年）和快速全身评估（REBA；Hignett和McAtamney，2000年），依赖于专家对工作姿势和任务特征的视觉评估。虽然这些方法在实践中得到广泛应用，但它们需要经过培训的评估者、手动评分，并且容易出现评分者间差异。直接测量系统，包括光学运动捕捉和可穿戴惯性传感器，可以提供准确的生物力学数据，但它们需要专门的硬件、仔细的校准和受控的实验室条件，这限制了它们在复杂或杂乱工作场所中的实际应用（Robert-Lachaine等人，2017年；Murugan等人，2025年）。随着人工智能的快速发展，计算机视觉（CV）已成为一个有前景的替代方案。CV结合了观察工具的可扩展性和直接测量的客观性。现在，人类姿态估计的进步使得可以从标准视频中非侵入性地提取身体关键点，从而无需可穿戴传感器或物理标记即可实现自动化姿态分类。基于这一能力，研究人员开发了多种基于CV的人体工程学评估技术，每种技术都有其独特的优势和局限性。早期的研究集中在深度相机上，例如Microsoft Kinect，它为无标记姿态分析提供了一种低成本的替代方案（Plantard等人，2017年；Brunner等人，2022年）。然而，它们的准确性对环境条件和传感器放置非常敏感——遮挡、非正面跟踪和光照变化经常导致重大误差，尤其是在躯干和手臂运动估计方面，这限制了它们在实际工作场所环境中的可靠性。几项研究使用基于2D RGB的姿态估计来自动化观察工具。MassirisFernández等人（2020年）使用OpenPose关键点计算了建筑任务的RULA分数。Li等人（2020年）训练了一个分类器，从2D关键点预测RULA风险级别，Seo和Lee（2021年）使用在合成数据上训练的轮廓特征预测了工作姿势分析系统（OWAS）分数（Karhu等人，1977年）。尽管这些方法展示了基于CV的人体工程学评估的可行性，但它们仍然受到遮挡敏感性的限制，并且缺乏深度感知，限制了它们在详细生物力学和人体工程学分析中的应用。为了解决这些问题，后续研究探索了多相机3D重建，使用同步的相机来估计全身姿态并计算REBA和RULA分数。例如，Kim等人（2021年）报告称与人体工程学家的一致性更强。尽管如此，多视图配置的高成本、校准工作和设置复杂性继续阻碍了其广泛应用。

关于单目3D姿态估计在人体工程学评估中的研究已经从特定任务的框架发展到更广泛的基准测试努力，但仍有若干方法学上的差距。Yu等人（2019年）的早期工作提出了一种基于视觉的工具，用于评估建筑工人的姿态，提供了更具解剖学意义的评估；然而，其性能仍受到遮挡和相机视角的限制。Paudel等人（2022年）通过一个结合了对象检测、2D关键点估计和3D重建的概率过滤框架改进了这一工作，从而自动从工厂视频中分类REBA、RULA和OWAS分数。他们的概率过滤和身体角度可靠性决策（BARD）框架提高了对噪声和部分遮挡的鲁棒性，但未系统分析关节级别的准确性和相机放置效应。同样，Hossain等人（2023年）使用来自Human3.6M的合成3D关键点数据训练了一个深度网络进行REBA风险分类，展示了强大的分类性能，但没有解决关节级别的准确性、遮挡或视角敏感性问题。Fan等人（2024年）发布了一个大型建筑特定数据集，并对几种深度学习模型进行了基准测试，用于REBA分类，提供了有价值的基准数据，但缺乏解剖学可解释性和关节级别的精确分析。Jiao等人（2024年）通过将2D关键点检测与时间卷积结合用于3D重建，测试了五种相机视角，并使用数据增强来提高鲁棒性。他们的系统与人体工程学家的评级高度一致，但仍然仅适用于REBA分类，没有报告关节位置准确性或实现更广泛的生物力学应用。最近，Murugan等人（2025年）进行了少数几个开源单目3D姿态估计模型的系统比较，包括VideoPose3D和MediaPipe。他们强调了相机放置的强烈影响，侧视图可以获得更准确的RULA分数，但他们的实验仅限于遮挡最少的简化任务，缺乏对关节位置或解剖平面投影的详细评估。总体而言，尽管先前的研究证明了基于CV的人体工程学评估的可行性，但大多数研究强调与REBA和RULA等工具的分类一致性，而对关节级别运动学有效性或姿态估计误差如何影响人体工程学决策的考察有限。因此，目前尚不清楚单目3D姿态估计何时足够准确用于人体工程学筛查，以及其局限性何时可能影响生物力学解释。重要的是，人体工程学有效性不能仅从运动学准确性推断出来，因为人体工程学评估工具将连续的关节角度离散化为广泛的风险类别，这些类别可能容忍中等程度的估计误差而不改变风险分类。

为了填补这一方法学空白，本研究明确区分了运动学保真度（关节位置和关节角度的准确性）和人体工程学决策的鲁棒性，后者定义为运动学误差改变人体工程学风险分类和评估结果的程度。以光学运动捕捉作为参考，我们系统地评估了两种广泛使用的开源单目3D人类姿态估计模型（MediaPipe和MMPose），在多种相机视角和反映实际工业姿势和遮挡模式的任务条件下进行测试。通过联合量化关节级别的运动学误差和任务级别的人体工程学一致性（REBA和RULA），本研究将姿态估计准确性与人体工程学决策有效性联系起来。我们的贡献不是提出一种新的人体工程学评估工具，而是一种方法学上的：我们提供了基于证据的指导，说明何时现成的姿态估计模型足够用于人体工程学筛查，以及何时需要更高保真度的运动学验证以进行下游的生物力学分析。

参与者
20名健康成人（15名男性，5名女性）参与了本研究。样本大小是根据重复测量ANOVA进行的功效分析确定的，效应量为f=0.28，α=0.05，统计功效为0.80。参与者的 demographics 如表1所示。所有参与者在过去的12个月内均没有报告肌肉骨骼疾病或损伤，并确认他们能够完成所需的身体任务。

关节位置误差（MPJPE）
表3总结了关于关节位置误差（MPJPE）的三因素ANOVA结果。所有主要效应和交互作用均显著（p<0.001）。任务解释了最大的方差（ηp2=0.621），其次是姿态估计模型×任务交互作用（ηp2=0.361）和姿态估计模型的主要效应（ηp2=0.290）。其他显著的效应包括任务×相机视角（ηp2=0.165）和三因素交互作用（ηp2=0.157）。姿态估计模型×相机视角的效果...

对人体工程学评估方法学的贡献
尽管基于计算机视觉的姿态估计已被广泛用于人体工程学评估，但现有文献大多集中在可行性演示或与REBA和RULA等工具的分类一致性上，往往没有探讨姿态估计误差如何影响具有生态学意义的结果（Massiris-Fernández等人，2020年；Li等人，2020年；Seo和Lee，2021年；Jiao等人，2024年）。因此，人体工程学研究人员和实践者缺乏基于证据的...

结论
本研究系统地比较了两种广泛使用的开源单目3D人类姿态估计模型MediaPipe和MMPose，以评估它们在多种任务类型和三种相机视角（正面、45°和侧面）下的准确性和适用性。以光学运动捕捉作为参考，我们联合评估了关节级别的运动学准确性和与公认的人体工程学评估工具（REBA和RULA）的一致性。结果表明...

作者贡献声明
Mahsa Aghazadeh：写作——原始草稿、验证、软件、方法学、正式分析、数据管理。Shuping Xiong：写作——审阅与编辑、监督、资源、项目管理、方法学、资金获取、概念化。

利益冲突声明
作者声明他们没有已知的竞争性财务利益或个人关系可能影响本文所述的工作。

致谢
本研究部分得到了韩国国家研究基金会（NRF）的支持，该基金会由科学和ICT部资助，项目编号为NRF-2022R1F1A1061045和NRF-2022M3J6A1063021。

Mahsa Aghazadeh | Shuping Xiong