Analýza rozsahu pohybů člověka

Abstract

Tato práce se zabývá automatizovaným měřením rozsahu pohybu lidského těla z videozáznamu pomocí metod počítačového vidění. Hlavním motivem je nahrazení manuální goniometrie, která vykazuje variabilitu výsledků mezi různými odborníky a vyžaduje přítomnost odborného personálu, objektivním a opakovatelným postupem. V práci je provedena rešerše dostupných algoritmů pro odhad lidské pózy zahrnující konvoluční i Transformer architektury pracující ve 2D i 3D prostoru. Následně je vytvořena syntetická datová sada čítající 1 128 videozáznamů s referenčními hodnotami přesnými na desetiny stupně. Data jsou generována pomocí biomechanického modelu SKEL, parametrického modelu postavy SMPL-X a fotorealistických textur z projektu BEDLAM v prostředí Blender. Na této datové sadě je provedeno srovnávací testování 31 konfigurací modelů pro odhad pózy s využitím metrik MAE, RMSE, PCK a směrodatné odchylky. Z hodnocených modelů dosahuje nejnižší průměrné absolutní chyby model RTMP-M (2,45°), avšak s přihlédnutím ke kompromisu mezi přesností, rychlostí inference a robustností vůči variabilitě BMI je jako optimální zvolen model YOLO26l-pose (MAE = 2,72°, PCK7,5° = 96,89 %). Tento model tak na syntetických datech dosahuje přesnosti srovnatelné se spolehlivostí manuálního měření prováděného jedním zkušeným odborníkem, a to při zachování plné opakovatelnosti bez inter-rater variability. Na základě těchto výsledků je implementována desktopová aplikace v jazyce Python s grafickým rozhraním PyQt6, která podporuje analýzu videa i měření v reálném čase a umožňuje export dat do formátů JSON, XML a PDF.

This thesis addresses the automated measurement of human range of motion from video recordings using computer vision methods. The primary motivation is to replace manual goniometry, which exhibits inter-rater variability of up to 25° and requires trained personnel, with an objective and repeatable procedure. A survey of available human pose estimation algorithms is conducted, covering both convolutional and Transformer architectures operating in 2D and 3D space. A synthetic dataset comprising 1,128 video recordings with ground truth accurate to tenths of a degree is then generated using the biomechanical model SKEL, the parametric body model SMPL-X, and photorealistic textures from the BEDLAM project within the Blender environment. On this dataset, 31 pose estimation model configurations are benchmarked using MAE, RMSE, PCK, and standard deviation metrics. Among the evaluated models, RTMP-M achieves the lowest mean absolute error (2.45°); however, considering the trade-off between accuracy, inference speed, and robustness to BMI variability, YOLO26l-pose is selected as the optimal model (MAE = 2.72°, PCK7.5° = 96.89%). This model reaches accuracy on synthetic data comparable to the reliability of manual measurement performed by a single experienced clinician, while providing full repeatability and eliminating inter-rater variability. Based on these results, a desktop application is implemented in Python with a PyQt6 graphical interface, supporting both video analysis and real-time measurement with export to JSON, XML, and PDF formats.