LLLMWIKI
正文研究地图阅读入口元数据

来源笔记 · 更新于 2026-07-12

OpenCapOpenCap 用智能手机视频估计人体运动学与动力学，降低实验室级运动捕捉门槛。

#near-cvpr-2025#video-understanding#benchmarking#primary-source

OpenCap：从双智能手机视频估计人体运动学与动力学

来源：PLOS Computational Biology 2023
DOI：10.1371/journal.pcbi.1011462
全文深读：2026-07-12 · analysis

一句话结论

OpenCap 把双智能手机视频、姿态估计、3D triangulation、LSTM marker augmentation、OpenSim 与 muscle-driven simulation 接成非专家可用的云端系统；实验室验证的 joint-angle MAE 为 4.5°，100 人 field study 的不对称筛查 AUC 为 0.90。它适合作为受控体育训练的双视角生物力学参考分支，单目广播羽毛球与高速拍球接触仍需专项验证。

系统方法

  1. 两台或更多 iOS 设备以 720×1280、60 Hz 采集，棋盘格完成相机标定；
  2. OpenPose/HRNet 输出 20 个 2D keypoints 与 confidence，通过速度 cross-correlation 同步；
  3. confidence-weighted DLT 三角化 3D keypoints；
  4. 两个 LSTM 基于 108 小时 Mocap/OpenSim 数据，把稀疏 keypoints 扩充为 43 个 anatomical markers；
  5. OpenSim 逆运动学与 33-DoF/80-muscle model 恢复 joint kinematics；
  6. CasADi/IPOPT optimal-control simulation 估计 ground reaction forces、joint moments、muscle activations 与 joint loads。

验证与核心结果

实验室验证包含 10 名健康成人、自然/修改步行、深蹲、坐站和 drop jump；金标准为 8-camera marker Mocap、force plates 与 EMG。默认 OpenCap 配置只使用两台 ±45° iPhone 12 Pro 与 HRNet。

指标结果
Joint rotations MAE4.5°
Joint translations MAE12.3 mm
Ground reaction force MAE6.2%BW（摘要平均口径）
Joint moments MAE1.22%BW×height
Peak knee adduction momentr²=0.80，MAE 0.30%BW×height
Sit-to-stand knee extension momentr²=0.65，MAE 5.5 Nm
Squat vasti asymmetryAUC 0.83，accuracy 75%
100 人 field screeningAUC 0.90，accuracy 85%
Field change detectionAUC 0.93，accuracy 89%

系统硬件约 40–700 美元，论文估算约比传统实验室设备便宜 215×；field study 每人 hands-on time 约 5 分钟，约快 25×。单个 squat 的 kinematics / kinetics 计算分别约 2 / 35 分钟。

关键结构证据

  • LSTM marker augmentation 相比直接使用视频 keypoints，将全 DoF 平均运动学误差改善 3.4°；
  • body / arm LSTM test RMSE 为 8.0 / 15.2 mm；
  • 对论文覆盖的动作，两台相机以上没有显著改善 kinematics；
  • 学习模块承担 marker completion 与时序一致性，physics-based optimization 承担跨动作 dynamics，避免为每种活动单独训练 end-to-end kinetics model。

局限与证据边界

  • 实验室样本只有 10 名健康成人，病理/康复状态由健康人模拟；
  • 未测 test–retest repeatability；
  • LSTM 对训练动作分布外的泛化仍需验证；
  • Dynamics simulation 需要 task-specific cost、constraints 与 filter settings；
  • 双视角、标定和身体可见性要求与单目广播体育视频差异明显；
  • 高速 wrist/racket/shuttle/contact event 未被验证；
  • 论文的 gold standard 是 skin-marker Mocap，本身存在 soft-tissue artifact。

对体育 AI 与羽毛球 demo 的影响

OpenCap 可以作为 questions/question-badminton-stroke-correction-demo 的双视角生物力学参考分支：提供 3D pose、joint angles、moments 与 standard-motion exemplar。它与 TrackNet 系列分工明确：TrackNet 定位 shuttle，OpenCap 估计人体运动学；两者仍需 hit-frame、racket/contact 和 court-coordinate alignment 才能进入技术动作纠正。

证据评级：A-（受控多视角运动学/动力学）/ B-（体育训练迁移）/ C（单目广播羽毛球纠正）。

原始材料

  • raw/ingest/2026-04-25-opencap/paper.pdf（PLOS 官方 PDF，26 页；SHA256 764163ecf64f1dd72571f911b3d74259809825b465539fbc9b161ae9910a36b9）
  • raw/ingest/2026-04-25-opencap/paper-text.md（PDF 清洁抽取，1463 行）
  • raw/ingest/2026-04-25-opencap/analysis.md
  • raw/ingest/2026-04-25-opencap/links.yaml

相关页面

元数据
{
  "id": "2026-04-25-opencap",
  "type": "source",
  "title": "OpenCap（PLOS Computational Biology / PMC 2023）：OpenCap 用智能手机视频估计人体运动学与动力学，降低实验室级运动捕捉门槛。",
  "status": "reviewed",
  "created": "2026-04-25",
  "updated": "2026-07-12",
  "venue": "PLOS Computational Biology / PMC 2023",
  "published_at": "2023-10-01",
  "ingested_at": "2026-04-25",
  "tags": [
    "near-cvpr-2025",
    "video-understanding",
    "benchmarking",
    "primary-source"
  ],
  "note_status": "reviewed",
  "source_type": "paper",
  "authors": [
    "Scott D. Uhlrich",
    "Antoine Falisse",
    "Łukasz Kidziński",
    "Julie Muccini",
    "Michael Ko",
    "Akshay S. Chaudhari",
    "Jennifer L. Hicks",
    "Scott L. Delp"
  ],
  "canonical_links": [
    "https://pmc.ncbi.nlm.nih.gov/articles/PMC10586693/",
    "https://doi.org/10.1371/journal.pcbi.1011462",
    "https://journals.plos.org/ploscompbiol/article/file?id=10.1371/journal.pcbi.1011462&type=printable"
  ],
  "raw_entry": "raw/ingest/2026-04-25-opencap/",
  "topics": [
    "topics/sports-ai-video-understanding",
    "topics/sports-ai-roadmap",
    "topics/video-understanding"
  ],
  "entities": [
    "entities/sportsmot"
  ],
  "claims": [],
  "questions": [
    "questions/question-badminton-stroke-correction-demo"
  ]
}