Computer-Vision-Enabled Worker Video Analysis for Motion Amount Quantification

本文介绍了一种基于计算机视觉的新型框架，用于跟踪和量化工人上肢和下肢的运动，并在运动达到临界阈值时发出警报。该框架利用姿势估计的关节位置数据，采用Hotelling's T2统计量来量化和监测运动量，并集成计算机视觉工具以应对自动化工人培训中的挑战，增强该领域的探索性研究。我们收集了参与者使用大箱子和小木块进行举起和移动任务的数据，以模拟宏观和微观装配任务。研究发现，与宏观任务相比，工人的关节运动量与Hotelling's T2统计量的相关性约高出35％，突显了该框架识别微观运动差异的能力。本研究证明了所提出的系统在各种行业设置中实时应用的有效性。它提供了一个工具，通过精确的运动分析和积极的人体工程学调整，增强工人的安全性和生产力。

如何通过计算机视觉技术实时监测工人的运动量并提高生产力和安全性？

提出了一种基于计算机视觉的框架，可以跟踪和量化工人的手臂和腿部运动，并在运动量达到临界阈值时发出警报。该框架利用姿势估计的关节位置数据，使用Hotelling's T^2统计量来量化和监测运动量，并集成计算机视觉工具来解决自动化工人培训的挑战。

实验采用大箱子和小木块等模拟宏观和微观装配任务的数据，发现微观任务与宏观任务相比，工人关节运动量与Hotelling's T^2统计量之间的相关性约高35％，这突显了该框架识别微观运动差异的能力。该研究证明了所提出系统在各种行业实时应用中的有效性，为通过精确运动分析和积极的人体工效调整提高工人安全性和生产力提供了工具。

最近的相关研究包括：1.基于深度学习的人体姿势估计技术；2.基于传感器的工人运动监测技术；3.基于机器学习的工人姿势分类技术。