基于模型校准的单摄像头头部撞击速度追踪：开启精准分析新篇

为解决单摄像头未校准空间中追踪头部撞击速度的难题，研究人员开展 MBIM 技术研究，发现其精准度良好，意义重大。

　　在运动、车祸、跌倒等场景中，头部撞击时有发生，深入了解头部撞击的运动学原理对理解头部损伤生物力学、研发防护装备、制定预防策略至关重要。传统的视频测量技术虽然能追踪头部撞击运动学，但大多需要在经过校准的环境中，借助多个摄像头视角才能实现精准捕捉。然而，实际生活里大量头部撞击视频是由单摄像头拍摄，且往往缺乏校准信息，这使得从这些视频中提取撞击运动学数据困难重重，严重限制了对关键记录的分析深度。

在此背景下，弗吉尼亚理工大学（Virginia Tech）等机构的研究人员开展了一项重要研究，相关成果发表于《Annals of Biomedical Engineering》。该研究旨在评估基于模型校准的模型匹配（MBIM）方法，利用单摄像头视图追踪未校准空间中头部撞击速度的准确性和可靠性。

研究人员采用了两种关键的技术方法。一方面，使用两个验证数据集进行研究。第一个数据集包含 36 个引导 NOCSAE 头模跌落的视频，这些视频在不同的相机位置（高度、距离、相机角度）拍摄，通过速度门测量垂直撞击速度；第二个数据集有 8 个参与者进行梯子跌落的视频，参与者佩戴标记头盔，利用 12 摄像头运动捕捉系统追踪头部撞击速度。另一方面，研究人员自主开发了基于 Godot 游戏引擎的 MBIM 程序，将 3D 比例的 NOCSAE 头模模型导入其中，并通过手动操作使头模在 3D 空间中的位置、旋转和缩放与 2D 视频帧中的头部匹配，进而计算头部撞击速度。

研究结果主要体现在以下几个方面：

1. NOCSAE 跌落塔实验结果：对于理想相机视图（90 度，高度 1 或 1.4 米），MBIM 追踪的垂直速度比真实速度快 0.04±0.15 m/s（均方根误差 RMSE 为 0.15 m/s；误差为 2.3±6.2%）。在所有 36 个 NOCSAE 视频中，MBIM 追踪的垂直速度比真实速度快 0.03±0.19 m/s（RMSE 为 0.19 m/s；误差为 1.8±6.9%）。同时发现，追踪垂直速度的准确性会随着相机角度的增加而降低（p=0.009），但相机距离（p=0.896）和相机高度（p=0.809）对追踪垂直速度的准确性影响不大。
2. 评估评分者间信度：两名评分者对 36 个 NOCSAE 引导跌落塔视频进行追踪，结果显示两者追踪的垂直撞击速度平均差异为 0.27±0.21 m/s，平均 RMSE 为 0.35 m/s，组内相关系数 ICC 达到 0.94（95% CI：0.88 - 0.97），表明评分者间信度较高。
3. 参与者梯子跌落实验结果：MBIM 追踪的合成速度比 3D 运动捕捉合成速度慢 0.7±9.5%（-0.01±0.33 m/s；RMSE 为 0.31）。具体来看，与观测速度相比，MBIM 追踪的垂直速度平均慢 0.22±0.69 m/s（RMSE 为 0.69 m/s），水平速度平均慢 0.13±0.24 m/s（RMSE 为 0.26 m/s），深度速度平均快 0.14±0.17 m/s（RMSE 为 0.21 m/s） 。

研究结论和讨论部分指出，MBIM 结合模型校准展现出在未校准环境中，利用单摄像头准确追踪头部撞击的能力，且评分者间信度较高。与其他需要校准或多摄像头角度的复杂方法相比，该方法优势明显，能为捕捉头部撞击运动学提供更多可能。不过，该方法也存在一些局限性，如未直接比较其他替代方法，未评估相机分辨率、照明场景和帧率对追踪准确性的影响，也未验证其追踪头部撞击时角向或旋转速度的准确性。尽管如此，MBIM 结合模型校准仍为理解头部撞击运动学、制定有效预防策略提供了重要的新途径，在体育赛事、跌倒视频回顾性分析等实际场景中具有巨大的应用潜力。