Recovering Biomechanical Signals from Missing Keypoints Using Temporal Interpolation in Monocular Gait Analysis

Das Gehen ist ein Rhythmus, über den wir selten nachdenken, ein nahtloser Bewegungsfluss, den unser Körper ohne bewusste Anstrengung vollzieht. Doch für Wissenschaftler, die die menschliche Bewegung untersuchen, stellt das Erfassen dieses Rhythmus mit einer einfachen Kamera ein überraschend schwieriges Rätsel dar. Jahrzehntelang verließen sich Forscher auf teure Labore, die mit reflektierenden Markern und speziellen Sensoren gefüllt waren, um zu verfolgen, wie sich unsere Gelenke bewegen. Heute ermöglicht uns kostengerechtere Technologie, eine einzige Videokamera zu nutzen, um zu schätzen, wo sich unsere Körperteile im Raum befinden – ein Prozess, der als Pose Estimation (Haltungsschätzung) bekannt ist. Diese Technologie verspricht, hochwertige Bewegungsanalysen in Kliniken, Fitnessstudios und sogar in Privathaushalten zu ermöglichen. Diese kamerabasierten Systeme sind jedoch fragil. Wenn ein Bein eines Menschen kurzzeitig verdeckt ist oder wenn die Software durch Bewegungsunschärfe verwirrt wird, verliert das System den Überblick über einen spezifischen Punkt am Körper, der als Keypoint (Schlüsselpunkt) bezeichnet wird. Wenn ein Keypoint verschwindet, bricht die Berechnung, wie ein Gelenk beugt, oft vollständig zusammen und verwandelt ein glattes, nützliches Signal in statisches Rauschen. Die Frage, vor der Forscher stehen, ist, ob dieses fehlerhafte Signal mit komplexen, schweren Computermodellen repariert werden kann oder ob ein viel einfacherer Ansatz ebenso gut funktionieren könnte.

In einer kürzlich durchgeführten Studie widmete sich ein Forscher der Singapore University of Technology and Design diesem Problem, indem er sich auf das Knie konzentrierte, ein Gelenk, das sich bei jedem Schritt beugt und streckt. Der Forscher verwendete ein einzelnes Video eines gehenden Mannes und bat einen Computer, seinen Körper mithilfe von Standardsoftware zu verfolgen. Um die Schwäche des Systems zu testen, entfernte der Forscher absichtlich den Datenpunkt für den Knöchel in jedem einzelnen Frame des Videos, um eine Situation zu simulieren, in der der Knöchel von der Kamera verdeckt wird. Ohne den Knöchel konnte der Computer den Winkel des Knies nicht mehr berechnen. Das Ergebnis war unmittelbar und dramatisch: Die Daten für den Kniewinkel bewegten sich überhaupt nicht mehr. Das Signal flachte ab, verlor alle natürlichen Auf- und Abbewegungen eines Schrittes, und der Fehler in der Messung sprang auf durchschnittlich 23,4 Grad. Das System war effektiv eingefroren und unfähig zu erraten, wo das Knie ohne den Ankerpunkt des Fußes sein sollte.

Der Forscher versuchte es dann mit einem anderen Ansatz, der nicht darauf basierte, eine komplexe künstliche Intelligenz darauf zu trainieren, die fehlenden Daten zu „erraten“. Stattdessen wandte er eine einfache Methode namens temporale Interpolation an. Diese Technik betrachtet, wo sich der Knöchel im Frame unmittelbar vor seinem Verschwinden befand und wo er sich im Frame unmittelbar danach befand, und füllt die Lücke mit einer glatten, berechneten Position basierend auf diesen Nachbarn auf. Es handelt sich um eine geradlinige mathematische Glättung, ähnlich wie man die Position eines Autos zwischen zwei bekannten Punkten auf einer Straße schätzen würde. Als diese einfache Korrektur angewendet wurde, erwachte das Signal des Kniewinkels wieder zum Leben. Die eingefrorene Linie begann sich wieder zu bewegen, gewann ihre natürliche Form und ihren Rhythmus zurück. Der durchschnittliche Fehler sank von 23,4 Grad auf nur noch 1,1 Grad, und die Geschmeidigkeit der Bewegung kehrte fast auf das Niveau zurück, als wäre der Knöchel nie gefehlt.

Die Studie ergab, dass dieser einfache Fix deshalb funktionierte, weil das menschliche Gehen über sehr kurze Zeiträume einen starken, vorhersehbaren Rhythmus besitzt. Die Position des Knöchels im nächsten Bruchteil einer Sekunde wird stark durch die Position beeinflusst, die er im vorangegangenen Bruchteil einer Sekunde hatte. Dies bedeutet, dass der Körper für einen einzelnen fehlenden Frame kein komplexes Modell benötigt, um seine Zukunft vorherzusagen; er muss lediglich seine unmittelbare Vergangenheit kennen. Die Forschung legt nahe, dass wir für viele reale Anwendungen, wie etwa die Überwachung des Gangbildes in einer belebten Klinik oder in einem häuslichen Umfeld, keine teuren, rechenintensiven Systeme bauen müssen, um gelegentliche Störungen zu handhaben. Eine einfache, kostengünstige Berechnung kann das Signal mit hoher Treue wiederherstellen. Die Ergebnisse deuten darauf hin, dass die natürliche Redundanz in unserem Gang ausreicht, um einfache Software in die Lage zu versetzen, sich von häufigen Fehlern wie einem verlorenen Keypoint zu erholen, wodurch die Analyse auch dann reibungslos weiterläuft, wenn die Kameraansicht unvollkommen ist.

Natürlich ist diese Entdeckung mit klaren Grenzen verbunden. Die Studie wurde an einer einzelnen Person durchgeführt, die eine einzige Sequenz ging, daher ist noch nicht bekannt, ob dieser einfache Fix für jede Art des Gehens, jeden Kamerawinkel funktioniert oder ob er in der Lage ist, einen langen Zeitraum, in dem der Fuß für viele Sekunden am Stück verdeckt ist, zu bewältigen. Die Forscher merkten auch an, dass ihre „perfekten“ Referenzdaten aus demselben Kamerasystem stammten, was bedeutet, dass die Ergebnisse zeigen, wie gut sich das System intern selbst korrigieren kann, anstatt zu beweisen, dass es einem Goldstandard-Labormesswert entspricht. Trotz dieser Einschränkungen bietet die Arbeit einen ermutigenden Weg nach vorn. Sie zeigt, dass wir auf der Suche nach dem Verständnis menschlicher Bewegung mit einfachen Kameras nicht immer die leistungsstärksten Computer benötigen. Manchmal liegt die Antwort im leisen, vorhersehbaren Rhythmus des Schrittes selbst, den eine einfache Berechnung selbst dann hören kann, wenn die Daten fehlen.