Video-Based Markerless Motion Capture for Clinical and Rehabilitation Biomechanics: A PRISMA-ScR Scoping Review of Validated Architectures, Clinical Readiness, and Emerging Methods
作者: Florian Delaplace, Elodie Piche, Frédéric Chorin, Raphael Zory
分类: cs.CV, physics.med-ph
发布日期: 2026-09-16
💡 一句话要点
评估视频无标记运动捕捉在临床生物力学中的应用潜力
🎯 匹配领域: 支柱六：视频提取与匹配 (Video Extraction) 支柱九：具身大模型 (Embodied Foundation Models)
关键词: 视频无标记捕捉 生物力学分析 计算机视觉 临床应用 运动康复 老年人群 运动分析
📋 核心要点
- 现有视频无标记运动捕捉技术在临床应用中尚未达到标记系统的可接受标准，尤其是在老年和病理人群中。
- 本文通过系统审查现有文献，分析了验证的生物力学研究与新兴计算机视觉技术之间的关系，提出未来研究方向。
- 研究结果显示，当前管道在关节角度的准确性上普遍不足，尤其在非平面运动和动力学分析中缺乏验证。
📝 摘要（中文）
视频无标记运动捕捉技术承诺在不受光电系统成本、空间和皮肤标记限制的情况下进行运动分析，尤其适用于临床和康复环境。然而，现有的验证管道是否能够提供临床可接受的生物力学分析，以及它们与计算机视觉研究的关系仍不明确。本文通过PRISMA扩展的范围审查方法，分析了117项相关研究，发现大多数研究集中在健康成人的实验室步态分析上，且现有管道的关节角度准确性普遍低于临床标准。尽管计算机视觉领域的前沿技术尚未被充分应用于验证研究中，本文提出了未来管道设计的假设生成指南，以推动临床可行的运动分析方法的发展。
🔬 方法详解
问题定义：本文旨在解决视频无标记运动捕捉在临床生物力学中的有效性和可接受性问题。现有方法在老年和病理人群的应用中缺乏验证，且关节角度的准确性普遍低于临床标准。
核心思路：通过系统审查和分析现有的验证管道，本文探讨了如何将新兴的计算机视觉技术应用于运动捕捉，以提高其临床适用性。
技术框架：研究采用双层设计，首先构建了一个包含117项验证生物力学研究的主要数据集，随后与新兴计算机视觉研究进行定性比较，分析其架构、验证方法和关节角度准确性。
关键创新：本文的创新在于将验证的生物力学研究与新兴的计算机视觉技术相结合，提出了假设生成的设计指南，以推动未来管道的开发。与现有方法相比，强调了对老年和病理人群的关注。
关键设计：研究中关注了管道的架构设计，发现大多数研究报告的原始关节角度缺乏生物力学精炼，且在非平面运动和动力学分析中的验证较少。
🖼️ 关键图片
📊 实验亮点
研究结果显示，117项研究中，关节角度的准确性普遍在5到6度之间，未达到临床可接受标准。尤其是在老年和病理人群的运动分析中，验证工作几乎缺失，显示出该领域的显著证据缺口。
🎯 应用场景
该研究的潜在应用领域包括临床运动分析、康复治疗和老年人群的健康监测。通过提高视频无标记运动捕捉技术的准确性和可靠性，未来可以为临床提供更便捷和经济的运动分析工具，促进个性化康复方案的制定。
📄 摘要（原文）
Background.. Video-based markerless motion capture promises movement analysis without the cost, space and skin-marker constraints of optoelectronic systems, with particular potential for clinical and rehabilitation settings. Whether validated pipelines yet deliver clinically acceptable biomechanics, and how they relate to the underlying computer-vision research, remains unclear. Methods. We conducted a scoping review following the PRISMA extension for Scoping Reviews, with a registered protocol and searches of PubMed, Scopus and IEEE Xplore (January 2015 to February 2026; the computer-vision scan was updated to July 2026). A dual-tier design paired a primary corpus of validated biomechanical studies with a complementary, curated and deliberately non-exhaustive corpus of emerging computer-vision work, used qualitatively. We charted study characteristics, pipeline architecture, validation methods and joint-angle accuracy. Results. We included 117 studies, most published from 2024 onward and conducted on healthy adults walking in a laboratory. Pipelines formed five architectural families across monocular and multi-camera modalities; most reported raw joint angles without biomechanical refinement. Sagittal lower-limb agreement clustered around 5 to 6{\textdegree}, generally short of clinical acceptability, while out-of-plane kinematics, kinetics, and pathological or older populations were rarely validated. Emerging computer-vision building blocks (foundation-model mesh recovery, differentiable inverse kinematics, video-based kinetics) were almost absent from validated studies. Conclusions. Video-based markerless capture is not yet interchangeable with marker-based systems for clinical joint kinematics, and it remains barely validated where rehabilitation needs it most: older and pathological populations, out-of-plane kinematics, and kinetics. Mapping this evidence gap onto emerging computer-vision advances, we propose hypothesis-generating design guidelines, not a validated method, to steer the next generation of pipelines toward accessible, clinically meaningful movement analysis.