它是什么以及为何重要？

“无标记追踪” 即无需在人体附着仪器便可追踪人类运动。传统追踪技术需在身体部位附着反光标记或 6 自由度传感器来确定位置和方向，而无标记追踪用数字视频等侵入性小的方法提取信息。

给研究对象安装仪器存在诸多弊端，如精英运动员对其敏感，会影响研究对象自然运动，安装过程耗时，还会使研究局限于实验室环境。因此，准确、实时的无标记追踪成为运动捕捉的追求目标。

一点历史沿革

人类运动追踪在 30 年间变化显著。19 世纪起的手动数字化视频方法在 20 世纪 60 年代仍常见。20 世纪 80 年代，牛津计量及后来的维康公司可追踪人体反光标记的三维位置，但存在测量速率低等问题。90 年代初，Polhemus 和 Ascension 公司推出电磁传感器。2000 年后，Xsens 普及了 IMU 在运动追踪中的应用，相机公司也能提供更多数据，但仪器安装和数据采集条件受限问题仍存。

2009 年，我们首次接触无标记追踪，支持 Organic Motion 公司从数码相机追踪的技术，其无需给对象安装仪器，但测量速率限于 60Hz，需特殊背景，分辨率不足，无法监测精细运动，当时多采用形状或轮廓追踪方法。

无标记追踪是如何工作的？

主要有形状或轮廓拟合、人工智能 / 机器学习两种方法：

• 形状或轮廓拟合：从多个数字视频中去除背景获取轮廓，用算法 “组装” 成 3D 物体或让人体模型与轮廓 “最佳拟合”，可实时追踪人体，但肢体形状细节不足，无法满足许多生物力学应用需求。

• 人工智能 / 机器学习：近 5 年受关注，CNN 适合提取视频图像细节，其映射含隐藏层，实现输入到输出的非线性转换，但方法复杂，训练需大量数据集，包括有相关特征的图像、不同姿势的人物、多样的对象和背景，验证也具挑战性，处理视频耗时且需高端显卡和 GPU 并行处理，但能提取如眼睛、关节中心等单个特征位置，分辨率高，可监测如投球时球的握持方式等精细动作。

未来展望

我们最初用形状 / 轮廓技术进行无标记运动追踪，现认为 AI 和 CNN 是未来方向，虽处理视频数据耗时，但随着计算和编程技术发展将解决。AI/ML 使传统生物力学分析方法仍适用，还能监测精细动作，多家公司正将其商业化，我们与 Theia 和 KinaTrax 紧密整合，利用 The MotionMonitor 结构与实验室设备同步采集视频，拓展技术可用性，其独特设计还支持多平台开发专用应用，无标记追踪有望像标准追踪系统一样被广泛接受，为运动捕捉开拓新市场和应用。