Журнал Современные наукоемкие технологии 1812-7320 Общество с ограниченной ответственностью "Издательский Дом "Академия Естествознания" 10.17513/snt.40814 ART-40814 АЛГОРИТМЫ БЕЗМАРКЕРНОГО ВИДЕОАНАЛИЗА БИОМЕХАНИКИ ХОДЬБЫ НА ОСНОВЕ ПЛАТФОРМЫ MEDIAPIPE: МЕТРОЛОГИЧЕСКАЯ АТТЕСТАЦИЯ И СОПОСТАВЛЕНИЕ С ИНСТРУМЕНТАЛЬНЫМ МАРКЕРНЫМ АНАЛИЗОМ Батышева Т. Т. Batysheva T. T. Российская Федерация Тихонов С. В. Tikhonov S. V. Российская Федерация Алексеева М. В. Alekseeva M. V. Российская Федерация Климов Ю. А. Klimov Yu. A. Российская Федерация Пеганский Д. А. Peganskiy D. A. Санкт-Петербург Куликова О. М. Kulikova O. M. Российская Федерация Усачева Е. В. Usacheva E. V. science@ast.agency Государственное бюджетное учреждение здравоохранения г. Москвы «Научно-практический центр детской психоневрологии Департамента здравоохранения г. Москвы» State Budgetary Institution of Healthcare of the city of Moscow “Scientific and Practical Center for Child Psychoneurology of the Moscow City Healthcare Department” Общество с ограниченной ответственностью «Агентство «АСТ» Общество с ограниченной ответственностью «Агентство «АСТ» Федеральное государственное бюджетное образовательное учреждение высшего образования «Национальный государственный университет физической культуры, спорта и здоровья имени П. Ф. Лесгафта» Federal State Budgetary Educational Institution of Higher Education “National State University of Physical Education, Sports and Health named after P. F. Lesgaft” Федеральное государственное бюджетное образовательное учреждение высшего образования «Владивостокский государственный университет» Federal State Budgetary Educational Institution of Higher Education “Vladivostok State University” Федеральное государственное бюджетное образовательное учреждение высшего образования «Омский государственный медицинский университет» Министерства здравоохранения Российской Федерации Federal State Funded Educational Institution for Higher Education “Omsk State Medical University” of the Ministry of Public Health of the Russian Federation 30 06 2026 6 33 44 This is an open-access article distributed under the terms of the CC BY 4.0 license. https://top-technologies.ru/ru/article/view?id=40814

Развитие сверточных нейронных сетей оценки положения тела человека инициировало сдвиг в направлении безмаркерного видеоанализа движений, обеспечивающего пространственную точность определения двумерных координат ключевых точек 5–10 мм при дистанции съемки 3–4 м, что приближается к точности маркерных систем для крупных анатомических сегментов. Цель исследования – разработка программного комплекса трехмерного безмаркерного видеоанализа биомеханики ходьбы и его метрологической аттестации в сопоставлении с эталонной системой Qualisys. Разработанный программный комплекс трехмерного безмаркерного видеоанализа биомеханики ходьбы реализует полный технологический цикл от детекции ключевых точек до клинической интерпретации с использованием восьми международно признанных диагностических индексов. Математический аппарат комплекса основан на стереотриангуляции из двух синхронизированных видеопотоков методом сингулярного разложения, многокаскадной цифровой фильтрации траекторий и алгоритмах автоматической верификации измерений посредством инвариантного физического уравнения связи скорости, каденции и длины шага. Метрологическая аттестация выполнена согласно стандартизированному протоколу с применением внутриклассового коэффициента корреляции ICC(2,1) модели Шраута – Флейсса, диаграммы Бленда – Альтмана с расчетом 95-процентных пределов согласия, стандартной ошибки измерения и минимально детектируемого изменения. Валидационное исследование продемонстрировало достижение значения ICC = 0,902 в сагиттальной плоскости (класс A научной точности по предложенной четырехуровневой шкале), программный комплекс аттестован по классу B общему с предельно допускаемой погрешностью ±11,95° для угловых параметров и ± 50 мс для временных интервалов, систематическое смещение Бленда – Альтмана +6,18 ± 2,22° и среднеквадратичную ошибку 6,50°, что соответствует уровню научных биомеханических исследований и обеспечивает возможность клинической диагностики патологий ходьбы.

The development of convolutional neural networks for human body position estimation has initiated a shift towards markerless video analysis of movements, which provides spatial accuracy of 5-10 mm for determining the two-dimensional coordinates of key points at a shooting distance of 3-4 m, which is close to the accuracy of marker systems for large anatomical segments. The purpose of the study: to develop a software package for three-dimensional marker-free video analysis of walking biomechanics and its metrological certification in comparison with the Qualisys reference system. The developed software complex for three-dimensional markerless video analysis of walking biomechanics implements a full technological cycle from key point detection to clinical interpretation using eight internationally recognized diagnostic indices. The complex’s mathematical apparatus is based on stereotriangulation from two synchronized video streams using the singular value decomposition method, multi-stage digital trajectory filtering, and algorithms for automatic measurement verification using an invariant physical equation that relates velocity, cadence, and step length. The metrological certification was performed according to a standardized protocol using the intra-class correlation coefficient ICC(2,1) of the Schraut-Fleiss model, the Blend-Altman diagram, and the calculation of 95 % confidence limits, standard error of measurement, and minimum detectable change. The validation study demonstrated the achievement of an ICC value of 0.902 in the sagittal plane (class A of scientific accuracy according to the proposed four-level scale), and the software package is certified for class B general with a maximum permissible error of ± 11.95° for angular parameters and ± 50 ms for time intervals, a systematic bias of Blend-Altman +6.18°±2.22°, and a standard deviation of 6.50°, which corresponds to the level of scientific biomechanical research and provides the possibility of clinical diagnosis of walking pathologies.

 безмаркерный видеоанализ ходьбы биомеханика ходьбы метрологическая аттестация нейросетевой детектор точек стереотриангуляция управляемая реабилитация цифровая фильтрация biomechanics of walking digital filtering guided rehabilitation markerless analysis of walking metrological certification neural network detector of key points stereotriangulation

1. Борзиков В. В., Рукина Н. Н., Кузнецов А. Н., Белова А. Н. Объективизация двигательных нарушений у детей с церебральным параличом: состояние вопроса // Ортопедия, травматология и восстановительная хирургия детского возраста. 2018. Т. 6. № 1. С. 67–77. URL: https://www.elibrary.ru/item.asp?id=32652347 (дата обращения: 22.04.2026). DOI: 10.17816/PTORS6167-77.

2. Королева С. В. Технология объективной оценки двигательных нарушений в динамике реабилитации у больных травматолого-ортопедического профиля // Физическая и реабилитационная медицина. 2022. Т. 4. № 1. С. 47–52. URL: https://www.elibrary.ru/item.asp?id=48319076 (дата обращения: 22.04.2026). DOI: 10.26211/2658-4522-2022-4-1-47-52.

3. Прокопенко С. В., Ондар В. С., Аброськина М. В., Прокопенко В. С., Живаев В. П., Субочева С. А., Исмаилова С. Б. Оценка функции ходьбы в неврологической практике // Журнал неврологии и психиатрии им. С. С. Корсакова. 2019. № 119 (5). С. 120–125. URL: https://www.elibrary.ru/item.asp?id=39130996 (дата обращения: 22.04.2026). DOI: 10.17116/jnevro2019119051120.

4. Агапов А. А., Небаба А. Н. Интеллектуальные системы захвата движений: виды, преимущества, применение // Труды Ростовского государственного университета путей сообщения. 2019. № 2. С. 5–7. URL: https://www.elibrary.ru/item.asp?id=41116266 (дата обращения: 02.06.2026). eLIBRARY ID: 41116266.

5. Wade L., Needham L., McGuigan P., Bilzon J. Applications and limitations of current markerless motion capture methods for clinical gait biomechanics // PeerJ. 2022 Feb 25. Vol. 10. e12995. DOI: 10.7717/peerj.12995. PMID: 35237469; PMCID: PMC8884063.

6. Ripic Z., Nienhuis M., Signorile J. F., Best T. M., Jacobs K. A., Eltoukhy M. A comparison of three-dimensional kinematics between markerless and marker-based motion capture in overground gait // J Biomech. 2023 Oct. Vol. 159. P. 111793. DOI: 10.1016/j.jbiomech.2023.111793. Epub 2023 Sep 7. PMID: 37725886.

7. Huang T., Ruan M., Huang S., Fan L., Wu X. Comparison of kinematics and joint moments calculations for lower limbs during gait using markerless and marker-based motion capture // Front Bioeng Biotechnol. 2024 Mar 12. Vol. 12. P. 1280363. DOI: 10.3389/fbioe.2024.1280363. PMID: 38532880; PMCID: PMC10963629.

8. Park Y. S., Yu Y. W., Cha H., Lee J. S., Yoon C., Kim B. H., Park J. H., Lee K. K. Verification of Markerless Gait Analysis: Multi-Camera and Single-Camera Approaches in Comparison to Marker-Based Gait Analysis // Medicina (Kaunas). 2026 Feb 22. Vol. 62 (2). P. 418. DOI: 10.3390/medicina62020418. PMID: 41752816; PMCID: PMC12942615.

9. De Borba E. F., Storniolo J. L., Cerfoglio S., Capodaglio P., Cimolin V., Peyré-Tartaruga L. A., Tartaruga M. P., Cavallari P. Effect of Walking Speed on the Reliability of a Smartphone-Based Markerless Gait Analysis System // Sensors (Basel). 2025 Oct 20. Vol. 25 (20). P. 6474. DOI: 10.3390/s25206474. PMID: 41157527; PMCID: PMC12568194.

10. Ali M. M., Medhat Hassan M., Zaki M. Human Pose Estimation for Clinical Analysis of Gait Pathologies // Bioinform Biol Insights. 2024 May 15. Vol. 18:11779322241231108. DOI: 10.1177/11779322241231108. PMID: 38757143; PMCID: PMC11097739.

11. Dill S., Ahmadi A., Grimmer M., Haufe D., Rohr M., Zhao Y., Sharbafi M., Hoog Antink C. Accuracy Evaluation of 3D Pose Reconstruction Algorithms Through Stereo Camera Information Fusion for Physical Exercises with MediaPipe Pose // Sensors (Basel). 2024 Dec 4. Vol. 24 (23). P. 7772. DOI: 10.3390/s24237772. PMID: 39686309; PMCID: PMC11644880.

12. Kayış H., Gedizlioğlu Ç. Leveraging point-of-view camera and MediaPipe for objective hyperactivity assessment in preschool ADHD // Front Psychiatry. 2026 Mar 4. Vol. 17:1769322. DOI: 10.3389/fpsyt.2026.1769322. PMID: 41858646; PMCID: PMC12996202.

13. Casiez G., Roussel N., Vogel D. 1€ Filter: A Simple Speed-based Low-pass Filter for Noisy Input in Interactive Systems // CHI’12, the 30th conference on Human Factors in Computing Systems, May 2012, Austin, United States. P. 2527–2530. URL: https://inria.hal.science/hal-00670496/document (дата обращения: 03.05.2026). DOI: 10.1145/2207676.2208639.

14. Stenum J., Rossi C., Roemmich R. T. Two-dimensional video-based analysis of human gait using pose estimation // PLoS Comput Biol. 2021 Apr 23. Vol. 17 (4). P. e1008935. DOI: 10.1371/journal.pcbi.1008935. PMID: 33891585; PMCID: PMC8099131.

15. Kanko R. M., Laende E. K., Davis E. M., Selbie W. S., Deluzio K. J. Concurrent assessment of gait kinematics using marker-based and markerless motion capture // J Biomech. 2021 Oct 11. Vol. 127. P. 110665. DOI: 10.1016/j.jbiomech.2021.110665. Epub 2021 Aug 3. PMID: 34380101.