Trowell等人（2024年）最近发表了一项验证研究，将早期版本的Metric VBT应用程序（v0.6.0）与三维动作捕捉进行了比较。
尽管泰伯等人（2023）证明，与用于测量下蹲、卧推和硬拉时杠铃速度和运动范围的三维动作捕捉相比，Metric beta（v0.5.4）是有效和可靠的，但Trowell等人新发表的这项研究并未提出同样的建议。
尽管结果没有我们希望的那么强劲，但出于透明度和持续发展的考虑，在这篇博客文章中，我分享了本文的结果以及我们自Metric v0.6以来所做的改进。
研究详情
主要作者： 丹妮尔·特罗威尔
标题： 验证用于基于速度的阻力训练的市售移动应用程序
测试的指标版本： v0.6.0（测试版）
TL; DR: 与三维动作捕捉相比，Metric VBT（v0.6.0）的结果好坏参半，深蹲重复检测准确，但深蹲和卧推的速度和运动测量范围的准确性有限，这表明基于速度的训练应用需要改进。
学习方法
该研究将Metric VBT（v0.6.0）与Vicon 三维运动分析系统进行了比较，该系统用于精确计算重复次数，测量运动范围（ROM）以及深蹲和卧推的平均速度。
这项研究将Metric推向了绝对极限，通过使用24名受试者，研究了4000多个重复的深蹲和卧推样本，每次重复放置多达5个设备，用于比较不同记录角度（+20° → -20°）的指标数据。该研究使用了多种设备，包括较旧和较新的机型（iPhone 8-iPhone 13 Pro）。
- 24名具有不同阻力训练经验的健康人士（15名男性，9名女性）参与了这项研究。
- 使用了 1RM 的 25-100% 的背部深蹲和卧推负荷
- 测量设备：
- 在各种 iOS 设备上运行的 Metric VBT 应用程序 (v0.6.0)
- Vicon 3D 运动分析系统（黄金标准）
- 摄像机位置：相对于杠铃正端的五个角度（-20°、-10°、0°、+10°、+20°）
- 测得的变量：
- 重复检测
- 杠铃运动范围 (roM)
- 平均杠铃速度
研究结果和关键统计数据
在这项研究中，没有发现Metric是可靠的速度跟踪工具。
我们将在本文后面的部分解释为什么 Metric 对我们来说这并不意外，但首先，让我们分解一下该研究的主要发现。
了解 CCC 分数：
该研究使用林氏的一致性相关系数（CCC）来衡量公制和Vicon系统之间的一致性。CCC 分数介于 -1 到 1 之间，其中 1 表示完全一致。通常，分数被解释为：
- ≥0.99：几乎完美的一致性/相关性
- 0.95-0.99：实质性（高）一致性
- 0.90-0.95：适度协议
- < 0.90：协议不佳
现在，让我们来看看结果：
1。Metric 非常擅长计算重复次数，尤其是深蹲次数，但在卧推时遇到了一些问题。
- 深蹲动作：性能出色，精度大于 99%，所有摄像机角度的召回率都很高。在执行的2,195次重演中，只有5次错过重复，误报（幽灵）重复次数为零。
- 卧推：精度较低，精度从94.0％到97.3％不等，召回率从97.9％到98.9％不等。这意味着 Metric 有时会错过代表或计算未发生的额外代表。
我们认为，卧推问题是由于动作范围较短、杠铃路径弯曲，以及在两组之间拉开杠杆时出现幽灵代表。
2。公制在测量运动范围（ROM）方面相当准确，但仍有改进的余地。
- 深蹲的追踪效果又比卧推好
- 与维康达成中等至实质性的协议（CCC：0.941-0.975）。
- 平均协议极限 (LoA)：-5.45 至 4.94 厘米。
- Bench Press 与 3D 捕捉的相关性较低，但仍有一定共识
- 与 Vicon 达成的温和协议（CCC：0.901-0.926）。
- 平均 LoA：-5.80 到 3.55 厘米。
简而言之，使用Metric v0.6的ROM跟踪在卧推和深蹲中平均偏离了±5厘米（2英寸）。对于某些一般的追踪目的，5厘米的偏差可能是可以容忍的，但是Metric提供的ROM结果与MOCAP基线相比均为+5cm和-5cm这一事实使Metric beta v0.6的用处有限。
3.指标在平均速度有效性方面更加艰难。它确实表现出一线的可靠性，一直高估了条形速度与 3D 动作捕捉的对比。
- 深蹲：
- 与 Vicon 的协议不佳（CCC：0.826-0.890）。
- 持续的高估（平均偏差：0.09-0.13 m/s）。
- 平均 LoA：-0.03 到 0.25 m/s。
- 卧推：
- 与维康的协议不佳到中等（CCC：0.881-0.931）。
- 持续的高估（平均偏差：0.06-0.09 m/s）。
- 平均 LoA：-0.08 到 0.26 m/s。
Metric 的平均速度测量值在深蹲时一直比 MOCAP 快 0.1-0.13 m/s，卧推时平均速度测量值比 MOCAP 快 0.06-0.09 m/s
尽管 Metric 一直存在偏差（从可靠性的角度来看这很有用），但这些差异太大了，Metric v0.6 无法成为有效的速度跟踪工具，这表明该领域需要改进。
4。距离栏末端的摄像机角度越大，Metric v0.6 的准确性就会降低
- 通常，随着摄像机从垂直（0°）向参与者移动得更远，精度会降低。
- 0°位置通常显示出最佳的测量结果，而±20°的位置最差。
总而言之，虽然这个早期版本的Metric（v0.6.0）能够计算深蹲次数，并能够 “在ROM和平均速度上测出Ballpart”，但它需要进行重大改进才能成为专业级的跟踪工具。
自测试版以来对指标跟踪算法的改进
幸运的是，没有人再在训练中使用 Metric 的 0.6.0 测试版了！
v0.6.0 标志着 Metric 的最终公开发布测试版本，最终在 2022 年 11 月被 Metric v1.0 的主要版本所取代。
版本 1.0 里程碑
在这项研究的数据收集结束后不久，我们推出了Metric 1.0版，在检测和跟踪杠铃举起方面有两个关键的新功能。
- 智能代表分类。 确定代表的起点和终点非常困难。在 v1.0 中，我们重写了 Metric 智能算法，以找出代表中的关键时刻，从而显著提高准确性。该系统还能够处理弹道运动，例如抓取和清理变体。
- X 和 Z 轴校正。 X 轴和 Z 轴校正允许对两条曲线路径以及每组中使用的特定设备放置和记录角度进行更好的校正和灵敏度。这与Gymaware和RepOne等其他速度跟踪技术使用的校正一致，后者还提供轴校正以提高精度。
持续的迭代改进
自Metric退出测试阶段以来，这些发现对指导我们的开发工作至关重要。
v1.0 显示出可靠性和有效性方面的显著改善，这证实了计算机视觉能够提供高精度的训练数据。为了进一步加速开发，我们直接在 Metric 应用程序中开放了公共错误报告功能，允许举重运动员和教练将他们的视频和跟踪数据发送给我们以供检查。
多亏了这些社区反馈，我们从 v1.0 到今天取得了长足的进步，让 Metric 更快、更高效，最重要的是提高了训练数据的交付准确性。
自 v1.0 以来，我们改进跟踪的一些关键领域是
- 相机变焦和板块对焦锁定可适应更多手机放置位置
- 在更大范围的手机位置方面具有可靠性，包括将手机放置在相对于杠铃的下方。现在，公制在柱线末端的+25°到-25°之间是可靠的。
- 高级相机模式可减少爆炸升降机上的运动模糊
- 通过更实时的视频处理可以更好地处理弱光检测和跟踪，从而实现更清晰的图像检测
- 处理更长的场内休息时间，以允许单个视频录制并提供整组集群的结果。
- 更快的视频处理可减少处理时间和设备电池效率
- 大量边缘情况过滤和校正
感谢您一直以来的支持以及持续的错误报告和反馈，它们帮助我们继续改进 Metric，并告知我们将精力集中在哪里！
请继续关注更多更新，一如既往，我们欢迎您提出问题和见解。
你可以通过这个链接下载适用于 iOS 的 Metric VBT 应用程序 →
更新：对指标 v4.5.0 进行了积极验证
这项辛勤工作得到了回报，硕士生安东尼奥·萨戈瓦茨最近进行了验证，他发现Metric VBT版本4.5与卧推上的Vitruve线性位置传感器表现出很强的相关性。这项研究是第一个验证Metric VBT测试后版本的研究，显示了该应用程序在现实条件下的稳定性和准确性。
