Analisi cinematica markerless del nuoto: validazione di MediaPipe per il tracciamento degli arti superiori

In recent years, human movement analysis has gained increasing relevance, becoming a key tool for functional assessment and monitoring of rehabilitation progress. Markerless motion capture systems offer a promising alternative to traditional marker- based methods, which are typically confined to laboratory environment and prone to errors related to marker placement. This study aims to validate a markerless system that uses a MediaPipe-based algorithm to reconstruct the upper limb joint kinematics during the execution of standardized motor tasks. The research is structured in two preliminary phases: the first investigates the algorithm’s tracking capabilities in an aquatic environment, while the second defines the set of motor task to be used in the validation phase. The core of the study involved testing on 10 healthy subjects at Politecnico di Milano focusing on shoulder, elbow, wrist flexion-extension and shoulder abduction-adduction movements. Each task is simultaneously recorded using a video camera and an optoelectronic motion capture system. The MediaPipe algorithm demonstrated promising results, especially in tracking wrist and elbow joints. The estimated Range of Motion (ROM) was consistent with the optoelectronic gold standard for these segments, and both absolute and percentage Root Mean Square Error (RMSE and %RMSE) remained below critical thresholds. Shoulder data were less reliable due to issues in marker placement during optoelectronic recording. Nevertheless, all joint segments demonstrated high Intraclass Correlation Coefficient (ICC) values, indicating excellent reliability. Wilcoxon test results provide additional evidence of the algorithm’s robustness, as they did not indicate any statistically significant asymmetries between the left and right sides. Overall, the results confirm the potential of the MediaPipe-based algorithm as a viable alternative to conventional motion capture techniques. This study lays the groundwork for future research, which should include more complex movements and clinical populations to enhance the algorithm’s robustness and applicability in real-world scenarios.

Negli ultimi anni, l’analisi del movimento umano ha assunto un ruolo sempre più centrale, diventando uno strumento fondamentale per la valutazione funzionale e il monitoraggio dei progressi riabilitativi. I sistemi di analisi markerless rappresentano una valida alternativa a quelli tradizionali marker-based, il cui utilizzo è limitato all’ambiente laboratoriale e che sono affetti da possibili errori in fase di posizionamento dei marcatori. Il lavoro proposto ha lo scopo di validare un sistema markerless, che utilizza un algoritmo basato su MediaPipe, per la ricostruzione della cinematica articolare degli arti superiori. Nelle fasi preliminari dello studio viene esplorata la capacità di riconoscimento dell’algoritmo in ambiente acquatico e definiti i gesti motori da eseguire in fase di validazione. Nella fase centrale del lavoro sono stati analizzati 10 soggetti sani, presso il Politecnico di Milano, riprendendo in contemporanea con una telecamera e con il sistema optoelettronico i seguenti gesti: flessione-estensione di spalle, gomiti, polsi e adduzione-abduzione delle spalle. L’algoritmo di riconoscimento ha mostrato risultati molto promettenti per il tracciamento dei distretti di polso e gomito. Entrambi sono caratterizzati da valori di Range of Motion confrontabili con quelli del gold standard optoelettronico e valori assoluti e percentuali di errore quadratico medio inferiori alle soglie ritenute critiche. Inoltre, per tutti i distretti corporei è stato riscontrato un valore del coefficiente di correlazione intraclasse molto elevato e che si pone nel range di eccellente affidabilità. Le ottime potenzialità dell’algoritmo sono supportate dall’assenza di differenze statisticamente significative nel riconoscimento tra il lato destro e sinistro del corpo. I risultati ottenuti confermano le potenzialità dell’algoritmo di riconoscimento basato su MediaPipe come valida alternativa alle tradizionali tecniche di motion capture. Il lavoro proposto pone le basi per approfondimenti futuri, questi dovrebbero includere gesti più complessi o soggetti patologici, al fine di migliorare la robustezza e l’affidabilità dell’algoritmo applicato a casi reali.