Análisis de trote sin marcadores en plano Sagital con Deeplabcut

Abstract

En el campo de la medicina existe la necesidad de estudiar el movimiento de las personas mediante el uso de videos. Aquí nace el uso de marcadores activos y pasivos para realizar seguimiento de los movimientos del usuario, sin embargo, estos presentan una serie de problemas importantes, entre los que destacan su tamaño, voluptuosidad, incomodidad y desprendimiento accidental durante el uso. Es en este contexto que surge la pregunta, ¿se puede obtener un desempeño comparable al uso de marcadores prescindiendo de estos? en caso contrario, ¿vale la pena la pérdida de precisión versus la comodidad del usuario? Para la realización de un análisis más rápido y consistente se recurre a herramientas computacionales modernas, como la visión por computador y la inteligencia artificial, con especial énfasis en las implementaciones de redes neuronales en TensorFlow. En este caso se hará uso de una herramienta recientemente desarrollada, DeepLabCut.