《表3 Jack仿真、Kinect的RULA评分与专家打分一致性检验表》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《卷积神经网络用于关节角度识别与姿势评估》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

对比三种方法得分前先计算3名专家打分的组内相关系数（Intraclass Correlation Coefficient，ICC），即为评价观察者间的信度系数[37]，其数值越接近1表示信度越好。由图可得到本文方法所得RULA分数与专家打分更为相近。对于Jack仿真软件中人体姿势评估少量动作与专家打分不一致情况，与Manghisi[38]的实验结果较为相似，可认为其对于某些动作的风险评估较为保守，分析其中数据可得Jack仿真软件在人体脖颈部分得分总是会低于专家打分。表2列出了16组动作Kinect打分与专家真值间均方根误差，平均值为0.73分，也从一定程度上反映了算法的稳定性较好。进而如表3所示，将专家打分作为基准，比较Jack仿真软件与本文方法实验值的Kappa系数与配对χ2的一致性检验结果，可得Kappa系数大于0.05，说明专家打分与Kinect得分两种方法得到的结果具有一致性。配对χ2检验的p0>0.05，说明两方法所得结果不存在较大差异性，并且可得到Kinect得分与专家打分结果一致性更高。因此本文使用基于Kinect角度识别姿势风险评估方法可为今后自动准确化姿势评估提供较好思路。