Rilevamento di Submovement mediante Event-Driven Cameras

Abstract

Durante l’esecuzione di movimenti umani controllati con precisione, la velocità dell’arto o dell’appendice controllata oscilla inconsciamente e lievemente a una frequenza di 2–3 Hz. Si ipotizza che questi sottomovimenti riflettano il circuito sensomotorio che coinvolge la vista, la propriocezione, l’elaborazione cerebrale e l’output motorio. La misurazione dei sottomovimenti e delle loro alterazioni può fornire approfondite informazioni meccanicistiche sulle condizioni neurofisiologiche dei pazienti affetti da disfunzioni motorie, come il morbo di Parkinson o l’ictus.

Attualmente, il rilevamento dei sottomovimenti si basa su sistemi di motion capture ingombranti e costosi, che richiedono tecnici specializzati e la post-elaborazione dei dati. Proponiamo un metodo per il rilevamento dei sottomovimenti basato sull’impiego di telecamere a eventi, che misurano le variazioni di luce con un’elevata risoluzione temporale, consentendo una misurazione precisa dei movimenti più lievi.

Proponiamo un algoritmo di elaborazione che sfrutta il segnale nativo della telecamera a eventi sia per la segmentazione intrinseca sia per la stima del movimento. Tracciando una regione di interesse allineata al dito e filtrando la dinamica del conteggio degli eventi, otteniamo un segnale con un valore di sincronizzazione di fase traslato (PLV) pari o superiore al 97,7% e una latenza media di 0,12 s.

Questo approccio potrebbe consentire una stima dei sottomovimenti economica e accessibile, accompagnata da un feedback in tempo reale per il paziente, con un potenziale impatto significativo sulla diagnosi neurofisiologica in ambito clinico. Oltre che nella diagnosi clinica, il modulo di rilevamento online proposto potrebbe essere integrato nei sistemi di riabilitazione robotica, di interazione uomo–robot e di apprendimento robotico che richiedono stime in tempo reale della qualità del movimento umano.

When performing precisely controlled human movements, the velocity of the controlled appendage unconsciously oscillates slightly at 2–3 Hz. These submovements are hypothesized to reflect the sensorimotor loop involving vision, proprioception, brain processing, and motor output. Measuring submovements and their alterations can provide deep mechanistic insights into the neurophysiological conditions of patients with motor dysfunctions, such as Parkinson’s disease or stroke.

Currently, submovement detection relies on cumbersome and costly motion-capture systems that require trained technicians and data post-processing. We propose a method for submovement detection using event cameras, which measure changes in light with high temporal resolution, enabling the precise measurement of subtle movements.

We propose a processing algorithm that takes advantage of the native event-camera signal for both inherent segmentation and motion estimation. By tracking a finger-aligned region of interest and filtering event-count dynamics, we obtain a signal with a shifted phase-locking value (PLV) of ≥97.7% and a mean latency of 0.12 s.

This approach could enable low-cost and accessible submovement estimation with real-time patient feedback, potentially having a significant impact on neurophysiological diagnosis in clinical settings. In addition to clinical diagnosis, the proposed online sensing module could be integrated into robotic rehabilitation, human–robot interaction, and robot-learning systems that require real-time estimates of human movement quality.