Este artículo presenta una nueva metodología para la predicción en tiempo real de posturas humanas ergonómicas y no ergonómicas utilizando datos de vídeo volumétrico en tres dimensiones. Aunque la metodología fue diseñada para evaluaciones ergonómicas, puede adaptarse a otras aplicaciones que requieran análisis en tiempo real de la postura humana. Uno de los aspectos que distingue a este sistema es su capacidad para analizar nubes de puntos 3D durante la evaluación, lo que permite realizar cálculos desde múltiples ángulos. Esto supera una limitación crítica de las cámaras, que a menudo ofrecen un punto de vista fijo y restringen los datos disponibles para una evaluación postural completa, especialmente cuando se producen oclusiones.
El sistema realiza de manera continua y automática la inferencia de posturas usando la perspectiva elegida sobre los datos en streaming en tiempo real; sin embargo, solo las posturas seleccionadas y etiquetadas manualmente por el usuario se utilizan para entrenar el clasificador personalizado de aprendizaje profundo. La metodología se ha perfeccionado mediante un estudio de caso en el que cámaras RGB-D capturaron a sujetos realizando tareas de levantamiento de cargas, lo que permitió el etiquetado esquelético en tiempo real. El modelo fue entrenado con estos datos y, tras la fase de entrenamiento, realiza inferencias sobre nuevos datos en streaming en tiempo real. Esta investigación ofrece un enfoque escalable y pragmático para la evaluación ergonómica en tiempo real, al combinar tecnologías avanzadas de datos 3D con algoritmos tradicionales de estimación de posturas en 2D. Responde a la creciente necesidad de monitoreo de la seguridad y la salud en entornos laborales, constituyendo una contribución destacada en este ámbito.
