基于慣性動作捕捉技術在體育訓練上的應用

王夢囡 陳康桂

摘 ?要：本文通過介紹了慣性動作捕捉技術的原理以及方法，并研究該技術在體育訓練上動作捕捉及姿態還原的應用，目的是在體育訓練教學上采用科學的、先進的技術設備來輔助以達到提高訓練效率、提高動作模擬訓練的準確性，著重研究該技術在球拍類訓練教學上的應用;同時也對慣性動作捕捉技術的發展應用提供落地案例以及新的要求。

關鍵詞：動作捕捉 ?體育訓練 ?人體力學 ?人工智能

中圖分類號：G80 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ?文章編號：2095-2813（2020）04（b）-0037-04

隨著計算機技術、圖形處理技術、傳感器技術、傳輸技術的發展，特別是近年來移動互聯網的迅速發展以及5G的普及，慣性動作捕捉技術的應用與研究越來越受到重視，研究成果也在各個領域落地應用并取得一定的成果;此技術在體育運動領域的應用就是一個研究方向。

我國是一個體育大國，國家在體育運動研究與教學訓練上一直很重視，但限于歷史原因，體育運動研究基礎薄弱;隨著經濟的發展，國家以及國民對體育運動的重視，各專業化運動項目或職業化運動項目基礎研究也加大投入，各種新設備、新技術的應用也逐步被重視與引入。因此，體育運動的研究，特別是體育訓練教學方面的方向與方法由傳統的經驗主導模式向科學化、定量化模式轉變。

慣性動作捕捉技術在體育訓練領域的應用，可使訓練教學可量化分析，動作呈現出可視化的立體（三維）模型，更加便于對比科學分析，提高訓練的效率與效果。通過在學員、運動員的身體關節處佩戴可穿戴式慣性傳感器采集相關運動數據，數據通過傳輸技術到數據處理進行數據分析，找出體育運動的特征值與相對應的規律，建立運動的模型進行研究，為體育訓練教學提供科學的數據支撐與進行糾正的依據。

1 ?慣性動作技術的發展背景及現狀

慣性動捕是一種新型的人體動作捕捉技術，它用無線動作姿態傳感器采集身體部位的姿態方位，利用人體運動學原理恢復人體運動模型，同時采用無線傳輸的方式將數據呈現在電腦軟件里或者移動設備上。

慣性動作捕捉技術的發展源于20世紀70年代，主要作為力學的研究輔助手段;進入到20世紀80年代，被引入到體育運動中，主要是為了輔助訓練提高競技成績，同時慣性動作捕捉技術被廣泛應用到游戲動畫制作、軍事模擬、康復醫療、虛擬現實仿真等領域。市場上大部分品牌都是被國外企業壟斷，國內在慣性領域的技術研究相對比較晚，研究的企業也相當的少，這一塊基本還是國外企業主導市場。主要品牌有荷蘭的XSENS、日本早稻田大學的阿路比、英國的Animazoo、德國的博世;這些都是國外在慣性動作捕捉系統上研究較早或者市場占有率相對較高的公司;尤其是荷蘭的XSENS，其模型及算法的精度高、產品體積小，在運動人體科學上有很好的應用，但缺點就是這些國外品牌價錢較為昂貴。隨著國內移動互聯網技術的發展以及5G傳輸技術的落地，近年來很多企業也參與了這領域的研究，但是由于起步晚，大部分都是在技術的應用領域上進行大布局，相比國外公司在此技術的基礎研究上投入較少;國內的北京諾亦騰Noitom、北京孚心科技FOHEART在慣性動作捕捉技術的研究與推廣上也有一定的知名度;本文研究的球類（羽毛球）運動方向，北京ZEPP、深圳酷浪云計算在球類（羽毛球）運動的教學與訓練上有很好的應用。由于羽毛球運動屬于競技類運動，動作的復雜性等原因，目前無論是ZEPP、還是酷浪云計算，通過單點傳感器采集的數據還是不夠全面;多點傳感采集在數據的處理上、傳輸的實時性、精度上均和國外捕捉系統存在一定的差異。本文以羽毛球教學為例，基于慣性動作捕捉技術在體育訓練上的應用，主要采用多點傳感器采集組成的動作捕捉系統，配合上位機軟件、移動端應用程序進行仿真及3D還原，把運動數據以及訓練動作進行量化與立體呈現。

2 ?慣性動作捕捉技術的實現基本原理

慣性動作捕捉技術從實現的方式來劃分，主要分為機械式、聲學式、光學式、電磁式、慣導式等，不同方式的動作捕捉系統所采用的實現原理是不同的;本文研究主要是基于慣導式來實現動作捕捉的。目前在各應用領域中光學式動捕技術是被廣泛應用的;近年來隨著慣導式動捕技術的發展，在各大領域的應用上逐步被認可;以下著重主要表述基于慣性導航傳感技術的動作捕捉實現的基本原理。

2.1 慣性動作捕捉系統的組成

慣性動作捕捉系統一般由3部分組成，信號（數據）采集設備、數據傳輸設備和數據處理單元;其中數據采集設備（傳感器）集成了加速度傳感器、陀螺儀傳感器及磁力計傳感器。數據傳輸設備主要取決于系統采用那種通訊協議，一般有WiFi和藍牙2種方式（見圖1）。

2.2 慣性動作捕捉系統工作原理圖（流程圖）

慣性動作捕捉系統工作原理就是在人體的關節處（按照測量位置或測量節點的需要）佩戴穿戴式傳感器，傳感器采集到人體的運動學及力學數據，通過傳輸裝置傳輸到計算機（MCU）進行數據處理，根據運動數據的特征值以及運動規律建立人體運動數據模型;導入訓練教學中的不同運動數據進行動作分析與姿態還原，并與標準的運動模型對照進行運動的訓練教學與動作糾正指導（見圖2）。

2.3 慣性動作捕捉系統誤差及解決方案

基于MEMS的慣性動作捕捉設備的實現原理，主要由幾個信號采集節點組成，每個采集節點都有九軸（加速度傳感器、陀螺儀傳感器、磁力計傳感器）的慣性信號采集單元（數據采集設備），Sensor會輸出在體育訓練過程中不同動作的角速度、加速度和磁力計的測量數據。陀螺儀可以測量節點相對于所在的傳感器坐標系的三軸轉動角速率，在己知初始狀態的條件下，可以得到人體運動目前的姿態。

慣性動作捕捉在技術上的優勢是采集信號少，環境適應性強，能還原復雜動作，測量精度高;安裝簡單，體積小設備輕巧攜帶方便，成本相對光學捕捉設備低廉;采用慣性導航技術，抗干擾性能強;但是目前大部分慣性動作捕捉系統使用的陀螺儀傳感器為芯片，存在零偏誤差，長時間積分會導致誤差逐漸變大或者完全偏離失準。在采用加速度傳感器和地磁傳感器工作時，進行角度計算的方法會受到高頻噪聲的影響，例如由于線性運動而導致的對重力加速度的測量誤差等，這些都是慣性動作捕捉系統的劣勢和存在的問題，通常解決這類存在問題會采用姿態融合算法進行補償矯正。

本文基于酷浪云計算研究的算法模型中，利用了卡爾曼濾波技術（Kalman Filte）對多傳感器數據進行融合，利用零速度檢測進行濾波矯正。由于它有成熟的理論支持和有效性，卡爾曼濾波器被廣泛使用，卡爾曼濾波器也是目前研究用得最多的姿態濾波算法（見圖3）。

3 ?慣性動作捕捉技術在體育訓練上的應用——以羽毛球教學為例

慣性動作捕捉技術在體育運動領域的應用目前主要有兩大方向，一是訓練教學層面，作為教練的輔助訓練系統，由原來教練的經驗主導模式向數據化、定量化、科學化的數據分析模式轉換;二是運動損傷預防層面，即運動處方的概念與范疇。無論是教訓訓練還是運動損傷預防，其商業化的價值都是有待挖掘，目前市場上這一技術在教學訓練及運動處方上的商業化程度都很低，商業化模式也相對難;所以，這一領域的研究企業不多，更多是針對專業化或職業化的運動機構（見圖4）。

3.1 運動數據采集

羽毛球這一項競技運動的動作復雜性比較強，在學員、學生在學習時候，通常都是都是依賴羽毛球專業的教師或者教練的經驗主義來進行指導;不能夠進行動作的量化與可視化。我們在教學上引進了先進的動作捕捉技術以及姿態還原技術輔助教練、教師進行指導訓練。根據訓練的需要，包括動作類型、步伐（軌跡）訓練、上肌力量等類佩戴穿戴式傳感器以及測量相關的數據。

深圳市酷浪云計算有限公司的動作捕捉系統使用了6個節傳感器來采集羽毛球運動的數據（步伐2個、球拍底部1個、右手腕1個、肘關節1個、臂關節1個），可以根據不同學員的使用左右手習慣來進行穿戴式傳感器的佩戴，也可以根據實際測量需要增加或者減少節點傳感器來達到運動數據的測量。具體如圖5。

3.2 運動數據（技術）分析與建模

在羽毛球的訓練教學上，把此項運動的標準模型通過建立在科學基礎上量化教程，由教練員、羽毛球專業運動員、國家運動員根據量化教程進行演示，組合傳感器捕捉到教練員（標準）的動作數據，由此建立標準模型。

訓練過程中，學員、運動員的運動數據導入到模型中與標準模型進行對照，可以科學地輔助教練對學員進行特定的練習與動作矯正、優化動作，提高運動成績。建立起模塊化、數字化、可視化的運動監控平臺（見圖6）。

3.3 運動軌跡分析與3D回放

捕捉運動軌跡，在整場羽毛球教學的過程中，能夠通過上位機軟件或移動端應用程序呈現出會拍的運動軌跡以及人體手臂的運動軌跡;同時也能夠回放不同時間節點還原的運動軌跡（姿態還原）便于教練、學員對揮拍軌跡及動作軌跡進行分析與矯正指導（見圖7）。

3.4 人工智能運動大數據分析

教練及學員采用基于慣性動作捕捉技術的羽毛球訓練系統，所有的運動數據都上傳到數據分析中心（服務器、云端存儲）;大數據分析中心會根據歷史積累的數據進行大數據分析，即人工智能;能夠自動生成個人運動數據報告，建立個人運動數據庫，根據需要推送相關的運動數據進行運動健康管理。

運動健康數據管理，在類似羽毛球這樣競技類運動上，主要是預防運動損傷;教練或保健醫生根據個人的運動健康數據管理報告，制定對應的運動損傷預防方法以及相對應的康復訓練方案。

人工智能主要體現在運動模型與算法的自主糾正過程，數據分析中心根據教練及學員的運動大數據，自主深度學習算法不斷的修正運動模型并根據運動數據分析出更優的訓練方案、方法推送給教練及學員進行參考學習;這也是未來人工智能在體育運動訓練教學上的一個發展趨勢，這領域的研究需要一定的技術門檻，隨著5G技術的發展、人工智能技術的普及，更多先進的技術、先進的設備將運用在體育運動領域。

3.5 一對多的綜合訓練監測及智能評分系統

在傳統的羽毛球教學中，教練會根據教學內容面對面、一對一的授課;在考核中也需要逐一進行檢查與考試評分，效率不高;在引入了慣性動作捕捉技術的教學訓練系統后，徹底的解決了一個教練員能夠同步對多學員，并且能夠通過系統數據研判分析和評分，提高了教學質量與教學效率。這就是羽毛球訓練教學教練系統，以深圳市酷浪云計算有限公司的智能羽毛球教學教練系統為例。

如圖8所示，智能羽毛球監測及智能評分系統，能夠針對學員進行特定的內容的訓練并進行評分;也可以同步學員的訓練數據分享到教練的與家長端，便于教練技術了解學員的訓練情況并給予指導，針對青少年學員，系統還設置了家長端，并于家長了解孩子練習情況同時也起到一定的監督作用。

4 ?結語

慣性動作捕捉技術應用到體育運動領域，作為教學訓練的輔助系統，能夠對動作進行量化分析、科學指導訓練。由于慣性傳感器采用無線傳輸，體積小，穿戴式佩戴簡單，滿足不同場景與場地的使用;不影響運動員、學員進行訓練的正常動作，相比與光學動作捕捉系統，解決了復雜動作、遮光動作的精確捕捉;從本文關于慣性動作捕捉技術實現原理的描述與優劣勢分析中得到一下結論。

（1）慣性動作捕捉系統能夠滿足體育運動（本文以羽毛球運動為研究對象）各種動作捕捉的要求，精確對球拍類運動的軌跡捕捉與還原，達到了輔助教學訓練的目的。

（2）慣性動作捕捉系統存在噪聲干擾及漂移誤差，利用了卡爾曼濾波技術（Kalman Filte）對多傳感器數據進行融合，利用零速度檢測進行濾波矯正以達到修正的目的。

運動健康管理與人工智能自主深度學習是慣性動作捕捉技術在體育運動領域的應用方向;運動健康管理能夠為個人的運動技能提高、運動損傷預防提高能加科學的數據支撐與方法指導，為日后建立起個人運動數據管理與健康信息服務做數據積累與沉淀基礎。

參考文獻

[1] 李庚睿.基于運動捕捉對人體上肌運動規律的研究[D].西安工程大學，2015.

[2] 李啟雷，金文光，耿衛東.基于無線慣性傳感器的人體動作捕獲方法[J].浙江大學學報：工學版，2012（2）：280-285.

[3] 戴歡.基于慣性動作捕捉的人體運動姿態研究[D].石家莊鐵道大學，2011.

[4] 楊立溪.慣性技術手冊[M].北京：中國宇航出版社，2013.

[5] 陳浩.羽毛球訓練教程[M].北京：高等教育出版社，2016.

[6] 葉宗鑫，周志輝，冷波，等.智能訓練裝備在高校羽毛球訓練中的應用研究[J].西安文理學院學報：自然科學版，2019，22（4）：106-108.

[7] 馮遠淑，陳福民.基于動作捕捉的計算機動畫探討與實現[J].同濟大學學報：自然科學版，2004（7）：956-960.

[8] 何天宇，羅奇.運動捕捉技術及其在體育運動中的應用研究綜述[J].電子測量技術，2019（3）：146-152.

[9] 王科俊，陳瑋.一種可穿戴式人體運動捕捉系統的設計與實現[J].黑龍江大學工程學報，2013（2）：101-106.

[10]向澤銳，支錦亦，徐伯初，等.運動捕捉技術及其應用研究綜述[J].計算機應用研究，2013（8）：7-11.

[11]北京孚心科技有限公司.慣性動作捕捉設備的發展和原理初步介紹[Z].2017.

[12]深圳市酷浪云計算有限公司.智能羽毛球教學訓練系統[Z].2016.

[13]深圳活力拍.智能羽毛球運動軌跡分析[Z].2012.

①作者簡介：王夢囡（1990—），女，漢族，河南商丘人，碩士，助教，研究方向：體育教育訓練學。