大范圍運動過程中人體下肢動作捕捉系統設計

張平平

摘 要： 傳統的人體下肢動作捕捉系統能夠對人體進行快速的動作捕捉，但是由于動作幅度較大不能在大范圍的運動過程中對下肢關節進行動作捕捉。針對上述問題，設計了一種大范圍運動過程中人體下肢動作捕捉系統。在硬件處理上采用新型的BOT?6765連續動作捕捉系統，使用待換機的層次運行結構改變傳統的捕捉選定的結構過程，提升了動作捕捉過程的測量范圍，同時減小了捕捉過程中背景虛設的幀，有效地提高了人體下肢動作捕捉過程的清晰度。軟件上建立了簡化模型，保證捕捉過程中的準確性，同時能夠提高捕捉范圍，優化了人體關節角的運算，人體下肢關節是捕捉過程的關鍵所在，優化后的關節運算存儲量小、捕捉準確，避免計算誤差的產生。為了驗證設計的大范圍運動過程中人體下肢動作捕捉系統的有效性，設計了對比仿真實驗，通過實驗數據的分析，有效地驗證了設計的大范圍運動過程中人體下肢動作捕捉系統的有效性。

關鍵詞： 大范圍運動； 人體下肢動作； 簡化模型； 三角函數； 關節角； 動作捕捉系統

中圖分類號： TN02?34； TP391 文獻標識碼： A 文章編號： 1004?373X（2018）03?0088?04

Abstract： The traditional human body′s lower limbs motion capture system can capture the human body′s motion quickly， but can′t capture the lower limb joints motion during large range of motion due to large movement range. Aiming at the above problems， a human body′s lower limbs motion capture system during large range of motion was designed. A new type of BOT?6765 continuous motion capture system is adopted for hardware processing. The hierarchical operation structure of the waiting change machine is used to change the traditional capture selection structure to enlarge the measurement scope of the motion capture process， reduce the background dummy frame in capture process， and improve the definition of human body′s lower limbs motion capture process effectively. The simplified model is set up in the software to guarantee the accuracy of capture process， and enlarge the capture range. As the key point of capture process， the joint angle calculation is optimized to reduce the memory space， improve the capture accuracy， and avoid the generation of the calculation error. In order to verify the effectiveness of the human body′s lower limbs motion capture system， the contrast simulation experiment was designed. The analysis results of experimental data show that the human body′s lower limbs motion capture system during large range of motion is effective.

Keywords： large range of motion； lower limbs movement of human body； simplified model； trigonometric function； joint angle； motion capture system

0 引 言

人體下肢動作捕捉系統已經廣泛應用到了體育比賽項目的判定中，該系統的廣泛應用可以最大限度地為運動訓練提供理論依據，以及為比賽結果判斷準確率提供數據保障[1?2]。將人體下肢動作捕捉系統引入到體育賽事中，不但提高了對運動員運動過程的軌跡分析能力，而且可以根據運動項目的技術特征進行有效判別，為日常系統的訓練提供數據指導，同時也保障比賽的公正性[3?4]。特別是在田徑類、肢體類的運動過程中對于下肢運動的要求比較高，并且運動速度較快，在評判時很難用肉眼進行準確的判別，因此，在比賽中使用人體下肢動作捕捉系統可以更好地對人體下肢動作的運動范圍以及軌跡進行視覺捕捉[5?6]。但是傳統的人體下肢動作捕捉系統對于動作幅度較大的動作，不能進行大范圍的下肢關節動作捕捉[7?8]。本文為了能夠有效解決上述問題，設計了一種大范圍運動過程中人體下肢動作捕捉系統，在硬件的處理上采用新型的BOT?6765連續動作捕捉器，使用待換機的層次運行結構對傳統捕捉選定的結構過程進行改變，這樣擴大了動作捕捉過程的范圍，同時減小了捕捉過程中背景虛設的幀，從而有效地提高了人體下肢動作捕捉過程的清晰度。軟件上建立了簡化模型，保證了捕捉過程中的準確性，同時提高捕捉范圍，優化人體關節角的運算，人體下肢關節是捕捉過程的關鍵所在，優化后的關節運算存儲量小、捕捉準確，避免了計算誤差的產生。為了驗證本文設計的大范圍運動過程中人體下肢動作捕捉系統的有效性，設計了對比仿真實驗，實驗數據有效地驗證了本文設計的大范圍運動過程中人體下肢動作捕捉系統的有效性。endprint

1 硬件系統設計

本文設計的大范圍運動過程中人體下肢動作捕捉系統，硬件系統使用新型的BOT?6765連續動作捕捉器。大范圍運動過程中人體下肢動作捕捉系統的硬件構成主要包括以下部分：執行電機、捕捉單片機、運行畫面分類器、驅動放大電路及電力系統。本文設計的大范圍運動過程中人體下肢動作捕捉系統的硬件結構如圖1所示。

2 軟件設計

2.1 建立捕捉簡化模型

本文設計的大范圍運動過程中人體下肢動作捕捉系統，為了提高捕捉過程中的準確性，同時能夠擴大運動的捕捉范圍，建立了捕捉簡化模型，這樣方便進行準確的下肢動作捕捉。建模過程如下：

式中：表示相關圖像影幀的熵值，圖像影幀的熵值是運動學中權衡運動捕捉范圍的聯系平衡指數；分別表示運動圖像混亂指數、運動圖像環境冪指數；分別表示運動圖像的位錯痕跡、運動圖像的背景痕跡；表示運動圖像的視覺卷積差；表示運動區域視覺誤差的恒定參數。

通過式（1）可以對運動圖像進行系統的幀碼識別，經過識別后的圖像可進行數據提取，表示為：

式中：，分別表示運動圖像中的輪廓強度紋理、輪廓條紋紋理；表示人體運動圖像的三角函數角度矢量，是衡量捕捉曲線標準的重要線性指標；表示多位機的選取過程中的閾代指標，是表征運動區域范圍面積的指標；表示不定性誤差參數，具有較高的補充性。

經過上述的關系建立以及圖像識別分析，捕捉簡化模型可表示如下：

式中：表示下肢動作捕捉標準的臨界值，必須保證人體關節角在臨界點內才能進行計算；表示加權臨界運動邊距系數；表示影響捕捉最大的影響因子幀數。式（3）完成了捕捉簡化模型的建立。

2.2 優化人體關節角運算

本文設計了大范圍運動過程中人體下肢動作捕捉系統，并建立了相應的捕捉簡化模型，雖然能夠進行快速的下肢動態捕捉，但是沒辦法進行大范圍運動捕捉，因此需要對人體關節角運算進行優化，這樣能夠使建立的模型進行大范圍運動動態捕捉，優化過程如下：

式中：為捕捉人體關節角的有效使用值；為互動向量參數；為標注算子；為視覺誤差偏移量。式（4）對關鍵角使用條件進行了優化，還需要對關節幀頻的選擇進行優化，公式如下：

式中：分別為視覺的運動圖像的單個像素點起始坐標和末端坐標；為運動圖像的波頻；為運動圖像的跳頻概率。本文設計的大范圍運動過程中人體下肢動作捕捉系統的波頻、換頻、跳頻分布關系如圖2所示。

優化后的人體關節角運算可表示如下：

式中：表示評價限定權衡值，用于參數的實質評估限定；表示運動點分像素分布紋理集；表示能夠進行限定的有效值；表示具體重疊部分的邊緣值；表示局部方差。

通過上述過程完成了人體關節角運算的優化，優化后的人體關節角運算能夠對大范圍運動過程中人體下肢動作進行捕捉。

3 仿真實驗分析

為了驗證本文設計的大范圍運動過程中人體下肢動作捕捉系統的有效性，設計了對比仿真實驗。以某場運動賽事為例進行實驗。為了保證實驗的有效性，同時使用傳統的人體下肢動作捕捉系統進行實驗。

3.1 參數設定

為保證大范圍運動過程中人體下肢動作捕捉系統的有效性，對相關數據進行設定，平衡指數的批量化運算后的數據在[68.5，78.6]值域范圍之內；設置評估區域范圍內的指標集合為15.85；為了保證大范圍運動過程中人體下肢動作捕捉系統能夠準確地對運動過程捕捉，設置分別為5.28，4 163.5，66.32，400。

設置實驗參數如表1所示。

根據上述仿真對比實驗的參數進行實驗，結果如下。

3.2 結果分析

在實驗過程中，對傳統的人體下肢動作捕捉系統與本文設計的大范圍運動過程中人體下肢動作捕捉系統的實驗結果進行記錄，如表2所示。

分析表2結果得知，本文設計的大范圍運動過程中人體下肢動作捕捉系統的邊緣輪廓、輪廓曲線清晰度明顯比傳統的方法好很多，說明在捕捉的過程中清晰度很高。色差參數、色彩識別度是衡量圖像捕捉過程辨識能力的參數，本文設計的系統測試結果辨識度要略微好于傳統的方法。

分析圖3結果得知，本文設計的大范圍運動過程中人體下肢動作捕捉系統的誤差小于傳統捕捉方法，因此捕捉過程的準確率高于傳統捕捉系統。

分析圖4得知，本文設計的大范圍運動過程中人體下肢動作捕捉系統的捕捉過程的范圍明顯高于傳統方法。

綜上所述，本文設計的大范圍運動過程中人體下肢動作捕捉系統，在進行大范圍的下肢運動捕捉的過程中，能夠進行高分辨率、高清晰度、大范圍的下肢動作捕捉。

4 結 語

本文設計了一種大范圍運動過程中人體下肢動作捕捉系統。在硬件的處理上采用新型的BOT?6765連續動作捕捉系統。這樣提升了動作捕捉過程的范圍，同時減小了捕捉過程中背景虛設的幀，有效地提高了人體下肢動作捕捉過程的清晰度。軟件上建立了簡化模型，保證了捕捉過程的準確性，同時能夠提高捕捉范圍，優化了人體關節角的運算，人體下肢關節是捕捉過程的關鍵所在，優化后的關節運算存儲量小、捕捉準確，避免了計算誤差的產生。希望通過本文的研究能夠為下肢動作捕捉系統的應用提供理論幫助。

參考文獻

[1] 梁豐，張志利，李向陽，等.人體運動捕捉過程中的人體下肢動作識別[J].計算機輔助設計與圖形學學報，2015，25（12）：2419?2427.

LIANG Feng， ZHANG Zhili， LI Xiangyang， et al. Action recognition of human′s lower limbs in the process of human motion capture [J]. Journal of computer?aided design & computer graphics， 2015， 25（12）： 2419?2427.endprint

[2] 毛玉瑢，陳娜，陳沛銘，等.健康中老年人上肢負重狀態下利手和非利手的三維運動學分析[J].中國組織工程研究，2015，19（42）：6776?6781.

MAO Yurong， CHEN Na， CHEN Peiming， et al. Three?dimensional motion analysis of dominant and nondominant hands under weight?bearing conditions in health elderly people [J]. Journal of clinical rehabilitative tissue engineering research， 2015， 19（42）： 6776?6781.

[3] 王宇，鄭義，史清釗，等.股四頭肌表面肌電及髕股關節受力在不同角度靜蹲時的比較[J].科學技術與工程，2015，15（3）：36?42.

WANG Yu， ZHENG Yi， SHI Qingzhao， et al. Comparison of the quadriceps SEMG and patellofemoral force at different static squatting angles [J]. Science technology and engineering， 2015， 15（3）： 36?42.

[4] 赫高峰，彭淑娟，柳欣，等.結合模糊聚類和投影近似點算法的缺失人體運動捕捉數據重構[J].計算機輔助設計與圖形學學報，2015，27（8）：1416?1425.

HE Gaofeng， PENG Shujuan， LIU Xin， et al. Missing human motion capture data reconstruction with fuzzy clustering and projection approximation point algorithm [J]. Journal of computer?aided design & computer graphics， 2015， 27（8）： 1416?1425.

[5] TANG J， MCGRATH M， LASZCZAK P， et al. Characterisation of dynamic couplings at lower limb residuum/socket interface using 3D motion capture [J]. Medical engineering & physics， 2015， 37（12）： 1162?1170.

[6] 段增武，肖金壯，王洪瑞，等.基于Kinect的人體三維質心動態測量及準確性分析[J].中國生物醫學工程學報，2015，34（6）：752?756.

DUAN Zengwu， XIAO Jinzhuang， WANG Hongrui， et al. The kinetic measurement and accuracy analysis of human body three?dimensional center of mass using Kinect [J]. Chinese journal of biomedical engineering， 2015， 34（6）： 752?756.

[7] 傅維杰，魏勇，劉宇.穿不同鞋與裸足對羽毛球蹬地動作下肢及跖趾關節運動協調特征的影響[J].醫用生物力學，2015，30（2）：159?166.

FU Weijie， WEI Yong， LIU Yu. Effects of footwear and barefoot on movement coordination of lower extremities and metatarsophalangeal joints during push?off in badminton footwork [J]. Journal of medical biomechanics， 2015， 30（2）： 159?166.

[8] 馬紹興，王人成，沈強.步態模式對人體髖膝踝關節運動協調關系的影響[J].中國康復醫學雜志，2015，30（12）：1257?1261.

MA Shaoxing， WANG Rencheng， SHEN Qiang. Effects of different kind of gaits on the discipline of joint coupling among hip， knee and ankle [J]. Chinese journal of rehabilitation medicine， 2015， 30（12）： 1257?1261.

[9] 吳偉國，栗華，高力揚.人體步行捕捉下的雙足機器人跟隨步行與實驗[J].哈爾濱工業大學學報，2017，49（1）：21?29.

WU Weiguo， LI Hua， GAO Liyang. Follow?walking motions of a biped robot and its experimental research based on human walking capturing [J]. Journal of Harbin Institute of Technology， 2017， 49（1）： 21?29.

[10] 韓麗，王露晨，張美超，等.基于特征向量匹配的舞蹈實時姿態分析方法[J].計算機應用研究，2016，33（12）：3892?3896.

HAN Li， WANG Luchen， ZHANG Meichao， et al. Dance posture real?time analysis method based on feature vector [J]. Application research of computers， 2016， 33（12）： 3892?3896.endprint