大范围运动过程中人体下肢动作捕捉系统设计

张平平

摘 要： 传统的人体下肢动作捕捉系统能够对人体进行快速的动作捕捉，但是由于动作幅度较大不能在大范围的运动过程中对下肢关节进行动作捕捉。针对上述问题，设计了一种大范围运动过程中人体下肢动作捕捉系统。在硬件处理上采用新型的BOT?6765连续动作捕捉系统，使用待换机的层次运行结构改变传统的捕捉选定的结构过程，提升了动作捕捉过程的测量范围，同时减小了捕捉过程中背景虚设的帧，有效地提高了人体下肢动作捕捉过程的清晰度。软件上建立了简化模型，保证捕捉过程中的准确性，同时能够提高捕捉范围，优化了人体关节角的运算，人体下肢关节是捕捉过程的关键所在，优化后的关节运算存储量小、捕捉准确，避免计算误差的产生。为了验证设计的大范围运动过程中人体下肢动作捕捉系统的有效性，设计了对比仿真实验，通过实验数据的分析，有效地验证了设计的大范围运动过程中人体下肢动作捕捉系统的有效性。

关键词： 大范围运动； 人体下肢动作； 简化模型； 三角函数； 关节角； 动作捕捉系统

中图分类号： TN02?34； TP391 文献标识码： A 文章编号： 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

人体下肢动作捕捉系统已经广泛应用到了体育比赛项目的判定中，该系统的广泛应用可以最大限度地为运动训练提供理论依据，以及为比赛结果判断准确率提供数据保障[1?2]。将人体下肢动作捕捉系统引入到体育赛事中，不但提高了对运动员运动过程的轨迹分析能力，而且可以根据运动项目的技术特征进行有效判别，为日常系统的训练提供数据指导，同时也保障比赛的公正性[3?4]。特别是在田径类、肢体类的运动过程中对于下肢运动的要求比较高，并且运动速度较快，在评判时很难用肉眼进行准确的判别，因此，在比赛中使用人体下肢动作捕捉系统可以更好地对人体下肢动作的运动范围以及轨迹进行視觉捕捉[5?6]。但是传统的人体下肢动作捕捉系统对于动作幅度较大的动作，不能进行大范围的下肢关节动作捕捉[7?8]。本文为了能够有效解决上述问题，设计了一种大范围运动过程中人体下肢动作捕捉系统，在硬件的处理上采用新型的BOT?6765连续动作捕捉器，使用待换机的层次运行结构对传统捕捉选定的结构过程进行改变，这样扩大了动作捕捉过程的范围，同时减小了捕捉过程中背景虚设的帧，从而有效地提高了人体下肢动作捕捉过程的清晰度。软件上建立了简化模型，保证了捕捉过程中的准确性，同时提高捕捉范围，优化人体关节角的运算，人体下肢关节是捕捉过程的关键所在，优化后的关节运算存储量小、捕捉准确，避免了计算误差的产生。为了验证本文设计的大范围运动过程中人体下肢动作捕捉系统的有效性，设计了对比仿真实验，实验数据有效地验证了本文设计的大范围运动过程中人体下肢动作捕捉系统的有效性。endprint

1 硬件系统设计

本文设计的大范围运动过程中人体下肢动作捕捉系统，硬件系统使用新型的BOT?6765连续动作捕捉器。大范围运动过程中人体下肢动作捕捉系统的硬件构成主要包括以下部分：执行电机、捕捉单片机、运行画面分类器、驱动放大电路及电力系统。本文设计的大范围运动过程中人体下肢动作捕捉系统的硬件结构如图1所示。

2 软件设计

2.1 建立捕捉简化模型

本文设计的大范围运动过程中人体下肢动作捕捉系统，为了提高捕捉过程中的准确性，同时能够扩大运动的捕捉范围，建立了捕捉简化模型，这样方便进行准确的下肢动作捕捉。建模过程如下：

式中：表示相关图像影帧的熵值，图像影帧的熵值是运动学中权衡运动捕捉范围的联系平衡指数；分别表示运动图像混乱指数、运动图像环境幂指数；分别表示运动图像的位错痕迹、运动图像的背景痕迹；表示运动图像的视觉卷积差；表示运动区域视觉误差的恒定参数。

通过式（1）可以对运动图像进行系统的帧码识别，经过识别后的图像可进行数据提取，表示为：

式中：，分别表示运动图像中的轮廓强度纹理、轮廓条纹纹理；表示人体运动图像的三角函数角度矢量，是衡量捕捉曲线标准的重要线性指标；表示多位机的选取过程中的阈代指标，是表征运动区域范围面积的指标；表示不定性误差参数，具有较高的补充性。

经过上述的关系建立以及图像识别分析，捕捉简化模型可表示如下：

式中：表示下肢动作捕捉标准的临界值，必须保证人体关节角在临界点内才能进行计算；表示加权临界运动边距系数；表示影响捕捉最大的影响因子帧数。式（3）完成了捕捉简化模型的建立。

2.2 优化人体关节角运算

本文设计了大范围运动过程中人体下肢动作捕捉系统，并建立了相应的捕捉简化模型，虽然能够进行快速的下肢动态捕捉，但是没办法进行大范围运动捕捉，因此需要对人体关节角运算进行优化，这样能够使建立的模型进行大范围运动动态捕捉，优化过程如下：

式中：为捕捉人体关节角的有效使用值；为互动向量参数；为标注算子；为视觉误差偏移量。式（4）对关键角使用条件进行了优化，还需要对关节帧频的选择进行优化，公式如下：

式中：分别为视觉的运动图像的单个像素点起始坐标和末端坐标；为运动图像的波频；为运动图像的跳频概率。本文设计的大范围运动过程中人体下肢动作捕捉系统的波频、换频、跳频分布关系如图2所示。

优化后的人体关节角运算可表示如下：

式中：表示评价限定权衡值，用于参数的实质评估限定；表示运动点分像素分布纹理集；表示能够进行限定的有效值；表示具体重叠部分的边缘值；表示局部方差。

通过上述过程完成了人体关节角运算的优化，优化后的人体关节角运算能够对大范围运动过程中人体下肢动作进行捕捉。

3 仿真实验分析

为了验证本文设计的大范围运动过程中人体下肢动作捕捉系统的有效性，设计了对比仿真实验。以某场运动赛事为例进行实验。为了保证实验的有效性，同时使用传统的人体下肢动作捕捉系统进行实验。

3.1 参数设定

为保证大范围运动过程中人体下肢动作捕捉系统的有效性，对相关数据进行设定，平衡指数的批量化运算后的数据在[68.5，78.6]值域范围之内；设置评估区域范围内的指标集合为15.85；为了保证大范围运动过程中人体下肢动作捕捉系统能够准确地对运动过程捕捉，设置分别为5.28，4 163.5，66.32，400。

设置实验参数如表1所示。

根据上述仿真对比实验的参数进行实验，结果如下。

3.2 结果分析

在实验过程中，对传统的人体下肢动作捕捉系统与本文设计的大范围运动过程中人体下肢动作捕捉系统的实验结果进行记录，如表2所示。

分析表2结果得知，本文设计的大范围运动过程中人体下肢动作捕捉系统的边缘轮廓、轮廓曲线清晰度明显比传统的方法好很多，说明在捕捉的过程中清晰度很高。色差参数、色彩识别度是衡量图像捕捉过程辨识能力的参数，本文设计的系统测试结果辨识度要略微好于傳统的方法。

分析图3结果得知，本文设计的大范围运动过程中人体下肢动作捕捉系统的误差小于传统捕捉方法，因此捕捉过程的准确率高于传统捕捉系统。

分析图4得知，本文设计的大范围运动过程中人体下肢动作捕捉系统的捕捉过程的范围明显高于传统方法。

综上所述，本文设计的大范围运动过程中人体下肢动作捕捉系统，在进行大范围的下肢运动捕捉的过程中，能够进行高分辨率、高清晰度、大范围的下肢动作捕捉。

4 结 语

本文设计了一种大范围运动过程中人体下肢动作捕捉系统。在硬件的处理上采用新型的BOT?6765连续动作捕捉系统。这样提升了动作捕捉过程的范围，同时减小了捕捉过程中背景虚设的帧，有效地提高了人体下肢动作捕捉过程的清晰度。软件上建立了简化模型，保证了捕捉过程的准确性，同时能够提高捕捉范围，优化了人体关节角的运算，人体下肢关节是捕捉过程的关键所在，优化后的关节运算存储量小、捕捉准确，避免了计算误差的产生。希望通过本文的研究能够为下肢动作捕捉系统的应用提供理论帮助。

参考文献

[1] 梁丰，张志利，李向阳，等.人体运动捕捉过程中的人体下肢动作识别[J].计算机辅助设计与图形学学报，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，陈娜，陈沛铭，等.健康中老年人上肢负重状态下利手和非利手的三维运动学分析[J].中国组织工程研究，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，郑义，史清钊，等.股四头肌表面肌电及髌股关节受力在不同角度静蹲时的比较[J].科学技术与工程，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.结合模糊聚类和投影近似点算法的缺失人体运动捕捉数据重构[J].计算机辅助设计与图形学学报，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，肖金壮，王洪瑞，等.基于Kinect的人体三维质心动态测量及准确性分析[J].中国生物医学工程学报，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] 傅维杰，魏勇，刘宇.穿不同鞋与裸足对羽毛球蹬地动作下肢及跖趾关节运动协调特征的影响[J].医用生物力学，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] 马绍兴，王人成，沈强.步态模式对人体髋膝踝关节运动协调关系的影响[J].中国康复医学杂志，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] 吴伟国，栗华，高力扬.人体步行捕捉下的双足机器人跟随步行与实验[J].哈尔滨工业大学学报，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] 韩丽，王露晨，张美超，等.基于特征向量匹配的舞蹈实时姿态分析方法[J].计算机应用研究，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