基于Kinect传感器的立定跳远检测系统设计*

王 轲, 王 亚, 段渭军,， 于 琪

(1.西北工业大学 体育部，陕西 西安 710072；2.西北工业大学 电子信息学院，陕西 西安 710072)

0 引 言

研究发现Kinect传感器[1,2]的开发和使用能实现非接触式的动作采集。本文以大学生体质健康测试项目立定跳远为例，借助微软Kinect传感器，进行其动作状态跟踪、捕捉和姿态分析，不仅可以解决传统学生体质健康测试存在的问题，而且可以完成在取得准确测试结果的同时能够获取测试过程数据，为高校体育教学及体质健康测试评价提供理论和参考依据。

1 系统总体设计

1.1 深度图像的生成

Kinect 2.0[3]配备红外发射器，主动投射近红外光谱，照射到粗糙物体、或是穿透毛玻璃后，光谱发生扭曲，会形成随机的反射斑点(称为散斑)，进而能被红外摄像头读取版采用。同时，深度(红外)摄像头配合红外发射器使用，对发射回传感器的红外光谱利用飞行时间(time of flight，TOF)获取红外脉冲由被测物体反射到接收器所用的时间[4]。然后Kinect 根据光速和时间来计算深度信息，从而创建可视范围内的人体、物体的深度图[5～7]。

设发射频率为f，红外波长为λ，传播周期为Τ，相位差为Δφ，信号传播时间为t，则可推得目标点到相机所在平面的距离d为

(1)

(2)

式中 光速c为3×108m/s，n为红外发射器收发一次信号的波长个数。由于环境和红外频率等因素的多重影响，距离Kinect较近位置处获取到的深度点的密度要大于后方，故距离较近的位置可以获得比较精确的深度信息。Kinect可以获得水平57°(以Kinect为中心，左右各28.5°)和竖直43°(以Kinect为中心，上下各21.5°)的侦测范围。

1.1.1 深度图像数据

Kinect深度传感器可以获取距离Kinect最近的物体到Kinect所在平面的垂直距离。其深度判别范围中黑白区域为正常工作区域，红色与蓝色区域分别代表无穷近与大于4.5 m的测量区域，绿色范围内数据判别精度不高，故其可较准确地返回它前方0.5～4.5 m距离的深度值信息。

1.1.2 人体识别

Kinect先识别类似于人体的“大”字形物体的轮廓，然后通过边缘检测、噪声处理等计算机视觉方面的算法进行处理，最终将人体从背景中分离出来[8，9]。该过程中Kinect对深度图像逐个像素扫描，进行“像素级”评估。Kinect的视野可以同时跟踪6个用户，每个用户都会被分配到一个唯一的ID。如前所述，灰度图像每一像素点的16位中，高13位记录深度数据，低3位记录用户ID，用来对识别出的人体进行编号，ID的三位都为0表示不是人体，或者骨骼引擎关闭，如图1所示。

图1 人体识别分割

1.2 深度图映射到骨骼图

通过人体识别分割已经将人体从背景中分离，通过识别人体的25个关节点来对骨骼进行识别。如图2所示获得的骨骼关节点的三维坐标信息需要进行坐标转换[10,11]。

图2 人体骨骼关节位置示意

通常深度图像帧的x,y坐标系表示在传感器上对应的坐标，而不表示实际物理环境的位置坐标。深度图像坐标系的点，类型为DepthImagePoint(x,y,z) ,(x,y)为深度图像像素坐标，z(mm)为深度值。而骨骼坐标系的点,类型为SkeletonPoint(x,y,z) ， (x,y,z)(m)为空间坐标。

深度图像坐标系和骨骼坐标系均以Kinect 传感器的红外摄像头为中心，x,y轴分别与图像的x,y轴平行，z轴为传感器的方向，与图像平面垂直。这样构成的直角坐标系为摄像机坐标系。

1.3 系统设计整体流程

测试系统的硬件设备由Kinect、立定跳远测试仪、IC卡读卡器、一台电脑和服务器组成。主要包括三大模块：读卡器、Kinect和体重仪组成的信息采集模块，电脑作为系统的载体组成的处理模块和数据库(如图3所示)。

图3 系统构架

2 立定跳远数据测量方法

2.1 人体模型及关节定位

身体帧数据由人体25个关节点的集合，每帧包含了关节的3D位置和方向。人体跟踪的有三种状态：跟踪失败(not tracked)、推测状态(inferred)、跟踪状态(tracked)。跟踪失败状态下，身体数据的Position字段以及相关的节点数组中的每一个位置点值都是0，即x,y,z值均为0；推测状态探测到了人体对象，但追踪没有被激活，身体数据的Position数据有值，相关的关节数据位置点的值都是0；追踪状态表示人体骨骼信息正在被追踪，身体数据的Position信息和相关的节点数据的位置信息都为非0值。Position为一个Camera Space Point类型的字段，代表所有骨骼的中间点(如图2所示)。

2.2 人体姿势识别

本文在姿势库中定义了两种姿势，即伸开双臂呈“T”字形来启动测量和举起双手以清除当前数据重新测量。测试者做出特定的姿势通过与姿势库中模板匹配，就是对关节点进行命中测试来触发相应的事件。

本方法关节点采用节点三角形法，即计算某些关节点之间的角度(如图4 所示)。由左肩关节点(shoulderleft) 、左肘关节点(elbowleft) 和左手腕关节点(wristleft) 三点构成的三角形中,可根据距离公式分别求出a,b,c三边边长，再根据余玄定理求出夹角。当夹角在规定的阈值范围内，可以判断为有效姿势。

图4 节点三角形法

2.3 立定跳远模块设计

首先需确定起跳位置和最终人体的移动距离，根据TOF测距原理，人体景深数据表示从景深(红外)摄像头到该物体表面的距离(mm)，每一个像素为16 bit，测距范围在0.5～8 m之间。其所使用的空间坐标系不同一般的空间坐标系，其中z轴坐标零点为景深摄像头的位置，x轴与y轴的零点与传统空间坐标系相同，正方向为指向的正前方。值得注意的是，由Kinect获取的景深值是物体距离传感器所在水平线的距离，而非至传感器的直接距离。

测试对象处于离Kinect距离为L的位置上，摆出“T”姿势，相机标定此时测试对象的位置为起始位置。当起跳之后，通过脚部坐标点的变化，识别出已经处于跳远运动状态中并标定用户落地的位置。通过计算起始点和落地点之间的距离，计算出测试对象的立定跳远距离(图5)。

图5 立定跳远的测量方法

当测试对象与Kinect距离不断缩小时，即z轴方向上的值减小，脚部骨骼点y轴方向上的值也会随之减小。为了解决此问题，通过采集不同距离时多组(z,y)，拟合出一条矫正曲线，使得在水平平面上脚部骨骼点坐标值y不会因z的值变化而改变(图6)。

图6 矫正曲线

3 实验评估

立定跳远流程设计如图7所示。

图7 跳远测量流程

3.1 测试对象及方法

3.1.1 测试对象

随机选取12名本科一年级大学生(男女各6名)。

3.1.2 测试方法

1)选用学校立定跳远测试仪器；2)选用本次实验的Kinect传感器测量方法及仪器。考虑到在立定跳远动作会出现的两种情况：1)用户稳稳地保持在落地点位置；2)由于惯性用户会向前迈步。采取以下解决方法：第一种情况下用户脚部骨骼点在y轴方向上的坐标值将不再发生变化。计算获取数据中10组坐标值差值，如果差值在允许误差范围内时，则判定用户已经落地，并将10组坐标值均值作为用户落地点位置。第二种情况下，通过MATLAB软件绘制脚部骨骼点y轴方向上的位移图，会发现在曲线会有多个拐点，这些拐点即为脚部多次落地y轴坐标变化。取10组数据进行变化趋势分析，当数据中第一次出现拐点，则取该拐点处值为落地点位置。

3.2 实验结果

实验结果如表1所示。表明，根据方法(1)测试立定跳远成绩的平均误差约为1.07 %；而根据Kinect方法(2)测试的平均误差约为0.32 %，验证了采用Kinect传感器的TOF测距原理及该方法的准确性。

表1 立定跳远测量结果

4 结 论

该方法可在多个项目中应用，实现集多项测试于一体的功能，同时Kinect设备可以实现基于视频动作捕捉，对运动姿态分析有很大帮助。不仅在取得准确测试结果的同时能够获取测试过程数据，而且能为体育教学、体质测试评价提供理论和参考依据，具有一定的应用价值。