基于Kinect的立定跳远辅助训练系统的研究

靳明　张刚　黄璜　李影　张红岩　王峰

摘要：立定跳远是学生体侧必测项目，为了提高学生的下肢爆发力和腹部力量，提出并设计了基于Kinect运动捕捉技术和角度、骨骼动作特征提取的立定跳远辅助训练系统，并结合立定跳远的动作特征，进行相关动作识别算法匹配，矫正动作的标准，辅助训练提高效果。

关键词：Kinect传感器;运动捕捉;特征提取;辅助训练系统

中图分类号： TP399        文献标识码：A

文章编号：1009-3044（2019）25-0212-02

根据机器视觉在检测方面的应用，采用智能摄像头嵌入相应检测识别算法可以高效地解决生活中的问题[1]。研究发现Kinect体感摄像机的开发和使用能实现人体动作实时采集和显示。本文以学生体质测评项目立定跳远为实例，通过Kinect配备的彩色和红外摄像头传感器为硬件设备，获取人体姿态并通过对比各关节节点的位置变化与预置的标准数据库匹配，检测人体的动作是否标准以此矫正学生的动作从而提高成绩。

1 关键技术介绍

1.1 机器视觉

机器视觉主要用来研究计算机通过模拟人的视觉功能，通过高清摄像机等硬件设备得到图像信息，然后利用软件从中获取相应信息，从而做出正确的行为判断。它在智能化视频监控分析、人脸识别、智能驾驶、医疗影像诊断、体育领域等行业有着广泛的应用前景和科研价值，在实现“中国制造2025”背景之下，市场对于机器视觉的需求也将逐渐增多。国内有关院所和科技企业最近几年在机器视觉和图像识别领域进行积极探索，开始了工业现场的投入，充分体现出基于机器视觉的相关应用会有很大的发展空间。

1.2 Kinect2.0骨骼识别技术

Kinect是一种深度体感摄影机，第二代Kinect V2相对于一代有改进的4阵列麦克风（零点平衡）、新的主动式红外检测、1080P高清视频等。利用改进之后的骨骼追踪识别技术，它可以将深度图像前景和背景进行分离，然后通过基于深度图像特征的骨骼关节点跟踪6个完整骨骼和25个关节点。并且以约30 fps 的传输速度输出骨骼帧数据，使得追踪的姿势更加精确和稳定，简化并开启了许多场景功能：包括更稳定的姿势、更准确地姿势评估、简洁的交互。

2 硬件环境

本系统使用的 Kinect V2传感器已包含电源适配器和 USB 3.0 数据线。所使用的计算机需符合以下条件[3]：

（1）内置USB3.0总线。

（2）支持DX11图形适配器。

（3）Kinect要求运行在Win8版本及以上。

（4） 4GB RAM。

3 软件设计

3.1 系统架构及开发平台的选择

选择Kinect作为该系统的体感数据采集设备，Kinect的检测范围和高精度的分辨率及视场角度可以为运动识别算法提供基础数据保障。.NET平台是微软Windows操作系统运行的开发技术平台，可以与同为微软旗下的kinect产品兼容。

3.2 客户端软件设计

3.2.1 客户端功能

根据本立定跳远辅助训练所要达到的效果，客户端的设计开发应该具有如下功能：

（1） 学生个人信息的采集。本系统数据信息采集使用得是学生校园卡，可以通过使用RFID读取校园卡获取学生信息，便于后期测试分析。

（2） 使用Kinect设备采集到学生的立定跳远的动作数据，确定学生的使用记录，并保存用于随后的查询分析的数据记录。

（3） 客户端可将学生的个人信息和立定跳远运动检测结果及时上传至云端服务器。

3.2.2 立定跳远识别算法

该系统软件设计算法采用步态识别算法来提取人体骨骼特征和相应运动特征[4]，并将这两种特征序列数据分别和标准骨骼数据、标准运动数据进行相匹配[5]。针对立定跳远可以选取多个关节点在三维空间上相对角度作为骨骼空间特征。

（1）骨骼角度空间特征提取

本文重点研究在立定跳远时膝、踝、臀主要关节的关节角度。

本系统中的骨骼特征提取以Kinect坐标系中的特征向量计算为基础，假设运动时动作特征抽取之后，映射到Kinect坐標系时如下图1所示：

该方法关节点是运用的节点三角形法，即解决计算特定关节点之间的角度问题。当关节点夹角在规定的最佳跳远效果设定的阈值范围内，则可以判断为有效运动姿态，并且越接近设定的阈值中心点效果越明显。人体运动行为识别局部特征首先检测与该动作相关的子空间中的关键点，他们对应着一部分运动，比如手臂的摆动和膝关节的弯曲程度，通过时间序列差从而判断骨骼帧的间隔，以此检测立定跳远动作的规范化。

（2）立定跳远动作特征提取

立定跳远动作状态机制描述如图2所示：

开始预备摆臂时，两腿稍微分开自然站立，最好和肩部同宽，身体微微前倾，然后两手臂自然前后预摆两三次。这是立定跳远每一个动作周期的起始姿势。起跳动作时，两臂从后向前上方有力摆动时，两脚向下后蹬地，起跳角接近45°;腾空动作时，身体尽量往前倾，过最高点后屈膝收腹，小腿前蹬，两臂向后摆;落地动作时，落地后屈膝缓冲，身体前倾。

3.3 云端软件设计

综合系统实际需求的分析，可以选择搭载Windows的阿里云服务器，使得运动数据可被使用者更方便地利用与保存，为系统的后期扩展和实现增加了更多的可能性。本系统采用Asp.net结合MySQL数据库，从而成功搭建了一个完整的Web平台。

4 结语

本文介绍的基于非接触式识别的学生立定跳远辅助训练系统的设计，采用Kinect目标识别技术手段解决了学生体侧项目中遇到的问题，达到了立定跳远辅助训练的目的，规范了动作的标准，提高了学生成绩。同时Kinect设备可以实现基于视频的动作捕捉，对运动姿态分析有帮助作用，能够为体育教学、体质测试评价方面提供理论和参考依据，具有一定的现实应用价值。

参考文献：

[1] 李拟珺.基于计算机视觉的人体动作识别技术研究[D].南京：东南大学，2015.

[2] 李诗锐，李琪，李海洋，等. 基于Kinect v2 的实时精确三维重建系统[J]. 软件学报，2016，27（10）：2519-2529.

[3] 余涛.Kinect应用开发实战：用最自然的方式与机器对话[M].北京：机械工业出版社，2013.

[4] 张杨，赖杰.基于支持向量机和特征向量提取的人脸识别框架[J].河北工业科技，2016.33（1）：58-62.

[5] 郑立国，罗江林，许舸.基于Kinec的动作捕捉系统的实现[J].吉林大学学报：工学版，2013，43（增刊） ：249-255.

【通联编辑：唐一东】