基于动作捕捉技术的羽毛球训练辅助教学系统设计

摘要：传统羽毛球训练辅助系统因简单的传感器和图像处理技术，难以捕捉到羽毛球击球动作的连续性，影响了动作分析和训练反馈的精确性。为此，文章设计了基于动作捕捉技术的新型羽毛球训练辅助系统。系统硬件采用了动作捕捉感应装置和双控电源确保稳定运行；软件部分精准捕捉击球动作，提供详细的技术分析和个性化训练建议，同时建立了教学资源库以优化训练。测试结果表明，该系统显著提高了命中率和训练效果。

关键词：动作捕捉技术；羽毛球训练；辅助教学系统；命中率

中图分类号：G642 文献标志码：A

0 引言

随着科技的飞速发展，动作捕捉技术已经在多个领域得到广泛应用，羽毛球训练便是其中之一。羽毛球作为一项对技术和体能要求极高的运动，训练方法一直备受关注［1-2］。

李钰田等［1］结合姿态估计和时序分段网络分析，提出了识别羽毛球动作的方法，用于改善辅助教学效果。系统通过视域特征检测手臂击球动作，并利用时序分段网络进行分类［3］。然而，数据处理速度跟不上实际动作变化速度可能导致不连续现象。孙冬颖等［4］提出基于识别算法的辅助系统，但视角变化和光线等因素可能影响数据精确性。另一方面，孟莉［5］利用虚拟现实模块获取羽毛球运动员训练数据，但传感器准确性和采样频率可能限制数据捕捉效果。周娴玮等［6］提出RFC-Net模型评估羽毛球动作质量，但在处理动作特征时可能遗漏重要细节，影响实时准确分析。

为了解决上述方法存在的问题，本文设计了一种基于动作捕捉技术的羽毛球训练辅助教学系统，能够根据运动员的技术水平和体能状况制定并调整个性化的训练计划，从而提高训练效率和准确性。

1 硬件设计

1.1 动作捕捉感应装置

根据系统教学功能的需要，设定特定的捕捉区域。在人体关节位置贴上感应装置的传感点，当学生进行操作时，系统能够实时生成相应的控制信号。此外，引入微处理器，以扩展实际感知范围，构建一个由中央处理器和标准组合设备控制台共同组成的系统。在方案调整过程中，将微处理器板设置为144P，并采用电编程存储器（EEPROM）芯片，专门用于学生动作的精准捕捉。这样的设计确保了系统在羽毛球训练中的准确性和高效性，为教练和运动员提供了更为精确和实用的训练反馈。

1.2 双控电源

在完成对动作捕捉感应装置的设计后，进一步开展双控电源的设计工作。为实现双重控制方案，集成了一个小型方案，其中包含了电力接口。在校准区域，安装了警示灯，并为其配置了初始输入容量为9 V DC/0.6 A的控制模式。控制终端分为8个Ru45端口。当指示灯亮起时，系统接收学生羽毛球的运动，并显示系统处理器的自动数量扩展。

2 软件设计

2.1 基于动作捕捉技术的羽毛球击球动作捕捉

本文通过动作捕捉技术，不仅能够实现训练方法的科学化，还能够提升训练效果，帮助运动员更快地提升技术水平。

羽毛球击球动作分为4个阶段：准备、举臂、下蹲、伸展。以高中生击球过程中的肩肘牵引关节为例，分别得出了t0、t1、t2、t3 4个阶段的具体情况。具体如下。

（1）在准备阶段t0时，学生的肩部垂直轴yA与肘部和手腕关节的垂直轴yB、yC之间存在一定的不平等关系。具体的不平等式如下：

yA>max｛yB，yC｝（1）

（3）在下蹲时刻帧时，t2帧位于t1和t3之间，此时肩关节yA的纵向协调小于肘部和手腕的yB、yC纵向协同。必要的不等式如下：

yA<min｛yB，yC｝（3）

（4）伸展时刻帧t3：由于羽毛球的已击出，也称为击出帧。假设关节纵轴的变化时间为t0，使用以下公式计算关节纵轴的最大值点：

t=g（t0）·yA（4）

基于所得关节点纵坐标最大值点的帧，通过F臂基组的主动过程完成纵轴最大值点，以及羽毛球中心和手腕之间的距离D计算出击出集分量F的欧几里得距离：

ΔDF=［ΔD0，ΔD1，ΔD2，ΔD3］（5）

根据上述方程可以确定方程组，以获得与i对应的出手帧t3：

通过上述计算过程，从羽毛球击球动作的准备、举臂、下蹲、伸展4个阶段，分别开展动作捕捉，以提高辅助教学的效果。

2.2 建立教学辅助资源库

在完成基于动作捕捉技术的羽毛球击球动作捕捉后，有必要将其与在移动捕捉技术基础上建立的附加训练库联系起来。与传统的类数据寄存器相比，该系统的训练资源可以有效地扩展到基于移动捕获技术平台的相关领域。为了调整预设条件，需要修改用于调整预设条件的指令。教学辅助资源库设计具体公式如下：

公式中，H表示教学中的数据量；ι表示链接的比率；b表示团队扩展的值。通过计算公式（7）可以得到实际训练数据量。然后，在获得的指令基础上扩展条目值，以确定教育资源在数据库中的传输范围。

2.3 羽毛球辅助教学模块设计

在完成教学辅助资源库的设计之后，须要对羽毛球辅助教学模块进行设计，以建立一个基于动作捕捉技术的羽毛球训练模块。通过该模块，系统可以根据运动员的技术水平和体能状况，为其制定个性化的训练计划，提供定制化的训练建议和反馈。这样能够更好地满足运动员的需求，提高训练效率和准确性，帮助他们更快地提升羽毛球技术。羽毛球教学辅助模块结构如图1所示。

3 系统性能测试

为了验证本文所设计的基于动作捕捉技术的羽毛球训练辅助教学系统在实际应用中的可行性，进行对比测试实验，提取的羽毛球击球动作结果如图2所示。

为了进一步验证基于动作捕捉技术的羽毛球训练辅助教学系统的有效性，采用误差投影和击球命中率作为评估指标，并将本文系统与孙冬颖等［4］提出的羽毛球动作训练步态识别分析系统以及孟莉［5］提出的基于虚拟现实技术的三维体育辅助训练系统进行对比验证，对比结果如图3所示。

根据图3的分析结果，应用本文设计的基于动作捕捉技术的羽毛球训练辅助教学系统后，训练人员在羽毛球击球动作训练中的命中率最高可达99%。与孙冬颖等［4］提出的羽毛球动作训练步态识别分析系统以及孟莉［5］提出的基于虚拟现实技术的三维体育辅助训练系统相比，本文设计的羽毛球训练辅助教学系统在羽毛球击球命中率方面展现出更为卓越的性能。

4 结语

基于动作捕捉技术的羽毛球训练辅助教学系统 设计是一项创新性研究。系统硬件配置精确可靠，确保了稳定运行；软件部分实现了对击球动作的准确捕捉，并提供了详尽的技术分析和个性化训练建议。通过建立教学资源库，系统全方位支持羽毛球训练，使训练更系统高效。经测试验证，系统显著提升了命中率和训练效果，展示了动作捕捉技术在羽毛球训练中的潜力，为未来训练和技术进步提供了新思路。

参考文献

［1］李钰田，郭建文.基于动作捕捉技术的传统手工艺记录研究［J］.数字通信世界，2023（3）：115-117.

［2］闫彦峰.基于动作捕捉的羽毛球教学训练辅助系统设计［J］.信息与电脑（理论版），2022（18）：26-28.

［3］陶树，王美丽.结合姿态估计和时序分段网络分析的羽毛球视频动作识别［J］.中国图像图形学报，2022（11）：3280-3291.

［4］孙冬颖，侯建鹏，周丽丽，等.羽毛球动作训练步态识别分析系统设计［J］.自动化技术与应用，2021（12）：177-180.

［5］孟莉.基于虚拟现实技术的三维体育辅助训练系统设计［J］.兰州工业学院学报，2023（2）：78-82，98.

［6］周娴玮，赖坚，陈玮涛，等.RFC-Net：基于残差结构的动作质量评估网络［J］.计算机技术与发展，2022（11）：146-153，163.

Design of badminton training auxiliary teaching system based on motion capture technology

Abstract： Traditional badminton training assistance systems are difficult to capture the continuity of badminton hitting movements due to simple sensors and image processing techniques， which affects the accuracy of motion analysis and training feedback. Therefore， this study designed a new badminton training assistance system based on motion capture technology. The system hardware adopts an action capture sensing device and dual control power supply to ensure stable operation. The software accurately captures hitting movements， provides detailed technical analysis and personalized training suggestions， and establishes a teaching resource library to optimize training. The test results show that the system significantly improves the hit rate and training effectiveness.

Key words： motion capture technology; badminton training; assisted teaching system; hit rate