基于云計算和體感網絡的運動訓練平臺

李開貴，游 燕

（成都紡織高等?？茖W校，成都 611731）

0 引言

無線傳感器網絡（WSN）是借助大量部署的傳感元件來監控環境變量的智能系統，近年來，其發展十分迅速，傳感器的嵌入式技術已經成熟，已經可以穿到身上，并且不會給穿戴者帶來不適[1,2]。

2002年Prof.Guang-Zhong Yang將WSN延伸，提出了體感網絡（BSN）的全新概念[3]。體感網絡基于無線傳感網絡的低功耗與實時性特性，只需使使用者穿上一些傳感元件，就可遠程實時監控穿戴者的狀況。

本文系統在錄制教練動作視頻的同時，同步地記錄教練標準動作的傳感器信息，使學員可通過無線通訊設備，同步地將連續動作的傳感器信息上傳到云端計算設備，進行動作軌跡重建特征比對，并且同步回傳學員需要更正的錯誤動作，如圖1所示。

1 研究方法

本文提出的系統其關鍵技術包括：初始化多運動傳感器的位置和傳感器之間同步、運動軌跡重建、拍攝視頻與運動傳感器信息同步、相似度比對等，以下章節將詳細描述。

圖1 系統示意圖

1.1 初始化多運動傳感器位置和傳感器間同步技術

我們將初始化多運動傳感器位置和傳感器間同步，描述如下：

1）定義人體前方為X軸正向、左側為Y軸正向、上方為Z軸正向。

2）通過一個輸入裝置，如鍵盤、鼠標來告知系統該學員的身高。

3）依據學員的身高，依照標準人體肢體比例來得知各肢體的長短，進而推算各個運動傳感器在空間中的初始位置。

4）此外學員可以在動作開始前，利用一個致動方法，如按鈕、聲音、手勢等，告知運動學習系統利用無線通訊，如ZigBee、Bluetooth等方式，開始讀取運動傳感器的數值。

5）假設學員身上穿戴m個重力傳感器，開始讀取運動傳感器數值時，得到各個傳感器初始Tick的時間是{t1, t2, ..., tm}，則之后記錄各個運動傳感器的傳感器信息其時間為(Ti-ti)×si，其中i=1...m, s代表每秒取樣數的倒數。

1.2 軌跡重建技術

有些球類運動，如：高爾夫、網球等，相對于擊球力量，更重要的是能穩定地擊到球并控制球的方向。高爾夫運動，為了在最少揮桿次數下達到最終進洞的目標，擊球方向的穩定性就非常重要，所以必須建立一個完美的揮桿，才能提高成功擊球的機率，以及更接近所想要達到的位置。因此，必須要有一套工具來反映出學員所揮擊的信息。我們在球桿的桿身上嵌入慣性傳感器，借此抓取球桿在移動過程中的物理信息，利用重力傳感器來獲取球桿移動的加速度狀況，陀螺儀來獲取球桿旋轉的角度變化狀況。

因此我們可以利用運動傳感器中的三軸重力傳感器(Triple-axis G-accelerometer sensor)、磁力計等，提供加速度、方位角等傳感器信息。接著，我們利用式(1)，對上述傳感器信息進行積分，參考運動傳感器的初始位置，就可以計算出運動傳感器在X、Y、Z每一軸向的位移量，并進一步推算出運動傳感器的位置信息。

此外由于球桿旋轉和移動的過程中，傳感器本身坐標也一直在變換，傳感數值沒有一個相同的參考坐標，會造成連續的數值沒有關聯性，因此我們必需將坐標軸轉到同一個參考坐標，所以我們借助陀螺儀偵測的角速度乘上取樣時間得到角度變化，再依據角度變化得到轉換矩陣，利用這個轉換矩陣就可以把傳感器移動的狀況全部轉換到一開始揮桿的坐標系，再進行積分，推算出傳感器的位移信息，流程如圖2所示。

圖2 軌跡重建流程

1.3 拍攝運動教學視頻與運動傳感器信息同步技術

為了使學員可以更為精確的學習動作的細節，我們嘗試將動作的傳感器信息，嵌入教學視頻中，并基于視頻畫面速率和傳感器取樣率，使兩者記錄的信息，能夠達到時間同步的效果。此時的視頻與傳感器信息可以分別記錄在不同檔案，如AVI和XML檔中，或是將傳感器信息寫入于視頻檔案的字段中。舉一個例子來說，我們可以調整傳感器取樣率為視頻畫面速率的倍數，如傳感器每秒取樣120次，而視頻的畫面速度為60fps。視頻和傳感器記錄的起始時間，都應該將Tick值或是Timestamp值，轉換至同一個時間軸上表示，如式(2)所示：

假設傳感器讀到第一個傳感器信息的Tick值(t0)為52642，第二個傳感器信息的Tick值(t2)為52646，取樣率為120Hz，此時記錄的時間(TC)分別為0和0.03。同樣的，假設視頻第一張畫面的Timestamp為52646，第二張畫面的Timestamp為5238，每秒畫面速率為60，則此時記錄的時間(TC)則分別為0和0.03。

我們定義6個高爾夫揮桿的關鍵動作，包括帶、轉、移、放、跟、收的步驟：

帶：（上桿前期）將雙掌帶到右大腿前方的位置。手→手臂→肩膀→臀部。以上述順序帶動球桿，并且右手腕轉動至正前方；

轉：（上桿后期）左肩旋轉至下巴下方，作出一個大幅度的上桿動作。手臂彎曲，上升至頂點時球桿與地面平行，且左手腕固定約90度角；

移：（下桿前期）右肩下沉，右肘帶到右肋下方，進入“擊球準備位置”，桿子約在腰帶上方；

臀部啟動下桿，手腕保持角度，展現系統的“鞭打效應”，下桿前期順序：臀部→肩膀→手臂；

放：（加速期）手腕到達腰部之后到擊球。手腕在下桿前期所維持的角度做完全的釋放；

跟和收：（收桿前后期）這2個動作合為一個，視為一個收桿動作，從擊球完成到整個收桿動作結束。

再利用傳感器信息判斷出關鍵動作后，會產出一個視頻片段和傳感器信息的對應表。此對應表將記錄在哪一個時間點發生什么關鍵動作，可以是一個獨立的電子檔案，或是將傳感器信息寫入于視頻檔案的字段中，如圖3所示。

圖3 不同的視頻片段和傳感器信息對應方法

1.4 動作相似度比對技術

在高爾夫運動中，揮桿的好壞有一些評比標準，例如動作的時間節奏、桿頭揮動的軌跡與桿面位置、桿頭的速度和力量等，其中：

1）動作的時間節奏：揮桿必須要有節奏才打得出好球，揮桿動作雖然很短暫，但也要有一致的節拍，才有穩定的球路及速度揮桿。Neal,Abernethy和Moran的研究中也指出新手以及專業球員在上下桿的時間分布上仍有不小的差異。新手球員在揮桿的時間分布中，上桿所占的時間從20%至60%不等[4]。相對來說，專業球員的上桿時間分布很密集的分布于70%上下。

2）桿頭揮動的軌跡和桿面的位置：揮桿時桿頭維持在一個圓的平面上，有如一個呼拉圈。揮桿時若離開這個平面，代表桿頭會時而在平面之上，時而在平面之下。這一點主要可以由軌跡進行判斷，當全部的揮桿資料都轉換回地球坐標(Earth Frame)后，并且計算出每筆資料的位移，如此一來便可在同一個坐標系統下，比較兩次揮桿間，其揮桿面的傾斜角度是否相同。

3）桿頭的速度及力量：參考桿頭的加速度資料進行判斷，由于速度與力量成一正比關系，只要計算出桿頭各階段的加速度，即可知道使用者的力道是否正確。

4）各肢體部位動作先后的問題：借助將各部位的傳感器資料進行分群，參考收集到的正確動作的分群時間軸，檢查學員的動作傳感器資料是否落在正確的分群當中。

利用章節1.2介紹的運動軌跡特征描述方法，我們可以將標準的教練的三維運動軌跡參數描述為(ae,x,i,ae,y,i,ae,z,i,)，而學員的運動軌跡參數為(al,x,i,al,y,i,al,z,i,)。我們可以定義一個動作相似度(Similarity)，如式(3)所示：

其中動作相似度經過正規化后，會介于0%～100%。假設教練運動軌跡為{(0,-45,130), (20,-45,120), (40,-40, 100)}，而學員的運動軌跡是{(0,-40,125),(15,-40,120),(35,-35,105)}，則相似度為88%。

2 實驗結果

在本實驗章節中，我們將對多運動傳感器的同步結果、軌跡繪制與不同肢體在時間軸上的動作相對時間進行討論。

如圖4所示，首先在運動傳感器同步的實驗中，我們將兩個運動傳感器重疊擺放，之后同時給傳感器一短暫振動，如此以來，兩個傳感器的數值波形應該是同時發生，且同時結束，但是從圖的前兩張可很清楚地看到，傳感器1以及傳感器2的開始時間明顯有段差距。經過同步后，傳感器2的時間軸會向傳感器1的時間軸對齊，從第三張可以清楚看出兩個傳感器的波形已經完全吻合。

利用章節1.2的軌跡重建技術，我們可以繪制出學員的揮桿軌跡，如圖5所示，為兩次揮桿的軌跡，學員可以自行檢查單次揮的上下桿軌跡是否位于同一個平面上，亦可以比較某一次的揮桿軌跡，使學員可以自行修正動作錯誤。

圖4 多傳感器同步實驗

圖6比較兩次揮桿是否在同一平面，我們以十項資料做分析，依據上述高爾夫揮桿動作分解中的起桿以及下桿順序，對傳感器資料的分布做合理群聚分析。我們可明顯看出在上下桿的起始動作上，手腕和腰部的動作時間點會有明顯的群聚現象，加上配合上述高爾夫球動作解析中的起桿以及下桿順序，即可為本次揮桿動作進行評分。

3 結論

圖5 比較兩次揮桿是否在同一平面

本文設計了一個基于云計算的高爾夫運動訓練平臺，使學員可以避免花費大筆資金去聘請教練和購買高端學習設備，學院可通過3G或Wi-Fi可隨時連接云端系統，進行動作姿勢比對。在實驗章節中，我們討論系統中的核心關鍵技術，包括運動傳感器位置初始化與同步、軌跡繪制與討論不同肢體動作在時間軸上的相對時間，以驗證技術的可行性。

圖6 不同肢體動作的相對時間分布圖

[1] 楊靖, 熊偉麗, 等.無線傳感器網絡中基于蟻群算法的路由算法[J].計算機工程, 2009, 35(6): 4-6 .

[2] 樊俊青, 趙麗華, 等.基于網絡分簇的WSN能量感知路由協議[J].計算機工程, 2010, 36(10): 108-109.

[3] 車力軍, 孫峰.3G時代體感游戲的發展思考[J].電信技術,2011, 25(11): 55-58.

[4] 范旭東.現代高爾夫運動的發展趨勢: 從貴族走向平民[J].體育科技文獻通報, 2012, 18(1): 123-124.