動作捕捉實驗教學內容設計

朱永瓊 （武漢商學院 藝術學院 430056）

動作捕捉實驗教學內容設計

朱永瓊 （武漢商學院 藝術學院 430056）

動作捕捉技術常常用在好萊塢電影中的特技及動畫影視作品中，已成為三維動畫制作的一種重要技術。國內動捕教學受限于設備、場地和教師等因素，鮮少有高校開設此實驗課程。本文在美國魔神三維動作捕捉分析系統環境下，提出動作捕捉實驗教學內容的設計，讓學生深入動畫產品生產和制作一線，了解動作捕捉制作動畫全過程，培養學生的綜合職業能力，滿足社會高端人才的需求。

動作捕捉；實驗教學內容；實訓教學

本文系武漢市市屬高等學校教學研究項目——動畫專業動捕實訓教學研究與實踐（項目編號：2014103）

一、引言

傳統的三維動畫制作主要依靠Maya或3DSMAX等三維軟件來制作，角色動作由動畫師K幀調整，這種創作方式需要投入大量的創作人員與創作時間，效率很低。在高質量的商業動畫創作中，一個熟練的動畫師每天也只能制作數秒的動畫。而當今國際三維動畫的發展程度跟日新月異的計算機技術密不可分。近年來，一種新的動畫制作技術——動作捕捉技術常常用在好萊塢電影中的特技及動畫影視作品中，并逐漸成為三維動畫制作的一種重要技術。動作捕捉技術最顯著的優勢在于其可以大幅提高動畫的創作效率。傳統動畫創作中角色的動作主要依賴于動畫師的經驗，往往需要經過長期的訓練。而應用動作捕捉技術可以大大降低角色動作的創作難度，減少對于創作者經驗、技巧的依賴，最關鍵的是，動作捕捉系統記錄的是物體的實際動作，捕捉到的動作的每一幀都是關鍵幀，所以動作精準流暢，效果非常逼真。經過動作捕捉之后，CG角色有了自己的動作、表情，就算是具有豐富經驗的動畫師也難以創作出如此逼真的動作。因此，近年來動作捕捉技術應用到了大部分的好萊塢電影中，如大家熟悉的《阿凡達》《指環王》《金剛》等都大量使用了動作捕捉技術1。

為了將教學與市場應用接軌，有助于培養動畫行業高素質人才，需要在三維動畫領域開設動作捕捉課程，才能讓學生深入動畫產品生產和制作一線，在教師的指導下，運用所學的知識，了解動作捕捉制作動畫全過程，培養學生的綜合職業能力，滿足社會高端人才的需求。但目前在各高校中鮮少有學校開設此門課程，究其原因主要有兩個。一是動捕設備比較昂貴。目前比較好的動捕設備主要是英國的Vicon、美國的魔神和國內的天遠等，這些系統造價不菲，動則上百萬，一般的企業和高校難以承受。二是缺乏相關的實訓教材和系統。魔神等系統的核心技術完全來自國外，外國的設計者并未設計此系統的教學實訓指南，導致在實際的教學中需要自己構建動作捕捉實訓教學體系。

因此，雖然國際上動作捕捉技術應用在動畫創作過程中有著十分突出的優勢并有著很好的發展前景，但受限于經費和人才的因素，國內動捕實訓教學很難開展。而隨著動捕技術在國外廣泛的應用在虛擬現實、醫療、工業、體育競技分析、科研等諸多領域，開設動作捕捉課程是勢在必行。

二、運動捕捉技術介紹

運動捕捉系統按工作原理可將其分為以下幾類：聲學式、光學式、電磁式、機械式和基于視頻的運動捕捉系統2。光學式運動捕捉系統具有較成熟的技術、較高的采樣率、運動受限小的特點成為目前使用最廣泛的一種捕捉系統，如魔神、Vicon等都是屬于光學式運動捕捉設備。該系統通過對附著在運動目標上的特定標記點進行跟蹤和監測，最終獲得運動捕捉數據，達到動作捕捉的目的。在運動捕捉時，在捕捉對象的主要關節處粘貼一些標志點（Marker），這些標志點具有發光的特點，攝像機接收標志點反射回來的光線，獲取標記點在二維圖像中的位置3。如果一個標記點同時為多部相機所見，則可計算出標記點在三維空間中的坐標信息4，以此獲得光學式運動捕捉數據5。

三、實驗教學設計

（一）運動捕捉系統實驗環境搭建

本課程的實驗環境設定的是美國魔神三維動作捕捉分析系統。作為教學使用，選用8個Raptor-4動作捕捉系統鏡頭環繞在動作捕捉區域，只能用于單人的動作捕捉。通過對捕捉區域中演員的動作進行捕捉，將捕捉數據傳送到運動數據捕捉工作站中。實驗中主要用到：

Raptor-4鏡頭：精度0.058mm，采用了美國Micron公司的MIMV40傳感器，在2352× 1728象素的模式下工作，頻率可以達到每秒200幀。較小分辨率的情況下，采集頻率可升至10，000幀/秒。

Cortex實時操作及分析軟件：提供給用戶簡單而強大的操作及處理環境，用戶可以在統一環境下完成設置、校準、捕捉、識別、匹配、建模、編輯及數據分析及輸出功能。支持32位及64位操作系統，提供cortex無線控制器，可以單人完成系統操作。

動作捕捉系統配件（配套）：

（1）數據線-獨立的網絡線及電源連接線類型，Ethernet（工業標準）及Power Lemo連接器，通過專用實時分析處理軟件，使用標準TCP/IP數據通訊協議；

（2）專用云臺；

（3）配套強力夾；

（4）專用三角架（與鏡頭數量匹配）；

（5）動作捕捉專用緊身服裝；

（6）動作捕捉專用反光點套裝；

（7）設備配套用附件，用于設備架設、L和T型動態校準棒及捕捉輔助材料等。

（二）實驗教學內容設計

1.實驗概述

整個實驗流程是利用紅外鏡頭實時采集演員的動作，在Cortex中輸出整個動作采集的數據FBX。將數據導入到Maya中進行修幀，修補噪聲數據，確定關鍵幀。最后將關鍵幀轉換為骨骼數據，在三維軟件中綁定角色，從而使角色賦予了捕捉的動作形成動畫。通過這種實驗流程，使學生懂得動作捕捉動畫的制作流程，提高了學習熱情，為以后的動畫制作打下了很好的基礎。

2.實驗關鍵步驟

（1）設備連接：啟動工作站，插入主加密狗。打開Cortex軟件，啟動攝像頭連接，如果連接正常，8個動作捕捉鏡頭會變紅色，而且，在Cortex軟件上會出現8個方框顯示攝像頭的捕捉區域。

（2）掃場：掃場的目的是在捕捉區域內測試攝像頭是否能完整的捕捉到整個捕捉區域內的動作標記點。將T型動態校準棒準備好，在捕捉區域內揮舞掃場。掃場的方向是前后左右上下都需要掃，T型棒掃過的地方在Cortex攝像頭捕捉區域中會顯示捕捉到的點數據，掃場的速度最好接近于模特運動的速度，這樣可以更準確的測試攝像頭是否能捕捉到所有數據。如果8個攝像頭捕捉區域的點已經全部鋪滿，則所有攝像頭工作完畢，會自動“嗖”的一聲提示校準完成。在掃場的過程中最好不要自行停止校準，以防有的攝像頭不能捕捉到某些區域的動作而導致最后三維數據坐標變換的錯誤。

（3）水平定位：為了定位三維坐標的原點和方向，需要使用L型動態校準棒。L型棒的長柄對應的是三維Z軸方向，一般是演員表演正面的方向，也是擺放攝像機的方向。調整L型棒短柄，上面有個小球，擺置在中間使其達到水平。

（4）演員動作測試：前續的準備完成后，就需要給演員模特穿上動作捕捉專用緊身服裝，貼上標記點。演員的選取需要注意，演員的身高比例必須和動作捕捉專用緊身服相匹配。演員穿好衣服后，就開始在衣服上貼標記點了。關于標記點的粘貼，并不是無規則的，必須覆蓋所要捕捉的骨骼。關于如何設置標記點的研究有很多，太多的標記點會導致捕捉的數據過大，太少了不能涵蓋所要捕捉的骨骼。在這里，可以采用最常用的BVH或ASF/ AMC的骨架模型和幾個輔助標記點來貼標記點。接著，演員可以做基本動作進行T-pose的動作測試，在Cortex中檢測下標記點在基本動作中是否無誤。如果發現有丟失或遮擋標記點的現象可以進行調整，直到基本動作都能正確捕捉為止。

（5）演員的動作捕捉：在捕捉區域內，演員開始進行表演，同步進行動作的捕捉。表演結束后，將數據導出保存為FBX文件。

（6）噪聲數據的處理：由于標志點在采集過程中可能發生遮擋、混淆或丟失，采集到的運動捕捉數據容易出現誤差和偽數據產生噪聲。需要對噪聲數據進行處理和修補丟失的數據。在Maya中根據動畫曲線使用插值和逐幀調整的方法將捕捉數據中的錯誤修正，保證動作的準確和流暢。

（7）骨骼綁定：將貼標記點的骨架模型與骨骼進行綁定。將動捕數據中的各個標記點與骨骼上的關鍵節點進行映射，使得骨骼得以由動捕數據中標記點的空間位置數據驅動而運動起來。

（8）角色模型與動捕數據的綁定：將角色導入到Maya中與骨骼綁定，K幀從而驅動角色模型，使角色具有捕捉到的動作形成動畫。

3.實驗設計

本實驗課共計32學時，其中教師講授16個學時，分4次課進行，每次4個學時。學生實踐16個學時，分2次進行，每次8個學時。教師講授內容如下：

（1）第一次課的內容主要是要學生熟悉動作捕捉環境和設備，了解各設備的功能，學會動捕設備的連接啟動，學會掃場、水平定位等初始準備工作。

（2）第二次課的內容需要學生學會如何給演員穿動作捕捉專用緊身服以及粘貼標記點。在演員動作測試過程中學會如何在Cortex中檢測標記點是否粘貼正確。

（3）第三次課的內容主要是學習對演員的動作進行捕捉，以及捕捉數據的噪聲處理。

（4）第四次課的內容是如何將標記數據和骨骼進行映射，以及如何驅動角色進行動作。

通過本實驗的實踐，學生能完整的掌握到光學運動捕捉技術在三維動畫上的運用，使學生學習的內容緊跟時代發展的前沿，為將來的動畫學習打下了良好的基礎。

四、結語

本實驗教學將在動畫專業本科進行實踐，將每個班分成2組采用小班教學。由于本校藝術學院采購了美國魔神動作捕捉系統，使教學具備良好的實驗環境，使教學和行業接軌，提高了學生的職業能力和就業率。

注釋：

1.許樂， 朱柏宇，計算機技術與電影真實感的建立：以動作捕捉技術和奧斯卡視覺特效獎為例［J］.北京電影學院學報，2014（1）：64-72.

2.向澤瑞，友錦亦，徐伯初，李娟.運動捕捉技術及其應用研究綜述［J］.計算機應用研究，2013，30（8）：2241-2245.

3.潘華偉，孟奇，高青鳴.一種新的運動捕獲數據轉換方法［J］.計算機工程，2012，38（2）：17-20.

4.張迪.基于運動捕捉數據的三維人體運動合成［D］.長安大學，2015.

5.譚光華，周美蘭，高青鳴，李仁發.光學運動捕捉系統中標記點自動注冊與預測算法［J］.模式識別與人工智能，2014，27（7）：611-616.