人體運動數據實時捕捉系統的設計與實現

韓新功

摘 要： 應用微機電技術設計人體運動數據實時捕捉系統。系統在人體的重點運動部位安裝16個傳感器收集人體運動數據，通過卡爾曼濾波給出人體運動數據實時狀態估計值，使用微機電技術優化估計結果。按順序對估計結果進行解算，將解算結果輸入人體重要運動關節模型，實時進行三維虛擬顯示。最后對系統的接線方式和捕捉指令進行實現。實驗驗證結果表明設計的系統綜合捕捉效果強。

關鍵詞： 人體運動數據； 實時捕捉系統； 卡爾曼濾波； 微機電技術

中圖分類號： TN929.5?34 文獻標識碼： A 文章編號： 1004?373X（2017）11?0095?04

Design and implementation of human?body movement data real?time capture system

HAN Xingong

（College of Physical Education， Yanshan University， Qinhuangdao 066004， China）

Abstract： The micro electro mechanical system （MEMS） technology is used to design the human?body movement data real?time capture system. 16 sensors are installed in the important movement parts of the human?body system to collect the human?body movement data. The real?time state estimation value of human?body data is given by means of Kalman filtering， and optimized with MEMS technology. The evaluation results are resolved according to the sequence. The resolved results are input into the human?body important movement joint model for real?time 3D virtual display. The connection mode and capture instruction of the system are implemented. The experimental verification results show that the designed system has perfect integrated capture effect.

Keywords： human?body movement data； real?time capture system； Kalman filtering； MEMS technology

0 引 言

運動捕捉是應用探測手段通過三維仿真設備精確反應人體運動狀態的一門技術，需要借助勘探、定位、仿真與數據處理等多種理論的支持，其復雜程度可見一斑[1]。隨著科技的高速發展，三維動畫設計、人體工程學、體育、生物學等行業均要應用到運動捕捉，使運動捕捉不斷向著人機交互的方向發展起來。實時性是運動捕捉目前需要考慮的重點內容，眾所周知，現如今普及程度非常高的3D電影就是依靠人體運動數據實時捕捉系統建立起來的[2]。在不遠的未來，這種系統將會得到更加廣泛的應用。

人體運動數據實時捕捉系統在我國的自主知識產權中相對落后，最早是被應用在運動員訓練中，根據系統捕捉的運動員運動數據制定訓練方案，取得了較好的訓練效果[3]。文獻[4]介紹了我國第一款自主研發的人體運動數據實時捕捉系統，被應用于三維動畫設計行業中，但系統的價格昂貴，不易操作，實時捕捉能力和有效性都不高。文獻[5]介紹了光學捕捉系統，系統有效性強，但實時捕捉能力弱。此外，還有聲學捕捉系統和電磁場捕捉系統，但綜合捕捉效果都不高。

為了提高綜合捕捉效果，應用微機電技術設計人體運動數據實時捕捉系統。微機電技術的體積小，實用性強，對人體運動數據的速度探測十分準確且高效，同時兼具初始化快、成本低、兼容性強等能力。

1 人體運動動作估計函數設計

人體結構復雜，在人體的各個運動部位安裝傳感器收集人體運動數據，對傳感器數據進行匯總和濾波，然后使用微機電技術優化人體運動動作，上傳于計算機進行處理和三維模擬顯示，設計人體運動數據實時捕捉系統的工作原理。

濾波是避免噪音干擾最直接也是最有用的一項處理步驟，對人體運動數據的濾波操作使用的是卡爾曼濾波，這是一種線性函數，對傳感器中所有的輸入和輸出數據均進行遞推處理，以完成最優估計[6]。卡爾曼濾波的最大優點是：在濾波過程中無需進行數據格式轉換和頻率轉換，也不用對歷史濾波結果進行存儲，節省了系統空間和捕捉時間。

在卡爾曼濾波中，如果想得到本次人體運動數據的實時狀態估計值，需要取得兩項重要數據，包括上一次的人體運動數據估計值和本次人體運動數據預測值。因此在初次濾波情況下，需要先對人體運動數據的濾波順序進行排列。用代表第次人體運動數據實時狀態估計值，的估計誤差用符號替代，和的函數定義式為：

（1）

式中：是傳感器采樣間隔；是的轉置矩陣；是的偏導；是傳感器采樣余量；是傳感器采樣余量的協方差。

微機電技術的基礎是機械運動學，所能應用到的重要硬件設備有加速度計和磁場測量儀器，人體運動離不開機械運動學，因此使用微機電技術優化卡爾曼濾波估計值是符合情理的[7]。假設，理想狀態下（即無重力和磁場干擾）人體的靜止動作矩陣為其函數表達式為：

（2）

式中：和是人體的俯仰角度和橫滾角度。

所設計的人體運動數據實時捕捉系統在人體安裝加速度計和磁場測量儀器，人體在靜止狀態下的加速度坐標系和磁場坐標系是重合的，但在運動狀態下，人體受到重力加速度和磁場的影響導致兩個坐標系分離，此時人體靜止動作矩陣在加速度坐標系和磁場坐標系的投射向量分別為：

（3）

（4）

式中：是重力加速度；是磁場坐標系與地平面之間的投射向量，是磁場坐標系垂直于地平面的投射分量，和的作用是修正人體運動的磁場偏差；。

利用式（3），式（4）優化式（1）中的值，優化過程就是將看作轉換成矩陣形式，所得結果可用來描述最優人體運動數據實時估計值。

2 人體運動數據實時捕捉設計

人體共有206塊可運動關節，而且不同人的關節運動角度也存在差異[8]。若想將206塊關節都精準模擬出來是無法實現的，各行業對人體運動數據實時捕捉系統的要求也并未達到如此高的精度，因此只要對能夠表現出人體運動動作的重要運動關節進行建模即可。如圖1所示，白色正方形表示人體運動頻繁的關節，由于在關節上直接安裝傳感器會影響到人體的正常運動，因此每兩個白色正方形之間的空位才是安裝傳感器的最佳位置。

人體運動動作估計函數無法描述人體具體關節的運動情況，應對估計結果進行解算，獲取關節運動角度，再輸入到人體模型中才能實現實時捕捉[9]。由圖1可知，設計的人體運動數據實時捕捉系統在人體上共安裝了16個傳感器，每個傳感器中采集到的數據經人體運動動作估計函數處理后都會產生四元數。

選擇一個采集數據不為空的傳感器，設為傳感器1，與傳感器1相連的傳感器必然會產生轉動數據。以傳感器1為靜止點，取得相鄰傳感器（設為傳感器2）相對于靜止點的運動角度數據并標記在人體重要運動關節模型中。再以傳感器2為靜止點，重復以上步驟，直到將模型中的所有關節的運動數據均填制成功。設計的人體運動數據實時捕捉系統規定了人體運動動作估計結果的解算順序，如圖2所示。按照圖2的順序進行解算，可保證系統不遺失任何一點的人體運動數據，提高系統有效性。

當一次人體運動數據全部解算成功后，將人體重要運動關節模型輸出，實時進行三維虛擬顯示。為保證系統的實時捕捉能力，使用.bvh格式的文件進行三維虛擬顯示。

3 人體運動數據實時捕捉系統的實現

下面對設計的人體運動數據實時捕捉系統的接線方式以及捕捉指令進行實現。

3.1 系統接線的實現

系統將16個傳感器分為四個等級，頭部和胳膊為第一等級，胸、腹、臀為第二等級，左、右腿為第三和第四等級，如圖3所示。每個等級中的傳感器均通過RS 485總線連接，并單獨配備一個數據采集器。四個數據采集器使用局域網將數據傳輸到計算機進行處理。

數據采集器使用的芯片是ARM?NRF2403，芯片具有體積小、工作溫度延展性強的優點，工作電壓范圍為1.8～3.7 V，功率和傳輸速率可調節，可實現多點通信，而且編程形式簡單。這款芯片還有一個2.4 GHz的無線發射模塊，模塊中配置了頻率調節器、模式控制器、晶振以及調制解調器，增強了ARM?NRF2403芯片的兼容性[10]。ARM?NRF2403芯片借助無線發射模塊與系統計算機成功實現數據通信。在不存在局域網的條件下，芯片也能通過簡單的I/O端口與計算機進行連接。

3.2 系統捕捉指令的實現

系統對人體運動數據進行實時捕捉操作的指令是由數據采集器下達給傳感器的，分成發送指令與接收指令兩個進行。

發送指令執行：使用數據采集器的COM1端口實現指令通信，指令的具體內容是要求傳感器實時給出四元數人體運動數據。計算機成功接收到數據采集器傳輸來的數據后，將判斷數據中的傳感器標記數量是否為16個，數量不對的話將再次通過COM1端口發送指令。

接收指令執行：使用數據采集器的COM2端口實現指令通信，它的作用是對人體運動數據進行查錯，查錯成功后再將數據實時傳輸到計算機。

4 實驗驗證

人體運動數據實時捕捉系統的綜合捕捉效果包括實時捕捉能力和有效性，下面通過實驗進行驗證。

4.1 實時捕捉能力驗證

實驗開始前需要將本文設計的人體運動數據實時捕捉系統安裝在實驗對象的衣服上，系統實物圖如圖4所示。

實時捕捉能力強的系統擁有更快的捕獲速度，并且捕獲到的數據也極其穩定。實驗應在通信正常的情況下進行，利用C++語言編輯本文設計的人體運動數據實時捕捉系統的數據結構體系，提前設置好系統的通信串口和波特率。在以往設計的捕捉系統中，捕獲速度達到150 f/s，捕獲速度波動值不超過600 Kb的系統可視為實時捕捉能力強。

使用C++語言讓本文系統循環進行10次人體運動數據實時捕捉操作，驗證結果如表1所示，表1中，0表示捕獲速度低于150 f/s或波動值超過600 Kb，1則表示成功通過驗證。表1中的數據顯示，本文系統在10次驗證實驗的20個項目中，僅有1項未通過，輸出這項數據進行分析，僅超出標準波動值3 Kb，可忽略不計。整體來講，本文系統的實時捕捉能力位于高水準地位。

4.2 有效性驗證

為了合理驗證本文系統的有效性，考慮到4.1節中實驗對象的體力已被消耗，本節實驗中更換了實驗對象。先讓實驗對象不斷改變人體運動動作，使系統的捕獲工作不間斷運行，實驗進行到3～4 min和7～8 min時，停止運動，其余時間均處于運動狀態，1～2 min運動強度最大，5～6 min最小（但強度不為0）。實驗現場如圖5所示。

使用Matlab 6.5軟件監控系統傳感器中的加速度數據，觀察系統對傳感器數據的處理情況。Matlab 6.5輸出的傳感器加速度數據曲線如圖6所示，可明顯看出圖6中的曲線是隨著實驗對象的運動強度而產生變化的，并且三個坐標軸的變化趨勢也近似一致，說明本文系統能夠有效捕捉到人體運動動作。

5 結 論

本文旨在設計綜合捕捉效果強的人體運動數據實時捕捉系統，系統的主要硬件設備有傳感器和數據采集器，主要技術理論有卡爾曼濾波和微機電技術。綜合捕捉效果包括實時捕捉能力和有效性，通過實驗驗證了本文系統的以上兩項，均得到了優異的驗證結果。

參考文獻

[1] 孫功勛，俞志偉，沈丹妮，等.基于樣條插值的仿壁虎機器人足端脫附軌跡規劃[J].現代電子技術，2015，38（16）：9?12.

[2] 梁豐，張志利，李向陽，等.基于光學運動捕捉數據的虛擬人下肢運動控制方法[J].系統仿真學報，2015，27（2）：327?335.

[3] 馬占武，吳志麗.一種適用于人體運動學數據處理的平滑技術探索[J].當代體育科技，2015，5（11）：12.

[4] 陳鵬展，李杰，羅漫.網絡化人體運動跟蹤系統研究[J].計算機應用，2015，35（8）：2316?2320.

[5] GOWLAND P， GLOVER P. Comment on ICNIRP guidelines for limiting exposure to electric fields induced by movement of the human body in a static magnetic field and by time?varying magnetic fields below 1 Hz [J]. Health physics， 2014， 106（3）： 418?425.

[6] 陶慶，孫文磊，康金勝，等.一種基于光學動作捕捉技術的座椅舒適性評價方法[J].河北科技大學學報，2015，36（5）：459?466.

[7] 范鈞.五軸數控機床軌跡生成方法研究[J].現代電子技術，2015，38（17）：158?159.

[8] 楊華，劉國東，潘琢金，等.基于Kinect和ODE的人體運動仿真平臺[J].系統仿真學報，2014，26（9）：1922?1926.

[9] 張衡，張澤宇.基于MEMS傳感器和Unity3D的人體運動捕獲系統[J].圖學學報，2015，36（2）：274?281.

[10] 屈濤，鄭長征.基于Glaser偶合反應的銅離子探針的合成及性能[J].西安工程大學學報，2015，29（5）：561?566.