王夢囡 陳康桂

摘 ?要：本文通過介紹了慣性動作捕捉技術(shù)的原理以及方法，并研究該技術(shù)在體育訓練上動作捕捉及姿態(tài)還原的應用，目的是在體育訓練教學上采用科學的、先進的技術(shù)設(shè)備來輔助以達到提高訓練效率、提高動作模擬訓練的準確性，著重研究該技術(shù)在球拍類訓練教學上的應用;同時也對慣性動作捕捉技術(shù)的發(fā)展應用提供落地案例以及新的要求。

關(guān)鍵詞：動作捕捉 ?體育訓練 ?人體力學 ?人工智能

中圖分類號：G80 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：A ? ? ? ? ? ? ? ? ? ? ? ?文章編號：2095-2813（2020）04（b）-0037-04

隨著計算機技術(shù)、圖形處理技術(shù)、傳感器技術(shù)、傳輸技術(shù)的發(fā)展，特別是近年來移動互聯(lián)網(wǎng)的迅速發(fā)展以及5G的普及，慣性動作捕捉技術(shù)的應用與研究越來越受到重視，研究成果也在各個領(lǐng)域落地應用并取得一定的成果;此技術(shù)在體育運動領(lǐng)域的應用就是一個研究方向。

我國是一個體育大國，國家在體育運動研究與教學訓練上一直很重視，但限于歷史原因，體育運動研究基礎(chǔ)薄弱;隨著經(jīng)濟的發(fā)展，國家以及國民對體育運動的重視，各專業(yè)化運動項目或職業(yè)化運動項目基礎(chǔ)研究也加大投入，各種新設(shè)備、新技術(shù)的應用也逐步被重視與引入。因此，體育運動的研究，特別是體育訓練教學方面的方向與方法由傳統(tǒng)的經(jīng)驗主導模式向科學化、定量化模式轉(zhuǎn)變。

慣性動作捕捉技術(shù)在體育訓練領(lǐng)域的應用，可使訓練教學可量化分析，動作呈現(xiàn)出可視化的立體（三維）模型，更加便于對比科學分析，提高訓練的效率與效果。通過在學員、運動員的身體關(guān)節(jié)處佩戴可穿戴式慣性傳感器采集相關(guān)運動數(shù)據(jù)，數(shù)據(jù)通過傳輸技術(shù)到數(shù)據(jù)處理進行數(shù)據(jù)分析，找出體育運動的特征值與相對應的規(guī)律，建立運動的模型進行研究，為體育訓練教學提供科學的數(shù)據(jù)支撐與進行糾正的依據(jù)。

1 ?慣性動作技術(shù)的發(fā)展背景及現(xiàn)狀

慣性動捕是一種新型的人體動作捕捉技術(shù)，它用無線動作姿態(tài)傳感器采集身體部位的姿態(tài)方位，利用人體運動學原理恢復人體運動模型，同時采用無線傳輸?shù)姆绞綄?shù)據(jù)呈現(xiàn)在電腦軟件里或者移動設(shè)備上。

慣性動作捕捉技術(shù)的發(fā)展源于20世紀70年代，主要作為力學的研究輔助手段;進入到20世紀80年代，被引入到體育運動中，主要是為了輔助訓練提高競技成績，同時慣性動作捕捉技術(shù)被廣泛應用到游戲動畫制作、軍事模擬、康復醫(yī)療、虛擬現(xiàn)實仿真等領(lǐng)域。市場上大部分品牌都是被國外企業(yè)壟斷，國內(nèi)在慣性領(lǐng)域的技術(shù)研究相對比較晚，研究的企業(yè)也相當?shù)纳?，這一塊基本還是國外企業(yè)主導市場。主要品牌有荷蘭的XSENS、日本早稻田大學的阿路比、英國的Animazoo、德國的博世;這些都是國外在慣性動作捕捉系統(tǒng)上研究較早或者市場占有率相對較高的公司;尤其是荷蘭的XSENS，其模型及算法的精度高、產(chǎn)品體積小，在運動人體科學上有很好的應用，但缺點就是這些國外品牌價錢較為昂貴。隨著國內(nèi)移動互聯(lián)網(wǎng)技術(shù)的發(fā)展以及5G傳輸技術(shù)的落地，近年來很多企業(yè)也參與了這領(lǐng)域的研究，但是由于起步晚，大部分都是在技術(shù)的應用領(lǐng)域上進行大布局，相比國外公司在此技術(shù)的基礎(chǔ)研究上投入較少;國內(nèi)的北京諾亦騰Noitom、北京孚心科技FOHEART在慣性動作捕捉技術(shù)的研究與推廣上也有一定的知名度;本文研究的球類（羽毛球）運動方向，北京ZEPP、深圳酷浪云計算在球類（羽毛球）運動的教學與訓練上有很好的應用。由于羽毛球運動屬于競技類運動，動作的復雜性等原因，目前無論是ZEPP、還是酷浪云計算，通過單點傳感器采集的數(shù)據(jù)還是不夠全面;多點傳感采集在數(shù)據(jù)的處理上、傳輸?shù)膶崟r性、精度上均和國外捕捉系統(tǒng)存在一定的差異。本文以羽毛球教學為例，基于慣性動作捕捉技術(shù)在體育訓練上的應用，主要采用多點傳感器采集組成的動作捕捉系統(tǒng)，配合上位機軟件、移動端應用程序進行仿真及3D還原，把運動數(shù)據(jù)以及訓練動作進行量化與立體呈現(xiàn)。

2 ?慣性動作捕捉技術(shù)的實現(xiàn)基本原理

慣性動作捕捉技術(shù)從實現(xiàn)的方式來劃分，主要分為機械式、聲學式、光學式、電磁式、慣導式等，不同方式的動作捕捉系統(tǒng)所采用的實現(xiàn)原理是不同的;本文研究主要是基于慣導式來實現(xiàn)動作捕捉的。目前在各應用領(lǐng)域中光學式動捕技術(shù)是被廣泛應用的;近年來隨著慣導式動捕技術(shù)的發(fā)展，在各大領(lǐng)域的應用上逐步被認可;以下著重主要表述基于慣性導航傳感技術(shù)的動作捕捉實現(xiàn)的基本原理。

2.1 慣性動作捕捉系統(tǒng)的組成

慣性動作捕捉系統(tǒng)一般由3部分組成，信號（數(shù)據(jù)）采集設(shè)備、數(shù)據(jù)傳輸設(shè)備和數(shù)據(jù)處理單元;其中數(shù)據(jù)采集設(shè)備（傳感器）集成了加速度傳感器、陀螺儀傳感器及磁力計傳感器。數(shù)據(jù)傳輸設(shè)備主要取決于系統(tǒng)采用那種通訊協(xié)議，一般有WiFi和藍牙2種方式（見圖1）。

2.2 慣性動作捕捉系統(tǒng)工作原理圖（流程圖）

慣性動作捕捉系統(tǒng)工作原理就是在人體的關(guān)節(jié)處（按照測量位置或測量節(jié)點的需要）佩戴穿戴式傳感器，傳感器采集到人體的運動學及力學數(shù)據(jù)，通過傳輸裝置傳輸?shù)接嬎銠C（MCU）進行數(shù)據(jù)處理，根據(jù)運動數(shù)據(jù)的特征值以及運動規(guī)律建立人體運動數(shù)據(jù)模型;導入訓練教學中的不同運動數(shù)據(jù)進行動作分析與姿態(tài)還原，并與標準的運動模型對照進行運動的訓練教學與動作糾正指導（見圖2）。

2.3 慣性動作捕捉系統(tǒng)誤差及解決方案

基于MEMS的慣性動作捕捉設(shè)備的實現(xiàn)原理，主要由幾個信號采集節(jié)點組成，每個采集節(jié)點都有九軸（加速度傳感器、陀螺儀傳感器、磁力計傳感器）的慣性信號采集單元（數(shù)據(jù)采集設(shè)備），Sensor會輸出在體育訓練過程中不同動作的角速度、加速度和磁力計的測量數(shù)據(jù)。陀螺儀可以測量節(jié)點相對于所在的傳感器坐標系的三軸轉(zhuǎn)動角速率，在己知初始狀態(tài)的條件下，可以得到人體運動目前的姿態(tài)。

慣性動作捕捉在技術(shù)上的優(yōu)勢是采集信號少，環(huán)境適應性強，能還原復雜動作，測量精度高;安裝簡單，體積小設(shè)備輕巧攜帶方便，成本相對光學捕捉設(shè)備低廉;采用慣性導航技術(shù)，抗干擾性能強;但是目前大部分慣性動作捕捉系統(tǒng)使用的陀螺儀傳感器為芯片，存在零偏誤差，長時間積分會導致誤差逐漸變大或者完全偏離失準。在采用加速度傳感器和地磁傳感器工作時，進行角度計算的方法會受到高頻噪聲的影響，例如由于線性運動而導致的對重力加速度的測量誤差等，這些都是慣性動作捕捉系統(tǒng)的劣勢和存在的問題，通常解決這類存在問題會采用姿態(tài)融合算法進行補償矯正。

本文基于酷浪云計算研究的算法模型中，利用了卡爾曼濾波技術(shù)（Kalman Filte）對多傳感器數(shù)據(jù)進行融合，利用零速度檢測進行濾波矯正。由于它有成熟的理論支持和有效性，卡爾曼濾波器被廣泛使用，卡爾曼濾波器也是目前研究用得最多的姿態(tài)濾波算法（見圖3）。

3 ?慣性動作捕捉技術(shù)在體育訓練上的應用——以羽毛球教學為例

慣性動作捕捉技術(shù)在體育運動領(lǐng)域的應用目前主要有兩大方向，一是訓練教學層面，作為教練的輔助訓練系統(tǒng)，由原來教練的經(jīng)驗主導模式向數(shù)據(jù)化、定量化、科學化的數(shù)據(jù)分析模式轉(zhuǎn)換;二是運動損傷預防層面，即運動處方的概念與范疇。無論是教訓訓練還是運動損傷預防，其商業(yè)化的價值都是有待挖掘，目前市場上這一技術(shù)在教學訓練及運動處方上的商業(yè)化程度都很低，商業(yè)化模式也相對難;所以，這一領(lǐng)域的研究企業(yè)不多，更多是針對專業(yè)化或職業(yè)化的運動機構(gòu)（見圖4）。

3.1 運動數(shù)據(jù)采集

羽毛球這一項競技運動的動作復雜性比較強，在學員、學生在學習時候，通常都是都是依賴羽毛球?qū)I(yè)的教師或者教練的經(jīng)驗主義來進行指導;不能夠進行動作的量化與可視化。我們在教學上引進了先進的動作捕捉技術(shù)以及姿態(tài)還原技術(shù)輔助教練、教師進行指導訓練。根據(jù)訓練的需要，包括動作類型、步伐（軌跡）訓練、上肌力量等類佩戴穿戴式傳感器以及測量相關(guān)的數(shù)據(jù)。

深圳市酷浪云計算有限公司的動作捕捉系統(tǒng)使用了6個節(jié)傳感器來采集羽毛球運動的數(shù)據(jù)（步伐2個、球拍底部1個、右手腕1個、肘關(guān)節(jié)1個、臂關(guān)節(jié)1個），可以根據(jù)不同學員的使用左右手習慣來進行穿戴式傳感器的佩戴，也可以根據(jù)實際測量需要增加或者減少節(jié)點傳感器來達到運動數(shù)據(jù)的測量。具體如圖5。

3.2 運動數(shù)據(jù)（技術(shù)）分析與建模

在羽毛球的訓練教學上，把此項運動的標準模型通過建立在科學基礎(chǔ)上量化教程，由教練員、羽毛球?qū)I(yè)運動員、國家運動員根據(jù)量化教程進行演示，組合傳感器捕捉到教練員（標準）的動作數(shù)據(jù)，由此建立標準模型。

訓練過程中，學員、運動員的運動數(shù)據(jù)導入到模型中與標準模型進行對照，可以科學地輔助教練對學員進行特定的練習與動作矯正、優(yōu)化動作，提高運動成績。建立起模塊化、數(shù)字化、可視化的運動監(jiān)控平臺（見圖6）。

3.3 運動軌跡分析與3D回放

捕捉運動軌跡，在整場羽毛球教學的過程中，能夠通過上位機軟件或移動端應用程序呈現(xiàn)出會拍的運動軌跡以及人體手臂的運動軌跡;同時也能夠回放不同時間節(jié)點還原的運動軌跡（姿態(tài)還原）便于教練、學員對揮拍軌跡及動作軌跡進行分析與矯正指導（見圖7）。

3.4 人工智能運動大數(shù)據(jù)分析

教練及學員采用基于慣性動作捕捉技術(shù)的羽毛球訓練系統(tǒng)，所有的運動數(shù)據(jù)都上傳到數(shù)據(jù)分析中心（服務(wù)器、云端存儲）;大數(shù)據(jù)分析中心會根據(jù)歷史積累的數(shù)據(jù)進行大數(shù)據(jù)分析，即人工智能;能夠自動生成個人運動數(shù)據(jù)報告，建立個人運動數(shù)據(jù)庫，根據(jù)需要推送相關(guān)的運動數(shù)據(jù)進行運動健康管理。

運動健康數(shù)據(jù)管理，在類似羽毛球這樣競技類運動上，主要是預防運動損傷;教練或保健醫(yī)生根據(jù)個人的運動健康數(shù)據(jù)管理報告，制定對應的運動損傷預防方法以及相對應的康復訓練方案。

人工智能主要體現(xiàn)在運動模型與算法的自主糾正過程，數(shù)據(jù)分析中心根據(jù)教練及學員的運動大數(shù)據(jù)，自主深度學習算法不斷的修正運動模型并根據(jù)運動數(shù)據(jù)分析出更優(yōu)的訓練方案、方法推送給教練及學員進行參考學習;這也是未來人工智能在體育運動訓練教學上的一個發(fā)展趨勢，這領(lǐng)域的研究需要一定的技術(shù)門檻，隨著5G技術(shù)的發(fā)展、人工智能技術(shù)的普及，更多先進的技術(shù)、先進的設(shè)備將運用在體育運動領(lǐng)域。

3.5 一對多的綜合訓練監(jiān)測及智能評分系統(tǒng)

在傳統(tǒng)的羽毛球教學中，教練會根據(jù)教學內(nèi)容面對面、一對一的授課;在考核中也需要逐一進行檢查與考試評分，效率不高;在引入了慣性動作捕捉技術(shù)的教學訓練系統(tǒng)后，徹底的解決了一個教練員能夠同步對多學員，并且能夠通過系統(tǒng)數(shù)據(jù)研判分析和評分，提高了教學質(zhì)量與教學效率。這就是羽毛球訓練教學教練系統(tǒng)，以深圳市酷浪云計算有限公司的智能羽毛球教學教練系統(tǒng)為例。

如圖8所示，智能羽毛球監(jiān)測及智能評分系統(tǒng)，能夠針對學員進行特定的內(nèi)容的訓練并進行評分;也可以同步學員的訓練數(shù)據(jù)分享到教練的與家長端，便于教練技術(shù)了解學員的訓練情況并給予指導，針對青少年學員，系統(tǒng)還設(shè)置了家長端，并于家長了解孩子練習情況同時也起到一定的監(jiān)督作用。

4 ?結(jié)語

慣性動作捕捉技術(shù)應用到體育運動領(lǐng)域，作為教學訓練的輔助系統(tǒng)，能夠?qū)幼鬟M行量化分析、科學指導訓練。由于慣性傳感器采用無線傳輸，體積小，穿戴式佩戴簡單，滿足不同場景與場地的使用;不影響運動員、學員進行訓練的正常動作，相比與光學動作捕捉系統(tǒng)，解決了復雜動作、遮光動作的精確捕捉;從本文關(guān)于慣性動作捕捉技術(shù)實現(xiàn)原理的描述與優(yōu)劣勢分析中得到一下結(jié)論。

（1）慣性動作捕捉系統(tǒng)能夠滿足體育運動（本文以羽毛球運動為研究對象）各種動作捕捉的要求，精確對球拍類運動的軌跡捕捉與還原，達到了輔助教學訓練的目的。

（2）慣性動作捕捉系統(tǒng)存在噪聲干擾及漂移誤差，利用了卡爾曼濾波技術(shù)（Kalman Filte）對多傳感器數(shù)據(jù)進行融合，利用零速度檢測進行濾波矯正以達到修正的目的。

運動健康管理與人工智能自主深度學習是慣性動作捕捉技術(shù)在體育運動領(lǐng)域的應用方向;運動健康管理能夠為個人的運動技能提高、運動損傷預防提高能加科學的數(shù)據(jù)支撐與方法指導，為日后建立起個人運動數(shù)據(jù)管理與健康信息服務(wù)做數(shù)據(jù)積累與沉淀基礎(chǔ)。

參考文獻

[1] 李庚睿.基于運動捕捉對人體上肌運動規(guī)律的研究[D].西安工程大學，2015.

[2] 李啟雷，金文光，耿衛(wèi)東.基于無線慣性傳感器的人體動作捕獲方法[J].浙江大學學報：工學版，2012（2）：280-285.

[3] 戴歡.基于慣性動作捕捉的人體運動姿態(tài)研究[D].石家莊鐵道大學，2011.

[4] 楊立溪.慣性技術(shù)手冊[M].北京：中國宇航出版社，2013.

[5] 陳浩.羽毛球訓練教程[M].北京：高等教育出版社，2016.

[6] 葉宗鑫，周志輝，冷波，等.智能訓練裝備在高校羽毛球訓練中的應用研究[J].西安文理學院學報：自然科學版，2019，22（4）：106-108.

[7] 馮遠淑，陳福民.基于動作捕捉的計算機動畫探討與實現(xiàn)[J].同濟大學學報：自然科學版，2004（7）：956-960.

[8] 何天宇，羅奇.運動捕捉技術(shù)及其在體育運動中的應用研究綜述[J].電子測量技術(shù)，2019（3）：146-152.

[9] 王科俊，陳瑋.一種可穿戴式人體運動捕捉系統(tǒng)的設(shè)計與實現(xiàn)[J].黑龍江大學工程學報，2013（2）：101-106.

[10]向澤銳，支錦亦，徐伯初，等.運動捕捉技術(shù)及其應用研究綜述[J].計算機應用研究，2013（8）：7-11.

[11]北京孚心科技有限公司.慣性動作捕捉設(shè)備的發(fā)展和原理初步介紹[Z].2017.

[12]深圳市酷浪云計算有限公司.智能羽毛球教學訓練系統(tǒng)[Z].2016.

[13]深圳活力拍.智能羽毛球運動軌跡分析[Z].2012.

①作者簡介：王夢囡（1990—），女，漢族，河南商丘人，碩士，助教，研究方向：體育教育訓練學。