徐大成

摘 要： 為了提高運動視覺跟蹤的準(zhǔn)確度，設(shè)計了運動中的動作捕獲器，包括12個傳感器節(jié)點和1個傳感器數(shù)據(jù)匯聚節(jié)點。傳感器節(jié)點由ADXL345加速度傳感器、L3G4200D陀螺儀以及LSM303DLH地磁傳感器構(gòu)成，12個傳感器節(jié)點部署到行人肢體各部位，獲取行人不同肢體部位的九軸傳感器數(shù)據(jù)，對獲取的數(shù)據(jù)實施預(yù)操作。數(shù)據(jù)匯聚節(jié)點采集不同傳感器節(jié)點中的數(shù)據(jù)，將全部數(shù)據(jù)傳遞到計算機中進行分析。計算機依據(jù)獲取的數(shù)據(jù)，驅(qū)動三維人物模型呈現(xiàn)行人的動作捕獲結(jié)果。實驗結(jié)果表明，所設(shè)計的動作捕獲器具有較高的精度和穩(wěn)定性。

關(guān)鍵詞： 視覺運動； 動作捕獲器； ADXL345； L3G4200D； LSM303DLH

中圖分類號： TN850.6?34； TP391 文獻標(biāo)識碼： A 文章編號： 1004?373X（2017）18?0089?03

Embedded design of motion capturer in movement vision tracking

XU Dacheng

（Inner Mongolia University for Nationalities， Tongliao 028000， China）

Abstract： In order to improve the accuracy of movement vision tracking， a capturer for moving action was designed， which includes 12 sensor nodes and one sensor data gathering node. The sensor node is composed of the ADXL345 acceleration sensor， L3G4200D gyroscope and LSM303DLH geomagnetic sensor. 12 sensor nodes are deployed to each body part of pedestrian to acquire the 9?axle sensor data of pedestrian′s different body parts for pre?operation. The data gathering node captures the data of different sensor nodes， and then all the data are transferred to computer for analysis. The computer relying on the acquired data drives 3D character model to present the captured motion results of pedestrian. Experiment result shows that the motion capturer has high accuracy and stability.

Keywords： motion vision； motion capture； ADXL345； L3G4200D； LSM303DLH

當(dāng)前的運動視覺跟蹤是模式識別領(lǐng)域的熱門項目。傳統(tǒng)運動視頻跟蹤方法通常采用人為總結(jié)、評估，科學(xué)性、實用性以及實時性較差[1]。而由于電子科學(xué)技術(shù)的高速發(fā)展，運動過程中動作捕獲技術(shù)廣泛應(yīng)用在醫(yī)學(xué)、影視以及軍事等領(lǐng)域。因此，采用動作捕獲器采集行人的運動情況，對行人進行科學(xué)訓(xùn)練和評估[2]，可大大提升行人的圖像跟蹤質(zhì)量。

1 運動中的動作捕獲器的嵌入式設(shè)計

1.1 總體設(shè)計

該設(shè)計的運動動作捕獲器包括12個傳感器節(jié)點和1個數(shù)據(jù)匯聚節(jié)點，其總體結(jié)構(gòu)如圖1所示。傳感器節(jié)點對行人不同的肢體部位的傳感器數(shù)據(jù)進行收集和預(yù)操作；數(shù)據(jù)匯聚節(jié)點將采集到的傳感器節(jié)點數(shù)據(jù)進行整合后反饋到計算機中[3]進行圖形化顯示。

1.2 人體結(jié)構(gòu)分析

動作捕獲器對行人動作進行捕獲時，需要先對行人的肢體結(jié)構(gòu)進行簡化分析，將人體當(dāng)成是由肢體和關(guān)節(jié)構(gòu)成的剛體，采集行人在運動過程中的重要運動變化特征，如圖2所示。因此，動作捕獲器將12個傳感器節(jié)點部署到人體的手背、大臂、頭、腹部、大腿等9個重點部位中的12個位置，采用這些動作捕獲傳感器節(jié)點獲取行人的九軸傳感器數(shù)據(jù)，對行人的運動情況進行分析。

1.3 動作捕獲器的電路設(shè)計

1.3.1 傳感節(jié)點電路設(shè)計

傳感器節(jié)點采集行人運動姿態(tài)信息的模塊，其通過傳感器芯片獲取行人在運動時不同肢體的運動數(shù)據(jù)[4]。設(shè)計的傳感器節(jié)點可獲取加速度傳感器、角速度傳感器以及地磁傳感器，其結(jié)構(gòu)如圖3所示。

從圖3可以看出，傳感器節(jié)點的微處理器是高質(zhì)量小體積的8位AVR處理器以及ATmega32，其能夠?qū)π腥酥w運動數(shù)據(jù)實施收集和預(yù)操作，該處理器集成了I2C接口和SPI接口，完成傳感數(shù)據(jù)的通信[5]。采用ADXL345加速度傳感器，將行人運動過程中的加速度變換成能夠檢測的電信號，其存在3 磁場通道以及3加速度通道，可輸出16位數(shù)字信號，對加速的檢測過程中具有較高的平穩(wěn)性。采用LSM303DLH地磁傳感器，其按照行人肢體在地磁場內(nèi)不同運動情況下感應(yīng)的地磁場情況，描述出行人的運動姿態(tài)[6]。通過L3G4200D陀螺儀檢測行人運動過程中6個不同方向的加速、變化軌跡和位置等信息。該陀螺儀中的數(shù)字濾波器能夠去掉陀螺儀運行過程中形成的累積誤差，解決傳感器受到溫度影響出現(xiàn)的數(shù)據(jù)波動問題。

1.3.2 匯聚節(jié)點電路設(shè)計

數(shù)據(jù)匯聚節(jié)點是動作捕獲器內(nèi)傳感器節(jié)點與計算機間進行信息交流的紐帶，其能對傳感器節(jié)點進行控制，從不同的傳感器節(jié)點中采集數(shù)據(jù)，將整合后的數(shù)據(jù)反饋到計算機的無線接收模塊中。它的微處理器也是ATmega32，可確保行人動作捕獲的實時性，其硬件結(jié)構(gòu)如圖4所示。endprint

2 動作捕獲器的軟件設(shè)計

2.1 動作捕獲流程

動作捕獲器的軟件對運動傳感器數(shù)據(jù)的獲取、操作和傳遞過程進行控制，設(shè)計了動作捕獲器運行過程中的數(shù)據(jù)流向[7]，如圖5所示。通過傳感器數(shù)據(jù)處理動態(tài)鏈接庫，將傳感器原始數(shù)據(jù)變換成可在計算機中進行分析的格式。

2.2 傳感器節(jié)點的數(shù)據(jù)采集

動作捕獲器中的傳感器節(jié)點對獲取的行人九軸數(shù)據(jù)實施預(yù)操作，去掉加速度傳感器輸出數(shù)據(jù)中的雜質(zhì)、調(diào)整角速度傳感器中的累積誤差、對地磁數(shù)據(jù)受到周圍環(huán)境干擾產(chǎn)生的磁場進行調(diào)整[8]，確保獲取更加精準(zhǔn)的行人九軸傳感器數(shù)據(jù)，為后續(xù)行人姿態(tài)評估提供可靠的分析依據(jù)。傳感器節(jié)點的軟件設(shè)計流程如圖6所示。

傳感器節(jié)點開始運行后，對其中的微處理器實施初始化設(shè)置，再對三種傳感器芯片中存儲的數(shù)據(jù)進行采集，通過合理的數(shù)據(jù)操作方法對獲取的數(shù)據(jù)實施預(yù)操作，等待數(shù)據(jù)匯聚節(jié)點通過SPI接口進行讀取。若完成數(shù)據(jù)的讀取，則傳輸節(jié)點數(shù)據(jù)幀頭、節(jié)點數(shù)據(jù)編號、九軸數(shù)據(jù)、校驗碼以及節(jié)點數(shù)據(jù)幀尾數(shù)據(jù)，否則繼續(xù)等待匯聚節(jié)點讀取。

2.3 匯聚節(jié)點的數(shù)據(jù)傳輸

動作捕獲器內(nèi)的匯聚節(jié)點可基于程序設(shè)置的順序，采集不同傳感器節(jié)點中的數(shù)據(jù)，分析采集到的數(shù)據(jù)是否準(zhǔn)確，對采集的數(shù)據(jù)實施融合后傳到計算機。匯聚節(jié)點還可響應(yīng)計算機傳遞的管理指令，對傳感器節(jié)點的采樣頻率、工作模式設(shè)置以及參數(shù)進行調(diào)整[9]。匯聚節(jié)點程序設(shè)計流程如圖7所示。

動作捕獲器運行后，對數(shù)據(jù)匯聚節(jié)點實施初始化設(shè)置，再采集傳感器數(shù)據(jù)。依據(jù)程序設(shè)置的采集次序，降低首個傳感節(jié)點的片選信號，采用SPI數(shù)據(jù)總線采集該節(jié)點內(nèi)的九軸傳感器數(shù)據(jù)幀后，提升該節(jié)點的片選信號；對采集到的數(shù)據(jù)實施校驗分析，若分析結(jié)果同數(shù)據(jù)幀內(nèi)的校驗位數(shù)值一致，則說明準(zhǔn)確接收了該幀數(shù)據(jù)，對后續(xù)傳感器節(jié)點中的數(shù)據(jù)進行采集；否則，說明未準(zhǔn)確接收該幀數(shù)據(jù)，數(shù)據(jù)存在缺失問題，將該節(jié)點過濾掉，對相應(yīng)傳感器節(jié)點數(shù)據(jù)實施重新采集。匯聚節(jié)點采集到全部傳感器節(jié)點的數(shù)據(jù)后，對數(shù)據(jù)進行匯總后融入幀頭以及幀尾，通過藍牙模塊反饋給計算機進行分析和顯示。

3 實驗分析

實驗采用本文設(shè)計的動作捕獲器，對某體育高校2012級行人在5—8月期間的運動情況進行檢測，驗證本文動作捕獲器的性能。通過Visual C++ 6.0開發(fā)環(huán)境，設(shè)計可呈現(xiàn)動作捕獲結(jié)果的軟件。實驗過程中，本文動作捕獲器通過12個傳感器節(jié)點和1個匯聚節(jié)點捕獲行人的運動數(shù)據(jù)，結(jié)果如圖8所示。從圖中可以看出，左端是行人做出不同的動作，右端是本文動作捕獲器捕獲的行人九軸動作顯示結(jié)果，可以看出本文捕獲器能完成行人動作的準(zhǔn)確捕獲，是有效的。

實驗對比本文捕獲器和基于單目視覺捕獲器進行動作捕獲的性能，結(jié)果如表1所示。從表中可以看出，相對于基于單目視覺捕獲器，本文捕獲器的復(fù)雜度低、運動跟蹤平均效率高，對行人動作的捕獲準(zhǔn)確性高。

實驗對比分析了兩種捕獲器捕獲行人動作過程中的關(guān)節(jié)點坐標(biāo)誤差，結(jié)果如圖9所示。能夠看出，本文捕獲器的誤差低于基于單目視覺捕獲器，說明本文捕獲器具有較高的精度和穩(wěn)定性。

4 結(jié) 論

本文設(shè)計了運動中的動作捕獲器，其可實時獲取行人不同傳感器節(jié)點中的數(shù)據(jù)，這些數(shù)據(jù)通過匯聚節(jié)點反饋到計算機中顯示。實驗結(jié)果說明，該種動作捕獲器的效率和精度都較高，取得了令人滿意的結(jié)果。

參考文獻

[1] 周海瀾，黃文敏.基于獎牌分布的田徑運動競爭格局特征探析[J].山東體育學(xué)院學(xué)報，2016，32（3）：85?90.

[2] 王國棟，陳宏君，劉克金.順序控制圖源代碼形成方案設(shè)計與實現(xiàn)[J].計算機技術(shù)與發(fā)展，2016，26（3）：149?153.

[3] 潘慶慶，陳蓓.田徑運動損傷的致因及預(yù)防手段[J].中國體育教練員，2015，23（3）：63?64.

[4] 王國偉.基于視覺圖像的田徑失誤動作識別仿真[J].計算機仿真，2016，33（4）：274?277.

[5] 李金泉，王東，胡文振，等.基于ZYNQ異構(gòu)多核處理器的人體動作識別系統(tǒng)[J].單片機與嵌入式系統(tǒng)應(yīng)用，2016，16（8）：27?29.

[6] 張瑒，許林，孫廣毅.基于RGB?D攝像機與IMU數(shù)據(jù)融合的動作捕捉系統(tǒng)[J].系統(tǒng)仿真學(xué)報，2015，27（10）：2582?2588.

[7] 章成武，張露，李朝東.直線超聲波電動機嵌入式機器人手指驅(qū)動實驗研究[J].微特電機，2016，44（9）：26?28.

[8] 張作運，劉科征，王向強.基于Kinect V2動作捕捉系統(tǒng)的設(shè)計與實現(xiàn)[J].廣東通信技術(shù)，2016，36（10）：66?69.

[9] 楊俊超，史越，楊達玲，等.基于動作捕捉的航空裝備虛擬維修訓(xùn)練系統(tǒng)[J].裝甲兵工程學(xué)院學(xué)報，2016，30（4）：78?82.

[10] 黃學(xué)祥，時中，宋愛國，等.基于慣性動作捕捉的主從遙操作關(guān)節(jié)空間直接控制方法[J].東南大學(xué)學(xué)報（自然科學(xué)版），2016，46（2）：283?288.endprint