靳明　張剛　黃璜　李影　張紅巖　王峰

摘要：立定跳遠是學生體側必測項目，為了提高學生的下肢爆發(fā)力和腹部力量，提出并設計了基于Kinect運動捕捉技術和角度、骨骼動作特征提取的立定跳遠輔助訓練系統(tǒng)，并結合立定跳遠的動作特征，進行相關動作識別算法匹配，矯正動作的標準，輔助訓練提高效果。

關鍵詞：Kinect傳感器;運動捕捉;特征提取;輔助訓練系統(tǒng)

中圖分類號： TP399? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2019）25-0212-02

根據機器視覺在檢測方面的應用，采用智能攝像頭嵌入相應檢測識別算法可以高效地解決生活中的問題[1]。研究發(fā)現Kinect體感攝像機的開發(fā)和使用能實現人體動作實時采集和顯示。本文以學生體質測評項目立定跳遠為實例，通過Kinect配備的彩色和紅外攝像頭傳感器為硬件設備，獲取人體姿態(tài)并通過對比各關節(jié)節(jié)點的位置變化與預置的標準數據庫匹配，檢測人體的動作是否標準以此矯正學生的動作從而提高成績。

1 關鍵技術介紹

1.1 機器視覺

機器視覺主要用來研究計算機通過模擬人的視覺功能，通過高清攝像機等硬件設備得到圖像信息，然后利用軟件從中獲取相應信息，從而做出正確的行為判斷。它在智能化視頻監(jiān)控分析、人臉識別、智能駕駛、醫(yī)療影像診斷、體育領域等行業(yè)有著廣泛的應用前景和科研價值，在實現“中國制造2025”背景之下，市場對于機器視覺的需求也將逐漸增多。國內有關院所和科技企業(yè)最近幾年在機器視覺和圖像識別領域進行積極探索，開始了工業(yè)現場的投入，充分體現出基于機器視覺的相關應用會有很大的發(fā)展空間。

1.2 Kinect2.0骨骼識別技術

Kinect是一種深度體感攝影機，第二代Kinect V2相對于一代有改進的4陣列麥克風（零點平衡）、新的主動式紅外檢測、1080P高清視頻等。利用改進之后的骨骼追蹤識別技術，它可以將深度圖像前景和背景進行分離，然后通過基于深度圖像特征的骨骼關節(jié)點跟蹤6個完整骨骼和25個關節(jié)點。并且以約30 fps 的傳輸速度輸出骨骼幀數據，使得追蹤的姿勢更加精確和穩(wěn)定，簡化并開啟了許多場景功能：包括更穩(wěn)定的姿勢、更準確地姿勢評估、簡潔的交互。

2 硬件環(huán)境

本系統(tǒng)使用的 Kinect V2傳感器已包含電源適配器和 USB 3.0 數據線。所使用的計算機需符合以下條件[3]：

（1）內置USB3.0總線。

（2）支持DX11圖形適配器。

（3）Kinect要求運行在Win8版本及以上。

（4） 4GB RAM。

3 軟件設計

3.1 系統(tǒng)架構及開發(fā)平臺的選擇

選擇Kinect作為該系統(tǒng)的體感數據采集設備，Kinect的檢測范圍和高精度的分辨率及視場角度可以為運動識別算法提供基礎數據保障。.NET平臺是微軟Windows操作系統(tǒng)運行的開發(fā)技術平臺，可以與同為微軟旗下的kinect產品兼容。

3.2 客戶端軟件設計

3.2.1 客戶端功能

根據本立定跳遠輔助訓練所要達到的效果，客戶端的設計開發(fā)應該具有如下功能：

（1） 學生個人信息的采集。本系統(tǒng)數據信息采集使用得是學生校園卡，可以通過使用RFID讀取校園卡獲取學生信息，便于后期測試分析。

（2） 使用Kinect設備采集到學生的立定跳遠的動作數據，確定學生的使用記錄，并保存用于隨后的查詢分析的數據記錄。

（3） 客戶端可將學生的個人信息和立定跳遠運動檢測結果及時上傳至云端服務器。

3.2.2 立定跳遠識別算法

該系統(tǒng)軟件設計算法采用步態(tài)識別算法來提取人體骨骼特征和相應運動特征[4]，并將這兩種特征序列數據分別和標準骨骼數據、標準運動數據進行相匹配[5]。針對立定跳遠可以選取多個關節(jié)點在三維空間上相對角度作為骨骼空間特征。

（1）骨骼角度空間特征提取

本文重點研究在立定跳遠時膝、踝、臀主要關節(jié)的關節(jié)角度。

本系統(tǒng)中的骨骼特征提取以Kinect坐標系中的特征向量計算為基礎，假設運動時動作特征抽取之后，映射到Kinect坐標系時如下圖1所示：

該方法關節(jié)點是運用的節(jié)點三角形法，即解決計算特定關節(jié)點之間的角度問題。當關節(jié)點夾角在規(guī)定的最佳跳遠效果設定的閾值范圍內，則可以判斷為有效運動姿態(tài)，并且越接近設定的閾值中心點效果越明顯。人體運動行為識別局部特征首先檢測與該動作相關的子空間中的關鍵點，他們對應著一部分運動，比如手臂的擺動和膝關節(jié)的彎曲程度，通過時間序列差從而判斷骨骼幀的間隔，以此檢測立定跳遠動作的規(guī)范化。

（2）立定跳遠動作特征提取

立定跳遠動作狀態(tài)機制描述如圖2所示：

開始預備擺臂時，兩腿稍微分開自然站立，最好和肩部同寬，身體微微前傾，然后兩手臂自然前后預擺兩三次。這是立定跳遠每一個動作周期的起始姿勢。起跳動作時，兩臂從后向前上方有力擺動時，兩腳向下后蹬地，起跳角接近45°;騰空動作時，身體盡量往前傾，過最高點后屈膝收腹，小腿前蹬，兩臂向后擺;落地動作時，落地后屈膝緩沖，身體前傾。

3.3 云端軟件設計

綜合系統(tǒng)實際需求的分析，可以選擇搭載Windows的阿里云服務器，使得運動數據可被使用者更方便地利用與保存，為系統(tǒng)的后期擴展和實現增加了更多的可能性。本系統(tǒng)采用Asp.net結合MySQL數據庫，從而成功搭建了一個完整的Web平臺。

4 結語

本文介紹的基于非接觸式識別的學生立定跳遠輔助訓練系統(tǒng)的設計，采用Kinect目標識別技術手段解決了學生體側項目中遇到的問題，達到了立定跳遠輔助訓練的目的，規(guī)范了動作的標準，提高了學生成績。同時Kinect設備可以實現基于視頻的動作捕捉，對運動姿態(tài)分析有幫助作用，能夠為體育教學、體質測試評價方面提供理論和參考依據，具有一定的現實應用價值。

參考文獻：

[1] 李擬珺.基于計算機視覺的人體動作識別技術研究[D].南京：東南大學，2015.

[2] 李詩銳，李琪，李海洋，等. 基于Kinect v2 的實時精確三維重建系統(tǒng)[J]. 軟件學報，2016，27（10）：2519-2529.

[3] 余濤.Kinect應用開發(fā)實戰(zhàn)：用最自然的方式與機器對話[M].北京：機械工業(yè)出版社，2013.

[4] 張楊，賴杰.基于支持向量機和特征向量提取的人臉識別框架[J].河北工業(yè)科技，2016.33（1）：58-62.

[5] 鄭立國，羅江林，許舸.基于Kinec的動作捕捉系統(tǒng)的實現[J].吉林大學學報：工學版，2013，43（增刊） ：249-255.

【通聯編輯：唐一東】