DOI：10.16652/j.issn.1004-373x.2025.16.023

中圖分類號(hào)：TN957.8-34；TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1004-373X（2025）16-0146-04

Design of motion trajectory tracking system based on multi-sensor information fusion

XIA Zhiyue

（ChinaUniversityofMiningand Technology，Xuzhou2211Oo，China）

Abstract：Singlesensordatacollction issusceptibletonoiseand interference，whichcanafecttheaccuracyof trajectory dataandincreasetrajectorytrackingerors.Onthisbasis，amotiontrajectorytrackingsystembasedonmulti-sensorinforation fusionisproposed.Theinertialsensorissetattheanklepositionof thehumanbodytocollctmotionposturedataandcalculate motionpositiondata.TheFMCWradarsensorisused totransmitandreceivesignals，andthefrequencydiferenceandtime dierenceareprocessedtolocatethepositionof human motion.The motion trajectorypositioningandtracking method basedon multi-sensorinformationfusionisusedtogenerateaccuratemotiontrajectorytrackingresultsbyfusingtwotypesofsensordata withdynamicweightingmethod.Theexperimentalresultsshowthatthedesignedsystemhassmalltrackingerrorfordiferent typesof athletes‘movement tracks，canreduce the noiseanderor that maybebroughtbyasingledata sourceby integrating different sensors data，and improve the tracking accuracy of movement tracks.

Keywords：multi-sensor;informationfusion；motion trajectory;trackingsystem；inertial sensor;FMCWradarsensor; dynamicweightingmethod

人體運(yùn)動(dòng)軌跡跟蹤系統(tǒng)在體育競(jìng)技、訓(xùn)練任務(wù)中普遍使用，教練利用人體運(yùn)動(dòng)軌跡跟蹤系統(tǒng)對(duì)運(yùn)動(dòng)員的動(dòng)作進(jìn)行詳細(xì)分析1-2]，從而發(fā)現(xiàn)潛在的問題和改進(jìn)點(diǎn)。人體運(yùn)動(dòng)軌跡跟蹤問題的研究已經(jīng)取得顯著進(jìn)展。文獻(xiàn)[3]通過特征金字塔網(wǎng)絡(luò)融合光流場(chǎng)中的多尺度運(yùn)動(dòng)信息，實(shí)現(xiàn)目標(biāo)軌跡檢測(cè)。該方法采用關(guān)聯(lián)網(wǎng)絡(luò)提取多目標(biāo)軌跡，并預(yù)測(cè)關(guān)聯(lián)以生成跟蹤結(jié)果，但自標(biāo)遮擋或重疊時(shí)，算法性能下降，導(dǎo)致錯(cuò)誤跟蹤。文獻(xiàn)[4]利用前一幀目標(biāo)跟蹤結(jié)果創(chuàng)建軌跡掩膜來處理前一幀數(shù)據(jù)，提取目標(biāo)信息并生成掩膜圖像，從而融合此圖像中特征數(shù)據(jù)。在特征融合后，檢測(cè)目標(biāo)并關(guān)聯(lián)前后幀結(jié)果形成連續(xù)軌跡。但該方法的掩膜生成依賴前一幀結(jié)果，若不準(zhǔn)確，則影響后續(xù)檢測(cè)與跟蹤性能。文獻(xiàn)[5]提出用多視角和多Kinect融合進(jìn)行3D人體骨骼跟蹤。采用多個(gè)Kinect從不同角度捕捉信息，融合后生成精確模型。但該方法有視野限制，對(duì)于有遮擋或視野外的部分信息可能無法準(zhǔn)確捕捉。文獻(xiàn)[6]用CSI和聯(lián)合動(dòng)態(tài)參數(shù)（JointDynamicParameter，JDP）算法實(shí)現(xiàn)人體軌跡實(shí)時(shí)跟蹤。但該方法需要特定WiFi設(shè)備支持CSI數(shù)據(jù)采集，不適用于無WiFi或不支持該采集環(huán)境的場(chǎng)景。本文提出一種基于多傳感器信息融合的運(yùn)動(dòng)軌跡跟蹤系統(tǒng)，主要將慣性傳感器、FMCW雷達(dá)傳感器作為采集運(yùn)動(dòng)軌跡的前端設(shè)備，以多傳感器信息融合的方式跟蹤運(yùn)動(dòng)軌跡。

1運(yùn)動(dòng)軌跡跟蹤系統(tǒng)

1.1系統(tǒng)設(shè)計(jì)

圖1為基于多傳感器信息融合的運(yùn)動(dòng)軌跡跟蹤系統(tǒng)結(jié)構(gòu)圖。該系統(tǒng)包含MEMS慣性傳感器、數(shù)據(jù)發(fā)送設(shè)備、數(shù)據(jù)接收設(shè)備、FMCW雷達(dá)以及計(jì)算機(jī)等。其中，MEMS慣性傳感器采集能夠反映人體的運(yùn)動(dòng)狀態(tài)和方向的姿態(tài)數(shù)據(jù)，通過WiFi無線傳輸技術(shù)發(fā)送給數(shù)據(jù)接收設(shè)備。路由器接收來自數(shù)據(jù)傳輸設(shè)備的數(shù)據(jù)并轉(zhuǎn)發(fā)給計(jì)算機(jī)。FMCW雷達(dá)發(fā)射的信號(hào)經(jīng)過目標(biāo)反射后形成回波，通過檢測(cè)回波的頻率變化，可以計(jì)算出目標(biāo)與雷達(dá)之間的距離和速度等信息。計(jì)算機(jī)接收來自MEMS慣性傳感器和FMCW雷達(dá)的數(shù)據(jù)，使用多傳感信息融合技術(shù)進(jìn)行處理。多傳感信息融合充分利用各種傳感器的優(yōu)勢(shì)，提高運(yùn)動(dòng)軌跡跟蹤精度和魯棒性。

圖1基于多傳感器信息融合的運(yùn)動(dòng)軌跡跟蹤系統(tǒng)結(jié)構(gòu)

1.2基于慣性傳感器的人體運(yùn)動(dòng)軌跡定位方法

圖2是慣性傳感器節(jié)點(diǎn)模塊結(jié)構(gòu)圖。慣性傳感器節(jié)點(diǎn)能夠直接綁定在人體腳踝關(guān)節(jié)上，實(shí)時(shí)捕捉關(guān)節(jié)的運(yùn)動(dòng)信息[9-11]。該模塊通過九軸傳感器實(shí)時(shí)測(cè)量關(guān)節(jié)運(yùn)動(dòng)中的加速度、磁力及角速度數(shù)據(jù)，然后通過無線傳輸模塊發(fā)送給接收設(shè)備[2]。測(cè)量人體在不同方向上的加速度，可以推算出人體運(yùn)動(dòng)的姿態(tài)角[13，故選取前10個(gè)加速度計(jì)測(cè)量值，求 x，y，z 三個(gè)方向的加速度 v_x，v_y，v_z 均值，近似計(jì)算人體初始姿態(tài)角：

式中： 分別為人體腳踝位置慣性傳感器的初始橫滾角、俯仰角。人體加速度 v 的均值 公式如下：

則人體運(yùn)動(dòng)速度為：

式中： D 為方向余弦矩陣 _;f 為重力加速度。人體運(yùn)動(dòng)位置表示為：

式中 為反對(duì)稱矩陣。

圖2慣性傳感器節(jié)點(diǎn)模塊結(jié)構(gòu)圖

1.3基于FMCW雷達(dá)傳感器的人體運(yùn)動(dòng)軌跡定位方法

在人體運(yùn)動(dòng)定位系統(tǒng)中，數(shù)字模擬轉(zhuǎn)換器DAC生成調(diào)制電壓，控制模擬數(shù)字轉(zhuǎn)換器VCO產(chǎn)生線性調(diào)頻信號(hào)，該信號(hào)經(jīng)功率分配后分為兩路：一路作為混頻器本振信號(hào)，另一路經(jīng)功率放大后由發(fā)射天線發(fā)射。發(fā)射信號(hào)遇人體反射形成回波，由接收天線接收，與本振信號(hào)在混頻器中處理后變成中頻信號(hào)，由ADC轉(zhuǎn)為數(shù)字信號(hào)，供計(jì)算機(jī)后續(xù)處理。結(jié)合雷達(dá)信號(hào)混頻變化率，在頻差中提取回波信號(hào)與發(fā)射信號(hào)的時(shí)間差，計(jì)算人體目標(biāo)位置，公式為：

式中： X，Y 為人體運(yùn)動(dòng)位置的橫、縱坐標(biāo)； P 為人體與雷達(dá)的距離； β 為人體相對(duì)于雷達(dá)的水平方位角。

1.4基于多傳感信息融合的運(yùn)動(dòng)軌跡定位跟蹤方法

考慮人體運(yùn)動(dòng)軌跡跟蹤時(shí)，各傳感器的定位誤差與人體運(yùn)動(dòng)目標(biāo)位置存在直接關(guān)系。為此，設(shè)置跟蹤位置“即時(shí)誤差\"這一信息，則 Φ_t 時(shí)刻傳感器 m 對(duì)人體 b 定位的即時(shí)誤差為：

使用權(quán)重傳感器最佳權(quán)重分配的方式，根據(jù)每個(gè)傳感器提供的即時(shí)數(shù)據(jù)誤差大小來動(dòng)態(tài)調(diào)整其權(quán)重，以使得運(yùn)動(dòng)軌跡定位跟蹤性能最優(yōu)。則權(quán)重分配為：

在動(dòng)態(tài)加權(quán)法的多傳感信息融合下，運(yùn)動(dòng)軌跡定位為：

式中： ψ{j，b} 為第 j 個(gè)傳感器對(duì)人體 b 運(yùn)動(dòng)位置定位的濾波值。把 o_b 作為軌跡跟蹤的基礎(chǔ)數(shù)據(jù)，針對(duì)人體在運(yùn)動(dòng)范圍 W 中的運(yùn)動(dòng)軌跡，將多傳感器定位數(shù)據(jù)作為移動(dòng)特征，則在 W 中的有效運(yùn)動(dòng)定位信息為：

將運(yùn)動(dòng)范圍 W 中有效運(yùn)動(dòng)定位信息串聯(lián)，即可獲取人體運(yùn)動(dòng)軌跡跟蹤數(shù)據(jù)，

2 實(shí)驗(yàn)分析

2.1 實(shí)驗(yàn)設(shè)計(jì)

實(shí)驗(yàn)中，將某運(yùn)動(dòng)員作為軌跡跟蹤對(duì)象，搭建如圖3所示的運(yùn)動(dòng)軌跡跟蹤的實(shí)驗(yàn)環(huán)境圖。實(shí)驗(yàn)中將慣性傳感器佩戴于運(yùn)動(dòng)員腳踝部位，并配合FMCW雷達(dá)傳感器采集運(yùn)動(dòng)員運(yùn)動(dòng)軌跡定位數(shù)據(jù)，發(fā)送至計(jì)算機(jī)端。在計(jì)算機(jī)端使用本文系統(tǒng)跟蹤運(yùn)動(dòng)員運(yùn)動(dòng)軌跡。表1與表2分別是實(shí)驗(yàn)中所用慣性傳感器、FMCW雷達(dá)傳感器的參數(shù)信息。

圖3實(shí)驗(yàn)環(huán)境圖

表1慣性傳感器參數(shù)信息

表2FMCW雷達(dá)傳感器參數(shù)信息

2.2運(yùn)動(dòng)軌跡跟蹤效果分析

圖4是本文系統(tǒng)對(duì)運(yùn)動(dòng)員 2km 運(yùn)動(dòng)軌跡的跟蹤結(jié)果可視化示意圖。從圖4的視覺效果可以看出，本文系統(tǒng)的跟蹤軌跡與實(shí)際運(yùn)動(dòng)軌跡基本一致。圖4中，隨機(jī)提取 500m 的軌跡跟蹤誤差，詳情如圖5所示。

圖4運(yùn)動(dòng)員 2km 運(yùn)動(dòng)軌跡的跟蹤結(jié)果

圖5 500m 距離的軌跡跟蹤誤差

分析圖5可知，本文系統(tǒng)對(duì)圖4中隨機(jī)提取的500m 運(yùn)動(dòng)軌跡的跟蹤誤差控制在 0.4cm 之內(nèi)，說明該系統(tǒng)在實(shí)際應(yīng)用中能夠提供更準(zhǔn)確、更可靠的軌跡跟蹤數(shù)據(jù)。在運(yùn)動(dòng)跑道中繪制如圖6所示的運(yùn)動(dòng)軌跡。運(yùn)動(dòng)員按照此軌跡運(yùn)動(dòng)，測(cè)試本文系統(tǒng)使用單傳感器、多傳感器進(jìn)行軌跡跟蹤時(shí)的效果，結(jié)果如圖7所示。單傳感器、多傳感器的軌跡跟蹤誤差如表3所示。

圖6復(fù)雜運(yùn)動(dòng)軌跡示意圖

圖7單傳感器、多傳感器的軌跡跟蹤效果

表3單傳感器、多傳感器的軌跡跟蹤誤差m

結(jié)合圖7與表3可知，多傳感器在所有采樣點(diǎn)位置的跟蹤誤差都非常小，幾乎可以忽略不計(jì)。具體來說，在（0，0.77）、（1.35，0.8）和（0.45，0.9）這三個(gè)位置，多傳感器的 x 軸和 y 軸誤差都僅為 0.001m ，這是因?yàn)槎鄠鞲衅餍畔⑷诤峡梢酝ㄟ^整合來自不同傳感器或數(shù)據(jù)源的信息，減少單一數(shù)據(jù)源可能帶來的噪聲和誤差。這種融合方式提高了數(shù)據(jù)的整體質(zhì)量，使得運(yùn)動(dòng)軌跡的跟蹤更加準(zhǔn)確。當(dāng)數(shù)據(jù)的零碎度降低，即數(shù)據(jù)更加完整和連續(xù)時(shí)，這種優(yōu)勢(shì)更加明顯。

3結(jié)論

多傳感器通過提供豐富的信息和數(shù)據(jù)融合能力，能夠顯著提高軌跡跟蹤的準(zhǔn)確性和可靠性。因此，在需要高精度軌跡跟蹤的應(yīng)用場(chǎng)景中，建議使用多傳感器系統(tǒng)來替代單傳感器系統(tǒng)。本文設(shè)計(jì)一種基于多傳感器信息融合的運(yùn)動(dòng)軌跡跟蹤系統(tǒng)，能夠在含噪環(huán)境中保證軌跡跟蹤數(shù)據(jù)的整體質(zhì)量，進(jìn)而準(zhǔn)確跟蹤運(yùn)動(dòng)員運(yùn)動(dòng)軌跡，可作為運(yùn)動(dòng)軌跡跟蹤研究的參考方法。

參考文獻(xiàn)

[1]方鑫，何敏，黃大榮，等.毫米波雷達(dá)微弱行人軌跡跟蹤-預(yù)測(cè)一體化方法[J].儀器儀表學(xué)報(bào)，2023，44（11）：300-309.

[2]劉培剛，王奔，李亞傳，等.基于軌跡預(yù)測(cè)增強(qiáng)的復(fù)雜場(chǎng)景多目標(biāo)跟蹤方法[J].計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào)，2024，36（5）：786-794.

[3]許營坤，陳天陽，陳勝勇，等.一種融合運(yùn)動(dòng)特征嵌入的多目標(biāo)分割跟蹤算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2023，44（6）：1304-1310.

[4]余明駿，刁紅軍，凌興宏.基于軌跡掩膜的在線多目標(biāo)跟蹤方法[J].山東大學(xué)學(xué)報(bào)（工學(xué)版），2023，53（2）：61-69.

[5]NGUYENM，HSIAOC，CHENGW，etal.Practical3Dhumanskeleton trackingbased on multi-viewand multi-Kinect fusion[J].Multimedia systems，2022，28（2）：529-552.

[6]陳琳琳，馮秀芳.基于CSI動(dòng)態(tài)參數(shù)優(yōu)化的人體軌跡追蹤[J].計(jì)算機(jī)工程與設(shè)計(jì)，2023，44（1）：8-14.

[7]張博.基于殘差神經(jīng)網(wǎng)絡(luò)的目標(biāo)運(yùn)動(dòng)邊界視覺快速跟蹤算法[J].探測(cè)與控制學(xué)報(bào)，2023，45（3）：37-42.

[8]吳曉光，鐘君，牛小辰，等.基于自適應(yīng)CPG的人體節(jié)律運(yùn)動(dòng)協(xié)同特征刻畫[J].中國生物醫(yī)學(xué)工程學(xué)報(bào)，2023，42（1）：19-29.

[9]孫浩，何宏，汪焰兵，等.基于運(yùn)動(dòng)特征的骨骼行為識(shí)別方法[J].計(jì)算機(jī)工程與設(shè)計(jì)，2024，45（6）：1836-1842.

[10]史鵬，呂中凡，孫金月，等.足球運(yùn)動(dòng)員“3V2\"進(jìn)攻戰(zhàn)術(shù)決策場(chǎng)景下的視覺信息加工特征[J].首都體育學(xué)院學(xué)報(bào)，2023，35（2）：187-195.

[11]王瓊，王旭，劉云麟，等.基于改進(jìn)密集軌跡算法的人體行為識(shí)別[J].計(jì)算機(jī)仿真，2022，39（12）：284-289.

[12]黃旺輝，馮永，強(qiáng)保華，等.SiamCross：孿生交叉的目標(biāo)跟蹤對(duì)象感知網(wǎng)絡(luò)[J].計(jì)算機(jī)學(xué)報(bào)，2022，45（10）：2151-2166.

[13]侯建華，余寧遠(yuǎn)，項(xiàng)俊.基于運(yùn)動(dòng)模型和數(shù)據(jù)關(guān)聯(lián)的多目標(biāo)跟蹤[J].中南民族大學(xué)學(xué)報(bào)（自然科學(xué)版），2023，42（2）：260-266.