文摘
运动捕捉是近年来开发的一种交叉应用领域,包括电子、通信、控制、计算机图形学、人类工程学、导航、和其他学科。篮球技术动作的准确应用篮球比赛是非常重要的。因此,它捕捉具有重要意义和规范运动员的运动和提高他们的训练。不幸的是,有许多问题在传统的课堂教学,在很大程度上有助于培养运动员。为了解决传统篮球课堂教学的问题,学生运动训练的虚拟仿真系统设计。首先,篮球运球运动捕获的信息,在三维模拟。其次,我们比较它与标准数据库来判断运动员的违规行为”的动作,对运动员进行数字处理的动作和技巧改进统计结合系统功能。第三,我们建立了一个循序渐进的训练周期。最后,采用kinect捕捉技术来获取不同的人体关节的活动信息。通过处理运动数据,有关美联储运动分析数据建立运动模型,实现电影的比较分析。 In our experiments, we observed better training of the physical education.
1。介绍
篮球是一项集体运动,将球打入对方的篮得分,阻止了对手的球,得分点在特定规则。与其他球类运动相比,篮球有许多技能,各种战术形式,和强大的技能的球员,这也反映了个人对抗与合作的特点(1]。随着全国素质教育的要求,越来越多的高校开始利用信息技术实现体育教育的辅助教学。同时,借助仿真系统的发展,学生学习物理教育和专业技术的提升。13五年计划对教育信息化强调技术的深化应用,集技术创新、通过教育信息化,实现教育的现代化,建设网络化,数字化,个性化和终身教育体系。此外,它的目的是积极应用新技术,改变传统的教学模式(2]。使用多媒体数据库系统可以为学生提供更生动的学习材料,从而提高学生的学习兴趣。使用先进的多媒体系统还可以帮助分析多个实时视频。在我们国家有很多篮球迷,但是缺乏篮球训练,尤其是在训练方法,它不同于发达国家的3]。篮球训练自己的操作技能通过模仿特定的运动。篮球运动员经常模仿、观察和正确动作。因此,体育锻炼应该加强视觉和听觉的做法。目前,篮球教学学习篮球技巧通过观察教师示范动作。
运动捕捉方法,它是基于惯性传感、使用微机电或电磁元素和安排他们在人体的多个接合点。此外,它获得数据的融合和计算惯性动作捕捉结果各种肢体部分在运动过程中(4]。图像分析的识别技术主要进行人体姿态的识别通过收集信息,如视频和图片。因此,监测设备如摄像机和传感器需要事先放置在检测环境中进行数据收集。图像分析技术已被应用于人体姿势识别(早些时候5]。在篮球训练中,训练过程可以结合计算机篮球训练系统,和个性化的建议可以根据球员的个人特征。这给了篮球运动员的充分发挥个人优势,提高球员的运动效率。基于惯性动作捕捉方法感应不受阻塞,没有光线的影响,可以在室内和室外使用,很容易实现全天候和无限制的动作捕捉6,7]。然而,它也有一定的缺陷。例如,数量、布局、性能和态度都会影响传感器的计算算法的准确性,动作捕捉的动态特性和稳定性。因此,存在重大的研究空白,应该调查来提高运动员的训练过程。在本文中,我们利用动作捕捉技术提高篮球教学。以下是本文研究的主要贡献:(1)有效地整合动作捕捉和篮球教学。(2)设计和开发高质量的创新教学和培训资源。(3)为设计和开发提供新想法的篮球教学和训练。(4)为促进体育教育改革。
本文的其余部分的结构如下。相关工作的概述,游戏和动作捕捉技术,给出了部分2。节3,我们简要描述动作捕捉技术和在游戏中的应用。部分4描述研究方法的细节。节5我们工作,我们将讨论的结果。部分6提出了我们的研究结果的分析和讨论。最后,部分7本文得出的结论,为进一步的研究提供方向和调查。
2。相关工作
在篮球行业,装饰消费和设备消费的两大支柱产业的利润。随着科学技术的发展,智能的概念已经逐渐渗透到现代市场的各个方面。创建智能和集成智能结合体育产品和体育训练设备是当前市场的主流元素8,9]。目前,动作捕捉主要分为两个部分根据发展趋势:(i)光学运动捕捉方法,(2)惯性传感动作捕捉方法。optical-based动作捕捉的方法需要设置一个光学标记捕获的对象,提前,然后捕捉特定对象上的光点的空间位置通过一个高速摄影机动作捕捉的完成任务10]。由于体育教学的特殊性,有些问题在体育教学与训练中的应用,如难以记录和拍摄和计算机技术应用能力不足在视频编辑和生产的过程中由体育教师(11]。
夏et al。12)进行了相关的研究人体运动捕捉数据的关键帧提取基于内核联合稀疏表示。Boukhayma和波伊尔13]提出的合成理论表面动作捕捉动画。王等人。14]研究户外标记动作捕捉的命题与手持相机。根据有关文件的分析和教学比赛在国立大学工作,发现当前篮球教学与训练仍不能突破传统的枷锁示范教学方法在教学设计15]。此外,很难避免错误的动作,可能受伤运动员的肌肉、软组织和骨骼通过科学观察期间培训。这些问题将进一步影响正常训练,甚至缩短运动员的运动生命(16,17]。篮球运动捕捉系统具有较高的图像特征提取能力,可用于采摘机器人视觉系统的设计能够有效地提高系统的目标识别能力和提高自动化水平操作。
3所示。动作捕捉技术
本文的目标是实现实时跟踪真实的人体运动的3 d模型通过惯性传感方法。人类基于动作感觉动作捕捉传感器在人体的关键节点收集姿态信息的过程中人体运动实时和人类运动的计算特征参数通过数据融合和计算过程。用户标识的主要功能是检测访问者的身份,根据他们的身份赋予它们不同的权利。用户标识是一个必须为所有系统和相关系统的安全性和操作。系统可以捕获的运动游戏视频帧实时和计数技术运动数据的运动特性,从而获得篮球运动技术的多媒体数据支持(18]。在不同的捕获环境下,收集并记录标记球反射近红外射线通过设置焦距,光圈,灰度,相机的角度。此外,运动跟踪的关键点位置标记球所在地是准确地捕获。达到现实的呈现效果,运动员模型建立的系统具有精确的尺寸和结构的观察19]。硬件的工作原理,不断发出红外线到整个空间通过红外发射器和编码空间,这样最常见的芯片可用于读取硬件和获取生成的空间的距离。基于惯性传感器的人体动作捕捉系统,最初的信号包括三轴加速度、三轴角速度和地磁信息(20.]。通过处理这些信息,最后运动特征参数可以恢复。
数据分析主要用于分析体育教学的策略。分析软件的基本功能是用于分析捕获的移动目标和获取运动信息,如位移、速度、角速度和加速度的移动目标。同样,技术也获得二维和三维轨迹图像,为教学提供准确数据。图1显示了动作捕捉系统的操作流程。
4所示。方法
探讨篮球教学与训练资源的实用性和有效性,教学设计、媒体设计和虚拟环境设计结合动作捕捉技术,本研究需要50名学生在篮球选修课的师范大学作为实验对象进行教学实验。测试后,测试结果的所有受试者的平衡。所有50个学生分为实验组和对照组。最后的测试结果两组统计分析使用t以及方法,如表所示1和图2。
从表中所示的结果2和图3从篮球技术,它可以看到测试结果的两组没有显著差异的学生篮球技术在两组之间。因此,排除等积极因素的影响个人身体素质和篮球技能差异,研究对象满足实验的要求。
在本文中,将人的骨头分为手骨头和人类的骨头,分别。手骨的关节分为15块和人类骨骼关节分为16块。对于每个骨骼关节,特定的骨骼坐标定义如图4。
根据旋转矩阵的表达形式,它可以发现,承运人在空间的运动过程可以被描述为旋转矩阵的形式。这种方法可以有效地避免无序的问题联合运动方向不同的旋转造成的序列。同样,基于这一原则,也适用于惯性动作捕捉的字段,如图5。
当图像被放置在一个三维的空间,有空间中的任何两个点之间的距离,和表达是由以下方程:
该方法将原始数据映射到一个闭区间在0和1之间通过线性变换,所示(2),达到扩展原始数据信号同样的功能。
0-mean归一化法处理原始数据成正态分布组均值为0,方差为1,所示(3)。然而,这种方法只适用时的分布形式是高斯分布的数据(统计形状);否则,结果并不理想。
单位四元数可以用来描述刚体在三维空间的旋转。它的形式显示在(4),这也是一个四元数微分方程。
方程(4)代表四元数,这是由角速度陀螺仪检测;它的实部是0,的导数是四元数随着时间的推移,见以下方程:
是非常重要的对于这个项目来捕获用户的行为和获得的关节坐标空间。系统获取实时图像通过Kinect的彩色图像的相机,然后将彩色图像转换成图像HSV OpenCV, binarizes转换完成后。根据动作捕捉系统,功率序列,力量,和运动节奏的篮球运动员在起飞的整个过程,下蹲,运球。该系统包括计算机设备、传感器和数据行。篮球运动员回顾自己的运动图像通过计算机设备(21]。对于长期用户,数据库存储他们的培训信息。基于这些信息,缺乏在训练中可以发现,适当的训练方法可以建议用户根据自己的个人情况,和训练效果的用户可以被记录下来。选择自主机器人工作时,其最重要的环节是定位果实目标自主,需要依靠机器人自身的强大的视觉系统。硬件设备主要包括特殊的近红外高灵敏度摄像机、高速3 d运动数据采集工作站,降低控制器,和特殊的电缆。此外,软件主要包括高精度三维空间校准软件,实时高精度的三维运动数据采集软件,数据编辑和格式转换软件,MotionBuilder 3 d角色动画软件。opengl在上面的设计只提供建模功能的基本几何元素,具有一定的局限性。复杂模型的建模可以采用3 ds Max,这是一个强大的建模工具。3 ds Max可以提供准确建模复杂的三维几何实体,但不幸的是可移植性和呈现的对象都是在3 ds Max程序不足。
“定点投篮”教学和培训资源在本研究和开发结合动作捕捉技术作为教学实验的实验材料。实验组采用教学和培训的视频教学,而对照组采用传统教学方法。具体的实验安排如表所示3。
实验结束后,同样的测试方法被用来测试两组学生的篮球技能。比较的结果和结果的技术水平两组学生在实验前后如表所示4和图6使用配对样本t以及。
从表5和图7,从测试结果可以看出,两组学生在实验前后,两组之间有显著差异的学生在实验后的篮球技术水平。这个观察表明,篮球教学与训练资源设计的整合动作捕捉技术可以提高学生的学习效率的篮球技术。
如果我们假设表示系统的状态K,rk在下次系统的状态,然后呢r我过程系统的噪声向量,并符合预期的特点(0),然后可以获得系统的状态转移方程在以下形式:
让k代表系统的测量值n;k- 1代表了过程系统的噪声向量,满足期望的特点是0。然后,测量方程可以表示为如下方程:
其中,代表系统状态之间的关系和系统的理想状态的观测时间k,实现了从系统状态转换到观察状态。系统的噪声协方差矩阵,因为这个过程噪声和测量噪声是两个不相关的信号形式,他们满足以下方程:
因此,与之相关的误差协方差矩阵所示以下方程:
与之前的评估价值米之前估计的系统可以通过测量值进行优化μ的系统。此外,测量值和系统噪声的先验估计价值融合在以下方程:
获取人体关节的运动信息后,我们还必须使用Cal3D软件渲染骨骼运动;不同的关节后,我们还必须认识到骨骼运动的3 d电影。传感器节点由传感器设备的多元化相结合可以转换动作信息在完成动作的过程中上传的电信号,从而实现后续逻辑操作的要求,数据存储、通信等。动作捕捉系统,有一些错误和数据噪声在人类运动惯性传感器采集的数据特点,需要过滤和纠正。由于三轴加速度计具有良好的静态特性和没有累积时间错误,姿态角计算的三轴加速度计可以用来纠正辊由陀螺仪角和螺距角计算。构成软件是用于构建一个三维模型的篮球运动员的身体,包括有效的固定等特定功能的骨骼结构和一些关节,和过滤噪音信息。数据转换的主要功能是将不同类型的数据转换为相同的数据,可以使用一致。同时,在数据处理中,需要解决人类运动的特征参数在一个较高的速度。根据相关的融合算法,有效的运动特点和轨迹分析从原始信号。这些特征参数结合3 d运动模型驱动模型和实时模拟真实的人体运动。
实验结束后,所有的分数相比,两组学生的篮球技能和详细计算(见表6和图8)。其中,实验组有超过80点,总共5被评为优秀学生,优秀率约为24%;对照组的优秀率约为11%。实验组的失败率为15.17%,对照组为35.23%。实验组的通过率是80.63%,而对照组为67.73%。
动作捕捉系统,修复效果的运动是标准的评估动作捕捉产品的优点和缺点。系统中设计本文指人体运动学和解剖学原理,基于三维动作捕捉平台视角的骨骼堆栈是通过相关软件建立起来的。根据篮球动作提取技术的实时视频,可以提炼出重要的目标特性,机器人可以最终实现自主重要的定位和自主操作。与此同时,它可以编辑,删除,插入,和过滤目标的三维空间位置信息在任何时间点的三维运动捕获数据,和修改后的完整的数据可以转化为CSM的一般运动数据格式/ BVH /曾经/ FBX和其他3 d和CG软件。捕获基于人体是第一次独立的人体图像的深度地图,然后,通过评估和识别像素,与人体模型匹配现有的系统中,获得该模型符合高度和骨的类型。这属于模型的控制问题。设计师输入的取向和目标位置机械手。系统的轨迹规划主要负责确定运动,关节轨迹的形状,速度和时间达到目标。根据实际应用的要求,很难单个传感器模块以满足工作需求。所需的信息在人类姿态识别是复杂和多样化,包括物理和生理信息如加速度、角速度或心率。 Then, it is sent to the upper computer of PC through wireless transmission. After analyzing the signals, the upper computer is used to drive the three-dimensional motion model in real time. It should be noted that the three-dimensional motion model can be constructed through structural modeling of limbs.
5。结果分析
该系统是基于IOS平台开发和Windows平台。因为Kinect和nine-axis惯性传感器发展的同时,获得的数据更准确。动作捕捉技术来跟踪节点的运动轨迹与关键信息在一些虚拟仿真结果的生物在一个固定的时间域和关键的点的运动轨迹转换成3 d运动过程,可以数学表达和总和。系统需要有运动模拟的功能。它可以虚拟化和建模结合实际场景使它成为一个虚拟场景像真正的环境和执行三维仿真场景中的人物。的主要目标边缘检测算法检测梯度变化的最大值和抑制噪声通过优化的梯度值来有效地发现边缘的位置。修改后的完整的数据可以通过一个特定的数据分析系统分析了位置信息、运动速度、角度,角速度,加速度,等移动目标的点,和相应的数据表也可以比较通过两组数据并显示。系统给运动员的初始位置、目标位置,通过它们之间的路径和几个关键点。在这种情况下,适当的轨迹设计完善部分没有运动员的轨迹。可以转化为特征参数,可用于驱动人体的运动模型,从而实现真正的实时、准确跟踪人体运动的模型。 At the same time, the upper computer can also display and store the movement characteristic data in real time, thus realizing comprehensive online and real-time supervision.
一般来说,在人类的动作捕捉,骨骼运动的范围必须是生物有限公司,使其在可靠范围内移动。表7定义了人类和手关节的类型和他们的活动范围,分别。
捕捉人体姿势使用惯性运动传感器,实现人体运动捕捉的姿势,根据上面介绍人体的树结构,本文采用分层建模方法。整个人的身体被视为刚体组成的骨架树。在骨架树中,除了指定的根节点,每个骨骼由铰链连接,骨骼分为父子关系,父节点的子节点移动。图9描述了人体的基本骨架树结构。
人类基于惯性动作捕捉感应视人体为多个刚体组成的树结构。准确地捕捉人类运动,传感器节点需要固定在每个校准位置,这是基本的链接实现动作捕捉。软件和硬件产品的综合测量关节角两臂通过四个nine-axis惯性传感器,跟踪整个手臂的运动跟踪和运动状态。数据收集前的确切位置传感器安装和传感器和人体之间的相应位置应确认。此外,人体不能包含任何金属制品,将干扰磁场,影响人体数据的收集。从实际情况,动作捕捉主要是为了消除背景的影响,以个别运动员为捕捉对象,并捕获的视频传输系统进行综合处理。在此基础上,可以获得相应的人体模型,可以获得相应的捕获结果参数化处理后的人体模型系统。传感器实时采集的过程中,由于篮球运动的速度快,不可避免的会有更多的噪音,这通过过滤方法可以最小化。动作捕捉系统工作的一个重要组成部分,指系统捕获的过程和输出标记球的运动跟踪移动目标的关键部分的指定空间通过8近红外高灵敏度相机。通过这些设备,移动物体的运动状态捕获,捕获的信息的形式记录在电脑上图片和进一步处理,以获得不同的运动员模型的空间坐标。
扩展卡尔曼滤波技术应用于实际的非线性变化,首先,一组微分方程的非线性变化需要定义,见以下方程:
过程噪声矩阵k是由一组过程噪声向量r我,见以下方程:
此外,测量函数是一个非线性状态方程如下: 在函数年代N系统的观测方程和吗n是测量误差向量将0,代表了测量噪声矩阵N0,见以下方程:
接下来,异构传感器的数据需要进行建模和分析。我们的目标是获得传感器坐标系之间的旋转矩阵和全球世界坐标系统通过处理传感器采集的数据。因此,首先需要使用传感器来收集最初的人类运动特征信号,获得每个传感器的矢量数据根据其向量表示。表8和图10分别显示了陀螺仪的动态测量和磁力计。
6。讨论的结果
本文在系统设计、传感器部署在人体的关键节点,和运动信息的关键节点由传感器捕获;因此,整个人体的运动情况可以计算。如何选择关键节点的位置是一个关键环节和问题。数据采集的过程中使用Kinect, Kinect通常获得17个不同的接合点。然而,在收购过程中,由于人体运动的加速度,屏蔽图片的问题就会发生一些由于人体关节运动。与传感器节点相比,穿着移动设备的位置是不固定的,这将影响系统的识别结果。通过传感器检测运动信息时,设备可以放置在固定位置,以避免这个或其他类似的效果。运动跟踪的关键骨头放在所构造的虚拟人物,和虚拟运动员的训练过程控制通过控制运动跟踪的关键的骨头。该方法方便掌握篮球运动员的技术特点。在实际的训练过程中,系统可以数字化运动员的运动过程和各种参数; in particular, the parameter processing of various details can effectively improve the athletes’ technical level. It can also monitor various physical skill parameters of athletes in real time, such as heart rate, blood pressure, and cardiopulmonary function. To capture the human posture accurately, we must have an accurate grasp of the human skeleton structure and its movement state. Therefore, in the process of analyzing the human body structure, it is necessary to reasonably divide the human body structure and extract the key bone movement characteristics in the process of human body movement to facilitate understanding.
通过运动员的篮球技能的提升过程的虚拟仿真技术需要数理统计功能的支持。因此,系统需要具有数理统计的功能,可以结合实际综合分析系统的分析。当然,除了分析的结构模型,我们还需要定义每个骨骼结构的运动角度。在现实生活中,我们可以发现,由于骨骼结构的局限性等等,许多关节的运动角度360度范围有限,而且不能在所有的方向。使用梯度算法的原理,通过改变图像的梯度,部分模糊图像的一部分明确找到图像的明显优势。数据处理包括全自动三维数据重建和自动跟踪识别点。运营商可以重建并追踪运动捕捉数据自动和手动获取准确的三维数据。
传感器安装在运动员的仿真模型。传感器属于一个特定的追踪装置。它可以跟踪运动员确定其位置和控制运动轨迹。动作捕捉的细度可以通过测量传感器的数量。体育教学系统的目的是纠正学生的教学行为。本文结合体育教育的实践,该系统的应用程序仅适用于训练在高校相对专业的学科,如篮球和高尔夫球场。采用该系统后,徒手体操,体操、球和翻滚运动的运动员已经显著增加。此外,运动员的灵活性大大提高,这有利于减少碰撞的概率损伤的运动员。
7所示。结论和未来的工作
本文构造一个虚拟仿真系统对学生的体育训练。实验结果表明,该系统可以促进篮球运动员的体能训练,可以显著提高运行速度,身体灵活性,篮球运动员的跳跃能力。Kinect颜色相机和深度相机是用来获取用户的射击arm数据,和四个nine-axis惯性传感器是用来完成测量关节角的两臂获得大量的数据。结合现有的动作捕捉技术,基于当前的光学和机械动作捕捉,动作捕捉技术的现有研究理论进行了分析和总结。此外,人类姿态的实时捕获方法提出了基于惯性传感。结合相关研究的想法,设计内容和方案进行了总结和分析,并提出了总体设计方案和技术路线。系统使用个性化推荐算法等数据处理算法,并通过分布式系统的每个部分构造结构。在每个部分的联合行动,系统可以有效地分析用户的需求和解决用户的实际需要。通过测试,结果表明,系统构建在这项研究中具有显著的可靠性和有效性。在未来,我们将考虑更多的实验和更大的数据集,连同其他几个参数,研究泛化和验证所提出的想法。 Similarly, other motion capture methods should be investigated to support the findings and outcomes of our research.
数据可用性
使用的数据来支持本研究的结果包括在本文中。
的利益冲突
作者宣称没有利益冲突。