基于惯性动作捕捉技术在体育训练上的应用

王梦囡 陈康桂

摘  要：本文通过介绍了惯性动作捕捉技术的原理以及方法，并研究该技术在体育训练上动作捕捉及姿态还原的应用，目的是在体育训练教学上采用科学的、先进的技术设备来辅助以达到提高训练效率、提高动作模拟训练的准确性，着重研究该技术在球拍类训练教学上的应用;同时也对惯性动作捕捉技术的发展应用提供落地案例以及新的要求。

关键词：动作捕捉  体育训练  人体力学  人工智能

中图分类号：G80                                   文献标识码：A                        文章编号：2095-2813（2020）04（b）-0037-04

随着计算机技术、图形处理技术、传感器技术、传输技术的发展，特别是近年来移动互联网的迅速发展以及5G的普及，惯性动作捕捉技术的应用与研究越来越受到重视，研究成果也在各个领域落地应用并取得一定的成果;此技术在体育运动领域的应用就是一个研究方向。

我国是一个体育大国，国家在体育运动研究与教学训练上一直很重视，但限于历史原因，体育运动研究基础薄弱;随着经济的发展，国家以及国民对体育运动的重视，各专业化运动项目或职业化运动项目基础研究也加大投入，各种新设备、新技术的应用也逐步被重视与引入。因此，体育运动的研究，特别是体育训练教学方面的方向与方法由传统的经验主导模式向科学化、定量化模式转變。

惯性动作捕捉技术在体育训练领域的应用，可使训练教学可量化分析，动作呈现出可视化的立体（三维）模型，更加便于对比科学分析，提高训练的效率与效果。通过在学员、运动员的身体关节处佩戴可穿戴式惯性传感器采集相关运动数据，数据通过传输技术到数据处理进行数据分析，找出体育运动的特征值与相对应的规律，建立运动的模型进行研究，为体育训练教学提供科学的数据支撑与进行纠正的依据。

1  惯性动作技术的发展背景及现状

惯性动捕是一种新型的人体动作捕捉技术，它用无线动作姿态传感器采集身体部位的姿态方位，利用人体运动学原理恢复人体运动模型，同时采用无线传输的方式将数据呈现在电脑软件里或者移动设备上。

惯性动作捕捉技术的发展源于20世纪70年代，主要作为力学的研究辅助手段;进入到20世纪80年代，被引入到体育运动中，主要是为了辅助训练提高竞技成绩，同时惯性动作捕捉技术被广泛应用到游戏动画制作、军事模拟、康复医疗、虚拟现实仿真等领域。市场上大部分品牌都是被国外企业垄断，国内在惯性领域的技术研究相对比较晚，研究的企业也相当的少，这一块基本还是国外企业主导市场。主要品牌有荷兰的XSENS、日本早稻田大学的阿路比、英国的Animazoo、德国的博世;这些都是国外在惯性动作捕捉系统上研究较早或者市场占有率相对较高的公司;尤其是荷兰的XSENS，其模型及算法的精度高、产品体积小，在运动人体科学上有很好的应用，但缺点就是这些国外品牌价钱较为昂贵。随着国内移动互联网技术的发展以及5G传输技术的落地，近年来很多企业也参与了这领域的研究，但是由于起步晚，大部分都是在技术的应用领域上进行大布局，相比国外公司在此技术的基础研究上投入较少;国内的北京诺亦腾Noitom、北京孚心科技FOHEART在惯性动作捕捉技术的研究与推广上也有一定的知名度;本文研究的球类（羽毛球）运动方向，北京ZEPP、深圳酷浪云计算在球类（羽毛球）运动的教学与训练上有很好的应用。由于羽毛球运动属于竞技类运动，动作的复杂性等原因，目前无论是ZEPP、还是酷浪云计算，通过单点传感器采集的数据还是不够全面;多点传感采集在数据的处理上、传输的实时性、精度上均和国外捕捉系统存在一定的差异。本文以羽毛球教学为例，基于惯性动作捕捉技术在体育训练上的应用，主要采用多点传感器采集组成的动作捕捉系统，配合上位机软件、移动端应用程序进行仿真及3D还原，把运动数据以及训练动作进行量化与立体呈现。

2  惯性动作捕捉技术的实现基本原理

惯性动作捕捉技术从实现的方式来划分，主要分为机械式、声学式、光学式、电磁式、惯导式等，不同方式的动作捕捉系统所采用的实现原理是不同的;本文研究主要是基于惯导式来实现动作捕捉的。目前在各应用领域中光学式动捕技术是被广泛应用的;近年来随着惯导式动捕技术的发展，在各大领域的应用上逐步被认可;以下着重主要表述基于惯性导航传感技术的动作捕捉实现的基本原理。

2.1 惯性动作捕捉系统的组成

惯性动作捕捉系统一般由3部分组成，信号（数据）采集设备、数据传输设备和数据处理单元;其中数据采集设备（传感器）集成了加速度传感器、陀螺仪传感器及磁力计传感器。数据传输设备主要取决于系统采用那种通讯协议，一般有WiFi和蓝牙2种方式（见图1）。

2.2 惯性动作捕捉系统工作原理图（流程图）

惯性动作捕捉系统工作原理就是在人体的关节处（按照测量位置或测量节点的需要）佩戴穿戴式传感器，传感器采集到人体的运动学及力学数据，通过传输装置传输到计算机（MCU）进行数据处理，根据运动数据的特征值以及运动规律建立人体运动数据模型;导入训练教学中的不同运动数据进行动作分析与姿态还原，并与标准的运动模型对照进行运动的训练教学与动作纠正指导（见图2）。

2.3 惯性动作捕捉系统误差及解决方案

基于MEMS的惯性动作捕捉设备的实现原理，主要由几个信号采集节点组成，每个采集节点都有九轴（加速度传感器、陀螺仪传感器、磁力计传感器）的惯性信号采集单元（数据采集设备），Sensor会输出在体育训练过程中不同动作的角速度、加速度和磁力计的测量数据。陀螺仪可以测量节点相对于所在的传感器坐标系的三轴转动角速率，在己知初始状态的条件下，可以得到人体运动目前的姿态。

惯性动作捕捉在技术上的优势是采集信号少，环境适应性强，能还原复杂动作，测量精度高;安装简单，体积小设备轻巧携带方便，成本相对光学捕捉设备低廉;采用惯性导航技术，抗干扰性能强;但是目前大部分惯性动作捕捉系统使用的陀螺仪传感器为芯片，存在零偏误差，长时间积分会导致误差逐渐变大或者完全偏离失准。在采用加速度传感器和地磁传感器工作时，进行角度计算的方法会受到高频噪声的影响，例如由于线性运动而导致的对重力加速度的测量误差等，这些都是惯性动作捕捉系统的劣势和存在的问题，通常解决这类存在问题会采用姿态融合算法进行补偿矫正。

本文基于酷浪云计算研究的算法模型中，利用了卡尔曼滤波技术（Kalman Filte）对多传感器数据进行融合，利用零速度检测进行滤波矫正。由于它有成熟的理论支持和有效性，卡尔曼滤波器被广泛使用，卡尔曼滤波器也是目前研究用得最多的姿态滤波算法（见图3）。

3  惯性动作捕捉技术在体育训练上的应用——以羽毛球教学为例

惯性动作捕捉技术在体育运动领域的应用目前主要有两大方向，一是训练教学层面，作为教练的辅助训练系统，由原来教练的经验主导模式向数据化、定量化、科学化的数据分析模式转换;二是运动损伤预防层面，即运动处方的概念与范畴。无论是教训训练还是运动损伤预防，其商业化的价值都是有待挖掘，目前市场上这一技术在教学训练及运动处方上的商业化程度都很低，商业化模式也相对难;所以，这一领域的研究企业不多，更多是针对专业化或职业化的运动机构（见图4）。

3.1 运动数据采集

羽毛球这一项竞技运动的动作复杂性比较强，在学员、学生在学习时候，通常都是都是依赖羽毛球专业的教师或者教练的经验主义来进行指导;不能够进行动作的量化与可视化。我们在教学上引进了先进的动作捕捉技术以及姿态还原技术辅助教练、教师进行指导训练。根据训练的需要，包括动作类型、步伐（轨迹）训练、上肌力量等类佩戴穿戴式传感器以及测量相关的数据。

深圳市酷浪云计算有限公司的动作捕捉系统使用了6个节传感器来采集羽毛球运动的数据（步伐2个、球拍底部1个、右手腕1个、肘关节1个、臂关节1个），可以根据不同学员的使用左右手习惯来进行穿戴式传感器的佩戴，也可以根据实际测量需要增加或者减少节点传感器来达到运动数据的测量。具体如图5。

3.2 运动数据（技术）分析与建模

在羽毛球的训练教学上，把此项运动的标准模型通过建立在科学基础上量化教程，由教练员、羽毛球专业运动员、国家运动员根据量化教程进行演示，组合传感器捕捉到教练员（标准）的动作数据，由此建立标准模型。

训练过程中，学员、运动员的运动数据导入到模型中与标准模型进行对照，可以科学地辅助教练对学员进行特定的练习与动作矫正、优化动作，提高运动成绩。建立起模块化、数字化、可视化的运动监控平台（见图6）。

3.3 运动轨迹分析与3D回放

捕捉运动轨迹，在整场羽毛球教学的过程中，能够通过上位机软件或移动端应用程序呈现出会拍的运动轨迹以及人体手臂的运动轨迹;同时也能够回放不同时间节点还原的运动轨迹（姿态还原）便于教练、学员对挥拍轨迹及动作轨迹进行分析与矫正指导（见图7）。

3.4 人工智能运动大数据分析

教练及学员采用基于惯性动作捕捉技术的羽毛球训练系统，所有的运动数据都上传到数据分析中心（服务器、云端存储）;大数据分析中心会根据历史积累的数据进行大数据分析，即人工智能;能够自动生成个人运动数据报告，建立个人运动数据库，根据需要推送相关的运动数据进行运动健康管理。

运动健康数据管理，在类似羽毛球这样竞技类运动上，主要是预防运动损伤;教练或保健医生根据个人的运动健康数据管理报告，制定对应的运动损伤预防方法以及相对应的康复训练方案。

人工智能主要体现在运动模型与算法的自主纠正过程，数据分析中心根据教练及学员的运动大数据，自主深度学习算法不断的修正运动模型并根据运动数据分析出更优的训练方案、方法推送给教练及学员进行参考学习;这也是未来人工智能在体育运动训练教学上的一个发展趋势，这领域的研究需要一定的技术门槛，随着5G技术的发展、人工智能技术的普及，更多先进的技术、先进的设备将运用在体育运动领域。

3.5 一对多的综合训练监测及智能评分系统

在传统的羽毛球教学中，教练会根据教学内容面对面、一对一的授课;在考核中也需要逐一进行检查与考试评分，效率不高;在引入了惯性动作捕捉技术的教学训练系统后，彻底的解决了一个教练员能够同步对多学员，并且能够通过系统数据研判分析和评分，提高了教学质量与教学效率。这就是羽毛球训练教学教练系统，以深圳市酷浪云计算有限公司的智能羽毛球教学教练系统为例。

如图8所示，智能羽毛球监测及智能评分系统，能够针对学员进行特定的内容的训练并进行评分;也可以同步学员的训练数据分享到教练的与家长端，便于教练技术了解学员的训练情况并给予指导，针对青少年学员，系统还设置了家长端，并于家长了解孩子练习情况同时也起到一定的监督作用。

4  结语

惯性动作捕捉技术应用到体育运动领域，作为教学训练的辅助系统，能够对动作进行量化分析、科学指导训练。由于惯性传感器采用无线传输，体积小，穿戴式佩戴简单，满足不同场景与场地的使用;不影响运动員、学员进行训练的正常动作，相比与光学动作捕捉系统，解决了复杂动作、遮光动作的精确捕捉;从本文关于惯性动作捕捉技术实现原理的描述与优劣势分析中得到一下结论。

（1）惯性动作捕捉系统能够满足体育运动（本文以羽毛球运动为研究对象）各种动作捕捉的要求，精确对球拍类运动的轨迹捕捉与还原，达到了辅助教学训练的目的。

（2）惯性动作捕捉系统存在噪声干扰及漂移误差，利用了卡尔曼滤波技术（Kalman Filte）对多传感器数据进行融合，利用零速度检测进行滤波矫正以达到修正的目的。

运动健康管理与人工智能自主深度学习是惯性动作捕捉技术在体育运动领域的应用方向;运动健康管理能够为个人的运动技能提高、运动损伤预防提高能加科学的数据支撑与方法指导，为日后建立起个人运动数据管理与健康信息服务做数据积累与沉淀基础。

参考文献

[1] 李庚睿.基于运动捕捉对人体上肌运动规律的研究[D].西安工程大学，2015.

[2] 李启雷，金文光，耿卫东.基于无线惯性传感器的人体动作捕获方法[J].浙江大学学报：工学版，2012（2）：280-285.

[3] 戴欢.基于惯性动作捕捉的人体运动姿态研究[D].石家庄铁道大学，2011.

[4] 杨立溪.惯性技术手册[M].北京：中国宇航出版社，2013.

[5] 陈浩.羽毛球训练教程[M].北京：高等教育出版社，2016.

[6] 叶宗鑫，周志辉，冷波，等.智能训练装备在高校羽毛球训练中的应用研究[J].西安文理学院学报：自然科学版，2019，22（4）：106-108.

[7] 冯远淑，陈福民.基于动作捕捉的计算机动画探讨与实现[J].同济大学学报：自然科学版，2004（7）：956-960.

[8] 何天宇，罗奇.运动捕捉技术及其在体育运动中的应用研究综述[J].电子测量技术，2019（3）：146-152.

[9] 王科俊，陈玮.一种可穿戴式人体运动捕捉系统的设计与实现[J].黑龙江大学工程学报，2013（2）：101-106.

[10]向泽锐，支锦亦，徐伯初，等.运动捕捉技术及其应用研究综述[J].计算机应用研究，2013（8）：7-11.

[11]北京孚心科技有限公司.惯性动作捕捉设备的发展和原理初步介绍[Z].2017.

[12]深圳市酷浪云计算有限公司.智能羽毛球教学训练系统[Z].2016.

[13]深圳活力拍.智能羽毛球运动轨迹分析[Z].2012.

①作者简介：王梦囡（1990—），女，汉族，河南商丘人，硕士，助教，研究方向：体育教育训练学。