运动捕捉技术在体育运动领域的应用*

聂鑫苗 张新安 曹丽华

运动捕捉技术在体育运动领域的应用*

聂鑫苗 张新安 曹丽华

（沈阳体育学院 运动人体科学学院，辽宁 沈阳 110102）

运动捕捉技术是通过运动捕捉设备捕捉运动物体在三维空间的轨迹，利用计算机处理分析后得到物体三维空间坐标数据的一门技术。文章阐述运动捕捉技术的定义、组成和分类，对比不同类型运动捕捉技术的优缺点，介绍常见运动捕捉设备。综述运动捕捉技术在体育运动领域尤其是在运动学习、运动训练、损伤预防、运动康复、裁判辅助等方面的应用，如：辅助提高学习和训练效果，减少运动损伤，指导制定康复训练方案提高康复效率，减少误判使裁判结果更加客观等，并对当前运动捕捉技术在体育领域研究存在的不足进行探讨，对未来发展方向提出建议。

运动捕捉技术；体育运动；运动训练；损伤预防；康复

运动捕捉技术是通过传感器采集人体标定位置的运动轨迹，利用计算机处理分析后得到物体三维空间坐标数据的一门技术，广泛运用于动画制作、军事模拟、体育运动、康复医疗等领域。几十年来，运动捕捉技术一直是人们非常感兴趣的一个主题，随着科学技术的进步，人们更加意识到它的重要性。在20世纪70年代，运动捕捉技术首先被Johansson提出，用于检测生物的可视化感知[1]。在20世界80年代，西蒙弗雷泽大学的生物力学实验室第一次使用计算机分析人体运动[2]。随后，一些顶级大学和科研实验室进一步研究运动捕捉技术，促使其蓬勃发展，推动了运动捕捉技术的进步。目前，运动捕捉技术主要应用在影视、虚拟现实、生物力学、运动医学、体育运动等领域。本文总结综述了运动捕捉技术在体育运动领域的应用情况，分析当前研究存在的不足并探讨了未来的发展趋势，为运动员科学训练以及成绩提高提供一个参考方向。

1 运动捕捉技术概述

1.1 运动捕捉技术定义

20世纪90年代末Menache给运动捕捉做了如下定义：一个在时域上通过跟踪一些关键点的运动来记录生物的运动，然后将记录到的数据转换成数学式表达并合成一个单独3D运动的过程[3]。简单来说，运动捕捉技术是通过运动捕捉设备捕捉运动物体在三维空间的轨迹，利用计算机处理分析后得到物体三维空间坐标数据的一门技术。

1.2 运动捕捉系统组成

一般运动捕捉系统由传感器、信号捕捉设备、数据传输设备、数据处理设备组成[4]。

（1）传感器是一种能感受规定被测量件，并按照一定的规律 (数学函数法则)转换成可用信号的器件或装置[5]。它可以通过固定于运动物体特定部位来跟踪运动物体的位置信息。不同的捕捉任务，跟踪器的数目不同。

（2）信号捕捉设备是负责捕捉、识别传感器信号的一种设备。信号捕捉设备会因捕捉系统的不同而不同，对于机械系统来说它是一块捕捉电信号的线路板，对于光学系统来说，它是高分辨率的红外摄像机。

（3）数据传输设备是将大量的运动数据从信号捕捉设备快速准确的传输到计算机进行处理的一种设备，很多时候需要实时同步传输数据。

（4）数据处理设备是将系统捕捉到的数据处理修正后再与三维模型结合来完成计算机动画制作的设备。借助计算机高速的运算能力来完成数据的处理, 使三维模型真正、自然地运动起来。

1.3 运动捕捉系统分类

运动捕捉系统的分类方式多元化，以工作原理进行划分，可分为：机械式运动捕捉、声学式运动捕捉、电磁式运动捕捉、光学式运动捕捉、基于视频的运动捕捉和基于惯性的运动捕捉六种类型（表1）。

1.3.1机械式运动捕捉

机械式运动捕捉系统，也称为主动标记技术。它是依靠机械装置来跟踪和测量运动，将被测试者与机械结构相连，被测试者运动带动机械装置运动，并由传感器记录所获得的运动学参数。这种运动捕捉系统的优点是成本低、精度高、不会受任何磁或光的干扰、对环境限制较小、具有实时性、可同时捕捉多个对象。缺点是被测试者在测试时不能跳跃、需要频繁的重新校准、不能识别被测试者的绝对位置，也不能识别物体指向或移动的方向[6]。

1.3.2声学式运动捕捉系统

声学式运动捕捉系统是通过接收固定在被测试者身体上的发射器所发出的超声波信号来跟踪运动[7]，通过信号到达不同探头的时间差来计算出对应接收器的空间位置和运动方向。该系统优点是成本低、可解决在捕捉过程中人体的遮挡问题。缺点是实时性差、精确度低、对环境要求较高[8]。

1.3.3电磁式运动捕捉系统

电磁式运动捕捉系统要求被测试者佩戴磁发射器或接收器来跟踪运动，并利用数据处理设备对捕获的数据进行分析得出被测试者的空间位置或方向。这种运动捕捉系统的优点是实时应答、捕获量大、技术成熟、设备成本和处理数据的计算成本较低。缺点是失真度较高、采样频率较低、容易发生磁变形、对环境要求较高、电缆对被测试者的活动限制较大，尤其是在剧烈活动中[9]。

1.3.4光学式运动捕捉系统

光学式运动捕捉系统，也称为被动标记技术，是目前应用最多的运动捕捉系统。被观测者穿着一套以特殊反光材料作为标记的服装，这些标记会被一系列摄像机捕捉，然后利用特定的软件对标记的点进行三角测量，再以数字的方式重新构建运动。这种运动捕捉系统的最大优点是被观测者可以自由移动、不需要电缆或者任何在身体和设备之间连接的装置、运动捕捉能力更强。缺点是价格较高、实时性差、数据处理工作量大、对场地要求高、反射点可能被人体或其他物体阻挡，导致数据丢失[4]。

1.3.5基于视频的运动捕捉系统

基于视频的运动捕捉系统是利用计算机视觉的基本原理，从视频中直接提取三维人体运动序列的一种运动捕捉系统。该系统优点是不需要在人体关节上附加任何传感器、人体活动不受限制、造价低、效率高。缺点是实现难度较大、算法复杂、发展不成熟[7]。

1.3.6基于惯性的运动捕捉系统

基于惯性的运动捕捉技术是在被测试者人体关键点处放置惯性传感器，由这些传感器组成传感器网络，将数据从惯性传感器转换到计算机上的人体运动模型重建软件中，通过处理分析，将实时的人体运动姿态以图形化显示[10]。一般采用三轴陀螺仪、三轴加速器和三轴磁力计组成的惯性测量单元来测量传感器的运动[11]。优点是体积小、重量轻、成本低、精度高、对空间没有特殊要求、可进行实时运动捕捉、对不同环境具有稳定性。缺点是采集到的数据信号通常会受到外界或者自身的干扰影响：如人体运动过程中身体产生的抖动或者外围环境产生的不规则信号；信号采集设备本身存在着测量误差；运动过程中节点位置偏移造成的信号不准确。此外，对传感器精度要求高，而且有积累误差[12,13]。

表1 运动捕捉系统分类

类型原理优点缺点 机械式运动捕捉机械装置测量人体运动角度成本低、环境限制小、实时性、可同时捕捉多个对象受试者姿势受限、需要频繁校准、不能识别受试者绝对位置 声学式运动捕捉超声波信号跟踪运动成本低、不受人体遮挡实时性差、精确度低、环境要求高 电磁式运动捕捉电磁装备发出或接收运动信号实时性、技术成熟、成本低失真度高、容易磁变形、环境要求高、受试者活动受限 光学式运动捕捉反光材料作为标记点，摄像机跟踪标记点运动受试者可自由移动、不需要连接装置成本高、实时性差、数据处理工作量大、场地要求高、反射点易被遮挡 基于视频的运动捕捉计算机提取视频中的三维人体运动序列不需要附加传感器、活动不受限制、成本低、效率高难度较大、算法复杂、发展不成熟 基于惯性的运动捕捉关键点处放置惯性传感器跟踪运动体积小、重量轻、成本低、精度高、环境限制小、稳定性、实时性传感器精度要求高、有积累误差

1.4 常见运动捕捉设备

目前，运动捕捉设备大多是由国外公司开发研制，最具有代表性的机械式运动捕捉设备是X-Ist公司的Full Body Tracker。电磁式运动捕捉设备大多由Polhemus、Asension tech等公司开发。声学式运动捕捉设备由Logitech、SAC等公司研制。目前应用最多的是光学式运动捕捉系统，大多由Vicon、Motion Analysis等公司研发，其中Vicon公司开发的Vicon motion system系列最为常见[14]，该系统利用红外线摄像机来捕捉贴附在人体上的标记点的运动。Kinect是由微软公司于2010年开发的一种3D体感摄影机，该设备可不依靠标记点进行数据捕捉[15]。目前，比较典型的惯性运动捕捉系统有荷兰的Xsens MVN[16]和美国Innalabs 3Dsuit[17]等，Xsens MVN套装是一套灵活的人体全身运动捕捉设备，解决了过去惯性运动捕捉系统在双脚同时离地、跳跃等动作会产生数据漂移现象的问题。国内公司开发的运动捕捉系统主要有大连东锐DVMC-8820光学运动捕捉系统[18]，北京诺亦腾科技有限公司Perception Neuron惯性动作捕捉系统[19]。中国科学院自动化研究所吴健康教授[20]，浙江大学李启磊教授团队[21]等也对运动捕捉系统进行了研究。

2 运动捕捉技术在体育运动领域的应用

几十年来，运动捕捉技术从最开始的机械式运动捕捉系统逐渐发展到基于惯性的运动捕捉系统，并且在体育运动领域得到很好的应用。它可以捕捉运动员的动作，进行量化分析，结合人体生理学和人体物理学研究改进方法，使体育训练摆脱纯粹的依靠经验的状态，进入理论化、数字化时代。目前，它主要应用在运动学习、运动训练、损伤预防、运动康复和辅助裁判等方面。

2.1 运动学习

运动捕捉技术已经应用于攀岩、橄榄球、网球等运动的学习中，通过运动交互反馈，运动员可以最高效的学习运动项目。Cha根据一名专业男性攀登者的动作姿势进行数据采集，利用无标记的运动捕捉设备制作逼真的三维攀岩动画，对攀岩中的姿势和动作加以分析，从而可以为新手攀岩运动员提供指导并进行有效的学习[22]。这些动画可以使学员更加直观多角度的进行学习，但教学中无法进行实时反馈纠正学员错误动作。因此Chiang基于运动捕捉技术提出了一种增强现实交互的身体运动训练系统，利用深度图像传感器技术对人体的运动进行监测、跟踪和测量，对运动进行即时反馈。学习者根据预先录制的专业人员的动作进行模仿，并通过系统判断的结果改正错误动作，从而更准确的掌握所学动作[23]。Naour提出了一个基于虚拟现实技术将自身训练时的动作与专家动作叠加反馈来帮助学习者实时学习运动项目的方法，利用运动捕捉技术和动态时间规整算法监测53名橄榄球学习者投掷时的运动学参数，并测量随着时间变化学习者与专家之间平均距离的离散程度，与4组不同视觉反馈方式的对照组进行比较，证明了该方法的有效性[24]。Oshita利用12个摄像机的光学运动捕捉设备和一个大屏幕构建了一个运动可视化自我训练系统，通过该系统将受试者的运动特征与录入的专家运动特征进行对比从而对受试者的运动进行可视化评估。每个受试者进行两个阶段的训练 第一阶段是重复实验，直至受试者的运动特征与目标运动一致。第一阶段30分钟后开始第二阶段，评估第一阶段的训练效果，该系统有效性在网球运动的学习训练中得到了验证[25]。

2.2 运动训练

利用运动捕捉技术对运动员运动动力学进行准确量化能够为教练员和运动生物研究人员提供提高和发展运动技术的依据[26]。目前，运动捕捉技术主要应用在拳击、羽毛球、篮球、排球、游泳等运动项目的训练中。Shen利用光学运动捕捉技术捕获4名不同水平拳击手的运动学特征，并提出以基于姿势和基于动作的可视化图像来分析拳击手的动作，进一步提出连通性指数来评估动作的多样性和灵活性以及动作策略指数评估运动模式的不可预测性，评估结果与教练员对拳击手的判定一致。使用该方法时，拳击手可以清晰的了解自己动作的薄弱之处，并根据该系统进行训练评估，从而提高自身的拳击水平[27]。Zhang利用运动捕捉技术根据15节段全身生物力学模型分析羽毛球正手扣球的运动学特征，以躯干旋转为重点分析10名新手运动员和14名有经验运动员之间的运动学差异，在扣球时，有经验的运动员比新手运动员更多地使用躯干旋转，从而为运动员的训练提供指导方向[28]。Nakano对8名大学生球员和一名专业球员在罚球时的表现进行了研究，利用运动捕捉技术分析罚球时提高表现的策略，发现最小速度投篮时投放角误差对落球位置的影响最小，提示篮球运动员训练时可减小投篮速度练习罚球[29]。Zhang制作了一款可穿戴式石墨烯涂层光纤传感器，选择篮球和足球运动进行测试，将传感器安装在篮球运动员的手腕、肘部和肩膀来监测投篮动作，安装在足球运动员的手臂、脚踝和膝盖来监测射门动作，验证了该传感器的稳定性。通过该传感器，可以基于不同位置传感器获得的数据准确识别运动类型，记录各关节的运动，判断动作质量并向运动员反馈，帮助运动员优化训练、提高运动成绩[30]。Wang基于可穿戴惯性传感器的运动捕获技术提出了一种游泳运动评价方法，对竞技游泳运动中运动员的腰椎运动进行运动学分析，并且与光学运动捕捉系统分析的结果进行对比，验证了其可靠性，该方法可以用来评价训练成绩，改进不足，提高训练效果[12]。Blaszczyszyn利用光学运动捕捉系统捕获13名专业空手道运动员与13名新手运动员在无目标、有静止目标和有对手的情况下进行前踢的运动学数据，分析发现头部、躯干、髋关节、膝关节和踝关节之间的运动学差异最为显著，指导修正训练中的错误，促进运动模式效率的提高，从而获得更好的成绩[31]。Ross对542名运动员进行动态动作筛选，利用运动捕捉系统观测运动员鸟狗式运动、反弹跳、T-平衡、跳台、L跳、向下跳、弓步跳运动学数据，采用主成分分析法对运动数据降维并区分新手和精英运动员全身运动模式的差异，线性判别分析重建运动数据可视化新手与精英运动员运动模式的差异，客观评估运动员技能水平，指导教练为运动员制定更合理的训练计划，帮助减少伤害，提高成绩[32]。

2.3 损伤预防

运动中发生损伤和反复损伤是制约运动员们取得优异成绩的一大阻力。受伤通常是由疲劳、过度训练或脱水引起[33-35]。运动捕捉技术可以根据运动员的三维运动学对可能发生的损伤进行预测，尽可能的减小伤害。Zago研究 20名年轻男性以平均速度为75%的最大有氧速度来完成5分钟5米往返跑实验，利用运动捕捉系统捕获他们运动时的心脏代谢参数、关节和重心运动学特征，将最后一分钟数据与第一分钟数据进行比较，发现髋关节和膝关节的运动角度发生变化，以此来探讨在长期重复转弯时韧带断裂的可能性，并强调进行神经肌肉训练来获得正确的转弯机制，预防损伤[36]。Rawashdeh研制了一种运动活动追踪器，在11名受试者的上臂安装一个惯性测量单元来跟踪和识别棒球投球和排球发球时的肩部运动姿势，以便通过实时反馈来预防性阻止运动中肩部过度使用所造成的损伤[37]。Becker利用三维运动捕捉技术对24名美国大学联盟锦标赛1级越野跑步者的跑步运动学进行量化，分析患有胫骨内侧应激综合征的跑步者与正常跑步者的运动学差异，为教练或专业运动医学人员进行伤害风险筛查提供依据[38]。Lädermann将运动捕捉技术与磁共振成像结合起来的非侵入性方法观察肩关节损伤的原因，对10网球运动员肩部撞击类型、撞击频率和半脱位的半分比进行评估，发现重复的异常运动接触导致后上方撞击是肩关节损伤的主要原因[39]。Tanabe利用三维运动捕捉系统捕获15名优秀橄榄球运动员的65个铲球来分析铲球撞击时肩部、颈部和躯干的运动学特征，发现手臂铲球和头在前的铲球方式可能是肩关节脱位的影响因素，为橄榄球比赛时运动员的损伤预防提供了一定的理论依据[40]。Welsh探讨了冰球运动中髋关节外展角度对髋内收和髋外展扭矩的影响，利用光学运动捕捉系统捕获12名正常业余男性冰球运动员双侧小腿、骨盆和胸部的三维运动学数据，分析发现当髋关节外展角度增大时，髋关节内收扭矩增加，髋关节外展扭矩降低，二者比率增加，提示冰球运动员在运动中要减小髋外展角度，更好的控制风险因素，减少运动损伤[41]。

2.4 运动康复

损伤后的康复十分重要，运动捕捉技术可以根据损伤后运动员的运动数据制定合理的康复方案，有重点有针对性的进行康复，提高康复训练的效率。前交叉韧带撕裂是运动中的常见损伤，损伤之后的行走步态是很多人所关心的，对于重返赛场的运动健儿更是如此。Rodrigues提出一种基于Kinect传感器和惯性传感器的低成本无标记的多模态步态分析系统，对8名健康成年人的步速、步长、步频、步宽和步行周期进行测量并与金标准Vicon运动捕捉系统捕获的数据对比，验证了该系统的有效性，为运动损伤后步态的康复训练提供反馈，提高康复效率[42]。Arumugam提出一种康复评估方法，利用三维运动捕捉系统对20名处于康复最后阶段或已经完成康复的单侧膝交叉韧带重建患者进行跳跃测试，在有准备和无准备两种情况下完成三次前向跳跃和三次对角跳跃的单腿双跳测试，捕获落地转向减速阶段的髋关节、膝关节角度和力矩，与健康侧肢体的运动学数据对比，并利用组内相关系数和测量标准误差评估两侧肢体运动数据的可靠性，验证了该方法的有效性[43]。Davis采用运动捕捉系统对前交叉韧带重建群体的行走过程进行分析，观察他们的协调变异性，根据行走时的差异进行训练，有助于前交叉韧带损伤的预防和康复[44]。Rensburg基于运动捕捉系统观察10名长期腹沟股疼痛男性运动者和10名正常男性运动者的骨盆和髋关节的三维运动学，与健康对照组比较，长期腹股沟疼痛运动者在落地时骨盆和髋关节运动角度存在差异，通过分析差异可以使理疗师更多的了解潜在的风险因素，促进循证运动和康复计划的发展[45]。Teufl提出了一种基于惯性传感器的三维关节运动学测量方法，将双侧蹲、单腿蹲和反运动跳跃的数据与基于标记的光学运动捕捉系统数据进行比较，验证了其有效性。该方法可以提供患者的康复状态和受伤风险信息，可将其发展到临床中应用，尤其是在康复、运动医学领域[46]。Movahed利用运动捕捉系统和地面反作用力测试观测到患有下背痛的女性排球运动员落地时腰部伸展和最大垂直反作用力的时间显著增加，这为损伤后的康复以及训练提供了方向[47]。Jiang根据可穿戴式传感器构建了基于物联网技术的监测系统，该系统可实时监测被试者的心电信号、肌电信号、运动姿态等生理学参数，并对这些参数进行分析，从而指导制定康复训练方案，准确评估运动能力和恢复情况，从而提高康复效率[48]。

2.5 辅助裁判

运动捕捉技术可以观测到裁判员或专家们容易忽略的细节，辅助裁判员对比赛结果进行客观分析，使结果更具有合理性。Brock开发了一个基于机器学习算法的跳台滑雪动作自动评分系统，使用可穿戴的惯性传感器采集4名青少年跳台滑雪运动员的动作，根据录入的官方评分指南对采集的数据进行评估并与人为判断的分数进行比较，验证了其有效性[49]。随后他又利用多个惯性传感器设计了第一个完整的错误自动识别系统，其有效性得到了验证，错误系统的自动识别可以作为运动技能和表现质量的指标，能够在评判性项目的比赛中增加客观性[50]。Kurowski利用高速摄像机进行运动捕捉并使用一种基于附加光照变化模型的精确球跟踪算法来检测排球的拦网触球，确定球的准确轨迹和撞击位置，由此可以辅助裁判进行判断[51]。Niewiadomski提出一种对全身运动质量进行评估的算法，利用运动捕捉系统捕捉7名不同水平的空手道运动员的运动学特征，并使用该算法进行动作评估，结果与14名空手道专家的评估结果基本一致[52]。Moreno利用计算机视觉的方法分析摄像机捕获的运动图像并判断比赛中足球运动员是否越位，将分析结果与裁判员实际评判结果对比，验证了该方法的有效性，在足球比赛中辅助裁判员更加客观的判断运动员越位情况，减少错误判断的可能[53]。

2.6 其他方面

运动捕捉技术还有很多其他方面的应用，如人体健康监测、作为测量指标等。在人体健康监测方面，Farin开发了一个基于智能传感器的实时心率监测系统，该系统可以监测病人的心率并将获得的数据与存储的数据进行比较，当心率异常时，该系统向病人发送信号提示病人存在心率异常情况，从而预防损伤[54]。在作为测量指标时，可以使实验更具有合理性、可信性。Sinclair利用运动捕捉技术测量在有或无预防性护膝情况下运动员跑步、单腿跳跃等运动学参数，结果验证了运动员可以通过预防性护膝来降低运动中前交叉韧带损伤的风险[55]。在评估落地高度和鞋子类型对篮球运动员落地着陆时冲击负荷和膝关节运动学的影响时，Wei利用三轴加速器、测力板、运动捕捉技术测量胫骨加速度、垂直地面反作用力和膝关节运动学，发现篮球运动员在较高的着陆高度和较差的缓冲鞋条件下会经历更大的冲击负荷、胫骨冲击和踝关节活动度[56]。Firminger研究在跳跃过程中鞋子和地面硬度对跟腱和髌腱应变的影响，30名健康男性篮球运动员穿着三种不同硬度的鞋在三种材质的地面上进行反向跳跃，测得运动捕捉、测力平台和跳跃高度数据，利用磁共振成像获得被试者肌腱形态并使用测力计、超声和肌电图相结合的方法获得肌腱特性以及利用肌肉骨骼模型评估不同情况下的肌腱应变，分析发现穿着硬度低的鞋子或者在更坚硬的地面着陆可以在不影响运动员跳跃成绩的情况下降低跟腱拉伤的可能性[57]。

3 小结与展望

近年来，运动捕捉技术的发展十分迅速。目前应用在体育运动领域的主要是Vicon光学运动捕捉系统[58]，而基于惯性的运动捕捉系统以其体积小，低成本，不受场地限制等优点逐渐发展起来[59]。在运动学习训练方面，主要集中在橄榄球、网球、羽毛球、篮球等运动项目的应用[24, 25, 28, 29]，但大部分实验只适用于单项运动，并未能在多项体育运动中进行验证，未来科研人员应扩大实验范围，进行多项目的检验。在损伤预防方面，运动捕捉系统在排球、橄榄球、冰球等项目的训练中进行了实验[37, 40, 41]，但是这些实验通常只检测一个运动特征，而忽略其他相关特征，未来应扩展到对多个运动特征进行评估量化。在运动康复中，当前的研究不多，可能是受场地、器械设备的制约，未来应更深入地探讨这方面的应用。在辅助裁判评估方面，目前的方法主要是利用运动捕捉系统收集到的运动学数据与人为主观判断进行验证，然而主观判断也可能存在一些不准确现象，并不能完全证明其有效性，未来应采取更为客观的方式验证评估系统的可行性。此外，由于研究还处于起步阶段，并未应用在真正的比赛中，未来应在实际比赛中进行检验。虽然大量科研人员已经探讨了运动捕捉技术在体育运动领域的应用，但大多实验样本较小，未能在大量样本中重复，未来科研人员应在大样本群体中进行论证。

基于惯性的运动捕捉技术克服了以往捕捉系统的不足，其在体育运动领域的应用前景十分广阔。未来，随着科研知识的进步，运动捕捉技术的发展将更加深入，不仅适用于目前的体育、生物力学、影视、动画等领域，还会在全新的领域大放异彩。

[1]JOHANSSON G. Visual perception of biological motion and a model for its analysis [J]. Perception & Psychophysics, 1973,14(2): 201-211.

[2]CALVERT T W, CHAPMAN J, PATLA A. Aspects of the Kinematic Simulation of Human Movement[J]. Computer Graphics and Applications ,IEEE, 1982,2(9):41-50.

[3]MENACHE A. Understanding motion capture for computer animation and video games[M].San Francisco:Morgan kaufmann, 2000:1-238.

[4]GUTEMBERG B, GUERRA-FILHO1. Optical Motion Capture: Theory and Implementation [J].RITA, 2005,12(2): 61-90.

[5]张拥军,王兴.国际运动传感器研究热点与趋势探析 [J]. 首都体育学院学报, 2017,29(3): 280-288.

[6]BODENHEIMER B, ROSE C, ROSENTHAL S, et al. The process of motion capture: Dealing with the data [J]. Computer Animation and Simulation’.1997: 3-18.

[7]罗忠祥,庄越挺,潘云鹤,等.基于视频的运动捕获[J]. 中国图象图形学报,2002,7(8): 8-14.

[8]王征.基于视频的三维人体重建和运动捕捉[D].天津: 天津大学,2009:1-107.

[9]KITAGAWA M, WINDSOR B. MoCap for artists: workflow and techniques for motion capture[M].London; New York:Routledge,2012:1-232.

[10]VLASIC D, ADELSBERGER R, VANNUCCI G, et al. Practical motion capture in everyday surroundings [J]. ACM Transactions on Graphics, 2007,26(3): 35-43.

[11]SZCZESNA A, SKUROWSKI P, LACH E, et al. Inertial Motion Capture Costume Design Study[J].Sensors (Basel), 2017,17(3): 612-633.

[12]WANG Z, WANG J, ZHAO H, et al. Using Wearable Sensors to Capture Posture of the Human Lumbar Spine in Competitive Swimming [J].IEEE Transactions on Human-Machine Systems, 2019,49(2):194-205.

[13]NAGAHARA R, KAMEDA M, NEVILLE J, et al. Inertial measurement unit-based hip flexion test as an indicator of sprint performance [J].Journal of Sports Sciences, 2020,38(1):53-61.

[14]Vicon. Motion Capture Systems from Vicon [EB/OL].[2020-05-01].http://www.vicon.com/.

[15]Microsoft Xbox. Kinect [EB/OL].[2020-05-01].http://www.xbox.com/kinect.

[16]ZHANG J-T, NOVAK A C, BROUWER B, et al. Concurrent validation of Xsens MVN measurement of lower limb joint angular kinematics [J]. Physiological measurement, 2013,34(8):63.

[17]Zhang X, Shi Y, Zhang Y. A CAN-based inertial sensor network for lower limb exoskeleton[C]//International Conference on Communiction Problem-solving. Beijing. IEEE, 2014:473-476.

[18]大连东锐软件有限公司[EB/OL].[2020-05-01].http://www.dorealsoft.com/.

[19]北京诺亦腾科技有限公司.一种基于运动捕捉的浸入式虚拟现实系统:中国, CN103488291B[P].2014-01-01.

[20]吴健康.人体运动捕获三维再现系统及其方法:中国, CN101579238B[P].2012-12-19.

[21]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,2012,46(2): 280-285.

[22]CHA K, LEE E-Y, HEO M-H, et al. Analysis of Climbing Postures and Movements in Sport Climbing for Realistic 3D Climbing Animations [C].7th Asia-Pacific Congress on Sports Techonology. Barcelona: Procedia Engineering, 2015:52-57.

[23]CHIANG H-H, CHEN W-M, CHAO H-C, et al. A virtual tutor movement learning system in eLearning [J]. Multimedia Tools and Applications, 2018,78(4):4835-4850.

[24]NAOUR T L, HAMON L, BRESCIANI J-P. Superimposing 3D Virtual Self + Expert Modeling for Motor Learning: Application to the Throw in American Football [J].2019,6(16): 1-12.

[25]OSHITA M, INAO T, INENO S, et al. Development and evaluation of a self-training system for tennis shots with motion feature assessment and visualization[J].The Visual Computer, 2019,35(11):1517-1529.

[26]BRICE S M, HURLEY M, PHILLIPS E J. Use of inertial measurement units for measuring torso and pelvis orientation, and shoulder–pelvis separation angle in the discus throw [J].International Journal of Sports Science & Coaching, 2018,13(6):985-992.

[27]SHEN Y, WANG H, EDMOND S.L. HOYANG L, et al. Posture-based and action-based graphs for boxing skill visualization [J].Computers & Graphics,2017,69: 104-115.

[28]ZHANG Z, LI S, WAN B, et al. The Influence of X-Factor (Trunk Rotation) and Experience on the Quality of the Badminton Forehand Smash[J].Journal of Human Kinetics, 2016,53(1): 9-22.

[29]NAKANO N, INABA Y, FUKASHIRO S, et al. Basketball players minimize the effect of motor noise by using near-minimum release speed in free-throw shooting [J]. Human Movement Science,2020,70: 102583.

[30]ZHANG J, CAO Y, QIAO M, et al. Human motion monitoring in sports using wearable graphene-coated fiber sensors[J]. Sensors and Actuators A: Physical, 2018（274）:132-140.

[31]BLASZCZYSZYN M, SZCZESNA A, PAWLYTA M, etal. Kinematic Analysis of Mae-Geri Kicks in Beginner and Advanced Kyokushin Karate Athletes[J].International Journal of Environment Research and Public Health, 2019,16(17):3155-3165.

[32]ROSS G B, DOWLING B, TROJE N F, et al. Objectively Differentiating Movement Patterns between Elite and Novice Athletes[J].Medicine & Science in Sports & Exercise, 2018,50(7):1457-1464.

[33]HEIKENFELD J. Bioanalytical devices: Technological leap for sweat sensing [J].Nature, 2016,529(7587): 475-476.

[34]SONNER Z, WILDER E, HEIKENFELD J, et al. The microfluidics of the eccrine sweat gland, including biomarker partitioning, transport, and biosensing implications[J].Biomicrofluidics, 2015,9(3):031301.

[35]RADIN E L. Role of muscles in protecting athletes from injury [J].Medica Scandinavica, 1986,220(S711):143-147.

[36]ZAGO M, ESPOSITO F, BERTOZZI F, et al. Kinematic effects of repeated turns while running [J]. European Journal of Sport Science, 2019,19(8):1072-1081.

[37]RAWASHDEH S A, RAFELDT D A, UHL T L. Wearable IMU for Shoulder Injury Prevention in Overhead Sports[J].Sensors (Basel), 2016, 16(11):1847-1862.

[38]BECKER J, NAKAJIMA M, WU W F W. Factors Contributing to Medial Tibial Stress Syndrome in Runners: A Prospective Study [J]. Medicine & Science in Sports & Exercise, 2018, 50(10):2092-2100.

[39]LADERMANN A, CHAGUE S, KOLO F C, et al. Kinematics of the shoulder joint in tennis players [J].Journal of Science and Medicine in Sport,2016,19(1): 56-63.

[40]TANABE Y, KAWASAKI T, TANAKA H, et al. The kinematics of 1-on-1 rugby tackling: a study using 3-dimensional motion analysis[J].Journal of Shoulder Elbow Surg, 2019,28(1):149-157.

[41]WELSH P, HOWITT S, HOWARTH S J. The Influence Of Hip Joint Angle on the Ratio Between Adduction And Abduction Torque In Experienced, Recreational Male Ice Hockey Players [J].International Journal of Sports Physical Therapy, 2020,15(1):22-33.

[42]RODRIGUES T B, SALGADO D P, CATHáIN C Ó, et al. Human gait assessment using a 3D marker-less multimodal motion capture system [J].Multimedia Tools and Applications, 2019,79(3-4):2629-2651.

[43]ARUMUGAM A, MARKSTROM J L, HAGER C K. A novel test reliably captures hip and knee kinematics and kinetics during unanticipated/anticipated diagonal hops in individuals with anterior cruciate ligament reconstruction [J].Journal of Biomechanics,2020（99）:109480.

[44]DAVIS K, WILLIAMS J L, SANFORD B A, et al. Assessing lower extremity coordination and coordination variability in individuals with anterior cruciate ligament reconstruction during walking[J].Gait Posture, 2019（67）:154-159.

[45]VAN RENSBURG LJ, LOUW Q, CROUS L, et al. Pelvic and hip kinematics during single-leg drop-landing are altered in sports participants with long-standing groin pain: A cross-sectional study[J].Physical Therapy in Sport, 2017（26）:20-26.

[46]TEUFL W, MIEZAL M, TAETZ B, et al. Validity of inertial sensor based 3D joint kinematics of static and dynamic sport and physiotherapy specific movements[J].PLoS One, 2019,14(2): e0213064.

[47]MOVAHED M, SALAVATI M, SHEIKHHOSEINI R, et al. Single leg landing kinematics in volleyball athletes: A comparison between athletes with and without active extension low back pain[J].Bodywork and Movement Therapies, 2019,23(4): 924-929.

[48]JIANG Y. Combination of wearable sensors and internet of things and its application in sports rehabilitation[J]. Computer Communications, 2020（150）: 167-176.

[49]BROCK H, OHGI Y, SEO K. Development of an Automated Motion Evaluation System from Wearable Sensor Devices for Ski Jumping [C].11th conference of the International Sports Engineering Association. Netherlands: Procedia Engineering, 2016（147）:694-699.

[50]BROCK H, OHGI Y. Assessing Motion Style Errors in Ski Jumping Using Inertial Sensor Devices [J]. IEEE Sensors Journal, 2017, 17(12): 3794-3804.

[51]KUROWSKI P, SZELAG K, ZALUSKI W, et al. Accurate ball tracking in volleyball actions to support referees [J].Opto-Electronics Review, 2018,26(4): 296-306.

[52]NIEWIADOMSKI R, KOLYKHALOVA K, PIANA S, et al. Analysis of Movement Quality in Full-Body Physical Activities[J].ACM Transactions on Interactive Intelligent Systems,2019,9(1): 1-20.

[53]MORENO J, ROMERO J, MORALES O, etal. CAR: Computerized Assistant Referee for Determining the Offside Rule in Soccer by Using Computer Vision [M].Intelligent Systems and Applications. 2019:521-542.

[54]FARIN N J, SHARIF S M A, MOBIN I. An Intelligent Sensor Based System for Real Time Heart Rate Monitoring (HRM)[J].Intelligent Control and Automation, 2016,7(2):55-62.

[55]SINCLAIR J, TAYLOR P J. Effects of a Prophylactic Knee Sleeve on Anterior Cruciate Ligament Loading During Sport-Specific Movements[J].Journal of Sport Rehabilitation,2018：1-7.

[56]WEI Q, WANG Z, WOO J, et al. Kinetics and perception of basketball landing in various heights and footwear cushioning [J].PLoS One, 2018,13(8): e0201758.

[57]FIRMINGER C R, BRUCE O L, WANNOP J W, et al. Effect of Shoe and Surface Stiffness on Lower Limb Tendon Strain in Jumping[J].Medicine & Science in Sports & Exercise, 2019,51(9):1895-1903.

[58]PUEO B, JIMENEZ-OLMEDO J M. Application of motion capture technology for sport performance analysis [J].Retos, 2017（32）:241-247.

[59]ADESIDA Y, PAPI E, MCGREGOR A H. Exploring the Role of Wearable Technology in Sport Kinematics and Kinetics: A Systematic Review[J].Sensors (Basel), 2019,19(7):1597-1623.

On the Application of Motion Capture Technology in Sports

NIE Xinmiao, etal.

(Shenyang Sport University, Shenyang 110102, Liaoning, China)

辽宁省重点攻关类项目，自由式滑雪空中技巧项目动作捕捉与分析系统，项目编号为：LZD2020ST01。

聂鑫苗（1997—），硕士生，研究方向：运动康复学。

曹丽华（1979—），博士，教授，研究方向：运动人体科学。