运动捕捉技术在体育领域应用的研究综述.doc

《运动捕捉技术在体育领域应用的研究综述.doc》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、运动捕捉技术在体育领域应用的研究综述运动捕捉技术在体育领域应用的研究综述【摘耍】本文介绍了运动捕捉技术的定义，概括总结了五种典型的运动捕捉系统的构成及特点，并就运动捕捉技术在体育领域应用的研究进行了收集、分类、整理和系统综述，最后简单地介绍了一种新兴的无标记点的运动捕捉技术。【关键词】运动捕捉；诊断与分析；教学训练；运动监控1•引言运动捕捉技术的起源要追溯到20世纪70年代，由瑞典心理学家Johansson最先提出,其进彳亍的MovingLightDisplay(MLD)实验正式开启了学者对运动捕捉技术的初步探讨。到了20世纪80年代,美国西蒙・弗雷泽

2、大学(SimonFraserUniversity)＞麻省理工学院(MTT)等机构对运动捕捉技术进行了更深入的研究，使该技术日趋成熟[2][4][9]。此后，运动捕捉技术吸引了更多研究人员和开发商的目光，使其逐步走向商业化、专业化、市场化和实用化。近年来,随着大量运动捕捉设备进入市场，运动捕捉技术已被广泛应用于影视动画、数字化保护、游戏制作、医学分析、人体工程学研究、体育科学研究和运动训练指导等各个研究领域。2.运动捕捉技术概述2.1运动捕捉技术的定义。运动捕捉技术(Motioncapture)是指一个通过在时域上跟踪一些关键点的运动来记录生物运动，然后

3、将其转换成可用的数学信号，表达并合成一个单独的三维运动的过程i。其原理是基于计算机图形学，借助排布在空间中的数个视频捕捉设备，将运动物体的运动状况以图像的形式记录下来，通过计算机处理，从而得到不同时间计量单位上不同物体的空间坐标[1][3]。2・2运动捕捉系统构成。典型的运动捕捉系统一般由传感器、信号捕捉设备、数据传输设备和数据处理设备四部分组成ii。2・3运动捕捉系统分类。对运动捕捉技术进行分类划分，目前最普遍也是最基本的是从其工作原理进行划分，主要有机械式运动捕捉、声学式运动捕捉、电磁式运动捕捉、光学式运动捕捉和基于视频的运动捕捉五种类型。表2是五

4、种运动捕捉系统的组成和特点描述。除上述之外，还有以下儿种分类方式：从捕捉部位划分，可分为躯体捕捉、脸部捕捉和手势捕捉三种；从实时性划分，可分为实吋捕捉系统和非实吋捕捉系统两种；从应用角度划分，可分为表情捕捉和身体捕捉两种。2.运动捕捉技术在现代体育中的应用近年来，随着运动捕捉技术的不断发展，它在日常训练和体育教育中得到了广泛的应用。从文献来看，国外运动捕捉技术在体育领域的应用主要集中在高尔夫、篮球、网球等项目。就国内学者而言，冯利正，陈健［3］对运动捕捉技术在体育运动中的作用进行了研究，指出可将该技术运用于捕捉运动资料、生理生化指针、运动监控、技术诊断

5、与分析、辅助裁判裁决、运动康复和虚拟现实训练等方而，便于运动员各项数据的量化分析，从而提供科学准确的依据和训练指标，但文中未给出具体的应用实例。而陈健，姚颂平［1］对运动技术关键参数的获得、技术动作的量化分析以及运动捕捉的步骤及数据处理等方面进行了相关研究，并以刘翔的跨栏训练、高尔夫球辅助训练系统（GTRS-1）和举重运动为例展开了详尽的阐述和说明。张俊峰［10］详尽阐述了运动捕捉系统的概念，并指出通过实时的运动捕捉技术对训练中出现的问题进行技术诊断与分析，并以视频、图像以及量化的数据等方式进行回馈，能为教练员提供科学准确地定量依据和量化的训练指标，有

6、助于改进训练方法，提高训练效果，但同样未给出具体的应用实例。宋敏珠，章苏静［7］的研究将运动捕捉技术引入了体育教学训练，设计了一套性价比较高的基于三维运动捕捉的举重教学训练系统，意在提高体育教学训练的效果。同样，网球比赛的“鹰眼”技术也是基于运动捕捉的理论基础设计发明的，整个“鹰眼”系统有若干高数摄像头、计算机和大屏幕组成，通过捕捉不同角度网球飞行轨迹的数据，再由计算机计算工成三维图像，对于确保比赛的准确性和公正性起到了良好的作用［6］。吴华蕾等［8］釆用光学运动捕捉系统，结合生物力学、运动学原理，对人体跑步运动进行了数据采集和分析，最后得出跑步过程中

7、半月板、膝关节韧带、踝关节韧带等损伤的影响因素。董能，赵志明[2]指出运动捕捉技术能采集各种运动数据，为体育科研和运动训练提供科学依据和辅助。而作为虚拟现实技术的重要组成部分，它为体育仿真系统研发提供了技术支持和技术创新。2.无标记点光学运动捕捉由于传统的运动捕捉需要特殊的材料和配套设施，实际操作较为麻烦，因此科研人员在现有设备的基础上研发了一种新兴的更为简单的设备，即无标记点(Markerless)光学运动捕捉。无标记点运动捕捉需要分析和表达人体的运动。整个捕捉的过程可以分为图像分割、图像跟踪、姿势估计和姿势识别等。图像分割和跟踪的目的是正确地从序列

8、帧中识别目标；图像跟踪和姿势估计的目的是基于一些模型来描述人体姿势[4]。而随着技术的不断发展