动作捕捉的技术分类

　　1.步态分析的技术分类

　　目前，主流的状态分析技术主要有以下几种:基于计算机视觉的人体步态捕捉与分析、基于惯性传感器的人体步态捕捉与分析、基于无线信号的人体步态捕捉与分析。基于计算机视觉的人体步态捕捉包括红外摄像机、基于三维深度摄像机的2D摄像机等。上个世纪的技术路线也是基于机械步态捕捉。其他动作捕捉软件基于电磁步态捕捉的技术路线。

　　1.1基于红外摄像机的光学步态捕捉

　　经过几十年的持续发展，红外光学动作捕捉技术是基于计算机视觉的原理。红外摄像机的光学步态捕捉主要分为被动和主动两种。被动方式是在人体关键部位贴上反光标志，主动方式是在人体主要部位佩戴能发射红外线的主动摄像头。本节主要描述被动光学步态捕捉。在人体的主要骨骼和关节上粘贴反射标记，利用架设的红外摄像机跟踪反射标记，然后计算反射标记在空间的绝对位置。

　　基于红外相机的光学gait动作捕捉系统技术成熟度高，采样频率高，数据处理速度快。主要缺点是对光特别敏感，不能在光线变化大的环境中使用，周围不能有类似光学标记物的物体或光斑。所以光学步态捕捉一般只在室内使用。由于摄像头的视角有限，人在运动时的一些标记点容易被其他物体和自己遮挡，导致被遮挡部分的数据丢失。后期处理工作量大，且由于数据量大，需要处理丢帧、跳帧等问题，后期处理时间长。缺点是需要架设摄像头，一般架设在钢架结构上，导致使用场景一般固定，难以移动。一般场景至少需要6个摄像头。如果需要跟踪更大的场景，需要几十个摄像头，单个摄像头非常昂贵。比如维康公司生产的单个摄像头价格高达10万元，导致红外光学步态捕捉或在科研中的应用，无法进入大众。

　　2.动作捕捉基于3D深度相机

　　3D随着深度相机技术的成熟，许多研究者开始研究基于深度相机的动作捕捉系统[5][6]。3D相机和2D相机的区别在于，除了平面图像，还可以获得深度信息。目前，深度技术广泛应用于人体步态识别、三维重建等领域，如SLAM。目前主流3D深度相机的技术路线包括:(1)双目立体视觉；(2)飞行时间；(3)结构光技术等。

　　双目立体视觉使用两个2D平面相机。两个平面相机从两个图像获得两个图像以计算深度信息。飞行时间是雷达芯片发射的红外激光散射、照射物体，然后反射回雷达芯片的时间。因为已知光速和已知发射，相机和物体之间的距离被测量。结构光是由照相机发出的特定图案。当对象反射回该图案时，深度相机再次接收该图案，并且通过比较发送的图案和接收的图案来测量相机和对象之间的深度信息。

　　轻方案引入了Kinect，广泛应用于体感交互、人体骨骼识别、步态科技等领域。

　　基本原理是先找到图像中的运动物体，然后评估运动物体的深度，识别出人体的部位，再从背景环境中分割出来。分割后，要做的工作是模式匹配，它与骨骼系统光学匹配。

　　光

　　光学动作捕捉算法流程图

　　3.以上三种方案D深度相机方案多用于娱乐，如面部识别解锁、人机交互等。由于探测距离短，很难在大空间使用。目前，深度相机芯片正在基于3D不断研究和改进。其硬件芯片仍是目前的难点之一，其次是算法的复杂度。大量的图像计算对硬件主控芯片的计算能力要求很高。由于目前的电池技术，单个传感器的工作时间相对较短。它的优点是用户不需要佩戴任何传感器和贴标志点。基于Kinect的人体下肢骨骼识别

　　2D相机动作捕捉

　　利用2D相机捕捉三维运动轨迹是当前的前沿技术研究。2D相机是一种没有深度信息的平面相机。目前基于2D相机的动作捕捉主要利用卷积神经网络(CNN)突出稀疏2D人体姿态检测原理。然而，这种姿态捕捉捕获方案需要长时间操作，不适合实时运动分析，并且输出精度低。2D目前摄像机的动作捕捉可以捕捉人体的局部运动姿态，需要采集大量的数据样本作为训练数据集。2D相机对深度信息的预测是有偏差的，任何错误的数据都会导致偏差大，稳定性差。最大的挑战是相机的屏蔽和快速移动，2D相机很难跟踪。它的优点是不需要任何衣服，需要一个触手可及的2D相机，成本极低。对于热门应用来说是个不错的选择。

　　3.基于MEMS惯性传感器的惯性动作捕捉系统

　　基于MEMS惯性传感器的动作捕捉系统应用于虚拟现实、运动训练、生物医学工程和康复等多个领域。因为它们体积小，重量轻，价格合理。

　　Inertia动作捕捉system主要是将惯性传感器绑定在人体的主要骨骼上，如脚、小腿、大腿等，实时测量每个骨骼的转动，利用正向和反向运动实时推导计算出整个人体的运动参数。惯性动作捕捉系统的优势在于它是一个被动式动作捕捉系统，不需要任何外界信息，即不受外界环境的干扰。缺点是惯性传感器常见的累积漂移会使惯性系统无法精确测量运动位移。

　　惯性传感器主要有加速度计、陀螺仪和磁力计。加速度计、陀螺仪、磁力计大多采用MEMS，所以称为MEMS惯性传感器。三轴加速度计可以测量载体在三个轴上的加速度，也就是一个矢量，我们也可以通过加速度计算出载体静止时的倾角。三轴陀螺仪通过对角速度进行积分，可以测量载体在三个轴上的角速度。三轴磁力仪可以测量周围磁场的强度以及与地球磁场的夹角。我们可以通过整合加速度、角速度和磁值的数据来精确地旋转载体。积分数据通常用四元数或欧拉角表示。欧拉角等四元数形式包括俯仰角、滚转角和偏航角。在获得载体的旋转之后，拟合每个骨骼的运动，以计算佩戴部件的运动姿态。可以通过加速度和角速度的积分来测量佩戴者的步速、步幅、步长等参数。世界著名的MEMS惯性动作捕捉国外荷兰Xsens，国内的等等。

　　姿态分析基于MEMSinertial动作捕捉系统的步态分析有很大的优势，主要体现在inertial动作捕捉系统采用MEMS芯片，成本低。每个芯片只需要10元左右，整个系统的价格上万元。由于惯性动作捕捉系统是一个被动系统，整个系统的重量在几公斤的范围内，这使得它可以方便地随身携带，而无需安装复杂的摄像头。惯性传感器只需启动即可使用，无需复杂的标定、校准等操作步骤，使用起来非常方便。Inertia动作捕捉system不受使用环境影响，室内室外均可正常使用。然而，MEMS传感器与optical动作捕捉system相比，精度较低，但已经完全满足了大众的需求。随着时间的推移，MEMS陀螺仪出现零偏，积分累积误差会随着动态情况而漂移。在MEMS的不同状态下，特别是在高动态下，加速度计也存在误差。强磁环境容易干扰磁力仪。但是算法可以补偿这一系列的误差。补偿后的MEMS惯性传感器静态精度一般可以达到:俯仰角/滚转角≤0.2°，偏航角≤1°；动态精度:俯仰角/滚转角≤0.5°，偏航角≤2°，步态位移误差可达5%。满足了步态参数计算的精度要求。

　　4.其他技术路线

　　机械运动捕捉依靠佩戴在人体内的机械装置来测量关节的角度和位移。人类的运动驱动机械装置的运动。传感器可以从机械装置的角度知道运动角度，根据角度和机械部分的长度计算出运动位移。这项技术最早出现在20世纪。由于机械结构的重量，机械运动捕捉早已退出步态分析的主流。然而，使用机械外骨骼