基于可穿戴慣性測量的滑雪運動員姿態測量與水平評估方法

張藝佳，姚小蘭，韓勇強，李佩璋，張 浩，曹洪卿，方勖洋

(北京理工大學自動化學院，北京 100081)

0 引言

滑雪時，身體姿態的控制能力是一種特殊的專項能力，這種能力對于滑雪成績有著重要的影響。一套適用于滑雪訓練的運動捕捉與重構系統不僅可以實時捕捉滑雪者的身體姿態，還可以搭配數字化評估方法幫助滑雪訓練者找到自身與高水平運動員的差距，發現自身動作不足，糾正發力錯誤，在普及滑雪運動的同時提高大眾對滑雪運動的熱情。另外，一套可靠的運動捕捉及評分系統為滑雪訓練者的科學訓練提供了強有力的工具。

動作捕捉技術經過幾十年的發展，主要分為兩大類別：基于視頻設備的動作捕捉和基于傳感器的動作捕捉?；谝曨l設備的動作捕捉系統成本高、便攜性低、易受干擾[1]，隨著慣性傳感器的成本越來越低，基于傳感器的動作捕捉系統逐步得到發展。目前，國外市場上一些公司推出了較為成熟的動作捕捉產品：如荷蘭Xsens公司推出的MVN產品[2]、美國Innalabs公司推出的3DSuit產品[3]和英國Vicon公司推出的Vicon Motion Syetem。國內關于動作捕捉也有一定的發展，如北京諾亦騰公司推出的戴若犁團隊研發設計的Noitom[4]和中國科學院傳感網絡與應用聯合研究中心吳健康教授研發的MMocap[5-8]。

目前，動作捕捉系統廣泛應用于體育訓練領域。H.Ghasemzadeh等將可穿戴姿態檢測設備應用于高爾夫訓練中，采集高爾夫揮桿動作過程中手腕的旋轉角度[9]。M.Sharma等將可穿戴姿態檢測設備應用于網球運動中，分析每個階段的動作標準性[10]。R.Samir等將可穿戴檢測設備裝在運動員手臂上，識別運動員是棒球運動中的投擲動作還是排球運動中的擊打動作[11]。J.Chan等將可穿戴姿態檢測設備應用于舞蹈訓練中，方便老師指導學生提升技能[12]。但是目前適用于滑雪運動的運動捕捉與重構系統較少，且缺少滑雪運動的量化分析，而運動量化分析是科學化滑雪訓練的重要發展方向，人體滑雪過程中運動模式的數字化表達是科學量化分析的關鍵步驟。

本文針對高山滑雪運動設計了一套基于慣性傳感器的可穿戴式運動捕捉與重構系統，對人體11個節點的運動數據進行實時捕捉與重構。該設備既可以應用于戶外，也可以應用于室內。同時，結合人體多剛體運動模型實現了滑雪過程的人體重構。最后，針對目前缺少滑雪運動的量化分析和評估研究的現狀，提出了一種適用于高山滑雪運動中回轉動作的數字化評估方法，用于滑雪訓練者滑行特點分析及輔助訓練。

1 可穿戴人體姿態檢測設備

本運動捕捉與重構系統為自主研發系統，其工作流程圖如圖1所示。

圖1 系統流程圖Fig.1 System flow chart

本運動捕捉與重構系統的參數如表1所示。

表1 動作捕捉設備參數

11個姿態采集模塊分別穿戴在人體11個主要節點上，穿戴位置如圖2所示。髖部還穿戴一個中心控制器，負責接收11個節點的姿態數據并發往服務器端。

圖2 姿態檢測模塊佩戴位置Fig.2 Posture detection module wearing position

2 人體建模與姿態復現

基于慣性傳感器的人體運動建模分為骨骼模型建立和人體運動學模型建立。由于人體結構復雜，因此對人體模型作如下建模假設：

1)忽略皮膚變形給人體運動帶來的影響;

2)將人體骨骼抽象為剛體，各個關節定義關節軸;

3)關節坐標系與傳感器坐標系和骨骼坐標系視為同一個坐標系。

建立包含11個節點和5條父子繼承關系線的骨骼模型，5條父子關系線分別為：

1)骨盆—胸腔—頭部；

2)骨盆—胸腔—左大臂—左小臂；

3)骨盆—胸腔—右大臂—右小臂；

4)骨盆—左大腿—左小腿；

5)骨盆—右大腿—右小腿。

骨骼模型如圖3所示。

定義2個坐標系，分別是世界坐標系和傳感器坐標系。世界坐標系以X軸為水平方向，Y軸為垂直方向，Z軸垂直于XY平面向上；傳感器坐標系以上一關節與本關節的連線為X軸，關節的軸線方向為Z軸，另外一個為Y軸，逆時針為正，順時針為負。

在人體初始姿態標定之后，姿態的求解主要由旋轉矩陣及位置矩陣構成，旋轉矩陣表示為

圖3 骨骼模型圖Fig.3 Skeletal model diagram

(1)

(2)

(3)

其中，α、β、γ分別為三維向量繞X、Y、Z軸旋轉的角度；Rx、Ry、Rz分別為三維向量繞X、Y、Z軸旋轉得到的旋轉矩陣，總旋轉矩陣表示為

R=RxRyRz

(4)

由式(1)～式(4)得到總旋轉矩陣

(5)

當姿態發生平移變換時，位置矩陣P表示為

(6)

其中，Px、Py、Pz分別為三維向量在X、Y、Z軸的平移量。

(7)

通過上述分析可得，關節系j在關節系i的齊次變換陣為

(8)

根據式(8)完成在規定坐標系下姿態的表示與轉換。

在人體運動3D顯示的具體實現過程中，選擇Unity 3D作為開發工具，基于慣性數據的運動重構圖如圖4所示。

圖4 基于慣性數據的運動重構圖Fig.4 Motion reconstruction images based on inertial data

3 滑雪輔助訓練

本文所述動作捕捉系統不僅可以用于室外滑雪環境，還可用于室內模擬滑雪訓練臺，為滑雪者提供滑雪關鍵技術分析，同時搭配數字化評分方法，可以用于滑雪訓練者滑行特點分析及輔助訓練。

本文以室內模擬滑雪訓練臺為例，提供了一種基于運動捕捉系統、適用于回轉運動的數字化滑雪水平評分方法。采用SkyTechSport公司的Olymp模擬滑雪訓練臺進行實驗，其外觀如圖5所示。

圖5 模擬滑雪訓練臺Fig.5 Top view of simulated ski training platform

訓練者穿戴運動捕捉系統在模擬滑雪訓練臺上進行回轉運動，動作捕捉系統捕捉訓練者姿態并將其實時顯示。

3.1 滑雪關鍵技術分析

本文定義滑雪者在模擬訓練臺的中間位置至最左端至中間位置至最右端再至中間位置的過程為一次回轉運動，定義回轉速度為

(9)

其中，Rl為滑雪者在一次回轉運動中從模擬訓練臺的中間位置至最左端位置的距離；Rr為滑雪者在一次回轉運動中從模擬訓練臺的中間位置至最右端位置的距離；t為訓練者完成一次回轉運動所需的時間。

人體3個基準面分別為矢狀面、額狀面和水平面，如圖6所示。

圖6 人體基準面Fig.6 Human datum level

實驗分別采集滑雪教練、中等滑雪水平者和無滑雪經驗者三種滑雪水平的滑雪者在訓練臺上的姿態數據，同時記錄訓練者每做一次回轉運動的平均速度。

提取五種能夠體現滑雪者身體素質和滑雪能力的特征，如表2所示。

表2 滑雪特征參數表

其中，矢狀面上背部與垂直軸的夾角如圖7所示。

圖7 矢狀面上背部與垂直軸的夾角Fig.7 Angle between dorsal and vertical axis in sagittal plane

額狀面上背部與垂直軸的夾角如圖8所示。

圖8 額狀面上背部與垂直軸的夾角Fig.8 Angle between dorsal and vertical axis of coronal plane

實驗采集的三種水平滑雪者的滑板最大傾角、矢狀面上背部與垂直軸的夾角、額狀面上背部與垂直軸的夾角如圖9所示。

圖9 不同水平滑雪者的滑行特征Fig.9 Skiing features of skiers at different levels

由數據分析可得，水平越高的滑雪者全身協調性越好、下肢爆發力越大、下肢動作幅度越大，表現出左右回轉時小腿傾角大，即立刃角度大；水平越高的滑雪者上半身越穩定，表現為上身前傾且重心下壓，矢狀面上背部與垂直軸的平均夾角大；水平越高的滑雪者身體核心力量越大，上肢左右晃動幅度越大，靠上身事先傾斜帶動下肢傾斜進行回轉運動，表現出額狀面上背部與垂直軸的最大夾角大。

3.2 滑雪水平評分

本文提出了一種適用于高山滑雪運動中回轉動作的數字化滑雪水平評分方法。

提取滑雪教練員的5個標準滑行特征，按表2順序分別記為y1、y2、y3、y4、y5，提取任意滑雪者的滑行特征，按上述順序分別記為x1、x2、x3、x4、x5，采用歐式距離法對比任意滑雪者與滑雪教練員動作接近程度，相似性度量公式如式(10)所示

(10)

針對上述相似性度量結果,對采集到的滑雪者的特征進行線性擬合，其中，高水平教練員為100分，中等水平滑雪者為80分，無經驗滑雪者為40分，根據擬合結果得到最終綜合評分公式。

以本實驗采集的數據為例，根據上述評估方法得出的擬合公式為

S=-1.2d+100

(11)

其中，S為綜合評分；d為相似性度量結果。

根據此評分方法，滑雪者在訓練臺上每做一次回轉動作，系統都會實時給出該次回轉運動的評分，分值越高，動作越接近滑雪教練員。

為驗證該評分方法的可行性，實驗召集9人分別在模擬訓練臺上滑行，3人為滑雪教練員，3人為中等水平滑雪者，3人為無經驗滑雪者?；星?，根據滑雪者的滑雪經驗及水平分別給出9人的主觀評分范圍，滑行時由評分系統給出客觀評分，如表3所示。

表3 滑雪者評分表

由表3可以看出，系統評分結果均在主觀評分范圍內，該評分方法具有可行性。

3.3 滑雪訓練建議

對于高山滑雪訓練者，本文提出如下建議：

1)對于平均回轉速度較慢的滑雪者，加強膝關節的伸展練習和下肢爆發力的練習;

2)對于滑板傾斜角度小、上身穩定性不好的滑雪者，加強核心部位(腰-盆骨-髖關節)的肌肉群力量訓練，可以通過懸吊訓練和瑞士球訓練等提高身體穩定性和控制能力;

3)對于回轉時上肢動作幅度較小的滑雪者，加強上肢力量練習和腰腹部位的力量練習，可以通過引體向上和俯臥撐等練習增強上肢帶動下肢運動的能力。

4 結論

本文針對高山滑雪運動，設計并搭建了運動捕捉與重構系統，主要貢獻和意義如下：

1)設計并搭建了基于可穿戴MEMS慣性測量單元的人體運動捕捉與姿態重構系統，并結合人體多剛體運動模型實現了滑雪過程的人體重構，為高山滑雪運動效能的深入分析提供了數據基礎。

2)創新性地提出了一種面向高山滑雪運動中回轉動作水平分析的關鍵技術指標量化提取算法，并提出了一種基于關鍵技術指標的數字化評估方法，為運動水平科學分析與運動訓練輔助指導提供數據支撐。未來在動作捕捉系統的基礎上，可以進一步研究數據采集與處理技術，深化高水平選手的精細化訓練指導。

3)針對滑雪訓練者的不同特點，提出有針對性的訓練建議，幫助訓練者提高專項能力。