基于人机界面的三维运动数据提取

基于人机界面的三维运动数据提取

人体运动分析是人类工作的研究重点。为了合理确定工作模式、科学任务计划以及良好的人工项目设计提供了理论依据和实验数据。如果你不需要专门的运动数据来进行处理，一种简单的方法是识别运动图像和图像序列。该方法不仅不会干扰正常的工作，而且无需安装特殊设备。这些图像资料很多，易于获得。在这项工作中，我们提出了使用虚拟机方法提取人体运动数据的方法，组织了一系列实验，并提供了数据加工、处理和转换的过程。1计算机软件平台从普通图像资料中提取人体运动数据有两种方法:手工方法和计算机自动识别方法.手工方法是将图像序列每次一帧投影到屏幕或数字化板上,手工进行测算.它的精度依赖于操作者的视觉和图像的质量以及相隔帧的变化量.利用计算机视觉自动地对运动图像进行分析,这种方法将运动的图片或图像输入计算机,经过一定的算法处理,能够提取出感兴趣的特征.该过程对图像质量要求极高,这种技术尚有待发展,现阶段主要用来分析二维运动特征.从图像中提取人体运动数据的人机交互方法主要是由计算机图形学来提供的.计算机图形技术的飞速发展已经能够提供逼真人体曲面造型环境仿真和动画制作.多媒体技术也已能够将录像资料的模拟信号转化为计算机可以接受并处理的数字信号,并且可以在普通的计算机屏幕上绘制和剪取.用户在计算机中将运动图像与计算机制作的人体图形重叠在一起,凭借自己对图像中人的姿态的判断识别,调节计算机图形模拟人的姿态,计算机软件平台显示出模拟人姿态的数据,包括各个关节角度等,并存储下来.运动数据可以以任何速度播放,并且可以暂停.由于可以变换播放速度,在某一点上可以调整运动数据重放,并对不合适的地方进行修改,这就使得用户对在单幅图像上并不明显的运动特征可以进行数值化.用户自身的感官机能在确保数值化精度上起了决定性作用.有时,运动画面的单帧是很模糊的,不易识别,所以动画播放就很重要.人机交互方法要求软件平台具有良好的编辑功能,它允许用户调制各个数据点,来回播放,直到满意为止.人机交互方法是人的视觉感知与计算机模拟之间相互合作、相互校正的过程.在图1中左为某一标准姿态的背景图,右为调节后的姿态图.与手工方法和计算机自动化方法相比,人机交互方法具有如下优点:1)手工方法所提取的二维数据在向三维转化时具有相当的难度,而人机交互方法是识别关节处的三个旋转角,本身就是三维的;2)与手工方法相比,人机交互方法明显地提高了数据提取效率;与计算机自动化方法相比,人机交互方法不需要对软、硬件进行大量的投资,所使用的都是成熟技术,而且便于操作;3)由于大部分工作场景和航天员活动的录像都是使用普通方式摄制的,人体本身与背景对比没有鲜明的特点,而且有时录像资料也很模糊,这对于依赖关节中心点的手工方法和依赖显著人体特征的计算机自动识别方法是很困难的.而人机交互方法依赖于人的视觉感官和模拟技术,它是从总体上对人体姿态进行识别的,不存在这方面困难;4)由于人的长期生活经历,对人体姿态的感性认识已具有智能化的特点,这是任何人造设备所不能比拟的,而人机交互方法正是利用了人的这种优势,并与计算机逼真的图形仿真技术相结合.2人体姿态视觉感知能力试验在近20年中,计算机辅助工效分析已经在工程中广为利用.计算机辅助工效分析软件要求输入人体的姿态量,它依赖于观察人员对人体姿态判断的准确性.研究发现～,对人体上臂角度的判断,通过直接观察与录象资料对比,精确度在±5°.在对人体肩部伸缩角的试验中发现:真实角AT与视觉感知角AP的关系为实验方法是试验者通过指挥计算机图形系统生成的模拟人去模拟图片上的真实人体姿态,经过对比后所得到的误差基本在15°以内.这些研究和实验,证明了人的视觉感知能力可以用于人体姿态的测定.以上这些研究还不够充分,对人体运动姿态的识别还需要进一步的探讨.首先,这些研究是针对静态图片的,没有使用动态的研究方法.其次,在试验中所使用的图片,摄影角度都很正规,一般是与人体矢状面成角见图一般情况下摄像镜头很难判断镜头的位置.再次,实验中没有使用人体空中姿态的图片,不利于分析航天员、跳水运动员等的运动.最后,所使用的测试软件交互性也不够好.基于上述原因,本文进行了人体各种姿态视觉感知能力试验.实验在Poser软件平台上进行.Poser是由FractalDesignCorporation设计的人体姿态制作软件.它以6自由度定义人体空间方位.以腕、肘、肩、踝、膝、胯、颈、胸、腰、髋等关节的3个旋转角定义人体姿态,并具有人体生理约束机制.可以通过鼠标或旋扭调节人体的姿态、方位、几何尺寸、视点、光照、深度索引等,并显示调节数据.该软件附有人体姿态库,库中有几十种已定义好的各种人体姿态.所生成的姿态可以作为背景图存储,并能够通过多媒体软件连续播放.实验分为静态1g姿态识别、静态0g姿态识别、静态1g图像识别、静态0g图像识别和动态图像序列识别共5个步骤进行.1)静态1g姿态识别.从人体姿态库中任意选取10种姿态,见图3.记录下每种姿态的方位角和各个关节的旋转角,并将姿态作成背景图固定,然后让实验者从直立的人体姿态向目标姿态调节,可以凭视觉判断也可以与背景图重叠对照,直到认为满意为止.记录下各种姿态数据,并与先前记录下的标准姿态数据比较,计算每个关节旋转角的平均误差.2)静态0g姿态识别.从姿态库中任选10种姿态,将它们随意调到任意方位,尽量模仿诸如航天员、跳水运动员的姿态.然后进行模拟识别,计算平均误差.3)静态1g图像识别.在地面的工作场景中,测定好工作人员的姿态并拍摄下照片输入到计算机中作为Poser的背景图进行识别,并与预先测定好的姿态数据进行比较.4)静态0g图像识别.对于航天员等特殊工况的人体姿态,采用间接的办法获得用来模拟姿态对照的真实姿态数据.航天员的录像资料中存在大量的处于松弛姿态的片段,人在完全放松时的姿态在各种文献公布的数据中几乎一样,采用NASA的数据.当航天员在舱内滚动时,航天员不受外力矩作用而只拥有初始转动惯量,如果不记舱内的空气流动,可以视其为匀速圆周运动,将图像序列以每秒24帧的间隔截取,那么就很近似地得到其姿态方位角了.5)动态图像序列识别.截取一段航天员双脚蹬舱壁实现漂移的录像片段,作为动态校正的样本.此时航天员的姿态可以看作是平面二维的,很容易估算其关节角度.隔一定时间间隔制作模拟图像,使用关键帧动画播放,并调节不合适的地方,直到认为可以后,在任意插值时间结点记录数据,并与原先估算的数据进行比较.一组实验人员(3人)通过上述5步实验记录下的误差数据见表1.在试验过程中发现:1)试验精度与受试者对姿态的熟悉程度有关.训练时间越长,操作越熟练,精度亦高;2)对质量大的部位(如胸、腰、胯、大腿、小腿)识别的精度较高;3)末端肢体(手、足、头)旋转角度的视觉感知较差,而且对上臂、前臂、小腿的旋扭方向角识别困难;4)试验精度与受试者的个人特点以及耐心程度有关.3推进三弯矩拟合条函数插值所提取的各个关节角度数据一般是非均匀的,变化快的区间所提取的样本就密集,变化慢的区间采集的样本就稀疏.每一个时间区间的中间过程可以使用任意分划的三次样条函数进行插值,这样可以避免在求解加速度时由两次差分导致的较大误差.假设在时间区间[a,b]内,采集数据的时刻为a=x0<x1<…<xn-1<xn=b,相应的所采集的某一关节角度为{yi}.利用三弯矩方法构造三次样条插值函数对于第2种边界条件,即利用追赶法可以解得Mi.在区间[xi-1,xi]内的一阶导数和二阶导数,就是角速度和角加速度.再由相应的运动学关系可以推算出人体质心位置和肢体质心的线速度、线加速度,从而进行关节内力以及肌肉施加力矩的计算.4合理