运动视觉跟踪中动作捕获器的嵌入式设计
徐大成
摘 要： 为了提高运动视觉跟踪的准确度，设计了运动中的动作捕获器，包括12个传感器节点和1个传感器数据汇聚节点。传感器节点由ADXL345加速度传感器、L3G4200D陀螺仪以及LSM303DLH地磁传感器构成，12个传感器节点部署到行人肢体各部位，获取行人不同肢体部位的九轴传感器数据，对获取的数据实施预操作。数据汇聚节点采集不同传感器节点中的数据，将全部数据传递到计算机中进行分析。计算机依据获取的数据，驱动三维人物模型呈现行人的动作捕获结果。实验结果表明，所设计的动作捕获器具有较高的精度和稳定性。
关键词： 视觉运动； 动作捕获器； ADXL345； L3G4200D； LSM303DLH
中图分类号： TN850.6?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）18?0089?03
Embedded design of motion capturer in movement vision tracking
XU Dacheng
（Inner Mongolia University for Nationalities， Tongliao 028000， China）
Abstract： In order to improve the accuracy of movement vision tracking， a capturer for moving action was designed， which includes 12 sensor nodes and one sensor data gathering node. The sensor node is composed of the ADXL345 acceleration sensor， L3G4200D gyroscope and LSM303DLH geomagnetic sensor. 12 sensor nodes are deployed to each body part of pedestrian to acquire the 9?axle sensor data of pedestrian′s different body parts for pre?operation. The data gathering node captures the data of different sensor nodes， and then all the data are transferred to computer for analysis. The computer relying on the acquired data drives 3D character model to present the captured motion results of pedestrian. Experiment result shows that the motion capturer has high accuracy and stability.
Keywords： motion vision； motion capture； ADXL345； L3G4200D； LSM303DLH
當前的运动视觉跟踪是模式识别领域的热门项目。传统运动视频跟踪方法通常采用人为总结、评估，科学性、实用性以及实时性较差[1]。而由于电子科学技术的高速发展，运动过程中动作捕获技术广泛应用在医学、影视以及军事等领域。因此，采用动作捕获器采集行人的运动情况，对行人进行科学训练和评估[2]，可大大提升行人的图像跟踪质量。
1 运动中的动作捕获器的嵌入式设计
1.1 总体设计
该设计的运动动作捕获器包括12个传感器节点和1个数据汇聚节点，其总体结构如图1所示。传感器节点对行人不同的肢体部位的传感器数据进行收集和预操作；数据汇聚节点将采集到的传感器节点数据进行整合后反馈到计算机中[3]进行图形化显示。
1.2 人体结构分析
动作捕获器对行人动作进行捕获时，需要先对行人的肢体结构进行简化分析，将人体当成是由肢体和关节构成的刚体，采集行人在运动过程中的重要运动变化特征，如图2所示。因此，动作捕获器将12个传感器节点部署到人体的手背、大臂、头、腹部、大腿等9个重点部位中的12个位置，采用这些动作捕获传感器节点获取行人的九轴传感器数据，对行人的运动情况进行分析。
1.3 动作捕获器的电路设计
1.3.1 传感节点电路设计
传感器节点采集行人运动姿态信息的模块，其通过传感器芯片获取行人在运动时不同肢体的运动数据[4]。设计的传感器节点可获取加速度传感器、角速度传感器以及地磁传感器，其结构如图3所示。
从图3可以看出，传感器节点的微处理器是高质量小体积的8位AVR处理器以及ATmega32，其能够对行人肢体运动数据实施收集和预操作，该处理器集成了I2C接口和SPI接口，完成传感数据的通信[5]。采用ADXL345加速度传感器，将行人运动过程中的加速度变换成能够检测的电信号，其存在3 磁场通道以及3加速度通道，可输出16位数字信号，对加速的检测过程中具有较高的平稳性。采用LSM303DLH地磁传感器，其按照行人肢体在地磁场内不同运动情况下感应的地磁场情况，描述出行人的运动姿态[6]。通过L3G4200D陀螺仪检测行人运动过程中6个不同方向的加速、变化轨迹和位置等信息。该陀螺仪中的数字滤波器能够去掉陀螺仪运行过程中形成的累积误差，解决传感器受到温度影响出现的数据波动问题。
1.3.2 汇聚节点电路设计
数据汇聚节点是动作捕获器内传感器节点与计算机间进行信息交流的纽带，其能对传感器节点进行控制，从不同的传感器节点中采集数据，将整合后的数据反馈到计算机的无线接收模块中。它的微处理器也是ATmega32，可确保行人动作捕获的实时性，其硬件结构如图4所示。
2 动作捕获器的软件设计
2.1 动作捕获流程
动作捕获器的软件对运动传感器数据的获取、操作和传递过程进行控制，设计了动作捕获器运行过程中的数据流向[7]，如图5所示。通过传感器数据处理动态链接库，将传感器原始数据变换成可在计算机中进行分析的格式。
2.2 传感器节点的数据采集
动作捕获器中的传感器节点对获取的行人九轴数据实施预操作，去掉加速度传感器输出数据中的杂质、调整角速度传感器中的累积误差、对地磁数据受到周围环境干扰产生的磁场进行调整[8]，确保获取更加精准的行人九轴传感器数据，为后续行人姿态评估提供可靠的分析依据。传感器节点的软件设计流程如图6所示。
传感器节点开始运行后，对其中的微处理器实施初始化设置，再对三种传感器芯片中存储的数据进行采集，通过合理的数据操作方法对获取的数据实施预操作，等待数据汇聚节点通过SPI接口进行读取。若完成数据的读取，则传输节点数据帧头、节点数据编号、九轴数据、校验码以及节点数据帧尾数据，否则继续等待汇聚节点读取。
2.3 汇聚节点的数据传输
动作捕获器内的汇聚节点可基于程序设置的顺序，采集不同传感器节点中的数据，分析采集到的数据是否准确，对采集的数据实施融合后传到计算机。汇聚节点还可响应计算机传递的管理指令，对传感器节点的采样频率、工作模式设置以及参数进行调整[9]。汇聚节点程序设計流程如图7所示。
动作捕获器运行后，对数据汇聚节点实施初始化设置，再采集传感器数据。依据程序设置的采集次序，降低首个传感节点的片选信号，采用SPI数据总线采集该节点内的九轴传感器数据帧后，提升该节点的片选信号；对采集到的数据实施校验分析，若分析结果同数据帧内的校验位数值一致，则说明准确接收了该帧数据，对后续传感器节点中的数据进行采集；否则，说明未准确接收该帧数据，数据存在缺失问题，将该节点过滤掉，对相应传感器节点数据实施重新采集。汇聚节点采集到全部传感器节点的数据后，对数据进行汇总后融入帧头以及帧尾，通过蓝牙模块反馈给计算机进行分析和显示。
3 实验分析
实验采用本文设计的动作捕获器，对某体育高校2012级行人在5—8月期间的运动情况进行检测，验证本文动作捕获器的性能。通过Visual C++ 6.0开发环境，设计可呈现动作捕获结果的软件。实验过程中，本文动作捕获器通过12个传感器节点和1个汇聚节点捕获行人的运动数据，结果如图8所示。从图中可以看出，左端是行人做出不同的动作，右端是本文动作捕获器捕获的行人九轴动作显示结果，可以看出本文捕获器能完成行人动作的准确捕获，是有效的。
实验对比本文捕获器和基于单目视觉捕获器进行动作捕获的性能，结果如表1所示。从表中可以看出，相对于基于单目视觉捕获器，本文捕获器的复杂度低、运动跟踪平均效率高，对行人动作的捕获准确性高。
实验对比分析了两种捕获器捕获行人动作过程中的关节点坐标误差，结果如图9所示。能够看出，本文捕获器的误差低于基于单目视觉捕获器，说明本文捕获器具有较高的精度和稳定性。
4 结 论
本文设计了运动中的动作捕获器，其可实时获取行人不同传感器节点中的数据，这些数据通过汇聚节点反馈到计算机中显示。实验结果说明，该种动作捕获器的效率和精度都较高，取得了令人满意的结果。
参考文献
[1] 周海澜，黄文敏.基于奖牌分布的田径运动竞争格局特征探析[J].山东体育学院学报，2016，32（3）：85?90.
[2] 王国栋，陈宏君，刘克金.顺序控制图源代码形成方案设计与实现[J].计算机技术与发展，2016，26（3）：149?153.
[3] 潘庆庆，陈蓓.田径运动损伤的致因及预防手段[J].中国体育教练员，2015，23（3）：63?64.
[4] 王国伟.基于视觉图像的田径失误动作识别仿真[J].计算机仿真，2016，33（4）：274?277.
[5] 李金泉，王东，胡文振，等.基于ZYNQ异构多核处理器的人体动作识别系统[J].单片机与嵌入式系统应用，2016，16（8）：27?29.
[6] 张瑒，许林，孙广毅.基于RGB?D摄像机与IMU数据融合的动作捕捉系统[J].系统仿真学报，2015，27（10）：2582?2588.
[7] 章成武，张露，李朝东.直线超声波电动机嵌入式机器人手指驱动实验研究[J].微特电机，2016，44（9）：26?28.
[8] 张作运，刘科征，王向强.基于Kinect V2动作捕捉系统的设计与实现[J].广东通信技术，2016，36（10）：66?69.
[9] 杨俊超，史越，杨达玲，等.基于动作捕捉的航空装备虚拟维修训练系统[J].装甲兵工程学院学报，2016，30（4）：78?82.
[10] 黄学祥，时中，宋爱国，等.基于惯性动作捕捉的主从遥操作关节空间直接控制方法[J].东南大学学报（自然科学版），2016，46（2）：283?288.
摘 要： 为了提高运动视觉跟踪的准确度，设计了运动中的动作捕获器，包括12个传感器节点和1个传感器数据汇聚节点。传感器节点由ADXL345加速度传感器、L3G4200D陀螺仪以及LSM303DLH地磁传感器构成，12个传感器节点部署到行人肢体各部位，获取行人不同肢体部位的九轴传感器数据，对获取的数据实施预操作。数据汇聚节点采集不同传感器节点中的数据，将全部数据传递到计算机中进行分析。计算机依据获取的数据，驱动三维人物模型呈现行人的动作捕获结果。实验结果表明，所设计的动作捕获器具有较高的精度和稳定性。
关键词： 视觉运动； 动作捕获器； ADXL345； L3G4200D； LSM303DLH
中图分类号： TN850.6?34； TP391 文献标识码： A 文章编号： 1004?373X（2017）18?0089?03
Embedded design of motion capturer in movement vision tracking
XU Dacheng
（Inner Mongolia University for Nationalities， Tongliao 028000， China）
Abstract： In order to improve the accuracy of movement vision tracking， a capturer for moving action was designed， which includes 12 sensor nodes and one sensor data gathering node. The sensor node is composed of the ADXL345 acceleration sensor， L3G4200D gyroscope and LSM303DLH geomagnetic sensor. 12 sensor nodes are deployed to each body part of pedestrian to acquire the 9?axle sensor data of pedestrian′s different body parts for pre?operation. The data gathering node captures the data of different sensor nodes， and then all the data are transferred to computer for analysis. The computer relying on the acquired data drives 3D character model to present the captured motion results of pedestrian. Experiment result shows that the motion capturer has high accuracy and stability.
Keywords： motion vision； motion capture； ADXL345； L3G4200D； LSM303DLH
當前的运动视觉跟踪是模式识别领域的热门项目。传统运动视频跟踪方法通常采用人为总结、评估，科学性、实用性以及实时性较差[1]。而由于电子科学技术的高速发展，运动过程中动作捕获技术广泛应用在医学、影视以及军事等领域。因此，采用动作捕获器采集行人的运动情况，对行人进行科学训练和评估[2]，可大大提升行人的图像跟踪质量。
1 运动中的动作捕获器的嵌入式设计
1.1 总体设计
该设计的运动动作捕获器包括12个传感器节点和1个数据汇聚节点，其总体结构如图1所示。传感器节点对行人不同的肢体部位的传感器数据进行收集和预操作；数据汇聚节点将采集到的传感器节点数据进行整合后反馈到计算机中[3]进行图形化显示。
1.2 人体结构分析
动作捕获器对行人动作进行捕获时，需要先对行人的肢体结构进行简化分析，将人体当成是由肢体和关节构成的刚体，采集行人在运动过程中的重要运动变化特征，如图2所示。因此，动作捕获器将12个传感器节点部署到人体的手背、大臂、头、腹部、大腿等9个重点部位中的12个位置，采用这些动作捕获传感器节点获取行人的九轴传感器数据，对行人的运动情况进行分析。
1.3 动作捕获器的电路设计
1.3.1 传感节点电路设计
传感器节点采集行人运动姿态信息的模块，其通过传感器芯片获取行人在运动时不同肢体的运动数据[4]。设计的传感器节点可获取加速度传感器、角速度传感器以及地磁传感器，其结构如图3所示。
从图3可以看出，传感器节点的微处理器是高质量小体积的8位AVR处理器以及ATmega32，其能够对行人肢体运动数据实施收集和预操作，该处理器集成了I2C接口和SPI接口，完成传感数据的通信[5]。采用ADXL345加速度传感器，将行人运动过程中的加速度变换成能够检测的电信号，其存在3 磁场通道以及3加速度通道，可输出16位数字信号，对加速的检测过程中具有较高的平稳性。采用LSM303DLH地磁传感器，其按照行人肢体在地磁场内不同运动情况下感应的地磁场情况，描述出行人的运动姿态[6]。通过L3G4200D陀螺仪检测行人运动过程中6个不同方向的加速、变化轨迹和位置等信息。该陀螺仪中的数字滤波器能够去掉陀螺仪运行过程中形成的累积误差，解决传感器受到温度影响出现的数据波动问题。
1.3.2 汇聚节点电路设计
数据汇聚节点是动作捕获器内传感器节点与计算机间进行信息交流的纽带，其能对传感器节点进行控制，从不同的传感器节点中采集数据，将整合后的数据反馈到计算机的无线接收模块中。它的微处理器也是ATmega32，可确保行人动作捕获的实时性，其硬件结构如图4所示。
2 动作捕获器的软件设计
2.1 动作捕获流程
动作捕获器的软件对运动传感器数据的获取、操作和传递过程进行控制，设计了动作捕获器运行过程中的数据流向[7]，如图5所示。通过传感器数据处理动态链接库，将传感器原始数据变换成可在计算机中进行分析的格式。
2.2 传感器节点的数据采集
动作捕获器中的传感器节点对获取的行人九轴数据实施预操作，去掉加速度传感器输出数据中的杂质、调整角速度传感器中的累积误差、对地磁数据受到周围环境干扰产生的磁场进行调整[8]，确保获取更加精准的行人九轴传感器数据，为后续行人姿态评估提供可靠的分析依据。传感器节点的软件设计流程如图6所示。
传感器节点开始运行后，对其中的微处理器实施初始化设置，再对三种传感器芯片中存储的数据进行采集，通过合理的数据操作方法对获取的数据实施预操作，等待数据汇聚节点通过SPI接口进行读取。若完成数据的读取，则传输节点数据帧头、节点数据编号、九轴数据、校验码以及节点数据帧尾数据，否则继续等待汇聚节点读取。
2.3 汇聚节点的数据传输
动作捕获器内的汇聚节点可基于程序设置的顺序，采集不同传感器节点中的数据，分析采集到的数据是否准确，对采集的数据实施融合后传到计算机。汇聚节点还可响应计算机传递的管理指令，对传感器节点的采样频率、工作模式设置以及参数进行调整[9]。汇聚节点程序设計流程如图7所示。
动作捕获器运行后，对数据汇聚节点实施初始化设置，再采集传感器数据。依据程序设置的采集次序，降低首个传感节点的片选信号，采用SPI数据总线采集该节点内的九轴传感器数据帧后，提升该节点的片选信号；对采集到的数据实施校验分析，若分析结果同数据帧内的校验位数值一致，则说明准确接收了该帧数据，对后续传感器节点中的数据进行采集；否则，说明未准确接收该帧数据，数据存在缺失问题，将该节点过滤掉，对相应传感器节点数据实施重新采集。汇聚节点采集到全部传感器节点的数据后，对数据进行汇总后融入帧头以及帧尾，通过蓝牙模块反馈给计算机进行分析和显示。
3 实验分析
实验采用本文设计的动作捕获器，对某体育高校2012级行人在5—8月期间的运动情况进行检测，验证本文动作捕获器的性能。通过Visual C++ 6.0开发环境，设计可呈现动作捕获结果的软件。实验过程中，本文动作捕获器通过12个传感器节点和1个汇聚节点捕获行人的运动数据，结果如图8所示。从图中可以看出，左端是行人做出不同的动作，右端是本文动作捕获器捕获的行人九轴动作显示结果，可以看出本文捕获器能完成行人动作的准确捕获，是有效的。
实验对比本文捕获器和基于单目视觉捕获器进行动作捕获的性能，结果如表1所示。从表中可以看出，相对于基于单目视觉捕获器，本文捕获器的复杂度低、运动跟踪平均效率高，对行人动作的捕获准确性高。
实验对比分析了两种捕获器捕获行人动作过程中的关节点坐标误差，结果如图9所示。能够看出，本文捕获器的误差低于基于单目视觉捕获器，说明本文捕获器具有较高的精度和稳定性。
4 结 论
本文设计了运动中的动作捕获器，其可实时获取行人不同传感器节点中的数据，这些数据通过汇聚节点反馈到计算机中显示。实验结果说明，该种动作捕获器的效率和精度都较高，取得了令人满意的结果。
参考文献
[1] 周海澜，黄文敏.基于奖牌分布的田径运动竞争格局特征探析[J].山东体育学院学报，2016，32（3）：85?90.
[2] 王国栋，陈宏君，刘克金.顺序控制图源代码形成方案设计与实现[J].计算机技术与发展，2016，26（3）：149?153.
[3] 潘庆庆，陈蓓.田径运动损伤的致因及预防手段[J].中国体育教练员，2015，23（3）：63?64.
[4] 王国伟.基于视觉图像的田径失误动作识别仿真[J].计算机仿真，2016，33（4）：274?277.
[5] 李金泉，王东，胡文振，等.基于ZYNQ异构多核处理器的人体动作识别系统[J].单片机与嵌入式系统应用，2016，16（8）：27?29.
[6] 张瑒，许林，孙广毅.基于RGB?D摄像机与IMU数据融合的动作捕捉系统[J].系统仿真学报，2015，27（10）：2582?2588.
[7] 章成武，张露，李朝东.直线超声波电动机嵌入式机器人手指驱动实验研究[J].微特电机，2016，44（9）：26?28.
[8] 张作运，刘科征，王向强.基于Kinect V2动作捕捉系统的设计与实现[J].广东通信技术，2016，36（10）：66?69.
[9] 杨俊超，史越，杨达玲，等.基于动作捕捉的航空装备虚拟维修训练系统[J].装甲兵工程学院学报，2016，30（4）：78?82.
[10] 黄学祥，时中，宋爱国，等.基于惯性动作捕捉的主从遥操作关节空间直接控制方法[J].东南大学学报（自然科学版），2016，46（2）：283?288.
