带你了解动作捕捉与姿势伤害评估测量技术
动作捕捉（Motion Capture），是指用来实现动作识别与计算的专业技术设备，其实质是利用传感器记录和跟踪个体在空间中的运动轨迹，并通过具体数据来表述的一个动作过程。它已广泛应用于军工国防、体育运动与康复、人因工程与工效学、安全人机以及工业设计等诸多研究领域，适合于真实现场研究、VR虚拟现实环境研究、各类模拟舱室研究以及基于实验室的产品设计评价等。
动作捕捉也逐渐成为解决人-产品-环境协调发展的重要技术桥梁，如利用动作捕捉技术我们可以评价舱室设计舒适性问题、比较操作员专家新手动作模式、评价作业姿势负荷与伤害评估、以及人与机器间的动作映射等。
一、常见的动作捕捉测量技术
目前动作捕捉系统有惯性式和光学式两大主流技术路线，而光学式又分为标定和非标定两种。那么我们可以将动作捕捉系统划分为以下三大类：基于计算机视觉的动作捕捉系统（光学式非标定）、基于Marker的光学动作捕捉系统（光学式标定）和基于惯性传感器的动作捕捉系统（惯性式）。
接下来，带您了解一下几种动作捕捉测量技术。
1、惯性式动作捕捉技术
基于惯性传感器（IMU）的动作捕捉系统，主要是将惯性传感器固定在受试者身体主要骨骼部位，如手臂、小腿、大腿，实时测量出每段骨骼的旋转，利用正向运动学（Forward kinematics，FK）和反向运动学（Inverse kinematics，IK）实时推导计算出整个人身体的运动参数。
其中惯性传感器主要由高精度加速计、陀螺仪、磁力计组成，其中三轴加速度计可以测量载体的三个轴向上的加速度，通过加速度我们也可以计算出载体静止时的倾角。三轴陀螺仪可以测量出载体的三个轴向上角速度，通过对角速度积分我们可以得到角度 。三轴磁力计可以测量出周围的磁场强度及与地球磁场的夹角。通过融合加速度、角速度、磁力值的数据我们可以精准的得到载体的旋转，融合后的数据一般采用四元数或欧拉角来表示，得到载体的旋转后再拟合各个骨骼的运动，从而计算出穿戴部位的运动姿态。通过对加速度、角速度的积分可以测量出穿戴者的步速、步距、步长等参数。
技术特点：惯性式动作捕捉技术，具有成本低、易于操作、高精确度、不受空间光线以及区域大小限制、抗磁干扰能力较强、实时性高的优势，已经成为当前科学研究中较常用的动作捕捉技术。
2、基于Marker的动作捕捉技术-光学式标定技术
基于Marker点的光学动作捕捉系统基于红外线测量技术，利用分布在空间中固定位置的多台摄像机通过对捕捉对象上特定光点（Marker）的监视和跟踪完成动作捕捉，同时结合骨骼解算的算法来完成姿态计算。
具体实现过程为在一定的空间内使用若干红外摄像机，对该空间进行覆盖拍摄，而被定位的物体上则使用红外反光材料标记重要节点。通过摄像机发出红外光线，并且在红外光线在空间中反射后捕捉它们，便能利用算法进行计算这些点在空间中的相对位置变化。理论上对于空间中的任意一个点，只要它能同时被两台以上相机所见，就可以确定这一时刻该点在空间中的3D位置。
技术特点：光学动作捕捉技术，提供了比较高的定位精度和比较低的延迟率，但是外部设备的布置会增加学习成本，同时由于摄像头的FOV受限，需要增加摄像头数量，来扩大活动范围。
3、计算机视觉动作捕捉技术-光学式非标定
不同于上面其他捕捉的方式，该类动捕系统基于计算机视觉原理，由多个高速相机从不同角度对目标特征点的监视和跟踪来进行动作捕捉的技术。理论上对于空间中的任意一个点，只要它能同时为两部相机所见，就可以确定这一时刻该点在空间中的位置。当相机以足够高的速率连续拍摄时，从图像序列中就可以得到该点的运动轨迹。这类系统采集传感器通常都是光学相机，基于二维图像特征或三维形状特征提取的关节信息作为探测目标。
例如Leap Motion和Hololens利用的就是这样的技术，设备包含了多个摄像头，通过摄像头对手部动作进行捕获和模型还原，并且识别出对应的手势轨迹，从而实现我们所看到的体感交互。其广泛的应用在体感交互、人体骨架识别、步态分析等领域.
技术特点：这种交互方式不需要任何的穿戴设备，约束性小。但其受环境干扰严重，任何来自于光线、背景、遮挡的变量都可能对捕捉效果产生较大的影响，并且由于当前算法还不够精确，在比较细微的交互上还无法实现百分百的识别。
二、ErgoLAB动作捕捉采集与分析
ErgoLAB Motion可穿戴运动捕捉与人机工效分析系统，配备可穿戴人因记录仪，便于携带，非常适用于各种虚拟现实场景与实时的现场人因工效科学研究，如安全生产、人机交互、运动分析，动作姿势伤害评估等。
1、实时3D人体模型与姿势伤害评估
实时可视化三维人体运动模型
通过动作捕捉传感器，实时计算人体动作，位置，速度，关节角度，扭矩等信息，精确重塑3D人体动作模型，实时或离线观察个体的运动姿态以及不同关节的运动情况。
精确计算全身关节姿态数据
精确计算Neck、Right Shoulder、Left Shoulder、Chest、Right Elbow、Left Elbow、Right Wrist、Left Wrist、Right Hip、Left Hip、Right Knee、Left Knee、Right Ankle、Left Ankle等关节的姿势数据。
实时进行姿势伤害评估与预警
依据职业工效学理论标准数据库，将人体姿态各关节阈值划分为健康-绿色、警戒-红色和中等-橘色三种状态，利用这些标准阈值对动作过程进行实时的姿势伤害评估。
2、动作姿态数据分析与统计
基础动作分析
系统支持对个体发生的单个动作进行统计分析，包括出现该动作的次数、动作发生平均持续时间、动作发生总时间、每个动作发生的频率、发生最小持续时间、最大持续时间等，包含柱状图、序列图等可视化分析报告与数据统计。
交叉动作分析
系统支持对多个编码关键动作进行交叉分析。包括动作同时发生的平均持续时间、同时发生的频率、最小持续时间、最大持续时间等，包含柱状图、序列图等可视化分析报告与数据统计。
动作延迟序列关系分析
系统支持分析多个编码关键动作之间的过度关系分析以及一种动作在发生另一种动作前/后的可视化序列，用户可以根据研究需求自定义Lag动作发生时间的延迟、以及动作发生的个数间隔。延迟序列分析的统计包括序列发生的频率、发生的概率等，包含柱状图、序列图等可视化分析报告与数据统计。
多类型Motion数据导出
系统支持自定义选择不同的片段类型（自定义片段类型、图片片段类型、视频片段类型、映射图片类型）以及单个或多个数据记录进行原始数据、降噪数据、行为数据以及Bvh数据的一键导出，支持导入motion builder、3D max等进行二次处理。
实时数据流API接口
动作捕捉原始数据可以被其他程序实时访问，可使其它程序对被试者的各个关节9轴姿态进行计算与加工。
3、动作捕捉结合VR虚拟现实进行人机工效分析
基于动作捕捉数据驱动的仿真人机工效分析
一方面，可以基于仿真数据通过ErgoLAB人因分析引擎驱动三维人体模型，实时进行可视性、可达性、可操作性仿真分析；另一方面，可以通过真人在VR虚拟现实环境下佩戴动作捕捉传感器，驱动仿真系统中的三维人体模型，进行可视性、可达性、可操作性仿真分析。
基于动作捕捉驱动的真人VR试验人机工效分析
通过ErgoLAB人因分析引擎数据接口将仿真模型直接导入虚拟现实环境中，让真人在VR环境下进行体验、操作，通过动作捕捉测量技术，采集操作人员在虚拟现实环境下的动作姿态数据， 进而创建三维人体模型，在系统中实时可视化动作姿态动画，依据职业工效学理论安全阈值，进行操作姿势的实时伤害评估与预警。
动作捕捉数据可以与ErgoLAB其他多模态数据同步采集与交叉分析，深刻揭示个体在不同的操作姿态、动作模式下，其肌肉疲劳性、脑力负荷、情绪唤醒等人员状态，进而评价产品设计、任务交互合理性等内容。
持续关注ErgoLAB人机环境同步云平台，给您带来更多关于动作捕捉技术系列性最前沿的技术及分析方法！
推荐视频
该视频为ErgoLAB系统同步采集被试在VR虚拟高空训练中的动作捕捉姿态数据、眼动数据、行为数据以及实时的生理情绪等多模态数据。
推荐阅读
请点击下方二维码关注我们吧！
