动作捕捉的技术分类

1.步态分析的技术分类

目前，主流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分为红外摄像头和2D基于3的摄像头D深度摄像头等。上个世纪的技术路线也是基于机械步态捕捉。基于电磁步态捕捉的其他技术路线。

1.1基于红外摄像头的光学步态捕捉

经过几十年的可持续发展，红外光学动作捕捉技术是基于计算机视觉原理的。红外摄像头的光学步态捕捉主要分为被动式和主动式。被动式是在人体关键部位粘贴反射标记点，主动式是在人体主要部位佩戴能发射红外线的主动式摄像头。本节主要描述被动光学步态捕捉。在人体的主要骨骼部位以及关节处粘贴反光标记点，利用架设好的红外摄像头追踪反光标记点，从而计算出反光标记点在空间中的绝对位置。

基于红外摄像头的光学步态动作捕捉系统具有技术成熟度高、采样频率高、计算机数据处理速度快等优点。主要缺点是对光特别敏感，不能在光变化较大的环境中使用，周围不能有类似光学标记点的物体或光斑，因此光学步态捕获一般只在室内使用。由于摄像头的视角有限，人们在运动时的一些标记点很容易被其他物体和自己阻挡，导致阻挡部分数据丢失。后期数据处理工作量大，由于数据量大，需要处理丢失、跳帧等问题，后期处理时间长。缺点是需要架设相机，一般架设在钢架结构上，导致使用场景一般固定，不易移动。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Vicon公司生产的单摄像头价格高达10万元，导致红外光学步态捕获或应用于科研，无法进入公众。

2.基于3D深度摄像头的动作捕捉

随着3D随着深度相机技术的成熟，许多研究人员开始研究基于深度相机的动作捕捉系统[5][6]。3D深度摄像头和2D摄像头的区别在于，除了获取平面图像外，还可以获取深度信息。3D目前，深度技术广泛应用于人体步态识别、三维重建等领域SLAM等领域。目前主流的3D深度摄像头的技术路线有:(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平面摄像头。两个平面摄像头通过两个图像获得两个图像来计算深度信息。飞行时间是雷达芯片发射红外激光散点，照射到物体后反射回雷达芯片的时间。由于已知的光速和已知的发射以测量相机与物体的距离， 。结构光是相机发出的特定图案。当被摄对象反射回该图案时，深度相机再次接收该图案，通过比较发射的图案和接收的图案来测量相机与被摄对象之间的深度信息。

结构光方案推出Kinect，其广泛的应用在体感交互、人体骨架识别、步态科技感

基本原理是首先找到图像中移动的物体，然后会对移动的物体进行深度评估，识别出人体的部位，然后将其从背景环境中分割出来。分割之后要做的工作就是模式匹配，将其匹配到骨骼系统上光学

光

光学动作捕捉算法流程图

3.以上三种方案D深度摄像头方案多用于娱乐层面，如面部识别解锁、人机交互等，由于探测距离近，难以在大空间使用。目前基于3D不断研究和改进深度摄像头芯片。其硬件芯片仍然是目前的困难之一，其次是算法的复杂性。大量的图像计算对硬件主控芯片的计算能力有很高的要求。由于目前的电池技术，单个传感器的工作时间相对较短。其优点是用户不需要佩戴任何传感器和粘贴标记点。利用Kinect人体下肢骨架识别

基于2D相机的动作捕捉

利用2D摄像头实现3D运动轨迹的捕捉是目前的前沿技术研究。2D摄像头是没有深度信息的平面摄像头。目前基于2D相机的动作捕捉主要采用卷积神经网络（CNN）将稀疏的2D人体姿势突出了检测原理。但这种捕获方案需要长时间的操作，不适合实时运动分析，输出精度低。基于2D目前，摄像头的动作捕捉可以捕捉人体的局部运动姿势，大量数据样本需要作为训练数据集收集。2D相机对深度信息的预测有偏差，任何错误的数据都会导致偏差大，稳定性极差。最大的挑战是相机的屏蔽和快速运动是2D相机很难跟踪。它的优点是不需要任何穿着，需要2D相机触手可得，成本极低，是大众化应用的好选择。

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各个领域。因为它们体积小，重量轻，价格合理。

惯性动作捕捉系统主要是将惯性传感器绑定到人体的主要骨骼上，如足部、小腿和大腿，实时测量每个骨骼的旋转，利用正向和反向运动实时推导计算整个人体的运动参数。惯性动作捕捉系统的优点是它是一种无源动作捕捉系统，不需要任何外部信息，即不受外部环境的干扰。缺点是惯性传感器常见的累积漂移会使惯性系统无法准确测量运动位移。

惯性传感器主要包括加速度计、陀螺仪和磁力计。加速度计、陀螺仪、磁力计多采用MEMS所以形式叫MEMS惯性传感器。三轴加速度计可以测量载体三个轴向的加速度，即一矢量，我们也可以通过加速度计算载体静止时的倾角。三轴陀螺仪可以通过对角速度积分测量载体的三个轴向上角速度， 。三轴磁力计可以测量周围磁场的强度和与地球磁场的夹角。我们可以通过集成加速度、角速度和磁值的数据来准确地旋转载体。集成数据通常用四元数或欧拉角表示。四元数形式如 ，欧拉角包括俯仰角、横滚角和偏航角。在获得载体旋转后，拟合每个骨骼的运动，从而计算穿戴部位的运动姿势。穿戴者的步速、步距、步长等参数可以通过加速度和角速的积分来测量。世界著名MEMS惯性动作捕捉外国荷兰Xsens、国内的等。

基于MEMS惯性动作捕捉系统的步态分析具有很大的优势，主要体现在惯性动作捕捉系统采用MEMS芯片，成本低，每个芯片只需要10元左右，整个系统的价格是几万元。由于惯性动作捕捉系统是一个无源系统，整个系统的重量在几公斤范围内，便于携带，无需安装复杂的相机。惯性传感器只需启动即可使用，没有复杂的校准、校准等操作步骤，使用非常方便。惯性动作捕捉系统不受使用环境的影响，可在室内外正常使用。 但是MEMS与光学动作捕捉系统相比，传感器的精度较低，但已完全满足公众的需求。由于MEMS随着时间的推移，陀螺仪有零偏差，积分积累误差会随着动态情况而产生较大的漂移。MEMS在不同的状态下，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计。但算法可以补偿这一系列误差。MEMS式惯性传感器补偿后的静态精度一般可达到：俯仰角/横滚角≤0.2°,偏航角≤1°；动态精度:俯仰角/横滚角:≤0.5°, 偏航角≤2°，步态位移误差可达5%。已满足步态参数计算的精度要求。

4.其他技术路线

机械动作捕获依靠佩戴在人体内的机械装置来测量关节的角度和位移。人体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，并根据角度和机械部件的长度计算移动位移。该技术最早出现在20世纪。由于机械结构的重量，机械动作捕获早已退出步态分析发展的主流。然而，使用机械外骨骼