基于人機界面的三維運動數據提取

人體運動分析是人類工作的研究重點。為了合理確定工作模式、科學任務計劃以及良好的人工項目設計提供了理論依據和實驗數據。如果你不需要專門的運動數據來進行處理，一種簡單的方法是識別運動圖像和圖像序列。該方法不僅不會干擾正常的工作，而且無需安裝特殊設備。這些圖像資料很多，易于獲得。在這項工作中，我們提出了使用虛擬機方法提取人體運動數據的方法，組織了一系列實驗，并提供了數據加工、處理和轉換的過程。1計算機軟件平臺從普通圖像資料中提取人體運動數據有兩種方法:手工方法和計算機自動識別方法.手工方法是將圖像序列每次一幀投影到屏幕或數字化板上,手工進行測算.它的精度依賴于操作者的視覺和圖像的質量以及相隔幀的變化量.利用計算機視覺自動地對運動圖像進行分析,這種方法將運動的圖片或圖像輸入計算機,經過一定的算法處理,能夠提取出感興趣的特征.該過程對圖像質量要求極高,這種技術尚有待發展,現階段主要用來分析二維運動特征.從圖像中提取人體運動數據的人機交互方法主要是由計算機圖形學來提供的.計算機圖形技術的飛速發展已經能夠提供逼真人體曲面造型環境仿真和動畫制作.多媒體技術也已能夠將錄像資料的模擬信號轉化為計算機可以接受并處理的數字信號,并且可以在普通的計算機屏幕上繪制和剪取.用戶在計算機中將運動圖像與計算機制作的人體圖形重疊在一起,憑借自己對圖像中人的姿態的判斷識別,調節計算機圖形模擬人的姿態,計算機軟件平臺顯示出模擬人姿態的數據,包括各個關節角度等,并存儲下來.運動數據可以以任何速度播放,并且可以暫停.由于可以變換播放速度,在某一點上可以調整運動數據重放,并對不合適的地方進行修改,這就使得用戶對在單幅圖像上并不明顯的運動特征可以進行數值化.用戶自身的感官機能在確保數值化精度上起了決定性作用.有時,運動畫面的單幀是很模糊的,不易識別,所以動畫播放就很重要.人機交互方法要求軟件平臺具有良好的編輯功能,它允許用戶調制各個數據點,來回播放,直到滿意為止.人機交互方法是人的視覺感知與計算機模擬之間相互合作、相互校正的過程.在圖1中左為某一標準姿態的背景圖,右為調節后的姿態圖.與手工方法和計算機自動化方法相比,人機交互方法具有如下優點:1)手工方法所提取的二維數據在向三維轉化時具有相當的難度,而人機交互方法是識別關節處的三個旋轉角,本身就是三維的;2)與手工方法相比,人機交互方法明顯地提高了數據提取效率;與計算機自動化方法相比,人機交互方法不需要對軟、硬件進行大量的投資,所使用的都是成熟技術,而且便于操作;3)由于大部分工作場景和航天員活動的錄像都是使用普通方式攝制的,人體本身與背景對比沒有鮮明的特點,而且有時錄像資料也很模糊,這對于依賴關節中心點的手工方法和依賴顯著人體特征的計算機自動識別方法是很困難的.而人機交互方法依賴于人的視覺感官和模擬技術,它是從總體上對人體姿態進行識別的,不存在這方面困難;4)由于人的長期生活經歷,對人體姿態的感性認識已具有智能化的特點,這是任何人造設備所不能比擬的,而人機交互方法正是利用了人的這種優勢,并與計算機逼真的圖形仿真技術相結合.2人體姿態視覺感知能力試驗在近20年中,計算機輔助工效分析已經在工程中廣為利用.計算機輔助工效分析軟件要求輸入人體的姿態量,它依賴于觀察人員對人體姿態判斷的準確性.研究發現～,對人體上臂角度的判斷,通過直接觀察與錄象資料對比,精確度在±5°.在對人體肩部伸縮角的試驗中發現:真實角AT與視覺感知角AP的關系為實驗方法是試驗者通過指揮計算機圖形系統生成的模擬人去模擬圖片上的真實人體姿態,經過對比后所得到的誤差基本在15°以內.這些研究和實驗,證明了人的視覺感知能力可以用于人體姿態的測定.以上這些研究還不夠充分,對人體運動姿態的識別還需要進一步的探討.首先,這些研究是針對靜態圖片的,沒有使用動態的研究方法.其次,在試驗中所使用的圖片,攝影角度都很正規,一般是與人體矢狀面成角見圖一般情況下攝像鏡頭很難判斷鏡頭的位置.再次,實驗中沒有使用人體空中姿態的圖片,不利于分析航天員、跳水運動員等的運動.最后,所使用的測試軟件交互性也不夠好.基于上述原因,本文進行了人體各種姿態視覺感知能力試驗.實驗在Poser軟件平臺上進行.Poser是由FractalDesignCorporation設計的人體姿態制作軟件.它以6自由度定義人體空間方位.以腕、肘、肩、踝、膝、胯、頸、胸、腰、髖等關節的3個旋轉角定義人體姿態,并具有人體生理約束機制.可以通過鼠標或旋扭調節人體的姿態、方位、幾何尺寸、視點、光照、深度索引等,并顯示調節數據.該軟件附有人體姿態庫,庫中有幾十種已定義好的各種人體姿態.所生成的姿態可以作為背景圖存儲,并能夠通過多媒體軟件連續播放.實驗分為靜態1g姿態識別、靜態0g姿態識別、靜態1g圖像識別、靜態0g圖像識別和動態圖像序列識別共5個步驟進行.1)靜態1g姿態識別.從人體姿態庫中任意選取10種姿態,見圖3.記錄下每種姿態的方位角和各個關節的旋轉角,并將姿態作成背景圖固定,然后讓實驗者從直立的人體姿態向目標姿態調節,可以憑視覺判斷也可以與背景圖重疊對照,直到認為滿意為止.記錄下各種姿態數據,并與先前記錄下的標準姿態數據比較,計算每個關節旋轉角的平均誤差.2)靜態0g姿態識別.從姿態庫中任選10種姿態,將它們隨意調到任意方位,盡量模仿諸如航天員、跳水運動員的姿態.然后進行模擬識別,計算平均誤差.3)靜態1g圖像識別.在地面的工作場景中,測定好工作人員的姿態并拍攝下照片輸入到計算機中作為Poser的背景圖進行識別,并與預先測定好的姿態數據進行比較.4)靜態0g圖像識別.對于航天員等特殊工況的人體姿態,采用間接的辦法獲得用來模擬姿態對照的真實姿態數據.航天員的錄像資料中存在大量的處于松弛姿態的片段,人在完全放松時的姿態在各種文獻公布的數據中幾乎一樣,采用NASA的數據.當航天員在艙內滾動時,航天員不受外力矩作用而只擁有初始轉動慣量,如果不記艙內的空氣流動,可以視其為勻速圓周運動,將圖像序列以每秒24幀的間隔截取,那么就很近似地得到其姿態方位角了.5)動態圖像序列識別.截取一段航天員雙腳蹬艙壁實現漂移的錄像片段,作為動態校正的樣本.此時航天員的姿態可以看作是平面二維的,很容易估算其關節角度.隔一定時間間隔制作模擬圖像,使用關鍵幀動畫播放,并調節不合適的地方,直到認為可以后,在任意插值時間結點記錄數據,并與原先估算的數據進行比較.一組實驗人員(3人)通過上述5步實驗記錄下的誤差數據見表1.在試驗過程中發現:1)試驗精度與受試者對姿態的熟悉程度有關.訓練時間越長,操作越熟練,精度亦高;2)對質量大的部位(如胸、腰、胯、大腿、小腿)識別的精度較高;3)末端肢體(手、足、頭)旋轉角度的視覺感知較差,而且對上臂、前臂、小腿的旋扭方向角識別困難;4)試驗精度與受試者的個人特點以及耐心程度有關.3推進三彎矩擬合條函數插值所提取的各個關節角度數據一般是非均勻的,變化快的區間所提取的樣本就密集,變化慢的區間采集的樣本就稀疏.每一個時間區間的中間過程可以使用任意分劃的三次樣條函數進行插值,這樣可以避免在求解加速度時由兩次差分導致的較大誤差.假設在時間區間[a,b]內,采集數據的時刻為a=x0<x1<…<xn-1<xn=b,相應的所采集的某一關節角度為{yi}.利用三彎矩方法構造三次樣條插值函數對于第2種邊界條件,即利用追趕法可以解得Mi.在區間[xi-1,xi]內的一階導數和二階導數,就是角速度和角加速度.再由相應的運動學關系可以推算出人體質心位置和肢體質心的線速度、線加速度,從而進行關節內力以及肌肉施加力矩的計算.4合理