利用无标记动作捕捉技术对立定跳远测量的研究

目的:旨在探究无标记动作捕捉技术在立定跳远距离测量中的应用。方法:采用RGB-D深度相机进行动作捕捉,运用关键帧提取、图像分割和边缘检测等图像处理技术,结合机器学习算法,实现无标记精准测量立定跳远距离,并通过信效度分析检证其精准性和可靠性。结果:通过51个标准距离重复测量,重测信度检验得到克隆巴赫系数α=0.999和组内相关系数ICC=0.998,重测精准性达到99.64%;通过306次立定跳远试跳实测,标准效度检验的Pearson相关系数r=0.999,稳定可靠性达到99.69%。结论:本研究成功开发并验证了一种基于无标记动作捕捉技术的立定跳远距离测量方法,极高的精准性和可靠性展示了该方法的创新性和实用价值。

基于姿态估计与深度图像的啦啦操运动员动作捕捉方法设计

为了对啦啦操运动员的动作进行有效的捕捉与识别,提出一种基于姿态估计与深度图像(PE-DI)的啦啦操运动员动作捕捉方法 .该方法采用深度摄像头收集啦啦操运动员的运动数据,并通过利用深度图像来增强三维空间的动作重建效果,接着利用姿态估计算法分析运动员的动作精度和稳定性.结果显示,动作识别率对比中,PE-DI算法、NN-BV算法、SPR-DL算法与Multi-Scale Feature算法在五次实验中的平均识别率分别为99.24%、97.18%、94.16%与90.21%.最后PE-DI算法运行下啦啦操运动员起势、跳跃、鞠躬与转身四个动作的均被捕捉划分于正确区域内,显著优于其他算法.实验结果表明,PE-DI算法能够对啦啦操运动员的动作进行较高精度的捕捉,为啦啦操运动员的训练与表演提供有效的技术支持.

动作捕捉技术在三维动画设计中的应用与项目实践探究

目的:传统三维动画设计由动画师手动调节和设置关键帧,最终呈现的人物角色动作和表情不够自然和真实。因此,探讨动作捕捉技术在三维动画设计中的应用具有重要意义。方法:文章阐述动作捕捉技术从无到有、从基础应用到成熟普及的发展历程,分析动作捕捉技术在三维动画设计中的应用流程,并以产教融合动画项目《红棉少年筑梦传承》为例,依次对角色建模、材质贴图、绑定蒙皮、动作捕捉拍摄、动画制作及优化处理等进行技术应用分析。结果:动作捕捉技术在三维动画设计中的应用,有效改善了人物角色动作和表情刻画呆板、失真的现象,提升了三维动画设计与制作的效率和准确度,缩短了项目制作周期,节约了动画制作过程中的人员精力与时间成本。动作捕捉技术等数字化软件设备颠覆了传统三维动画制作的流程及工艺表现,推动了三维动画美学维度由“失真”向“真实”方向发展。结论:动作捕捉技术的应用有效解决了传统三维动画设计制作周期长、拍摄成本高、人员工作强度大等问题,极大地提升了动画制作的效率,强化了动作真实感,高效呈现场景、人物及其交互动作等,使三维动画创作更高效、更自由、更省力。

三维动作捕捉技术与建模分析在武术中的应用研究

本文深入探讨了三维动作捕捉技术与建模分析在武术领域的应用,通过对相关理论的梳理和实证研究的分析,旨在为武术的传承与发展提供新的视角和方法。三维动作捕捉技术以其精准、高效的特点,为武术动作的记录、分析和优化提供了有力支持;而建模分析则有助于揭示武术动作的力学原理和运动规律,为武术教学和训练提供科学依据。

基于光学动作捕捉技术的大学生体育运动数字资产库开发与设计

本论文旨在利用先进的光学动作捕捉技术开发并设计一套大学生体育运动数字资产库,以解决当前大学生身体素质下降和体育锻炼不合理的问题。通过捕捉大量青年学生的运动轨迹,并利用实时算法获取骨骼运动轨迹并建立三维角色模型,我们能够生成可视化且准确的动画模型,重现大学生的运动姿态。该资产库能为后续研究提供数据支持,跟踪大学生群体身体素质的变化趋势,并为定制符合当代青年人需求的体育课程提供依据。

基于动作捕捉系统的三维角色动作设计教学实践

近些年,各种先进技术层出不穷,推动各领域实现创新发展,教学领域也不例外。动漫产业的快速发展,使得社会对三维动作设计人才的需求不断增加,三维角色动作设计作为动画制作非常重要的一环,自然也受到高度关注。高校作为三维动画人才培养的主阵地,需要肩负起人才培养重任,但从高校如今的三维角色动作设计教学情况来看,还存在不少的问题,导致具体的教学效果不如人意。动作捕捉系统作为新时代的产物,其在教学中的应用价值是不言而喻的,三维动作设计类课程教师应充分认知该系统的价值,并将其巧妙地引入到三维角色动作设计教学中,突破教学的局限性,提升教学质量。

基于实时动作捕捉技术在影视动画中的研究

随着《金刚》、《加勒比海盗2》、《阿凡达》等一系列影视作品的热映,这些影片中的虚拟角色可谓是深入人心,深受观众的喜爱。这些虚拟角色的建立不同于传统的3D影视动画制作,而是取自于真实的人物动作和表情。综述了目前动作捕捉领域中几大主流动作捕捉系统,并且详细讲解了动作捕捉技术在影视动画领域的应用,最后提出了一种新的动作捕捉设计方案-无标记点的动作捕捉设计。

无标记动作捕捉技术在FMS深蹲动作中的生物力学研究

目的深蹲动作作为功能性动作筛查系统FMS中7个关键技术之一,可以帮助探索身体在平衡、协调和稳定性方面的表现。本研究旨在验证无标记动作捕捉系统Opencap在整个无负重深蹲测试中运动学数据的有效性。探索为损伤筛查、运动康复提供精准的指导。方法招募18名健康受试者。在华为运动健康实验室中利用无标记动作捕捉系统和有标记动作捕捉系统(Vicon)采集无负重深蹲过程中的人体标记轨迹数据。将深蹲动作划分为下降、深蹲保持、上升3个阶段。将系统采集的运动学数据导入Opensim中,增加肌肉骨骼模型的膝关节自由度使其具有内收/外展和内/外旋功能,进行逆向运动学和身体段运动学计算,同时利用关键点数据开发算法计算双脚朝向角度。采用一维统计参数映射分析两个系统在深蹲周期中的运动学指标差异性,并以均方根误差进行表示。结果经过时间对齐和偏移消除后,衡量两个系统在深蹲周期中的差异。数据表明,骨盆、人体质心和大腿段质心在3个方向的位移没有显著性差异。测量的下肢角度中,屈曲/伸展运动的差异最小,而内/外旋运动的差异最大。双脚朝向角度误差不超过2.5°。结论基于无标记和基于有标记测量的深蹲运动学数据之间具有高度的相似性,表明该技术可以用于运动损伤筛查。

融合改进LM算法及动态时间规整算法的人体动作捕捉研究

人体动作捕捉是指通过技术手段捕捉人体的运动轨迹和姿态信息,广泛应用于娱乐、体育、医疗等领域.然而,现有的动作捕捉技术存在捕捉不准确、计算效率低等问题,影响了其在实时应用场景中的表现.针对这些问题,引入一种骨骼点坐标拟合优化Levenberg-Marquardt算法,并采用粒子群算法对其加以优化.同时采用动态时间规整算法进行人体动作捕捉及评估,以期实现人体动作的实时捕捉.结果显示,该算法对肩部侧平举这一动作的捕捉准确率最高达到了99.23%,明显优于其余对比算法.此外,该算法对深蹲动作的测试时间最短,仅为1.15 s,表明该算法在进行动作捕捉时具有显著的性能优势及很强的实际应用效果,为人体动作捕捉领域提供了新的解决方案.

基于SGGC-Net动作捕捉系统解析行走步态的信度与效度

目的以有标记点三维运动捕捉系统(Vicon)为参照标准,比较基于SGGC-Net的动作捕捉系统(SGGC-Net系统)和SIMI系统解析行走步态的信度和效度。方法招募30名健康大学生,分析其在跑步机行走时的步态特征。应用Vicon系统12台红外摄像头及4台摄像机同步采集运动学数据,获取右侧参与者肩、肘、髋、膝和踝关节三维空间角度。采用组内相关系数(intra-class correlation coefficient,ICC)及其95%置信区间和测量标准误差(standard errors of measurement,SEM)评估信度;采用多重相关系数(multiple correlation coefficients,CMC)和均方根误差(root mean square error,RMSE)评估效度。结果SGGC-Net系统解析上、下肢三维空间角度最大、最小值的ICC范围为0.798~0.990,SEM范围为0.04°~0.95°;SIMI系统的ICC范围为0.650~0.967,SEM范围为0.31°~1.24°。除髋关节最小角度和膝关节最大角度外,SGGC-Net系统解析所有角度的ICC均高于SIMI系统,且SEM均低于SIMI系统。与Vicon系统得出的上、下肢主要关节角度曲线相比,SGGC-Net系统得出的曲线CMC范围为0.945~0.996,RMSE为1.44°~4.65°;SIMI系统的CMC范围为0.815~0.986,RMSE为2.56°~9.99°。除踝关节外,SGGC-Net系统在所有角度上的CMC均大于SIMI系统,RMSE均小于SIMI系统。结论SGGC-Net系统在大多数指标中的信度和效度优于SIMI系统,其在解析行走步态时具有较好的可重复性和准确性,可适用于无标记点情境下的动作捕捉,如运动员动作技术分析与特殊人群的临床步态解析。

基于动作捕捉与深度学习的跳跃荷载重构方法

通过学科交叉,采用医学和运动生物力学中的动作捕捉技术开展了27人次的跳跃荷载试验,总计获得9 985条单次跳跃的反力时程曲线及其对应的人体特征点运动轨迹。利用卷积神经网络技术,以特征点轨迹作为网络输入,分别以地反力三参数模型和多参数模型的目标参数作为输出,训练获得轨迹与地反力之间的高维非线性关系,实现了跳跃荷载重构。与实测荷载的对比表明,跳跃荷载三参数模型能较好地重构单次跳跃曲线的幅值,而多参数模型能更好地反映荷载的时频域特征,适用于不同的使用场合。该方法可作为一种新型的跳跃荷载间接测量手段,结合计算机视觉技术开展服役工程结构的人致荷载监测。

结合动作捕捉的外骨骼座椅协调性评估

外骨骼座椅在工业中的应用日渐流行,但部分外骨骼座椅的协调性仍有待提高。为全面评估外骨骼座椅在动静态下的协调性,12名受试者在穿戴和未穿戴外骨骼座椅的条件下,模拟了快递流水线作业的动静态任务。运用光学动作捕捉设备采集髋膝踝关节的运动数据,并使用SPSS对其进行Wilcoxon秩和检验,最后通过五级李克特量表问卷采集主观评估数据,验证主客观结果的一致性。结果显示,在动态行走任务中,双腿膝关节角均有所下降,髋膝踝关节的速度和加速度也呈现下降趋势,在快走时尤为明显:在静态坐姿下,臀部和大腿上侧易产生不舒适感,调整坐姿容易发生倾倒。结论,该外骨骼座椅的整体协调性较差,限制了各关节的运动:在辅助坐姿时,易产生不稳定感和不舒适感。主客观数据结果表现一致,该方法能有效地定量评估外骨骼座椅的协调性,为进一步优化提供定量参考。

基于动作捕捉与RULA的驾驶舱操纵舒适性评估

新机型研发过程包含确定研制目标、数模设计与样机制作三个关键步骤.在实体样机中,常通过飞行员主观体验并打分的方法完成操纵舒适性评估,但该主观结果缺乏客观依据.提出将人体动作捕捉技术与快速上肢动作分析(Rapid Upper Limb Assessment,RULA)方法结合,通过改进的模糊综合评价法评估飞行员在实体样机中的操纵舒适性.试验选用Perception Neuron Studio动作捕捉系统,采用Axis Studio软件获取10名被试者在智能驾驶舱中执行常规五边飞行时的典型操作的关节空间点位,计算获得驾驶舱的实际操纵舒适性数据.被试者完成NASA-TLX主观量表,综合实际操纵舒适性数据,提高驾驶舱舒适度结论的可靠性.同时,该操纵舒适性评估方法具有普适性,不受限于驾驶舱形式与智能程度,为研究未来智能驾驶舱的评估与优化提供了重要参考.

浅析动作捕捉技术在动画虚拟场景中的运用

本文阐述了动作捕捉技术的发展历程以及该技术在动画虚拟场景中的应用,简要说明动作捕捉技术的分类以及应用流程,通过举例分析动作捕捉技术在动画虚拟场景中的运用的优点与不足。探讨该技术在国产动画虚拟场景中的运用呈现流行趋势,并且动画制作效率得到显著提升,为创作者提供了更为精准和生动的表现手段。

基于动作捕捉追踪器及数据手套的VR拓展设备设计

元宇宙应用对虚拟设备提出了更高的交互需求,为此设计了一种基于动作捕捉追踪器及数据手套的VR拓展设备。该动作捕捉追踪器通过采集惯性传感器(IMU)获取人体胸部、腰部、腿部身体姿态数据,由数据手套采集定位器的电压获取5个手指的弯曲程。该系统采用ESP32作为主控器,搭载FreeRTOS嵌入式实时操作系统,各终端通过Wi-Fi及蓝牙协议与PC通信。数据接入SlimeVR Server及Open Gloves等开源VR系统,生成3D模型并在虚拟环境下还原人体动作。下位机同时获取手指限位数据,输出PWM信号控制舵机,实现了VR力反馈体感手套,各下位机终端均具有完善的调试接口及电源设计,各设备利用Solidworks软件建模并进行3D打印。通过开源项目的支持,本设计可在已有家用VR头戴及其配套定位手柄的情况下,提供腰部、腿部、脚部及手指等部位的追踪,在VR软件中实现全身追踪效果,从而提升了虚拟设备交互能力。

基于多特征融合的虚拟数字人物动作捕捉技术

为准确检测虚拟数字人物动作姿态特征点,降低动作捕捉数据的计算误差,提出基于多特征融合的虚拟数字人物动作捕捉技术。采用动作最小化函数解算人物动作姿态,引入尺度空间向量检测人体动作姿态特征点,结合人体运动模型跟踪人物动作。以此为依据,利用多融合特征算法计算动作捕捉特征量,并匹配计算结果与动作轨迹模板,以此完成人物动作捕捉。实验结果表明,所提方法测得的动作捕捉数据与实际数据的误差较小,捕捉精度较高。

基于动作捕捉系统对下肢外骨骼运动分析及步态仿真

结合生物医学工程,设计出一种人体下肢外骨骼。通过光学动作捕捉系统采集人体正常行走时的位置坐标,分析采集数据,从而获得人体正常行走时的髋、膝和踝关节的角度变化;建立自由度为5的下肢外骨骼运动学模型,随后通过逆运动学求解出各个关节的角度变化,运用于步态规划中;在SolidWorks中建立下肢外骨骼三维模型,运用ADAMS进行动力学仿真,其中对仿真参数的设定为步态规划中求解的各关节角度,通过虚拟样机完成仿真动作,最后将所得的仿真数据与光学动作捕捉系统采集的数据进行对比。数据对比结果显示,下肢外骨骼能基本实现人体的正常行走,确定了模型建立的可适用性、运动学分析与动力学仿真准确性,为后期的研究提供基准。

基于动作捕捉技术的虞姬剑舞体验系统设计与实现

本文设计了一款动作捕捉技术下的虞姬剑舞体验系统,该系统利用动作捕捉技术采集数据到Unity3D游戏引擎,实现了对京剧动作的实时教学。实验证明,该系统能够向体验者实时反馈剑舞动作的精确度,对动作捕捉技术在文化遗产传承中的应用具有一定参考价值。

基于动作捕捉技术的羽毛球训练辅助教学系统设计

传统羽毛球训练辅助系统因简单的传感器和图像处理技术,难以捕捉到羽毛球击球动作的连续性,影响了动作分析和训练反馈的精确性。为此,文章设计了基于动作捕捉技术的新型羽毛球训练辅助系统。系统硬件采用了动作捕捉感应装置和双控电源确保稳定运行;软件部分精准捕捉击球动作,提供详细的技术分析和个性化训练建议,同时建立了教学资源库以优化训练。测试结果表明,该系统显著提高了命中率和训练效果。

改进的深度动作捕捉技术在民族传统体育动作识别中的应用

传统的惯性传感器仅可采集民族传统体育动作信息,无法自动识别动作类别,为此对传统动作捕捉技术进行了改进.将18个惯性传感器设备与人体关节绑定,基于九轴惯性传感器芯片设计惯性传感器节点,经过数据传输节点与接收节点将数据传输至处理模块,完成民族传统体育动作捕捉.设计三层深度信念网络识别民族传统体育动作类型,将人体9种数据特征参数作为网络输入,动作类别作为网络输出.在民族传统体育动作识别测试中,用该方法测量的人体关节位置信息更加接近标准值,民族体育动作的识别率高达95%以上,具有较好的动作识别精准度与稳定性.