网站首页  词典首页

请输入您要查询的论文:

 

标题 基于Kinect的智能特征提取教学平台设计
范文

    邹鹏 谌雨章 蔡必汉 陈龙彪

    

    

    摘要:针对运动教学,结合摄像头与相关图像处理算法,开发了准确捕捉动作、比对分析、提出建议的智能运动分析教学平台。应用物联网经典框架,逐层设计了本平台的功能与原理,对于核心模块,进行了理论论证与落地实验。在动作捕捉方面,应用Kinect深度摄像头,测算出人体骨骼关键点三维坐标信息,配合加权递推平均滤波算法提取了欧拉角特征信息,使用模板匹配法能准确地识别用户动作。在比对分析方面,应用欧氏距离法,可准确给出量化的综合评价与相似度。

    关键词:kinect;动作识别;数据提取;实时对比;综合评价

    中图分类号:TP391.7? ? ?文献标识码:A

    文章编号:1009-3044(2019)18-0179-02

    1 引言

    在运动学习需求高速增长的同时,以物联网技术为代表的信息技术也取得了突飞猛进的进展,个人电脑与手机迅速普及,计算机图形学也有较大进步,在运动辅助教学方面有了新的探索。本智能运动教学分析平台,借鉴了近年来在游戏、电影领域应用广泛的三维人体运动捕捉技术[1]。学习者只需要在深度摄像头前模仿标准教学视频中的动作,本系统就能运用图像处理算法对视频进行特征检测和识别,及时指出错误并反馈动作的相似度,从而降低舞蹈、健身等运动的学习门槛,方便用户的动作学习与训练。

    2 系统方案

    基于物联网经典的层次架构设计方案,本智能运动分析教学平台设计分为四个层次:智能感知层、网络传输层、数据管理层、云应用层。

    智能感知层部署Kinect深度摄像头,采集用户的动作信息。感知层采集到动作信息后,进行初步的前景侦测等预处理,将特征信息经由网络传输层传递给数据库储存。

    网络传输层基于目前主流的几种网络形式,如WI-FI、以太网、蜂窝通信网络等。负责将智能感知层的数据根据不同需求传输给数据管理层。

    数据管理层分为数据分析、数据存储两大模块。数据分析模块根据网络传输层传递的人体关节模型,计算关节点向量,提取欧拉角等三维动作数据,传给数据存储模块保存。针对三维动作数据,设计以BVH格式存储欧拉角等特征信息的数据库。数据库主要存储标准动作的特征信息、采集的用户动作特征信息、用户基本信息,数据分析模块随时调用这些数据进行相似度计算、动作识别等处理。用户通过云应用层也可方便地调用数据库数据。

    云应用层是本平台提供给用户方便使用的接口,包含跨平台的客户端、基于B/S模式的网站。用户在Andriod、Windows系统上都可以使用本平台客户端,启动智能运动分析教学服务。也可登录网站,管理自己的运动信息,或在论坛上与其他用户交流。

    3 实施原理及过程

    3.1 关节模型提取

    在Kinect 2.0上通过其获取人体的深度信息,从而建立人体骨骼关节模型的坐标信息,完成对骨骼关节模型的提取,完成图像坐标到实际坐标的转化。假设kinect所采集到的某一节点坐标为[(xi,yi,zi)],其转换公式为:

    3.2 动作识别

    由于Kinect每秒获取30帧图像,也就是关节模型每秒刷新30次,再加上人身体不可避免的抖动,因此首先采用加权递推平均滤波算法[2]对坐标进行滤波,去除关节坐标点的波动。加权递推平均滤波算法就是连续取N各采样值作为标准队列,此队列长度固定为N。之后每次采集一次新的数据就放到队尾,并丢掉队首的数据。然后针对不同时刻赋予不同权值,最后把队列的N个数据进行算术平均运算,即得到滤波结果,公式如下:

    3.3 动作相似度计算

    基于数据库中以BVH格式存储的欧拉角人体特征向量,本项目采用欧式距离法计算动作相似度[4]。流程图如图1所示:

    经过大量的样本试验后,本平台将单通道欧氏距离阈值设置为0.05,能相对准确地给出全局评价与相似度。对确定的人体骨架,三维动作数据就是对骨架中每个骨骼的相对旋转角度的表征。我们选用旋转矩阵和欧拉角来描述刚体在三维空间中的旋转量[5]。

    4 结论

    本平台具有动作捕捉与识别、动作分析比对、学习管理等功能,具有良好的实时性、适用性与准确性。在用戶动作采集方面,考虑到平台精度与成本的双重要求,部署了Kinect深度摄像头作为智能感知层,以此提取人体骨骼关节模型与三维坐标信息。根据这些信息经加权递推平均滤波后,计算欧拉角为特征向量,以BVH格式存储在数据库中。本平台通过比对标准教学视频中的模板特征数据,达到动作识别的效果。在动作比对分析方面,引入了对欧拉角标准规范化的动作捕捉数据,对用户视频序列进行了良好分段,针对每段序列的每个通道计算欧氏距离,表示与标准动作的相似度。经过实验设置了良好的阈值,能做出较为准确的综合评价。在用户体验方面,基于Django框架开发了B/S模式的前端服务平台,用户登录注册此网站可以可视化选择课程、管理自己的学习进度、查看学习评价并与其他用户交流,具有良好的交互性与用户体验。

    参考文献:

    [1] 白正彪. 基于Kinect的运动示教系统研究与实现[D]. 天津大学, 2012.

    [2] 党宏杜. 基于Kinect的人体动作识别算法研究[J].电子器件,2017,40(5):1310-1313.

    [3] Aggarwal J K, Cai Q. Human motion analysis: a review [J]. Computer vision and image understanding, 1993,73(3), 90-102.

    [4] Alexiadis D S, Kelly P, Daras P, et al. Evaluating a dancer's performance using Kinect-based skeleton tracking [J]. Association for Computing Machinery Multimedia, 2011, 28, 659-662.

    [5] 陈银态. 人体轮廓提取与运动捕捉系统平台搭建[D]. 北京交通大学, 2012.

    【通联编辑:梁书】

随便看

 

科学优质学术资源、百科知识分享平台,免费提供知识科普、生活经验分享、中外学术论文、各类范文、学术文献、教学资料、学术期刊、会议、报纸、杂志、工具书等各类资源检索、在线阅读和软件app下载服务。

 

Copyright © 2004-2023 puapp.net All Rights Reserved
更新时间:2025/3/15 17:31:52