運動捕捉技術在體育運動領域的應用*

聶鑫苗 張新安 曹麗華

運動捕捉技術在體育運動領域的應用*

聶鑫苗 張新安 曹麗華

（沈陽體育學院 運動人體科學學院，遼寧 沈陽 110102）

運動捕捉技術是通過運動捕捉設備捕捉運動物體在三維空間的軌跡，利用計算機處理分析后得到物體三維空間坐標數(shù)據(jù)的一門技術。文章闡述運動捕捉技術的定義、組成和分類，對比不同類型運動捕捉技術的優(yōu)缺點，介紹常見運動捕捉設備。綜述運動捕捉技術在體育運動領域尤其是在運動學習、運動訓練、損傷預防、運動康復、裁判輔助等方面的應用，如：輔助提高學習和訓練效果，減少運動損傷，指導制定康復訓練方案提高康復效率，減少誤判使裁判結果更加客觀等，并對當前運動捕捉技術在體育領域研究存在的不足進行探討，對未來發(fā)展方向提出建議。

運動捕捉技術；體育運動；運動訓練；損傷預防；康復

運動捕捉技術是通過傳感器采集人體標定位置的運動軌跡，利用計算機處理分析后得到物體三維空間坐標數(shù)據(jù)的一門技術，廣泛運用于動畫制作、軍事模擬、體育運動、康復醫(yī)療等領域。幾十年來，運動捕捉技術一直是人們非常感興趣的一個主題，隨著科學技術的進步，人們更加意識到它的重要性。在20世紀70年代，運動捕捉技術首先被Johansson提出，用于檢測生物的可視化感知[1]。在20世界80年代，西蒙弗雷澤大學的生物力學實驗室第一次使用計算機分析人體運動[2]。隨后，一些頂級大學和科研實驗室進一步研究運動捕捉技術，促使其蓬勃發(fā)展，推動了運動捕捉技術的進步。目前，運動捕捉技術主要應用在影視、虛擬現(xiàn)實、生物力學、運動醫(yī)學、體育運動等領域。本文總結綜述了運動捕捉技術在體育運動領域的應用情況，分析當前研究存在的不足并探討了未來的發(fā)展趨勢，為運動員科學訓練以及成績提高提供一個參考方向。

1 運動捕捉技術概述

1.1 運動捕捉技術定義

20世紀90年代末Menache給運動捕捉做了如下定義：一個在時域上通過跟蹤一些關鍵點的運動來記錄生物的運動，然后將記錄到的數(shù)據(jù)轉換成數(shù)學式表達并合成一個單獨3D運動的過程[3]。簡單來說，運動捕捉技術是通過運動捕捉設備捕捉運動物體在三維空間的軌跡，利用計算機處理分析后得到物體三維空間坐標數(shù)據(jù)的一門技術。

1.2 運動捕捉系統(tǒng)組成

一般運動捕捉系統(tǒng)由傳感器、信號捕捉設備、數(shù)據(jù)傳輸設備、數(shù)據(jù)處理設備組成[4]。

（1）傳感器是一種能感受規(guī)定被測量件，并按照一定的規(guī)律 (數(shù)學函數(shù)法則)轉換成可用信號的器件或裝置[5]。它可以通過固定于運動物體特定部位來跟蹤運動物體的位置信息。不同的捕捉任務，跟蹤器的數(shù)目不同。

（2）信號捕捉設備是負責捕捉、識別傳感器信號的一種設備。信號捕捉設備會因捕捉系統(tǒng)的不同而不同，對于機械系統(tǒng)來說它是一塊捕捉電信號的線路板，對于光學系統(tǒng)來說，它是高分辨率的紅外攝像機。

（3）數(shù)據(jù)傳輸設備是將大量的運動數(shù)據(jù)從信號捕捉設備快速準確的傳輸?shù)接嬎銠C進行處理的一種設備，很多時候需要實時同步傳輸數(shù)據(jù)。

（4）數(shù)據(jù)處理設備是將系統(tǒng)捕捉到的數(shù)據(jù)處理修正后再與三維模型結合來完成計算機動畫制作的設備。借助計算機高速的運算能力來完成數(shù)據(jù)的處理, 使三維模型真正、自然地運動起來。

1.3 運動捕捉系統(tǒng)分類

運動捕捉系統(tǒng)的分類方式多元化，以工作原理進行劃分，可分為：機械式運動捕捉、聲學式運動捕捉、電磁式運動捕捉、光學式運動捕捉、基于視頻的運動捕捉和基于慣性的運動捕捉六種類型（表1）。

1.3.1機械式運動捕捉

機械式運動捕捉系統(tǒng)，也稱為主動標記技術。它是依靠機械裝置來跟蹤和測量運動，將被測試者與機械結構相連，被測試者運動帶動機械裝置運動，并由傳感器記錄所獲得的運動學參數(shù)。這種運動捕捉系統(tǒng)的優(yōu)點是成本低、精度高、不會受任何磁或光的干擾、對環(huán)境限制較小、具有實時性、可同時捕捉多個對象。缺點是被測試者在測試時不能跳躍、需要頻繁的重新校準、不能識別被測試者的絕對位置，也不能識別物體指向或移動的方向[6]。

1.3.2聲學式運動捕捉系統(tǒng)

聲學式運動捕捉系統(tǒng)是通過接收固定在被測試者身體上的發(fā)射器所發(fā)出的超聲波信號來跟蹤運動[7]，通過信號到達不同探頭的時間差來計算出對應接收器的空間位置和運動方向。該系統(tǒng)優(yōu)點是成本低、可解決在捕捉過程中人體的遮擋問題。缺點是實時性差、精確度低、對環(huán)境要求較高[8]。

1.3.3電磁式運動捕捉系統(tǒng)

電磁式運動捕捉系統(tǒng)要求被測試者佩戴磁發(fā)射器或接收器來跟蹤運動，并利用數(shù)據(jù)處理設備對捕獲的數(shù)據(jù)進行分析得出被測試者的空間位置或方向。這種運動捕捉系統(tǒng)的優(yōu)點是實時應答、捕獲量大、技術成熟、設備成本和處理數(shù)據(jù)的計算成本較低。缺點是失真度較高、采樣頻率較低、容易發(fā)生磁變形、對環(huán)境要求較高、電纜對被測試者的活動限制較大，尤其是在劇烈活動中[9]。

1.3.4光學式運動捕捉系統(tǒng)

光學式運動捕捉系統(tǒng)，也稱為被動標記技術，是目前應用最多的運動捕捉系統(tǒng)。被觀測者穿著一套以特殊反光材料作為標記的服裝，這些標記會被一系列攝像機捕捉，然后利用特定的軟件對標記的點進行三角測量，再以數(shù)字的方式重新構建運動。這種運動捕捉系統(tǒng)的最大優(yōu)點是被觀測者可以自由移動、不需要電纜或者任何在身體和設備之間連接的裝置、運動捕捉能力更強。缺點是價格較高、實時性差、數(shù)據(jù)處理工作量大、對場地要求高、反射點可能被人體或其他物體阻擋，導致數(shù)據(jù)丟失[4]。

1.3.5基于視頻的運動捕捉系統(tǒng)

基于視頻的運動捕捉系統(tǒng)是利用計算機視覺的基本原理，從視頻中直接提取三維人體運動序列的一種運動捕捉系統(tǒng)。該系統(tǒng)優(yōu)點是不需要在人體關節(jié)上附加任何傳感器、人體活動不受限制、造價低、效率高。缺點是實現(xiàn)難度較大、算法復雜、發(fā)展不成熟[7]。

1.3.6基于慣性的運動捕捉系統(tǒng)

基于慣性的運動捕捉技術是在被測試者人體關鍵點處放置慣性傳感器，由這些傳感器組成傳感器網(wǎng)絡，將數(shù)據(jù)從慣性傳感器轉換到計算機上的人體運動模型重建軟件中，通過處理分析，將實時的人體運動姿態(tài)以圖形化顯示[10]。一般采用三軸陀螺儀、三軸加速器和三軸磁力計組成的慣性測量單元來測量傳感器的運動[11]。優(yōu)點是體積小、重量輕、成本低、精度高、對空間沒有特殊要求、可進行實時運動捕捉、對不同環(huán)境具有穩(wěn)定性。缺點是采集到的數(shù)據(jù)信號通常會受到外界或者自身的干擾影響：如人體運動過程中身體產(chǎn)生的抖動或者外圍環(huán)境產(chǎn)生的不規(guī)則信號；信號采集設備本身存在著測量誤差；運動過程中節(jié)點位置偏移造成的信號不準確。此外，對傳感器精度要求高，而且有積累誤差[12,13]。

表1 運動捕捉系統(tǒng)分類

類型原理優(yōu)點缺點 機械式運動捕捉機械裝置測量人體運動角度成本低、環(huán)境限制小、實時性、可同時捕捉多個對象受試者姿勢受限、需要頻繁校準、不能識別受試者絕對位置 聲學式運動捕捉超聲波信號跟蹤運動成本低、不受人體遮擋實時性差、精確度低、環(huán)境要求高 電磁式運動捕捉電磁裝備發(fā)出或接收運動信號實時性、技術成熟、成本低失真度高、容易磁變形、環(huán)境要求高、受試者活動受限 光學式運動捕捉反光材料作為標記點，攝像機跟蹤標記點運動受試者可自由移動、不需要連接裝置成本高、實時性差、數(shù)據(jù)處理工作量大、場地要求高、反射點易被遮擋 基于視頻的運動捕捉計算機提取視頻中的三維人體運動序列不需要附加傳感器、活動不受限制、成本低、效率高難度較大、算法復雜、發(fā)展不成熟 基于慣性的運動捕捉關鍵點處放置慣性傳感器跟蹤運動體積小、重量輕、成本低、精度高、環(huán)境限制小、穩(wěn)定性、實時性傳感器精度要求高、有積累誤差

1.4 常見運動捕捉設備

目前，運動捕捉設備大多是由國外公司開發(fā)研制，最具有代表性的機械式運動捕捉設備是X-Ist公司的Full Body Tracker。電磁式運動捕捉設備大多由Polhemus、Asension tech等公司開發(fā)。聲學式運動捕捉設備由Logitech、SAC等公司研制。目前應用最多的是光學式運動捕捉系統(tǒng)，大多由Vicon、Motion Analysis等公司研發(fā)，其中Vicon公司開發(fā)的Vicon motion system系列最為常見[14]，該系統(tǒng)利用紅外線攝像機來捕捉貼附在人體上的標記點的運動。Kinect是由微軟公司于2010年開發(fā)的一種3D體感攝影機，該設備可不依靠標記點進行數(shù)據(jù)捕捉[15]。目前，比較典型的慣性運動捕捉系統(tǒng)有荷蘭的Xsens MVN[16]和美國Innalabs 3Dsuit[17]等，Xsens MVN套裝是一套靈活的人體全身運動捕捉設備，解決了過去慣性運動捕捉系統(tǒng)在雙腳同時離地、跳躍等動作會產(chǎn)生數(shù)據(jù)漂移現(xiàn)象的問題。國內公司開發(fā)的運動捕捉系統(tǒng)主要有大連東銳DVMC-8820光學運動捕捉系統(tǒng)[18]，北京諾亦騰科技有限公司Perception Neuron慣性動作捕捉系統(tǒng)[19]。中國科學院自動化研究所吳健康教授[20]，浙江大學李啟磊教授團隊[21]等也對運動捕捉系統(tǒng)進行了研究。

2 運動捕捉技術在體育運動領域的應用

幾十年來，運動捕捉技術從最開始的機械式運動捕捉系統(tǒng)逐漸發(fā)展到基于慣性的運動捕捉系統(tǒng)，并且在體育運動領域得到很好的應用。它可以捕捉運動員的動作，進行量化分析，結合人體生理學和人體物理學研究改進方法，使體育訓練擺脫純粹的依靠經(jīng)驗的狀態(tài)，進入理論化、數(shù)字化時代。目前，它主要應用在運動學習、運動訓練、損傷預防、運動康復和輔助裁判等方面。

2.1 運動學習

運動捕捉技術已經(jīng)應用于攀巖、橄欖球、網(wǎng)球等運動的學習中，通過運動交互反饋，運動員可以最高效的學習運動項目。Cha根據(jù)一名專業(yè)男性攀登者的動作姿勢進行數(shù)據(jù)采集，利用無標記的運動捕捉設備制作逼真的三維攀巖動畫，對攀巖中的姿勢和動作加以分析，從而可以為新手攀巖運動員提供指導并進行有效的學習[22]。這些動畫可以使學員更加直觀多角度的進行學習，但教學中無法進行實時反饋糾正學員錯誤動作。因此Chiang基于運動捕捉技術提出了一種增強現(xiàn)實交互的身體運動訓練系統(tǒng)，利用深度圖像傳感器技術對人體的運動進行監(jiān)測、跟蹤和測量，對運動進行即時反饋。學習者根據(jù)預先錄制的專業(yè)人員的動作進行模仿，并通過系統(tǒng)判斷的結果改正錯誤動作，從而更準確的掌握所學動作[23]。Naour提出了一個基于虛擬現(xiàn)實技術將自身訓練時的動作與專家動作疊加反饋來幫助學習者實時學習運動項目的方法，利用運動捕捉技術和動態(tài)時間規(guī)整算法監(jiān)測53名橄欖球學習者投擲時的運動學參數(shù)，并測量隨著時間變化學習者與專家之間平均距離的離散程度，與4組不同視覺反饋方式的對照組進行比較，證明了該方法的有效性[24]。Oshita利用12個攝像機的光學運動捕捉設備和一個大屏幕構建了一個運動可視化自我訓練系統(tǒng)，通過該系統(tǒng)將受試者的運動特征與錄入的專家運動特征進行對比從而對受試者的運動進行可視化評估。每個受試者進行兩個階段的訓練 第一階段是重復實驗，直至受試者的運動特征與目標運動一致。第一階段30分鐘后開始第二階段，評估第一階段的訓練效果，該系統(tǒng)有效性在網(wǎng)球運動的學習訓練中得到了驗證[25]。

2.2 運動訓練

利用運動捕捉技術對運動員運動動力學進行準確量化能夠為教練員和運動生物研究人員提供提高和發(fā)展運動技術的依據(jù)[26]。目前，運動捕捉技術主要應用在拳擊、羽毛球、籃球、排球、游泳等運動項目的訓練中。Shen利用光學運動捕捉技術捕獲4名不同水平拳擊手的運動學特征，并提出以基于姿勢和基于動作的可視化圖像來分析拳擊手的動作，進一步提出連通性指數(shù)來評估動作的多樣性和靈活性以及動作策略指數(shù)評估運動模式的不可預測性，評估結果與教練員對拳擊手的判定一致。使用該方法時，拳擊手可以清晰的了解自己動作的薄弱之處，并根據(jù)該系統(tǒng)進行訓練評估，從而提高自身的拳擊水平[27]。Zhang利用運動捕捉技術根據(jù)15節(jié)段全身生物力學模型分析羽毛球正手扣球的運動學特征，以軀干旋轉為重點分析10名新手運動員和14名有經(jīng)驗運動員之間的運動學差異，在扣球時，有經(jīng)驗的運動員比新手運動員更多地使用軀干旋轉，從而為運動員的訓練提供指導方向[28]。Nakano對8名大學生球員和一名專業(yè)球員在罰球時的表現(xiàn)進行了研究，利用運動捕捉技術分析罰球時提高表現(xiàn)的策略，發(fā)現(xiàn)最小速度投籃時投放角誤差對落球位置的影響最小，提示籃球運動員訓練時可減小投籃速度練習罰球[29]。Zhang制作了一款可穿戴式石墨烯涂層光纖傳感器，選擇籃球和足球運動進行測試，將傳感器安裝在籃球運動員的手腕、肘部和肩膀來監(jiān)測投籃動作，安裝在足球運動員的手臂、腳踝和膝蓋來監(jiān)測射門動作，驗證了該傳感器的穩(wěn)定性。通過該傳感器，可以基于不同位置傳感器獲得的數(shù)據(jù)準確識別運動類型，記錄各關節(jié)的運動，判斷動作質量并向運動員反饋，幫助運動員優(yōu)化訓練、提高運動成績[30]。Wang基于可穿戴慣性傳感器的運動捕獲技術提出了一種游泳運動評價方法，對競技游泳運動中運動員的腰椎運動進行運動學分析，并且與光學運動捕捉系統(tǒng)分析的結果進行對比，驗證了其可靠性，該方法可以用來評價訓練成績，改進不足，提高訓練效果[12]。Blaszczyszyn利用光學運動捕捉系統(tǒng)捕獲13名專業(yè)空手道運動員與13名新手運動員在無目標、有靜止目標和有對手的情況下進行前踢的運動學數(shù)據(jù)，分析發(fā)現(xiàn)頭部、軀干、髖關節(jié)、膝關節(jié)和踝關節(jié)之間的運動學差異最為顯著，指導修正訓練中的錯誤，促進運動模式效率的提高，從而獲得更好的成績[31]。Ross對542名運動員進行動態(tài)動作篩選，利用運動捕捉系統(tǒng)觀測運動員鳥狗式運動、反彈跳、T-平衡、跳臺、L跳、向下跳、弓步跳運動學數(shù)據(jù)，采用主成分分析法對運動數(shù)據(jù)降維并區(qū)分新手和精英運動員全身運動模式的差異，線性判別分析重建運動數(shù)據(jù)可視化新手與精英運動員運動模式的差異，客觀評估運動員技能水平，指導教練為運動員制定更合理的訓練計劃，幫助減少傷害，提高成績[32]。

2.3 損傷預防

運動中發(fā)生損傷和反復損傷是制約運動員們取得優(yōu)異成績的一大阻力。受傷通常是由疲勞、過度訓練或脫水引起[33-35]。運動捕捉技術可以根據(jù)運動員的三維運動學對可能發(fā)生的損傷進行預測，盡可能的減小傷害。Zago研究 20名年輕男性以平均速度為75%的最大有氧速度來完成5分鐘5米往返跑實驗，利用運動捕捉系統(tǒng)捕獲他們運動時的心臟代謝參數(shù)、關節(jié)和重心運動學特征，將最后一分鐘數(shù)據(jù)與第一分鐘數(shù)據(jù)進行比較，發(fā)現(xiàn)髖關節(jié)和膝關節(jié)的運動角度發(fā)生變化，以此來探討在長期重復轉彎時韌帶斷裂的可能性，并強調進行神經(jīng)肌肉訓練來獲得正確的轉彎機制，預防損傷[36]。Rawashdeh研制了一種運動活動追蹤器，在11名受試者的上臂安裝一個慣性測量單元來跟蹤和識別棒球投球和排球發(fā)球時的肩部運動姿勢，以便通過實時反饋來預防性阻止運動中肩部過度使用所造成的損傷[37]。Becker利用三維運動捕捉技術對24名美國大學聯(lián)盟錦標賽1級越野跑步者的跑步運動學進行量化，分析患有脛骨內側應激綜合征的跑步者與正常跑步者的運動學差異，為教練或專業(yè)運動醫(yī)學人員進行傷害風險篩查提供依據(jù)[38]。L?dermann將運動捕捉技術與磁共振成像結合起來的非侵入性方法觀察肩關節(jié)損傷的原因，對10網(wǎng)球運動員肩部撞擊類型、撞擊頻率和半脫位的半分比進行評估，發(fā)現(xiàn)重復的異常運動接觸導致后上方撞擊是肩關節(jié)損傷的主要原因[39]。Tanabe利用三維運動捕捉系統(tǒng)捕獲15名優(yōu)秀橄欖球運動員的65個鏟球來分析鏟球撞擊時肩部、頸部和軀干的運動學特征，發(fā)現(xiàn)手臂鏟球和頭在前的鏟球方式可能是肩關節(jié)脫位的影響因素，為橄欖球比賽時運動員的損傷預防提供了一定的理論依據(jù)[40]。Welsh探討了冰球運動中髖關節(jié)外展角度對髖內收和髖外展扭矩的影響，利用光學運動捕捉系統(tǒng)捕獲12名正常業(yè)余男性冰球運動員雙側小腿、骨盆和胸部的三維運動學數(shù)據(jù)，分析發(fā)現(xiàn)當髖關節(jié)外展角度增大時，髖關節(jié)內收扭矩增加，髖關節(jié)外展扭矩降低，二者比率增加，提示冰球運動員在運動中要減小髖外展角度，更好的控制風險因素，減少運動損傷[41]。

2.4 運動康復

損傷后的康復十分重要，運動捕捉技術可以根據(jù)損傷后運動員的運動數(shù)據(jù)制定合理的康復方案，有重點有針對性的進行康復，提高康復訓練的效率。前交叉韌帶撕裂是運動中的常見損傷，損傷之后的行走步態(tài)是很多人所關心的，對于重返賽場的運動健兒更是如此。Rodrigues提出一種基于Kinect傳感器和慣性傳感器的低成本無標記的多模態(tài)步態(tài)分析系統(tǒng)，對8名健康成年人的步速、步長、步頻、步寬和步行周期進行測量并與金標準Vicon運動捕捉系統(tǒng)捕獲的數(shù)據(jù)對比，驗證了該系統(tǒng)的有效性，為運動損傷后步態(tài)的康復訓練提供反饋，提高康復效率[42]。Arumugam提出一種康復評估方法，利用三維運動捕捉系統(tǒng)對20名處于康復最后階段或已經(jīng)完成康復的單側膝交叉韌帶重建患者進行跳躍測試，在有準備和無準備兩種情況下完成三次前向跳躍和三次對角跳躍的單腿雙跳測試，捕獲落地轉向減速階段的髖關節(jié)、膝關節(jié)角度和力矩，與健康側肢體的運動學數(shù)據(jù)對比，并利用組內相關系數(shù)和測量標準誤差評估兩側肢體運動數(shù)據(jù)的可靠性，驗證了該方法的有效性[43]。Davis采用運動捕捉系統(tǒng)對前交叉韌帶重建群體的行走過程進行分析，觀察他們的協(xié)調變異性，根據(jù)行走時的差異進行訓練，有助于前交叉韌帶損傷的預防和康復[44]。Rensburg基于運動捕捉系統(tǒng)觀察10名長期腹溝股疼痛男性運動者和10名正常男性運動者的骨盆和髖關節(jié)的三維運動學，與健康對照組比較，長期腹股溝疼痛運動者在落地時骨盆和髖關節(jié)運動角度存在差異，通過分析差異可以使理療師更多的了解潛在的風險因素，促進循證運動和康復計劃的發(fā)展[45]。Teufl提出了一種基于慣性傳感器的三維關節(jié)運動學測量方法，將雙側蹲、單腿蹲和反運動跳躍的數(shù)據(jù)與基于標記的光學運動捕捉系統(tǒng)數(shù)據(jù)進行比較，驗證了其有效性。該方法可以提供患者的康復狀態(tài)和受傷風險信息，可將其發(fā)展到臨床中應用，尤其是在康復、運動醫(yī)學領域[46]。Movahed利用運動捕捉系統(tǒng)和地面反作用力測試觀測到患有下背痛的女性排球運動員落地時腰部伸展和最大垂直反作用力的時間顯著增加，這為損傷后的康復以及訓練提供了方向[47]。Jiang根據(jù)可穿戴式傳感器構建了基于物聯(lián)網(wǎng)技術的監(jiān)測系統(tǒng)，該系統(tǒng)可實時監(jiān)測被試者的心電信號、肌電信號、運動姿態(tài)等生理學參數(shù)，并對這些參數(shù)進行分析，從而指導制定康復訓練方案，準確評估運動能力和恢復情況，從而提高康復效率[48]。

2.5 輔助裁判

運動捕捉技術可以觀測到裁判員或專家們容易忽略的細節(jié)，輔助裁判員對比賽結果進行客觀分析，使結果更具有合理性。Brock開發(fā)了一個基于機器學習算法的跳臺滑雪動作自動評分系統(tǒng)，使用可穿戴的慣性傳感器采集4名青少年跳臺滑雪運動員的動作，根據(jù)錄入的官方評分指南對采集的數(shù)據(jù)進行評估并與人為判斷的分數(shù)進行比較，驗證了其有效性[49]。隨后他又利用多個慣性傳感器設計了第一個完整的錯誤自動識別系統(tǒng)，其有效性得到了驗證，錯誤系統(tǒng)的自動識別可以作為運動技能和表現(xiàn)質量的指標，能夠在評判性項目的比賽中增加客觀性[50]。Kurowski利用高速攝像機進行運動捕捉并使用一種基于附加光照變化模型的精確球跟蹤算法來檢測排球的攔網(wǎng)觸球，確定球的準確軌跡和撞擊位置，由此可以輔助裁判進行判斷[51]。Niewiadomski提出一種對全身運動質量進行評估的算法，利用運動捕捉系統(tǒng)捕捉7名不同水平的空手道運動員的運動學特征，并使用該算法進行動作評估，結果與14名空手道專家的評估結果基本一致[52]。Moreno利用計算機視覺的方法分析攝像機捕獲的運動圖像并判斷比賽中足球運動員是否越位，將分析結果與裁判員實際評判結果對比，驗證了該方法的有效性，在足球比賽中輔助裁判員更加客觀的判斷運動員越位情況，減少錯誤判斷的可能[53]。

2.6 其他方面

運動捕捉技術還有很多其他方面的應用，如人體健康監(jiān)測、作為測量指標等。在人體健康監(jiān)測方面，F(xiàn)arin開發(fā)了一個基于智能傳感器的實時心率監(jiān)測系統(tǒng)，該系統(tǒng)可以監(jiān)測病人的心率并將獲得的數(shù)據(jù)與存儲的數(shù)據(jù)進行比較，當心率異常時，該系統(tǒng)向病人發(fā)送信號提示病人存在心率異常情況，從而預防損傷[54]。在作為測量指標時，可以使實驗更具有合理性、可信性。Sinclair利用運動捕捉技術測量在有或無預防性護膝情況下運動員跑步、單腿跳躍等運動學參數(shù)，結果驗證了運動員可以通過預防性護膝來降低運動中前交叉韌帶損傷的風險[55]。在評估落地高度和鞋子類型對籃球運動員落地著陸時沖擊負荷和膝關節(jié)運動學的影響時，Wei利用三軸加速器、測力板、運動捕捉技術測量脛骨加速度、垂直地面反作用力和膝關節(jié)運動學，發(fā)現(xiàn)籃球運動員在較高的著陸高度和較差的緩沖鞋條件下會經(jīng)歷更大的沖擊負荷、脛骨沖擊和踝關節(jié)活動度[56]。Firminger研究在跳躍過程中鞋子和地面硬度對跟腱和髕腱應變的影響，30名健康男性籃球運動員穿著三種不同硬度的鞋在三種材質的地面上進行反向跳躍，測得運動捕捉、測力平臺和跳躍高度數(shù)據(jù)，利用磁共振成像獲得被試者肌腱形態(tài)并使用測力計、超聲和肌電圖相結合的方法獲得肌腱特性以及利用肌肉骨骼模型評估不同情況下的肌腱應變，分析發(fā)現(xiàn)穿著硬度低的鞋子或者在更堅硬的地面著陸可以在不影響運動員跳躍成績的情況下降低跟腱拉傷的可能性[57]。

3 小結與展望

近年來，運動捕捉技術的發(fā)展十分迅速。目前應用在體育運動領域的主要是Vicon光學運動捕捉系統(tǒng)[58]，而基于慣性的運動捕捉系統(tǒng)以其體積小，低成本，不受場地限制等優(yōu)點逐漸發(fā)展起來[59]。在運動學習訓練方面，主要集中在橄欖球、網(wǎng)球、羽毛球、籃球等運動項目的應用[24, 25, 28, 29]，但大部分實驗只適用于單項運動，并未能在多項體育運動中進行驗證，未來科研人員應擴大實驗范圍，進行多項目的檢驗。在損傷預防方面，運動捕捉系統(tǒng)在排球、橄欖球、冰球等項目的訓練中進行了實驗[37, 40, 41]，但是這些實驗通常只檢測一個運動特征，而忽略其他相關特征，未來應擴展到對多個運動特征進行評估量化。在運動康復中，當前的研究不多，可能是受場地、器械設備的制約，未來應更深入地探討這方面的應用。在輔助裁判評估方面，目前的方法主要是利用運動捕捉系統(tǒng)收集到的運動學數(shù)據(jù)與人為主觀判斷進行驗證，然而主觀判斷也可能存在一些不準確現(xiàn)象，并不能完全證明其有效性，未來應采取更為客觀的方式驗證評估系統(tǒng)的可行性。此外，由于研究還處于起步階段，并未應用在真正的比賽中，未來應在實際比賽中進行檢驗。雖然大量科研人員已經(jīng)探討了運動捕捉技術在體育運動領域的應用，但大多實驗樣本較小，未能在大量樣本中重復，未來科研人員應在大樣本群體中進行論證。

基于慣性的運動捕捉技術克服了以往捕捉系統(tǒng)的不足，其在體育運動領域的應用前景十分廣闊。未來，隨著科研知識的進步，運動捕捉技術的發(fā)展將更加深入，不僅適用于目前的體育、生物力學、影視、動畫等領域，還會在全新的領域大放異彩。

[1]JOHANSSON G. Visual perception of biological motion and a model for its analysis [J]. Perception & Psychophysics, 1973,14(2): 201-211.

[2]CALVERT T W, CHAPMAN J, PATLA A. Aspects of the Kinematic Simulation of Human Movement[J]. Computer Graphics and Applications ,IEEE, 1982,2(9):41-50.

[3]MENACHE A. Understanding motion capture for computer animation and video games[M].San Francisco:Morgan kaufmann, 2000:1-238.

[4]GUTEMBERG B, GUERRA-FILHO1. Optical Motion Capture: Theory and Implementation [J].RITA, 2005,12(2): 61-90.

[5]張擁軍,王興.國際運動傳感器研究熱點與趨勢探析 [J]. 首都體育學院學報, 2017,29(3): 280-288.

[6]BODENHEIMER B, ROSE C, ROSENTHAL S, et al. The process of motion capture: Dealing with the data [J]. Computer Animation and Simulation’.1997: 3-18.

[7]羅忠祥,莊越挺,潘云鶴,等.基于視頻的運動捕獲[J]. 中國圖象圖形學報,2002,7(8): 8-14.

[8]王征.基于視頻的三維人體重建和運動捕捉[D].天津: 天津大學,2009:1-107.

[9]KITAGAWA M, WINDSOR B. MoCap for artists: workflow and techniques for motion capture[M].London; New York:Routledge,2012:1-232.

[10]VLASIC D, ADELSBERGER R, VANNUCCI G, et al. Practical motion capture in everyday surroundings [J]. ACM Transactions on Graphics, 2007,26(3): 35-43.

[11]SZCZESNA A, SKUROWSKI P, LACH E, et al. Inertial Motion Capture Costume Design Study[J].Sensors (Basel), 2017,17(3): 612-633.

[12]WANG Z, WANG J, ZHAO H, et al. Using Wearable Sensors to Capture Posture of the Human Lumbar Spine in Competitive Swimming [J].IEEE Transactions on Human-Machine Systems, 2019,49(2):194-205.

[13]NAGAHARA R, KAMEDA M, NEVILLE J, et al. Inertial measurement unit-based hip flexion test as an indicator of sprint performance [J].Journal of Sports Sciences, 2020,38(1):53-61.

[14]Vicon. Motion Capture Systems from Vicon [EB/OL].[2020-05-01].http://www.vicon.com/.

[15]Microsoft Xbox. Kinect [EB/OL].[2020-05-01].http://www.xbox.com/kinect.

[16]ZHANG J-T, NOVAK A C, BROUWER B, et al. Concurrent validation of Xsens MVN measurement of lower limb joint angular kinematics [J]. Physiological measurement, 2013,34(8):63.

[17]Zhang X, Shi Y, Zhang Y. A CAN-based inertial sensor network for lower limb exoskeleton[C]//International Conference on Communiction Problem-solving. Beijing. IEEE, 2014:473-476.

[18]大連東銳軟件有限公司[EB/OL].[2020-05-01].http://www.dorealsoft.com/.

[19]北京諾亦騰科技有限公司.一種基于運動捕捉的浸入式虛擬現(xiàn)實系統(tǒng):中國, CN103488291B[P].2014-01-01.

[20]吳健康.人體運動捕獲三維再現(xiàn)系統(tǒng)及其方法:中國, CN101579238B[P].2012-12-19.

[21]李啟雷,金文光,耿衛(wèi)東.基于無線慣性傳感器的人體動作捕獲方法[J].浙江大學學報,2012,46(2): 280-285.

[22]CHA K, LEE E-Y, HEO M-H, et al. Analysis of Climbing Postures and Movements in Sport Climbing for Realistic 3D Climbing Animations [C].7th Asia-Pacific Congress on Sports Techonology. Barcelona: Procedia Engineering, 2015:52-57.

[23]CHIANG H-H, CHEN W-M, CHAO H-C, et al. A virtual tutor movement learning system in eLearning [J]. Multimedia Tools and Applications, 2018,78(4):4835-4850.

[24]NAOUR T L, HAMON L, BRESCIANI J-P. Superimposing 3D Virtual Self + Expert Modeling for Motor Learning: Application to the Throw in American Football [J].2019,6(16): 1-12.

[25]OSHITA M, INAO T, INENO S, et al. Development and evaluation of a self-training system for tennis shots with motion feature assessment and visualization[J].The Visual Computer, 2019,35(11):1517-1529.

[26]BRICE S M, HURLEY M, PHILLIPS E J. Use of inertial measurement units for measuring torso and pelvis orientation, and shoulder–pelvis separation angle in the discus throw [J].International Journal of Sports Science & Coaching, 2018,13(6):985-992.

[27]SHEN Y, WANG H, EDMOND S.L. HOYANG L, et al. Posture-based and action-based graphs for boxing skill visualization [J].Computers & Graphics,2017,69: 104-115.

[28]ZHANG Z, LI S, WAN B, et al. The Influence of X-Factor (Trunk Rotation) and Experience on the Quality of the Badminton Forehand Smash[J].Journal of Human Kinetics, 2016,53(1): 9-22.

[29]NAKANO N, INABA Y, FUKASHIRO S, et al. Basketball players minimize the effect of motor noise by using near-minimum release speed in free-throw shooting [J]. Human Movement Science,2020,70: 102583.

[30]ZHANG J, CAO Y, QIAO M, et al. Human motion monitoring in sports using wearable graphene-coated fiber sensors[J]. Sensors and Actuators A: Physical, 2018（274）:132-140.

[31]BLASZCZYSZYN M, SZCZESNA A, PAWLYTA M, etal. Kinematic Analysis of Mae-Geri Kicks in Beginner and Advanced Kyokushin Karate Athletes[J].International Journal of Environment Research and Public Health, 2019,16(17):3155-3165.

[32]ROSS G B, DOWLING B, TROJE N F, et al. Objectively Differentiating Movement Patterns between Elite and Novice Athletes[J].Medicine & Science in Sports & Exercise, 2018,50(7):1457-1464.

[33]HEIKENFELD J. Bioanalytical devices: Technological leap for sweat sensing [J].Nature, 2016,529(7587): 475-476.

[34]SONNER Z, WILDER E, HEIKENFELD J, et al. The microfluidics of the eccrine sweat gland, including biomarker partitioning, transport, and biosensing implications[J].Biomicrofluidics, 2015,9(3):031301.

[35]RADIN E L. Role of muscles in protecting athletes from injury [J].Medica Scandinavica, 1986,220(S711):143-147.

[36]ZAGO M, ESPOSITO F, BERTOZZI F, et al. Kinematic effects of repeated turns while running [J]. European Journal of Sport Science, 2019,19(8):1072-1081.

[37]RAWASHDEH S A, RAFELDT D A, UHL T L. Wearable IMU for Shoulder Injury Prevention in Overhead Sports[J].Sensors (Basel), 2016, 16(11):1847-1862.

[38]BECKER J, NAKAJIMA M, WU W F W. Factors Contributing to Medial Tibial Stress Syndrome in Runners: A Prospective Study [J]. Medicine & Science in Sports & Exercise, 2018, 50(10):2092-2100.

[39]LADERMANN A, CHAGUE S, KOLO F C, et al. Kinematics of the shoulder joint in tennis players [J].Journal of Science and Medicine in Sport,2016,19(1): 56-63.

[40]TANABE Y, KAWASAKI T, TANAKA H, et al. The kinematics of 1-on-1 rugby tackling: a study using 3-dimensional motion analysis[J].Journal of Shoulder Elbow Surg, 2019,28(1):149-157.

[41]WELSH P, HOWITT S, HOWARTH S J. The Influence Of Hip Joint Angle on the Ratio Between Adduction And Abduction Torque In Experienced, Recreational Male Ice Hockey Players [J].International Journal of Sports Physical Therapy, 2020,15(1):22-33.

[42]RODRIGUES T B, SALGADO D P, CATHáIN C ó, et al. Human gait assessment using a 3D marker-less multimodal motion capture system [J].Multimedia Tools and Applications, 2019,79(3-4):2629-2651.

[43]ARUMUGAM A, MARKSTROM J L, HAGER C K. A novel test reliably captures hip and knee kinematics and kinetics during unanticipated/anticipated diagonal hops in individuals with anterior cruciate ligament reconstruction [J].Journal of Biomechanics,2020（99）:109480.

[44]DAVIS K, WILLIAMS J L, SANFORD B A, et al. Assessing lower extremity coordination and coordination variability in individuals with anterior cruciate ligament reconstruction during walking[J].Gait Posture, 2019（67）:154-159.

[45]VAN RENSBURG LJ, LOUW Q, CROUS L, et al. Pelvic and hip kinematics during single-leg drop-landing are altered in sports participants with long-standing groin pain: A cross-sectional study[J].Physical Therapy in Sport, 2017（26）:20-26.

[46]TEUFL W, MIEZAL M, TAETZ B, et al. Validity of inertial sensor based 3D joint kinematics of static and dynamic sport and physiotherapy specific movements[J].PLoS One, 2019,14(2): e0213064.

[47]MOVAHED M, SALAVATI M, SHEIKHHOSEINI R, et al. Single leg landing kinematics in volleyball athletes: A comparison between athletes with and without active extension low back pain[J].Bodywork and Movement Therapies, 2019,23(4): 924-929.

[48]JIANG Y. Combination of wearable sensors and internet of things and its application in sports rehabilitation[J]. Computer Communications, 2020（150）: 167-176.

[49]BROCK H, OHGI Y, SEO K. Development of an Automated Motion Evaluation System from Wearable Sensor Devices for Ski Jumping [C].11th conference of the International Sports Engineering Association. Netherlands: Procedia Engineering, 2016（147）:694-699.

[50]BROCK H, OHGI Y. Assessing Motion Style Errors in Ski Jumping Using Inertial Sensor Devices [J]. IEEE Sensors Journal, 2017, 17(12): 3794-3804.

[51]KUROWSKI P, SZELAG K, ZALUSKI W, et al. Accurate ball tracking in volleyball actions to support referees [J].Opto-Electronics Review, 2018,26(4): 296-306.

[52]NIEWIADOMSKI R, KOLYKHALOVA K, PIANA S, et al. Analysis of Movement Quality in Full-Body Physical Activities[J].ACM Transactions on Interactive Intelligent Systems,2019,9(1): 1-20.

[53]MORENO J, ROMERO J, MORALES O, etal. CAR: Computerized Assistant Referee for Determining the Offside Rule in Soccer by Using Computer Vision [M].Intelligent Systems and Applications. 2019:521-542.

[54]FARIN N J, SHARIF S M A, MOBIN I. An Intelligent Sensor Based System for Real Time Heart Rate Monitoring (HRM)[J].Intelligent Control and Automation, 2016,7(2):55-62.

[55]SINCLAIR J, TAYLOR P J. Effects of a Prophylactic Knee Sleeve on Anterior Cruciate Ligament Loading During Sport-Specific Movements[J].Journal of Sport Rehabilitation,2018：1-7.

[56]WEI Q, WANG Z, WOO J, et al. Kinetics and perception of basketball landing in various heights and footwear cushioning [J].PLoS One, 2018,13(8): e0201758.

[57]FIRMINGER C R, BRUCE O L, WANNOP J W, et al. Effect of Shoe and Surface Stiffness on Lower Limb Tendon Strain in Jumping[J].Medicine & Science in Sports & Exercise, 2019,51(9):1895-1903.

[58]PUEO B, JIMENEZ-OLMEDO J M. Application of motion capture technology for sport performance analysis [J].Retos, 2017（32）:241-247.

[59]ADESIDA Y, PAPI E, MCGREGOR A H. Exploring the Role of Wearable Technology in Sport Kinematics and Kinetics: A Systematic Review[J].Sensors (Basel), 2019,19(7):1597-1623.

On the Application of Motion Capture Technology in Sports

NIE Xinmiao, etal.

(Shenyang Sport University, Shenyang 110102, Liaoning, China)

遼寧省重點攻關類項目，自由式滑雪空中技巧項目動作捕捉與分析系統(tǒng)，項目編號為：LZD2020ST01。

聶鑫苗（1997—），碩士生，研究方向：運動康復學。

曹麗華（1979—），博士，教授，研究方向：運動人體科學。