基于计算机视觉的运动动作无标记识别技术研究进展

孙 冬，宋 杨，2，岑炫震，2，盛 博，顾耀东

（1.宁波大学体育学院，浙江宁波315211；2.塞格德大学工程学院，匈牙利塞格德6700；3.上海大学机电工程与自动化学院，上海200444）

当前，动作捕捉系统（Motion Capture System，MoCap）及相关技术已广泛应用于运动科学、生物力学以及康复医学等领域［1-6］。例如，可穿戴的惯性传感测量元件（Inertial Measurement Unit，IMU）包含了加速度计、陀螺仪和磁强计传感器等组件，可以进行三轴测量，基于人体运动的分层结构，分别量化加速度、角速度和运动方向［7］。由于轻便、无线和便于操作等特性，其已被成功应用于足球、游泳、高山滑雪、跑步等项目的动作识别［8-11］。然而，在竞技比赛中，实验控制条件的受限以及禁止在体表粘贴标记点和佩戴传感器的要求提示上述动作捕捉技术存在劣势［12］。

近年来，基于计算机视觉的无标记动作捕捉技术使得复杂环境下的人体动作识别（human activity recognition）成为可能。通过摄像设备进行无标记动作捕捉，远程获取比赛中的运动学信息，依托计算机视觉的机器学习（machine learning）算法，将检测到的人体活动表示为与特定动作相对应的波信号特征并提取到计算机终端，进而同步完成视频的自动分析、信息的自动提取以及快速反馈［13-17］。基于计算机视觉图像的动作分析首先需要预测或估计目标在图像序列中的位置和方向，通过识别连续图像中具有相同或相近特征的目标，进而实现对位移参数的实时追踪和获取［18］。在当前实际应用中，通常将人体结构简化为由无摩擦的转动关节连接而成的一系列刚体，便于机器的识别与追踪［19］，然而事实上人体运动十分复杂，并且由于肌肉、肌腱等软组织的存在，并不能以简单的刚体模型进行描述。……