惯性姿态测量如何助力“中国飞鱼”奥运夺冠：揭秘MEMS人体动作捕捉技术

作者：于旭东、李慧平，姜雨琪（国防科技大学）

巴黎奥运会的帷幕刚刚落下，全球观众仍沉浸在精彩的比赛中。在男子100米自由泳决赛中，00后温州籍泳将潘展乐以惊人的46秒40，刷新了他自己创造的世界纪录，勇夺金牌。在男子4X100米混合泳接力决赛中，徐嘉余和覃海洋在前半程稳居第一。最后一棒时，出发时暂居第三的潘展乐凭借出色表现实现了惊天逆转，不仅为中国队夺得金牌，还打破了美国队长达40年的金牌垄断。潘展乐第四棒的分段成绩达到了45秒92，成为有记录以来人类首次在100米游进46秒的泳将！

8月4日，巴黎奥运会游泳项目男子4×100米混合泳接力决赛中，潘展乐（右）在最后阶段冲刺。

新华社记者 夏一方 摄（http://www.hb.xinhuanet.com/20240805/1d67780bbc3b4d12be6f62e16ffc34f0/c.html）

回顾赛场上运动员们力求争金夺银的高光时刻，不难发现其背后训练中都有高科技的支持，其中，游泳运动员的训练尤为引人注目。他们在水中的每一个动作、每一次转身，都离不开高科技的支持，而这背后的关键之一就是MEMS人体动作捕捉技术。近年来，人体动作捕捉技术在运动康复与姿态测量领域取得了显著进展，不仅服务于奥运赛场，也逐渐走入了我们的日常生活。

人体动作捕捉是一种能够通过相关设备采集人体肢体在三维空间的运动数据，进而通过对数据进行分析、处理，重构人体在三维空间运动过程的技术。

通过人体动作捕捉技术可有效地分析、监测人体生物信息[1]，为临床医学诊断提供科学、合理的依据，辅助医师制订更加有效的治疗方案。另外，利用人体动作捕捉系统采集患者或运动员的运动信息[2,3]，医师可将运动信息与患者所制订的康复计划或运动员的训练计划进行姿态及幅频的比较，及时矫正不合理的动作。对于普通人，人体动作捕捉系统也可实时监测人体动作幅频，对于长时间及过度运动及时预警。可见人体动作捕捉系统在医疗、军事、体育训练方面具有巨大的经济、社会、军事效益。此外，人体动作捕捉系统还广泛应用于人机交互、动作识别[4,5]等领域。

目前，主流的人体动作捕捉系统有两种：光学式和惯性式。

光学式人体动作捕捉系统就像电影中的动作捕捉一样，通过在身体上安装光标点，然后利用测量空间内的高速摄像机追踪每个光标点的运动轨迹，再通过计算机重构人体运动过程。

光学式人体动作捕捉系统的优点是采样频率高，测量精度高，缺点是容易受到人体遮挡，价格昂贵，对环境要求高。

而惯性式则更加灵活，它依赖于安装在身体各部位的传感器节点。通过将传感器节点绑定在人身体各肢体段，利用传感器节点中的微机电系统（Micro Electro Mechanical System，MEMS）陀螺仪，MEMS加速度计和MEMS磁力计记录人体运动过程中的加速度、角速度及空间磁场信息[]，进而基于惯性导航原理[,]计算运动过程中的姿态信息。

惯性式人体动作捕捉系统相对于光学式人体动作捕捉系统测量精度较低，但是其对环境要求不高，体积小，质量轻，成本低，易于集成，佩戴方便[9]。

惯性式人体动作捕捉系统的传感器节点包括陀螺仪、加速度计和磁力计等传感器，其节点质量小，能够实现佩戴人在自由生活条件下，连续的关节健康记录和运动监测[10]。

MEMS陀螺仪所用到的基本原理是科里奥利定理。MEMS陀螺仪驱动硅片衬底上的谐振器使其沿衬底的径向震荡，测量在横向所受到的与角速度成正比的科里奥利力，可以解算出载体运动的角速度。三轴陀螺仪可以通过初始姿态及三轴角速度的输出确定其在三维空间的旋转信息。

MEMS加速度计测量的是载体所受到的比力。比力是载体相对于惯性空间的绝对加速度与引力加速度的差值。对于电容式MEMS加速度计，在其内部有一标准的平板电容器，一极是固定的，附有质量块的另一极是可移动的，当载体存在比力变化时，质量块的活动改变平板电容两极之间的距离和正对面积，通过测量电容的变化可以计算出载体所受到的比力。

MEMS磁力计的测量值是地磁场在载体坐标系上的分量。对于磁阻式磁力计，其内部采用各向异性磁致电阻（Anisotropic Magneto-Resistance，AMR），AMR对外界磁场变化敏感，利用惠斯通电桥检测AMR阻值的变化情况，进而计算出外界磁场的大小。

通过对传感器节点输出的原始数据进行处理与融合解算，可以估计出传感器节点的姿态信息。基于数据融合进行姿态解算的方法主要有互补滤波算法、卡尔曼滤波算法。由于早期嵌入式处理器性能不足，结构简单、运算量小的互补滤波算法在无人机等姿态解算场景应用较多。随着MEMS传感器的发展、性能更强的嵌入式处理器的开发，卡尔曼滤波等计算量大但是滤波效果更优的数据融合算法逐步用于微惯性传感器的姿态解算[]。

人体的动作识别是根据模式识别方法对人体的动作进行分类。模式识别方法主要包括基于模板匹配的模式识别方法和基于统计分类的模式识别方法。基于统计分类的模式识别方法需要准备大量样本用于分类器模型的训练和验证分类器模型的识别效果。基于MEMS惯性传感器的人体动作识别系统通过对传感器输出的原始数据以及解算出来的关节角序列信息进行特征提取、标记、统计分析等操作，从而对人体动作进行分类与识别。常见的基于统计分类的模式识别方法主要包括：（1）隐马尔科夫模型；（2）BP神经网络；（3）支持向量机。

潘展乐在巴黎奥运会上的辉煌表现，背后离不开科学训练与高科技设备的支持。以MEMS人体动作捕捉技术为例，科技的进步正在彻底改变运动员的训练方式。这项技术不仅在赛场上帮助运动员们创造奇迹，也在运动康复和日常健康监测中发挥着至关重要的作用。

随着科技的不断发展，运动与健康领域的创新应用将愈加广泛。MEMS人体动作捕捉技术已被广泛应用于康复医疗、虚拟现实、人机交互、影视动画制作和军事体育训练等多个领域。尤其是在运动康复中，通过实时监测和分析患者的动作，医生可以制定更为精准的康复计划，大大提高治疗效果。

目前，惯性式人体动作捕捉系统凭借MEMS技术的发展，测量精度和稳定性得到了显著提升，应用场景也将不断扩大。未来，依托这些先进技术，更多的运动员将有望突破自我，创造新的世界纪录，而普通人也能更好地管理自己的健康。

总之，MEMS人体动作捕捉技术就像一个贴心的小助手，帮助我们在日常生活中更好地了解自己的身体状况，并在需要时提供及时的帮助。随着技术的持续进步，我们期待它能为更多人带来健康与便利，让生活更加精彩、更健康。

参考文献

[1] Liang G, Gaofei Z, Bo Y, et al. Wearable Human Motion Posture Capture and Medical Health Monitoring Based on Wireless Sensor Networks [J]. Measurement, 2020: 108252~108263.
[2] Yasushi Y, Tomoaki M, Kentaro W, et al. Non-contact Vital Sensing Systems Using a Motion Capture Device: Medical and Healthcare Applications [J]. Key Engineering Materials, 2016, (1): 171~176.
[3] S N, Y L, B M, et al. The Construction of Basketball Training System Based on Motion Capture Technology [J]. Journal of Healthcare Engineering, 2021, (1): 2481686~2481695.
[4] 冉孟元,刘礼,李艳德等.基于惯性传感器融合控制算法的聋哑手语识别[J].计算机科学,2021(2):231~237.
[5] 侯宇晗,朱玉杰,王景峰等.基于惯性传感器的驾驶动作监测识别研究[J].传感器与微系统,2020(3):53~56.

[9] Chardonnens J, Favre J, Cuendet F, et al. A System to Measure the Kinematics During the Entire Ski Jump Sequence Using Inertial Sensors [J]. Journal of Biomechanics, 2013, (1): 56~62.
[10] Oubre B, Daneault J, Boyer K, et al. A Simple Low-Cost Wearable Sensor for Long-Term Ambulatory Monitoring of Knee Joint Kinematics [J]. IEEE Transactions on Bio-medical Engineering, 2020, (12): 3483~3490.

策划：曹金
编辑： 赵唯
监制： 曹金、赵阳

本文转载自《中国光学》微信公众号

《物理》50年精选文章