基于Kinect的动作学习辅助系统

发布时间：2021-12-22 21:17

　　在我们的日常生活中,学习动作是做很多事情必须经历的阶段,比如学习跳舞、武术、打拳、投篮、羽毛球挥拍、高尔夫挥杆等动作,都需要从基础动作开始慢慢学、对比标准姿势、分析自身动作的不足并加以纠正,如此循环往复才能练好一套标准动作。而在学习标准动作时,可以一对一亲身教学,可以自己照着镜子学习,也可以看着视频或者图片练习,但是这些传统的学习方法不仅耗费时间长,而且不容易发现和纠正小幅度的错误动作,难以提高学习效率,并且对动作的标准程度也没有一个统一的定量的标准。基于虚拟现实技术产生的虚拟系统能够辅助人们训练各种各样技能,同时大大降低了学习这些技能的成本和实操的风险,如飞机驾驶训练系统、内科手术模拟系统、虚拟环境士兵训练系统等。本文在虚拟现实技术的大环境下,利用微软公司推出的第二代Kinect设备可以实时追踪用户骨架数据的特点,开发了一套针对动作学习的辅助系统。本文主要工作如下:(1)采用骨骼蒙皮技术构建了虚拟3D人物模型,在计算模型运动时的皮肤变形时,用双四元数线性蒙皮算法代替系统默认的线性蒙皮算法,使三维模型运动起来更加逼真;(2)利用GPU代替CPU进行皮肤顶点的更新和三维人物模型的渲染,基...

【文章来源】： 中北大学山西省

【文章页数】：106 页

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 课题研究背景
    1.2 国内外研究现状
    1.3 课题研究意义
    1.4 本文主要工作
    1.5 论文组织结构
第二章 相关技术研究
    2.1 实时动画技术
        2.1.1 实时动画技术分类
        2.1.2 骨骼蒙皮动画
        2.1.3 蒙皮算法
            2.1.3.1 线性混合蒙皮算法
            2.1.3.2 球面混合蒙皮算法
            2.1.3.3 双四元数线性混合蒙皮算法
        2.1.4 骨骼动画制作
        2.1.5 关键帧插值
        2.1.6 利用GPU更新骨骼与顶点
        2.1.7 实时驱动三维人物模型
    2.2 动作捕捉技术
    2.3 Kinect设备简介
        2.3.1 Kinect V2.0深度测量原理
        2.3.2 Kinect数据流
        2.3.3 Kinect骨骼跟踪
    2.4 Unity平台简介
    2.5 本章小结
第三章 改进的人体运动检测方法
    3.1 相关算法
        3.1.1 动态帧数替换算法
        3.1.2 中位值均值滤波算法
        3.1.3 EWMA算法
    3.2 改进的中位值均值滤波算法
        3.2.1 自适应滤波因子的引入
        3.2.2 加入偏移预测量
        3.2.3 改进的中位值均值滤波算法的滤波步骤
    3.3 改进的EWMA算法
        3.3.1 权重控制参数自适应变化
        3.3.2 自适应权重动态分配函数
        3.3.3 改进的EWMA算法的平滑步骤
    3.4 算法单独测试
        3.4.1 测试过程设计
        3.4.2 改进的中位值均值滤波算法测试
        3.4.3 改进的EWMA算法测试
    3.5 实验环境算法联合测试
        3.5.1 应用系统介绍
        3.5.2 算法联合测试原理
        3.5.3 算法联合测试实施
    3.6 测试结果
    3.7 本章小结
第四章 基于Kinect的动作学习辅助系统的设计和实现
    4.1 可行性研究
        4.1.1 硬件可行性
        4.1.2 软件可行性
    4.2 需求分析
        4.2.1 功能性需求
        4.2.2 非功能性需求
    4.3 平台搭建
        4.3.1 硬件设备和软件环境
        4.3.2 驱动软件
        4.3.3 Unity平台和Kinect连接
        4.3.4 平台运行测试
    4.4 系统架构
    4.5 系统信息处理模块
        4.5.1 数据流处理模块
        4.5.2 动作捕捉模块
        4.5.3 模型驱动模块
        4.5.4 动作录制与重放模块
        4.5.5 动作分析与反馈模块
        4.5.6 分数计算模块
    4.6 本章小结
第五章 系统运行与测试
    5.1 运行环境
        5.1.1 硬件设备
        5.1.2 软件环境
    5.2 系统功能测试
        5.2.1 系统登入功能
        5.2.2 动作学习功能
        5.2.3 场景选择功能
        5.2.4 实时评分功能
        5.2.5 系统运行界面测试
        5.2.6 退出功能
    5.3 系统易用性
    5.4 系统可靠性
    5.5 实验结论
    5.6 本章小结
第六章 总结与未来工作
    6.1 本文工作总结
    6.2 未来工作展望
参考文献
攻读硕士学位期间发表的论文及取得的研究成果
致谢


【参考文献】：
期刊论文
[1]在线学习平台视频教学交互环境现状与未来发展 [J]. 刘述,单举芝.  中国电化教育. 2019(03)
[2]压缩性骨折内固定手术仿真 [J]. 解翠,耿俊美,李健,董军宇.  系统仿真学报. 2019(07)
[3]面向头盔式虚拟现实的OsgEarth立体视觉生成方法 [J]. 谭力恒,马强,蒋秉川,李锋.  系统仿真学报. 2019(07)
[4]人类动作发展、演进与融合——当前动作学习研究热点述评 [J]. 李振旗,陈芳丽,汤笑然.  体育世界(学术版). 2019(01)
[5]运动捕捉技术及其在体育运动中的应用研究综述 [J]. 何天宇,罗奇.  电子测量技术. 2019(03)
[6]一种视觉信息融合数据手套设计研究 [J]. 王赋攀,吴亚东,杨文超,杨帆,侯佳鑫,廖竞.  计算机研究与发展. 2018(12)
[7]基于Kinect的射击游戏动作的设计方法研究 [J]. 王辉柏,张泽普.  计算机仿真. 2018(12)
[8]基于深度学习的人体动作识别方法 [J]. 李玉鹏,刘婷婷,张良.  计算机应用研究. 2020(01)
[9]反馈在动作技能学习过程中的影响机制之研究 [J]. 张帆.  学周刊. 2018(30)
[10]基于动作捕捉的无人机运动状态识别 [J]. 赵嶷飞,杨明泽.  科学技术与工程. 2018(27)

硕士论文
[1]基于确定学习理论和Kinect数据流的人体正面步态识别研究[D]. 康忠润.华南理工大学. 2018
[2]光学动作捕捉系统中的摄像头标定与3D重建技术研究与实现[D]. 肖哲.湖南大学. 2018
[3]基于Unity3D与Kinect的体感交互技术应用研究[D]. 王兴鲁.兰州交通大学. 2017
[4]基于运动捕捉数据的骨骼蒙皮动画设计与实现[D]. 陈小满.华侨大学. 2016
[5]三种骨骼动画蒙皮算法比较研究[D]. 刘畅.华南理工大学. 2014
[6]基于Kinect的增强现实交互技术研究[D]. 董世明.上海大学. 2014
[7]关节动画技术的研究与实现[D]. 叶杨.武汉工程大学. 2011



本文编号：3547108