基于云计算和体感网络的运动训练平台.

1、【132】第34卷第8期2012-8（上收稿日期:2012-05-23作者简介:李开贵（1976-,男，四川成都人，工程师，本科，主要从事应用电子及通信 方面研究。0引言无线传感器网络（WSN是借助大量部署的传感元件来监控环境变量的智能系 统,近年来，其发展十分迅速，传感器的嵌入式技术已经成熟，已经可以穿到身上，并且 不会给穿戴者带来不适1,2。2002年Prof.Guang-Zhong Yang将 WSN延伸，提出了体感网络（BSN的全新概 念3。体感网络 基于无线传感网络的低功耗与实时性特性，只需使使用者穿上一 些传感元件，就可远程实时监控 穿戴者的状况。本文系统在录制教练动作视频的同时，

2、同步地记录教练标准动作的传感器信息, 使学员可通过无线通讯设备，同步地将连续动作的传感器信息上传到云端计算设备 进行动作轨迹重建特征 比对,并且同步回传学员需要更正的错误动作，如图1所示。1研究方法本文提出的系统其关键技术包括：初始化多运动传感器的位置和传感器之间同 步、运动轨迹基于云计算和体感网络的运动训练平台Cloud-based sport training platform using body sen sor n etwork李开贵，游燕 LI Kai-gui, YOU Yan（成都纺织高等专科学校，成都611731摘要:本文设计了一个基于云计算的高尔夫运动训练平台，使学员可以避免花

3、 费大笔资金去聘请教练和购买高端学习设备，需要的只是一些传感器件，如:重力传感器和陀螺仪，以 及笔记本电脑或智能手机，借助设备的蓝牙模块来接收学员身上的和高尔夫球杆上 的传感器资料，通过3G或Wi-Fi可随时连接云端系统，进行姿势动作的比对和修 正。关键词:运动训练平台;体感网络;重力传感器；移动云计算中图分类号：TP391文献标识码:A文章编号：1009-0134（201208（上-0132-03Doi: 10.3969/j.iss n.1009-0134.2012.8上.40重建、拍摄视频与运动传感器信息同步、相似度比对等，以下章节将详细描述。1.1初始化多运动传感器位置和传感器间同步技术

4、我们将初始化多运动传感器位置和传感器间同步，描述如下：1定义人体前方为X轴正向、左侧为丫轴正向、上方为Z轴正向。2通过一个输入装置，如键盘、鼠标来告知 系统该学员的身高。3依据学员的身高，依照标准人体肢体比例来得知各肢体的长短，进而推算各个 运动传感器 在空间中的初始位置。4此外学员可以在动作开始前，利用一个致动方法，如按钮、声音、手势等，告知 运动学习 系统利用无线通讯,如ZigBee、Bluetooth等方式,开始读取运动传感器的 数值。5假设学员身上穿戴m个重力传感器，开始读取运动传感器数值时，得到各个传 感器初始Tick的时间是t 1, t 2, ., t m ,则之后记录各个运 动传

5、感器的传感器信息 其时间为（T i -t i s i ,其中i =1. m , s代表每秒取样数的倒数。1.2轨迹重建技术有些球类运动，如:高尔夫、网球等，相对于击球力量，更重要的是能稳定地击到 球并控制 球的方向。高尔夫运动，为了在最少挥杆次数下 达到最终进洞的目标，击球 方向的稳定性就非常重要，所以必须建立一个完美的挥杆，才能提高成功击球的机率 以及更接近所想要达到的位置。Wi-Fi ? 3G ? ? ZigBee? ? ? ? ? ? ? ? ? ? ? ?图1系统示意图第34卷第8期2012-8（上【133】因此，必须要有一套工具来反映出学员所挥击的信息。我们在球杆的杆身上嵌 入惯性传

6、感器，借此抓取球杆在移动过程中的物理信息，利用重力 传感器来获取球杆 移动的加速度状况，陀螺仪来获取球杆旋转的角度变化状况。因此我们可以利用运动传感器中的三轴重力传感器（Triple-axis G-accelerometer sensor磁力计等，提供加速度、方位角等传感器信息。接着，我们利 用式（1,对上述传感器信息进行积分，参考运动传感器的初始位置，就可以计算出运 动传感器在X、丫、Z每一轴向的位移量，并进一步推算出运动传感器的位置信 息。（1此外由于球杆旋转和移动的过程中，传感器本身坐标也一直在变换，传感数值没 有一个相同的参考坐标，会造成连续的数值没有关联性，因此我们必需将坐标轴转到

7、同一个参考坐标，所以我们借助陀螺仪侦测的角速度乘上取样时间得到角度变化，再依据角度变化得到转换矩阵，利用这个转换矩阵就可以把传感器移动的状况全部转 换到一开始挥杆的坐标系，再进行积分，推算出传感器的位移信息，流程如图2所示。图2轨迹重建流程1.3拍摄运动教学视频与运动传感器信息同步技术为了使学员可以更为精确的学习动作的细节，我们尝试将动作的传感器信息，嵌 入教学视频中，并基于视频画面速率和传感器取样率，使两者记录 的信息，能够达到 时间同步的效果。此时的视频与 传感器信息可以分别记录在不同档案，如AVI和 XML档中，或是将传感器信息写入于视频档案的字段中。举一个例子来说，我们可以调整传感器取

8、样率为视频画面速率的倍数，如传感器每秒取样120次，而视频的画 面速度为60fps。视频和传感器记录的起始时间，都应该将Tick值或是Timestamp值，转换至同一个时间轴上表 示，如式（2所示：（2假设传感器读到第一个传感器信息的 Tick值（t 0为52642,第二个传感器信息的Tick值（t 2为52646，取样率为120Hz，此时记录的时间（T C分别为0和 0.03。 同样的，假设视频第一张画面的Timestamp为52646第二张画面的Timestamp为 5238每秒画面速率为60,则此时记录的时间（T C则分别为0和0.03。我们定义6个高尔夫挥杆的关键动作，包括带、转、移、

9、放、跟、收的步骤：带:（上杆前期将双掌带到右大腿前方的位 置。手一手臂一肩膀一臀部。以上 述顺序带动球杆，并且右手腕转动至正前方；转:（上杆后期 左肩旋转至下巴下方，作出一个大幅度的上杆动作。手臂弯曲，上 升至顶点时球杆与地面平行，且左手腕固定约90度角；移:（下杆前期 右肩下沉，右肘带到右肋下 方，进入 击球准备位置”杆子约在腰带 上方；臀部启动下杆，手腕保持角度，展现系统的鞭打效应”下杆前期顺序：臀部一肩膀T手臂；放:（加速期手腕到达腰部之后到击球。手腕在下杆前期所维持的角度做完全 的释放；跟和收:（收杆前后期 这2个动作合为一个,视为一个收杆动作，从击球完成到整个收杆动作结束再利用传感器

10、信息判断出关键动作后，会产出一个视频片段和传感器信息的对 应表。此对应表将记录在哪一个时间点发生什么关键动作，可以是一个独立的电子 档案,或是将传感器信息写 入于视频档案的字段中，如图3所示图3不同的视频片段和传感器信息对应方法1.4动作相似度比对技术在高尔夫运动中，挥杆的好坏有一些评比标 准,例如动作的时间节奏、杆头挥动 的轨迹与杆面位置、杆头的速度和力量等，其中：【134】第34卷第8期2012-8（上1动作的时间节奏：挥杆必须要有节奏才 打得出好球,挥杆动作虽然很短暂，但也 要有一致的节拍，才有稳定的球路及速度挥杆。Neal, Abernethy和Moran的研究中也指出新手以及专业 球

11、员在上下杆的时间分布上仍有不小的差异。新手球员在挥杆的时间分布中，上杆所占的时间从20%至60%不等4。相对来说,专业球员的上 杆时间分布很密集的分布于70%上下。2杆头挥动的轨迹和杆面的位置：挥杆时杆头维持在一个圆的平面上，有如一个 呼拉圈。挥 杆时若离开这个平面，代表杆头会时而在平面之 上,时而在平面之下。这 一点主要可以由轨迹进行 判断，当全部的挥杆资料都转换回地球坐标 （Earth Frame 后,并且计算出每笔资料的位移，如此一来 便可在同一个坐标系统下，比较两次挥杆间 其挥杆面的倾斜角度是否相同。3杆头的速度及力量：参考杆 头的加速度资料进行判断，由于速 度与力量成一正比关系，只要

12、计算出杆头各阶段的加速度，即可知道使用者的力道是否正确。4各肢体部位动作先后的问 题:借助将各部位的传感器资料进 行分群，参考收集 到的正确动作的分群时间轴，检查学员的动作传感器资料是否落在正确的分群当 中。利用章节1.2介绍的运动轨迹 特征描述方法，我们可以将标准的 教练的三维运动轨迹参数描述为（a e,x,i , a e,y,i , a e,z,i ,而学员的运动轨迹 参数为（a l,x,i , a l,y,i , a l,z,i ,。我们可以定 义一个动作相似度（Similarity,如式（3所示：其中动作相似度经过正规化后,会介于0%100%。假设教练运动轨迹 为(0,-45,130,

13、 (20,-45,120, (40,-40, 100,而学员的运动轨迹是(0,-40,125,(15,- 40,120,(35,-35,105,则相似度为 88%。2实验结果在本实验章节中，我们将对多运动传感器的同步结果、轨迹绘制与不同肢体在时间轴上的动作相对时间进行讨论。如图4所示，首先在运动传感器同步的实验 中，我们将两个运动传感器重叠摆放 之后同时给 传感器一短暂振动，如此以来，两个传感器的数值 波形应该是同时发生， 且同时结束，但是从图的前两张可很清楚地看到，传感器1以及传感器2的开始时间 明显有段差距。经过同步后，传感器2的时间轴会向传感器1的时间轴对齐，从第三张可以清 楚看出两个传

14、感器的 波形已经完全吻合利用章节1.2的轨迹重建技术，我们可以绘制 出学员的挥杆轨迹，如图5所示，为 两次挥杆的 轨迹,学员可以自行检查单次挥的上下杆轨迹是 否位于同一个平面上，亦 可以比较某一次的挥杆 轨迹，使学员可以自行修正动作错误。图6比较两次挥杆是否在同一平面，我们以图4多传感器同步实验十项资料做分析，依据上述高尔夫挥杆动作分解中的起杆以及下杆顺序，对传感 器资料的分布做 合理群聚分析。我们可明显看出在上下杆的起始 动作上，手腕和腰 部的动作时间点会有明显的群 聚现象，加上配合上述高尔夫球动作解析中的起 杆以 及下杆顺序，即可为本次挥杆动作进行评分。3结论本文设计了一个基于云计算的高尔

15、夫运动训【下转第149页】第34卷第8期2012-8（上【149】如果只是简单的重复执行命令，就将寄存器进行逐步地加1,这样就不断循环地 读取程序中的数 据，在原则上需要三个周期的时间，如果不是重 复的执行，就只需要 一个周期的时间，将完成的累积数据进行移动，这件就完成了卷积所要求的 计算。从 而利用了 DSP芯片就行编程，实现FIR所需要的数字滤波器的功能。3系统仿真根据上述条件形成的数字滤波器，在本文中采用了标准矩形波进行了验证，设置 其频率和振 幅分别为300Hz和800mV，其波形如图4所示，然后经过本文算法提出的DSP的FIR数字滤波器 进行滤波得到了如图5所示 的波形。从仿真实验得

16、到的四幅图中可以看到，本文提出的基于DSP的FIR数字滤波器 满足实验要求，滤波效果良好，满足要求。4结束语在数字信号处理过程中,FIR滤波器的设计是 基础，而DSP芯片也是重要的组成部分。FIR滤波器和DSP芯片两种之间相互相成，滤波器的设计 好坏直接影响 着数字信号的处理，影响着整个过程 的运行速度和精度。在今后的电子发展过程中 随着DSP芯片的不断发展,将不断地主导着FIR的滤波设计。在本文提到的基于 DSP芯片的算法形 成的FIR滤波器经试验证明效果明显，具有一定的 实用性，将来 在各个领域的应用将越来越多。参考文献：1 程佩青数字信号处理教程M.北京：清华大学出版社,1999.2 孙

17、宗瀛,谢鸿林.TMS320C5XDSP原理设计与应用M.北京：清华大学出版社,2002.3 乔瑞萍,崔涛,张芳娟.TMS320C54XDSP原理及应用M.西安：西安电子科技大学出版社,2005.4 张雄伟.DSP芯片的原理与开发应用第三版M.北京：电子工业出版社,2003.郑红.TMS320C54XDSP应用系统设计M.北京：北京航空航天大学出版社,2002.图4频率和振幅分别为300Hz和800mV波形图图5本文DSP的FIR数字滤波器滤波练平台，使学员可以避免花费大笔资金去聘请教 练和购买高端学习设备，学院可 通过3G或Wi-Fi可随时连接云端系统，进行动作姿势比对。在实 验章节中，我们讨 论系统中的核心关键技术，包括运动传感器位置初始化与同步、轨迹绘制与讨 论不 同肢体动作在时间轴上的相对时间，以验证