微型传感器人体运动信息融合的理论和方法

实时准确地获取和分析人体的运动信息在健康监测、舞蹈训练、体育运动分析、电影数字特技、动画、虚拟现实、游戏和人机交互等领域都有广泛的应用。现有基于摄像机的人体运动获取系统（Mocap）昂贵而不能实时，而微型传感器人体运动获取系统（MMocap）具有方便、经济、实时和应用等诸多优点。然而，由于人体运动系统的复杂性和微型传感器的固有问题，MMocap尚缺乏基本理论和关键技术。本项目旨在研究和建立人体运动模型以表达人体的复杂运动体系，针对人体肢体运动的随机性和非线性，人体各肢体间关节的复杂性等难点，研究和建立人体混合贝叶斯网络动态系统的两级传感信息融合的理论和方法，研发微型传感器人体运动获取系统原型。本研究在理论上将发展贝叶斯动态系统估值理论，提出一套动态、非线性、多相关参数估值方法；在技术上，将研发出一套高精度、高鲁棒性的具有应用价值的人体运动估计系统，为人体运动获取产业提供关键技术。

人体运动捕获在舞蹈和体育训练、电影数字特技、动画、康复等领域有广泛的应用。目前，光学系统使用多个高清晰度摄像机，借助人体关键部位标志点，被广泛应用于数字电影。但因其复杂、昂贵，存在遮挡，需要固定场所，其应用受到限制。.微型传感器芯片可直接测量人体各肢体运动参数，其用陀螺仪角速度数据积分获得三维角度，漂移从加速度信号中的重力加速度分量和磁力计信号中的大地磁场分量获得补偿。这一研究的挑战在于微型传感器本身精度低、噪声大、存在漂移，重力加速度和地磁场干扰严重。美国麻省理工、海军研究生院、瑞士EPFL运动分析与测量实验室、荷兰Twente大学，都对上述难题进行了深入的研究，部分地找出了解决方案。.本研究在微型传感器人体运动捕获的理论和应用两方面都取得了重要的进展：在人体信道层，通过建模、实验和分析，研发了真实“浮地”的人体通信原型；在单个运动传感器节点，提出了微型传感器动态测量模型，给出了外部干扰、传感器噪声和漂移的数学模型，设计了分级、自适应贝叶斯估值方法，从根本上提高了传感器单元的运动估值精度和稳定性；在整体层次，提出了基于人体生物力学模型的整体数据融合方法，第一次准确地估计出传感器节点的运动加速度值；在系统水平，提出了基于步态分析的大地坐标系中人体位移估计方法，使位移估计精度达到了目前最高水平。相关的论文发表在多个IEEE Trans会刊上。.在应用方面，研发了我国第一套微型传感器人体运动捕获系统以及与动画和游戏软件的标准接口，并由无锡微感科技有限公司产业化，成功地应用于3D高水平动画的制作中，被作为科学推动文化产业的案例，先后在北京电视台、中央新闻台、和《新闻联播》中报道。.作为微型传感器运动捕获的重要应用，与北大医院和新加坡陈笃生医院合作，提出了中风病人上肢运动功能数字评估指数，被国际康复学刊主编认为是“一种全新的定量运动功能指数”。研发的数字运动康复系统，实现了康复功能评定定量化、训练过程可视化、病人交互游戏化，从而使康复训练社会化（社区和家庭），以及医生和康复师指导远程化成为可能。.本项目实施过程中，在IEEE Transactions等国际期刊和本领域重要的国际会议上发表论文28篇，其中SCI收录12篇。授权国家发明专利1项。培养研究生19名。如英国帝国理工学院、美国麻省理工学院、美国海军研究生院等建立了合作关系。