运动捕捉（共7篇）
运动捕捉 篇1
0 引言
近年来, 运动捕捉技术在体育分析、虚拟现实、工业操作、游戏动画等领域被广泛应用, 成为运动分析和机器视觉领域的研究热点, 引起了专家学者的极大关注。人体运动捕捉技术主要应用于以下几个方面: 动画制作;体育训练、杂技训练和舞蹈训练;虚拟现实系统;互动式游戏设计;提供新的人机交互手段;机器人遥控等。
但现有的运动捕捉技术因其自身的一些特点和现实条件 (如捕捉设备价格昂贵) 等原因, 制约了该技术的进一步推广和应用。为了解决这一问题, 本文研究一种从视频中捕捉运动信息, 重现人体运动轨迹的方法, 希望能快速便捷获取人体运动数据。
人体运动捕捉由Eadweard Muybridge在1887年的著名实验中首次提出。1973年, 心理学家Johansson[1]做了著名的Moving Light Display实验检测生物运动的可视化感知。Johansson将小的、具有反射性的标记点固定在人体的关节点上, 并记下人体的运动。在展示了标记点的轨迹后, 让表演者辨别已知的运动。这些初步的探讨性实验开创了人类对运动捕捉技术研究的先河。
人体运动分析的挑战性和广泛的需求前景, 使欧、美、日等发达国家的大学与科研院所纷纷投入财力、人力开展研究。IEEE与一些国际期刊也将其作为专题研究内容, 并定期举办专题会议, 以便为该领域的科研人员提供更多交流机会。
目前国内哈尔滨工业大学、浙江大学、中国科学院计算技术研究所等单位开展了相关研究工作, 其尚属一个新兴研究领域。哈尔滨工业大学基于体育视频进行人体运动分析;浙江大学基于运动视频研究人体动画生成技术;中国科学院计算技术研究所开展了手势识别技术的研究。
1 视觉运动捕捉的原理和分类
运动捕捉技术是借助运动捕捉系统对运动物体的三维运动轨迹进行捕捉和数字解析的一种高新技术。运动捕捉系统是一种用于准确测量运动物体在三维空间运动状况的高技术设备, 它基于计算机图形学, 通过排布在空间中的多个视频捕捉设备将运动物体 (跟踪器) 的运动状况以图像的形式记录下来, 经计算机处理, 得到不同时间上, 不同物体 (跟踪器) 的空间坐标[2]。
现有的人体运动捕捉系统从原理上可分为:电磁式、机械式和光学式, 如图1所示。电磁式捕捉系统对捕捉场景中的金属物非常敏感, 演员表演复杂的运动比较困难, 运动数据采样率低, 难以满足快速的运动分析需求, 且这种设备非常昂贵;机械式运动捕捉依靠机械装置跟踪和测量运动轨迹, 机械结构对表演者的动作阻碍和限制很大, 使用不方便;光学运动捕捉系统的捕捉镜头价格昂贵, 虽然可捕捉实时运动, 但后期处理的工作量较大。
运动捕捉系统由传感器、信号捕捉、数据传输、数据处理等部分构成, 软、硬件配合负责跟踪与处理。
(a) 电磁式运动捕捉 (b) 机械运动捕捉 (c) 光学运动捕捉
2 人体运动跟踪方法
人体运动分析首先需要对人体进行跟踪, 即在连续的图像帧之间进行特征匹配 (形态、速度、位置等) , 以得到人体的运动数据。常用的数学方法有动态贝叶斯网络、卡尔曼滤波及粒子滤波等。按所跟踪的不同特征分类, 主要有模型跟踪方法、区域跟踪方法、活动轮廓线跟踪方法、特征跟踪方法等。
在模型跟踪法[3]中, 线图模型、二维模型和三维模型是传统的3种人体表达方法;区域跟踪方法[4]分整体跟踪和部分跟踪;活动轮廓线跟踪方法是利用封闭的曲线轮廓来表示运动体, 随运动体的移动该轮廓线实现自动更新, 最新的轮廓线跟踪算法是在 (x, y, t) 空间构造一个曲面, 设置水平初始曲线并构造该曲线的能量函数, 包围运动体区域, 该能量函数依运动物体区最小化使曲线逼近运动物体区, 完成对运动物体的跟踪;特征跟踪法[5]包括特征提取和匹配, 从图像中提取人体特征, 再在序列图像间匹配这些特征, 实现跟踪。
3 视觉运动捕捉技术难点
虽然很多研究者都在进行视频运动分析的研究, 但从最新的研究成果来看, 各种客观因素使从视频中直接获取人体运动数据仍然面临着诸多困难, 其中主要的困难是来自于人体自身及其运动的复杂性和摄像机成像过程中固有的信息丢失。
研究中面临的主要困难包括:1) 人体的非刚性结构和非刚体运动;2) 人体的高维表示, 在跟踪和重建人体运动时, 应该如何表示人体, 即人体模型的建立问题;3) 在视频中, 人体可能被周围物体遮挡或自身部分遮挡, 造成部分人体信息的缺失, 从而影响到准确定位和跟踪;4) 从3D到2D投影造成的深度歧义, 3D物体投影到2D图像会丢失深度信息, 尤其是从单个摄像机拍摄的视频推导人体的三维信息, 这种问题的研究是逆向问题, 研究人员不得不通过各种办法来简化问题或采取不同的先验知识来帮助解决问题。
4 视觉捕捉系统设计
本文选择适合跟踪的杆状人体骨架模型和便于进行视觉处理的HSI色彩模型, 把人体看成是由不同关节点连接而成的刚体集合, 一个刚体以一条线段来描述, 这样运动就简化为骨架运动。人体模型共包含18个人体关节点, 本文称它们为特征点, 如图2所示。
特征点之间的线段代表刚体, 因此它们在任何时刻都不会形变, 而且各个线段 (即人体骨架) 之间的长短比例关系作为先验知识可以从解剖学中获得。
RGB是一种广泛采用的模型, 易于硬件实现。但同一种颜色在强弱不同的光照下RGB值相差较大, 而在利用颜色特征进行跟踪时, 常常只需要颜色信息, 希望去掉亮度的干扰, 所以本文采用HSI模型, H表示色调, S表示饱和度, I表示亮度。
本文采用Kalman滤波与Camshift相结合的跟踪算法, 场景中的目标在每一帧图像中的位置构成了目标运动的轨迹, Kalman滤波根据以往的目标位置信息预测本帧图像中目标的可能位置, 然后运用Camshift算法就可以在这个位置的邻域内找到目标的真实位置。
进行运动捕捉首先通过一个或多个摄像机获取视频数据流, 利用二维跟踪技术计算出关节点的二维运动序列, 之后通过摄像机标定及三维重建完成运动捕捉。运动捕捉系统过程图如图3所示, 系统设计结构图如图4所示。
视觉捕捉系统包括视频采集、跟踪、重建和显示4个模块。
1) 视频采集:用普通摄像头拍摄人体运动视频, 在人体关节点处用不同的色块标记 (色块是与背景色不同的任意三种颜色的物体) , 对拍摄的背景无要求。
2) 跟踪模块:采用基于模型和特征同时结合预测机制减少遮挡影响, 即基于Kalman预测与Camshift相结合, 并根据色块颜色信息跟踪。提取各帧色块中心的图像坐标, 即生成色块 (即关节点) 的运动序列。
3) 重建模块:完成2D坐标向3D坐标的映射。先进行摄像机标定, 再利用人体生理约束和摄像机成像原理将二维数据映射到三维空间上。
4) 显示模块:在OpenGL中显示关节点的三维坐标, 实现人体运动的再现。
为了验证本文方法的效果, 采用普通摄像头拍摄了一段手臂运动视频做实验。系统对视频进行分析, 在OpenGL中恢复出手臂的三维坐标, 在200多帧的跟踪中, 在大部分情况下得到了良好的实验结果, 标定的平均误差在一个像素以内, 利用重建后得到的三维坐标可以正确地恢复出人体手臂的运动状态。
5 小结
基于视觉的人体运动捕捉技术, 在跟踪与捕捉的精确度、快速性及可靠性方面具有很大的挑战性和重要的意义。本文介绍了运动捕捉技术研究进展、分类和常用的几种基于视觉的人体运动跟踪方法, 提出利用普通的摄像头拍摄人体运动视频, 通过标记关节点进行运动捕捉的流程和框架, 并采用基于Camshift和Kalman滤波的自动跟踪算法。实验结果验证了系统的有效性, 改变了传统运动捕捉的方式, 在捕捉效果达到要求的条件下, 将使得捕捉的过程更方便。由于单目视频捕捉技术本身的缺陷和不完善性, 本系统还需要在系统自动化标注、提高跟踪鲁棒性等方面进行深入研究和实践。
参考文献
[1]G Johansson.Visual motion perception[J].Scientific American, 1975 (14) :76-78.
[2]王士华, 赵伟峰.MOTION CAPTURE运动捕捉高级教程[M].北京:北京希望电子出版社, 2002:112.
[3]I A Karaulova, P M Hall.A hierarchical model of dynamics for tracking people with a single video camera[J].Ln:Proc British Machine Vision Conference, Bristol, UK, 2000:352-361.
[4]Stephen J McKenna.Tracking groups of people[J].Computer Vision and Image Under-stangding, 2000, 80 (1) :42-56.
[5]D Jang, H Choi.Active models for tracking moving objects[J].Pattern Recognition, 2000, 33 (7) :1135-1146.
运动捕捉 篇2
今天，爸爸把我们刚照好的艺术照领了回来。一家人都很兴奋，尤其是宝轩，他飞快的把袋子拆开从里面拿出了相册，封面是水晶的，一张幸福的全家福镶嵌在里面。瞧，爸爸妈妈笑得多开心啊!轩轩用两只小手牵着妈妈的大手，还调皮的伸出了小舌头 ; 我呢，用手挽着爸爸的肩膀，脸上则浮现出甜美的笑容 ; 多幸福的一家子啊!
翻开第一页，轩轩正穿着小西装，拖着闪闪发光的黑皮鞋，征征的看着你，他把小手伸到窗户外面，不得不说，轩轩真的好可爱呀!瞧他的眼睛：又大又圆!里面透着只有儿童才有的纯光，在这双明亮的大眼睛里，还写满了疑惑、和好奇。瞧他的嘴巴：微微张开，我想，他想跟你说话吧?他总是跟别人有说不完的话。看他的小手：想透过窗子摸摸外面的阳光，想要知道，外面的世界是不是更有趣?他这副样子，用现在的语言说，就是——呆萌!
再看这张!轩轩穿了一件海洋风的小洋装，头上戴着大海一般蓝的帽子，还披了一件白色的小披风。看，他用小手抱着电话机不肯放手!他一定是在和奶奶或姥姥通电话吧?一定是这样的，你看啊!他的眼睛目不转睛的盯着电话机，耳朵紧紧靠在听筒上，不知道是一副打电话的姿势吗?他的两只小脚平摊在地板上，这种姿势大概又自然又舒适吧?
再往后翻一页，就是我的照片啦!我身穿蓝色和金色相间的裙子，在外面又搭了个衬衫，头盘了起来，上面还带了一个美丽的娟花，是套古典服饰呢!坐在一盆美丽的桃花旁边，右手自然的放在腿上，左手拖着腮帮子，仿佛在沉思着一个深奥的问题。
在每一个细小的表情里、每一个有趣的动作里，满满的幸福感!你瞧，我们就这样捕捉到了幸福的瞬间。
运动捕捉 篇3
关键词：教学研究；运动捕捉技术；教学思路1对于课程开设依据、开设条件的研究
运动捕捉技术（Motion Capture）如今广泛应用于CG（Computer Graphics）行业、游戏制作、影视制作行业，本着与时俱进的课程设置思路，学院开设了关于运动捕捉技术的课程，主要面对数字媒体艺术方向的学生。《运动捕捉技术及应用》是数字媒体艺术方向大二下学期所开设的新课程，教研团队针对开设依据及开设条件做了如下研究，包括纵向研究、横向研究、行业研究、硬件优势四个方面。
（1）纵向研究与横向研究。纵向研究主要是研究本课程在课程体系中的位置。本课程与前期的课程能够保持良好的衔接，包括动画原理、动画编剧及分镜头设计、三维软件技术等课程的衔接，其次是能够启发后续课程，包括三维动画作品编创、游戏作品编创、毕业设计等课程。除此之外，学生还可以依据本课程所学内容开展科研活动，创新作品，参加比赛等。横向研究主要是研究其他高校相关课程的开设情况，包括课程的开设学期、教学内容、教学方法、软硬件使用等，再根据本专业的培养方案、学生学习的实际情况进行比对，择出不适合本专业、本课程的内容，有选择地吸收一些内容，创新一些内容，使得新课程更好地融入课程体系，有针对性地开展教学。
（2）行业参考。行业参考主要是考虑到运动捕捉技术在动画、游戏、影视特效等行业中的广泛应用。运动捕捉技术在国内CG制作领域内的应用并不陌生，可以说已经作为制作流水线上不可或缺的一个环节，原因是此技术的应用可以大大降低制作成本，减少人员开支，缩短制作周期，提高CG制作公司的核心竞争力。国内有实力的制作公司或动漫基地购置了运动捕捉设备，在设备操作方面往往需要对相关人员进行培训，培训周期长、投入大是公司面临的难题，如果学生在校期间接触过运动捕捉技术，熟悉运动捕捉设备的软硬件，就可以为公司减少相关的培训费用、缩短培训周期，从公司的用人成本上考虑，从学生就业率的角度考虑，本课程的开设就显得很有必要。
（3）硬件优势。运动捕捉实验室的建立，保证了专业的教学场所，其空间构造符合设备安装的基本条件，满足双人运动捕捉的空间。实验室所采购的运动捕捉设备是较为先进的光学式运动捕捉设备，基于计算机视觉原理，通过对目标上特定光点的监视和跟踪来完成运动捕捉任务。表演者需要穿着特定的服装，服装上粘有反光能力很强的小球，这样的小球布局在人身上的各个关节部位，摄像机捕捉小球的运动轨迹以此记录表演者的运动信息。其优势在于捕捉精度较高，表演者可以运动自如，除了基本的走、跑、跳动作外，还可以捕捉一些高难度的动作。
2对于课程教学内容及教学方法的研究
根据课程教学情况、课内实践情况及学生对课程内容掌握情况，对课程的教学内容进行微调，教学方法进行优化，突出课程重点，让学生更容易理解和接受重点内容，总结出符合本课程的教学思路。
（1）理论学习、软硬件学习相结合。学生在前期课程当中已经学习了动画原理，对角色运动规律理解透彻，前期课程也包含三维动画技术方面的课程，对三维动画软件的应用也有所掌握，结合本课内容，做到理论学习、软硬件学习相结合。充分利用运动捕捉实验室的硬件设备，开展对动作捕捉系统的研究。参考电影《阿凡达》《猿族崛起》《丁丁历险记》，游戏《生化危机5》《战神3》等运动捕捉环节的相关信息，通过课堂讲解，将光学运动捕捉设备与其他类型的运动捕捉设备进行对比，分析出不同类型的运动捕捉设备的特点，并在学生实践过程中，突出运动捕捉设备的使用重点以及相关注意事项。软件方面的学习包括如何运用MotionAnalysis捕捉系统获取运动捕捉数据，将获取到的数据导入到Autodesk MotionBuilder软件中进行调整，再将修改好的文件导出为FBX格式，最后导入至Autodesk Maya当中进行二次创作，二次创作包含对动作艺术性的再创造，这种创造是无法利用运动捕捉完成的，比如动画角色的反关节运动、形体拉伸变形等等。最终在Autodesk Maya中渲染输出。
（2）分组学习整合教学资源，保证教学效果。本课程在设计之初就考虑到学生人数与教学硬件条件的对应情况，运动捕捉系统仅有一套，在捕捉过程中各方面操作加之人员表演至少需要2人以上配合完成，为了整合教学资源，并考虑到教学效果，将学生分成小组进行学习，分组的同时还要考虑到学生缺少团队合作的经验，除了学生自愿原则之外还要顾及学生个人的学习能力，将学生资源尽量均匀分配，3至4人一组为宜，同一组内的学生之间能够取长补短，各有分工，这样就能够提高学习效率，保证教学效果。
（3）重视运动的艺术表现，强调教学内容的重心。重视学生如何使用软件和硬件，往往忽视了真正的目的，对数字媒体艺术方向的学生而言，提高动作设定的能力并不是简单地会使用硬件捕捉数据，使用软件处理数据，软件硬件仅仅作为工具使用，学习重点则是运动的艺术表现。在捕捉数据之前，增加学生的表演环节，一个动作要经过几次的表演与推敲，捕捉数据的同时，还要将表演留存为动态视频，供其他学生参考学习。学生通过表演训练可得知，即使是一个简单的动作在设定过程中也要考虑很多的因素，一个角色行走的动作可以分为几十种甚至上百种的方式，表演的同时需要考虑到角色的体态特征与性格特点并且要将情绪元素融入其中，这样设定出来的动作才能够让观众信服，具有藝术感染力。因此，课程教学重点是学生的表演环节，注重运动的艺术表现，加强学生对动作的理解。
（4）调整课程教学方法，创新出“教、学、演、捕、做”一体化的教学思路。课程教学研究的过程中，教学思路逐渐清晰，创新出“教、学、演、捕、做”一体化的教学思路，依据此思路进行课程的教学实践，教学效果明显提高，“教”不再是老师在台上讲学生在台下听的单一教学，而是老师与学生，学生与学生之间的互教互学。“学”的方式多种多样，运动无所不在，把课堂扩充到了生活当中，学生在生活中细致的观察及体会给这门课的学习带来很大的帮助，学生学到的是一种攫取知识方法，而不仅仅是课堂上的专业知识。“演”是课程的重心，这正是与其他课程不同的地方，也是最具特色的环节，学生通过演，能够把握动作的精髓，设定出具有艺术表现力的动作。“捕”是通过运动捕捉系统将推敲好的动作数据化。“做”是整个过程中最后的一步，是将前四步实现的一步，不仅包括运动捕捉数据的处理，还包括针对动作的二次创作。可以说这五点在课程教学中相互影响，逐级递进，缺一不可。
3结语
《运动捕捉技术及应用》课程注重的是实践性，这样的实践离不开理论的指导，合理利用软硬件资源开展教学，通过对课程内容及教学方法的研究、总结、创新，教学效果明显提升。参考文献：
[1] 简增强.“动作捕捉系统”在动画教学中的应用与探索[J].美术大观，2013 （3）.
[2] 徐海川.观察与模拟——浅谈运动捕捉技术在动画创作及教学中的应用[J].艺术教育，2013（9）.
运动捕捉 篇4
1 现代三维运动捕捉系统
从技术的角度来说, 运动捕捉的实质就是要测量, 跟踪, 记录物体在三维空间中的运动轨迹。表演者负责根据剧情做出各种动作和表情, 运动捕捉系统将这些动作和表情捕捉并记录下来, 然后通过动画软件, 用这些动作和表情驱动角色模型, 角色模型就能做出与表演者一样的动作和表情, 并生成最终所见的动画序列。当然, 系统捕捉的不一定是表演者的动作, 也可以是物体的运动或者表演者的表情、摄像机与灯光的运动轨迹等。进入21世纪以来三维运动捕捉技术的日渐成熟, 使动画工作者从“K帧”的工作中解脱出来, 从而节省了大量的工作时间, 同时也缩减了动画的制作成本。目前的运动捕捉系统运用不了不同的工作原理, 常见的有:机械式捕捉系统、声学式捕捉系统、电磁式捕捉系统和光学式捕捉系统。
2 三维运动捕捉系统的优缺点
由于使用的技术原理不同, 各类运动捕捉系统具有各自的优缺点。现在我们就以动画制作的角度, 从系统的价格、定位精度、实时性、使用方便程度、可捕捉运动范围大小、抗干扰性、多目标捕捉能力等诸多方面对常见三维运动捕捉系统进行评析。
2.1 机械式捕捉系统
机械式捕捉系统由多个关节和连杆组成, 可以伸缩的连杆长度和动作演员匹配, 同时附着在演员的肢体上。在演员运动时, 安装在关节部位的角度传感器可以测量出关节旋转的角度变化。数据处理设备可以根据关节角度变化和连杆的长度计算出连杆末端在空间中的位置和运动轨迹。优点:1) 价格低;2) 动作数据的精度高;3) 各套连杆装置互不影响, 可多角色同时表演。缺点:1) 使用不便, 连杆阻碍、限制角色运动, 激烈的运动效果几乎无法实现;2) 需要及时调整连杆与关节的形态, 不利于采集长时间的连续动作。
2.2 声学式运动捕捉
声学式运动捕捉装置由发送器、接收器和处理单元组成。发送器是一个固定的超声波发生器, 接收器一般由呈三角形排列的三个超声探头组成。当超声波发生器运行后, 可以测定超声探头的空间位置。处理单元根据探头的空间位置得出角色运动的轨迹。
优点:1) 价格较低;2) 角色不受接收器形态的限制, 打滚、跌倒等激烈动作都可以实现。缺点:1) 精度不高;2) 超声反馈信息有延时性, 实时采集的效果不好;3) 受噪声和多次反射干扰较大;4) 操作麻烦, 需要测点温度、湿度等场地参数。
2.3 电磁式运动捕捉
电磁式运动捕捉在运行后, 其自带的发射源可以在空间产生按一定时空规律分布的电磁场。穿着接收器的演员在电磁场中表演时, 接收传感器将接收到的信号通过电缆传送给处理单元, 根据这些信号可以解算出每个传感器的空间位置和方向。
优点:1) 可以捕捉传感器的方向信息;2) 速度快, 实时性好, 可以直接驱动三维模型运动;3) 价格较低。缺点:1) 场地要求严格, 系统受金属制品干扰严重;2) 电缆对演员动作限制大, 不能采集激烈的运动。
2.4 光学式运动捕捉
典型的光学式运动捕捉场地由多台高速摄像机组成, 演员穿上单色的衣服, 在身体的关键部位 (肢体顶端和关节处) 粘贴上特制的标志或反光点, 高速摄像机可以记录每个反光点的运动轨迹序列, 进而分析出角色整体的运动数据。在后期经过各反光点之间的连线建立匹配的骨骼关系, 驱动三维模型的运动。
优点:1) 演员的运动不受物理限制;2) 摄像机采样速度高, 能够达到每秒60帧以上, 可以采集激烈的运动;3) 场地要求较低, 不受噪声、温度、金属制品的影响;4) 实时性强, 便于调整和修改。缺点:1) 价格较高;2) 装置定标繁琐, 后期修改反光点参数工作量大。
3 结语
三维运动捕捉系统极大地提高了动画制作的效率, 降低了成本, 而且使动画制作的过程更为直观, 效果更为生动。随着科技的进步, 运动捕捉系统会越来越易操作, 其在动画制作领域的地位也会越重要。
摘要：随着科技的进步, 三维运动捕捉系统越来越多的进入到角色动作的创作中。给动画中角色动作的创作带来了极大地便利, 从而大大的降低了动画制作的成本。想要利用好三维运动捕捉系统需要认识各系统的优缺点, 有的放矢的利用三维运动捕捉系统进行科学研究和艺术创作。
捕捉课堂的亮点 篇5
作者：广西南宁市上林县大丰街二小学 莫仕凤
摘要：叶澜教授曾说过：“课堂应是向未知方面挺进的旅程，随时都有可能发现意外的通道和美丽的图景，而不是一切都必须遵循固定路线而没有激情的旅程。”课堂是动态的课堂，有很多意外是我们始料未及的，其中有令我们为之感到欣慰的，当然也有我们令我们一时措手无策的。这就得要求我们老师在课堂中百分百地投入，尊重学生的发现。哪怕学生的发现是错误的，有时候这也是一种难得可贵的课堂资源。
关键词： 捕捉亮点 重视生成
苏霍姆林斯基说过：“教育的技巧并不在于能预见到课的所有细节，而在于根据当时的具体情况，巧妙地在学生不知不觉中做出相应的变动。”课堂是动态的课堂，富有挑战性的课堂，有很多意外是我们始料未及的。其中不乏一些好的有价值的课堂资源，这就要求我们能静心倾听学生发言，捕捉学生思维的亮点，用贴切、真诚、丰富的语言进行积极的即时评价，把学生的发现得到肯定与赞赏，并生成良好的课堂资源。这样既有效提高了学生发现问题，解决问题的能力，有能够使课堂充满活力。
如 在授《平行四边形》这一课时，为了突出平行的不稳定性，我给学生演示一个木制的平行四边木架，让学生说一说你发现了什么？同学们纷纷发言：“它会摇动，它扭来扭去的。”我刚想说：“对，这就是它的特性，就是不稳定性......。”一切如我的提前预测。可就在这时，有一个学生突然说：“我有办法让它不能扭动。”好调皮的孩子！他的发现确实不错，可是这个教学环节我还没有上到呢！”我还是果断地让他上来说一说了，并遵照他的意思用另一根木条定住平行四边形的对角。同学们都见证了他的发现。都认为他很了不起。这时我就话题一转，说：“对，你的发现很棒，大家表扬他！”我接着问道：“同学们知道为什么那位同学的方法是正确的呢？”孩子们都摇头了，我立即告诉学生原因：上三角形具有稳定性。没有上到过的内容，提前学习又何妨呢？只要同学们接受得了，没有上到预设的内容又何妨呢，异曲同工，同样精彩。同学们在这一课中学得很轻松，学生学习的兴致很高涨。
有时，学生错误的回答也是一种难能可贵的课堂资源。错是为了不再错，更能够令学生深思为什么错，激发了学生的求知欲望。如在《有余数的除法》中。有一个学生是这样写的： 被除数是39，除数是8，商写成5，39-40=1。着实令人恼火，真没有办法。我刚想纠正，但是还是让同学们给发现了，说：“老师，我知道他为什么错那儿了，因为他不知道39是什么？5是什么，8是什么，我来告诉他好了......"在集体的帮助下，那位同学能够纠正过来了，真是事半功倍。孩子们在这个过程中又加深了对本知识的理解。因而，在课堂中，我们应当能够尊重学生在自主学习过程中的经历和体验，用心捕捉有效利用学生学习活动中生成的资源，通过师生互动、生生互动，引发群体的思维碰撞。使课堂焕发生机与活力。
叶澜教授曾说过：“课堂应是向未知方面挺进的旅程，随时都有可能发现意外的通道和美丽的图景，而不是一切都必须遵循固定路线而没有激情的旅程。”那么，我们怎样才能够有效地捕捉学生们的意外的通道和美丽的图景呢？我认为最重要是得尊重所有的学生，学生们才能够毫无忌惮地说、做。如何能够做到呢？就像刘教授说的先尊重学生，每一个人都有自尊心，小孩儿也不例外。每一个人都有被人尊重、被人赏识，被人关注的渴望，在课堂上，我也常常看到这样的学生，得到老师的一句贴切的表扬后，整个人精神了许多，也常常看到个别孩子在被老是误解批评后伤心的样子。孩子们的眼神是那么的清澈、透明，在他们的心中，老师的评价胜过任何一个人！如在上《年月日》这个课时时，我碰到这样的事情：有一道习题是这样的，小红今年12岁，可是她只过了3次生日，为什么呢？她应该是哪月哪日出生的呢？同学们纷纷举手发言，生一：小红是闰年的2月29日出生的„„我注意到了一位很少发言的孩子也举手了，我喜出望外，我就给了他一次机会，没想到他居然说因为小红家没有钱过生日。同学们哄堂大笑，我没有马上给这个同学评价，我先是问了这个学生：“你过了几次生日啊？”“没有过，爸爸妈妈在外面做工，每年春节才回来一次，而我的生日是在6月23日，爸爸妈妈不在家，所以没人陪我过生日。”这时同学们静下来了，表情严肃。我赶紧肯定了这位同学敢回答问题的勇气，我接着说：“没关系，等到今年的6月23日，我们一定送给你生日快乐歌，与你一起庆祝生日！不过，小红不是因为家里没钱而不能够过生日，而是因为她是在闰年的2月29日出生的。”接着我给同学们讲解了原因，同学们可专心了，关于闰年和平年的知识也就得到了巩固。这一个小插曲，让我有机会尊重了学生，能够渗透了德育教育，也让同学们加深了对本知识点的理解。
又如在上《多位数乘一位数》时，有几个同学在黑板上这样算的213×3=536，同学们哗然，我就及时的说：“在咱们别急评论，先让这几个同学说一说他们的算法好吗?”还真有意思，做错的那几个同学一下子就发现了自己的错误，并及时的更正，我就顺着说：“哦，原来你是错在这呀，太可惜了，不过你错一下也好，你的错可以提醒我们不能犯同样的错误啊，同学们我们还得谢谢你们呢”那几个同学脸上笑开了花——嘿，老师可同学们不但不笑话我们，还表扬我们呢！这样学生们的自信心大增，学习的热情也高涨。此类的事情很多，有时候我们未必能够面面俱到，但是我想只要心中一直想起要尊重学生，爱护学生的自尊，这样的课堂教学就不很差。
运动捕捉 篇6
目前,上肢康复机器人[1]以其长期、稳定重复训练,精确、客观测定训练与运动参数以及可提供实时反馈、远程训练等功能,在康复领域得到了患者和医护人员的认可。当前已有MIT-MANUS[2]、AMRin[3]、 MIME[4]等多种康复训练机器人,可代替理疗师来驱动病患上肢进行康复运动。在此基础上,通过将患者上肢按照正常运动轨迹进行重复驱动,即能达到“运动再学习”的效果。研究者以点到点(point to point)运动为研究对象,根据驱动手臂运动的肌肉力的变化,提出一组优化原则,用于理论上预测上肢运动的优化轨迹[5]。Nelson[6]提出了使用目标函数来预测单关节上肢的复合运动及多关节上肢平面运动的优化轨迹,大都取得了与实验相吻合的仿真结果。Uno等[7]提出最小肌肉张力变化模型,以“能量消耗最少”为原则,来预测人体上肢平面运动的轨迹,并通过仿真得到,手端的运动特征与优化的特征相符的结论。在国内,杨义勇等人[8]建立了神经兴奋-肘关节肌肉收缩的动力学模型,利用最优控制方法计算肘关节快速屈伸和旋前、旋后的符合运动,计算结果与实验结果在肌肉力矩、肌电信号等方面的参数相吻合。此外,清华大学的UECM机器人也实现了轨迹定量试验,通过患肢末端的运动轨迹与给定轨迹相比较,与Fugl- Meyer[9]评价标准相结合,得到患者上肢恢复情况的量化值[10]。
以上研究得到的运动轨迹中,有些仅仅针对于单关节运动,有些是多关节单一平面运动,与上肢的正常运动大范围与灵活程度相比,局限较大,且数学模型复杂,计算量大。而诸如MIT-MANUS、UECM类型的末端驱动机器人在进行康复运动时,只能规划其末端的运动轨迹,无法对患肢的每个关节进行单独有效的驱动,对于康复初期病患上肢的联合反应不能进行有效的约束和矫正。
本研究介绍一种基于主动发光标志点三维运动捕捉仪的上肢运动轨迹测量方法。该方法根据上肢功能正常实验者的运动数据来计算有效的上肢基本运动轨迹。同时设定不同的任务场景,将每个关节的运动数据加以复合后,经过基本的数据处理,得到与日常活动中相仿的上肢运动轨迹,以作为上肢康复机器人进行上肢被动训练的驱动研究参考。
1 实验模型结构
正常人体上肢运动共有7个自由度:肩关节屈伸、肘关节屈伸、腕关节屈伸、肩关节旋前旋后、腕关节旋前旋后、肩关节外展内收、腕关节掌屈掌伸。康复训练针对上肢运动的主要运动自由度,对于本身运动幅度较小、对上肢整体运动影响不大的自由度可予以忽略,且自由度的增加也会加大康复机器人的制作成本及复杂程度。该实验将上肢运动简化成4个运动自由度的组合(上肢运动学模型如图1所示),分别为:肩关节的屈伸、肩关节的外展与内收,肘关节的屈伸、腕关节的旋前与旋后[11]。根据D-H法则[12],本研究规定各关节的旋转轴线为坐标系的Z轴,两坐标原点之间的连杆方向为X轴,并分别建立了4个旋转关节的坐标系。
2 实验对象、设备与原理
2.1 实验对象
实验对象为5人,平均年龄(25±2)岁,其中女性2人,男性3人,上肢均无运动功能障碍。
2.2 实验设备
该实验采用的主要设备为NDI运动捕捉仪,采用Optotrak三维运动测量系统[13]。该仪器捕捉各个发光Marker点的空间位置变化来测量各运动数据。此外,还需使用PC及其他实验辅助道具。
2.3 实验原理
运动模型中共有3个主要运动关节,其中肘关节与腕关节为单自由度。而对于类球铰的肩关节,本研究在分析运动时,将空间运动分解到各平面上分别进行解析。以人体正前方为Z轴正方向,竖直向下为Y轴正方向建立参考坐标系,坐标零点及三轴方向与NDI运动捕捉仪的零点和三轴方向重合。
Optotrak三维运动测量系统主要由传感器,SCU控制单元、Marker点、PC及连线组成。实验系统构成如图2所示,试验者在手臂上绑定主要的测量Marker点,加上若干用于辅助定位的Marker点。传感器安放在实验者对侧,以实时记录实验中各Marker点位置的变化,Marker1～Marker9的序号如图3所示。数据结果为Marker点的三轴坐标Mi_x,Mi_y,Mi_z(i=1～9)。
2.3.1 肩部屈伸、外展内收关节角度测量
本研究在人体上臂上固定2个Marker点,使Marker7和Marker9成为一个空间运动矢量:
undefined
在基准处固定Marker10和Marker11,构成基准向量:
undefined
本研究将在空间运动的矢量投影在矢状面上(如图3所示),对应肩关节的外展内收运动;投影在和水平面上,对应肩关节的屈伸运动,即分解为Vecyz和Vecxz。相应地,将Vecstd分解为Vecstd_yz和Vecstd_xz。其中:
undefined
undefined
于是,肩关节屈伸角度和肩关节外展内收角度为:
undefined
undefined
2.3.2 肘关节角度测量
测量肘关节旋转角度的Marker点布置如图4(a)所示,共6个Marker点,分别在两个体节处形成平面。其中Marker7,Marker8,Marker9构成平面Pupper,其法向量为Nupper;Marker4,Marker5,Marker6构成平面Pfore,其法向量为Nfore。两个法向量之间的夹角即肘关节屈伸的旋转角度:
undefined
2.3.3 腕关节角度测量
测量腕关节旋转角度的Marker点布置如图4(b)所示,共6个Marker点。其中Marker1,Marker2,Marker3构成平面Pwrist,其法向量为Nwrist。腕关节旋内旋外的旋转角度即为:
undefined
2.4 实验设计
人体日常生活运动(Activities of Daily Living, ADL)指多数人为了独立完成日常生活活动,每天必须反复进行的、最基本的活动,包括穿衣、进食、个人卫生等基本动作和技巧。该思想方法被广泛应用于运动障碍评估、损伤评价、康复评价及关节灵活度等方面的评价[14]。人体上肢运动具有随意性和多变性,且不像步态行走一样具有标准和规律,故需对人体上肢的日常活动进行合理的简化和归纳,来设计若干实验阶段。本研究将实验分为以下几个阶段:
第1阶段:单关节运动。包括腕关节旋内旋外、肘关节屈伸、肩关节屈伸、肩关节外展内收。这4个动作是该上肢模型的基本动作,也是所有上肢运动的构成元素。实验数据作为单关节连续被动运动的参考之用。
第2阶段:上肢范围运动。一些日常生活中所涉及到的动作,如吃饭、刷牙、移动物体等都需要上肢对某一目标在一定范围内进行触摸、握持等动作,故使上肢在其运动范围内进行正常运动是康复训练的重要目标。该次实验将人体本身作为参考,选定了上肢(右臂)康复运动的范围:上—右手触摸额前;左—右手触摸左侧肩部;右—右手触摸右侧肩部;左下—右手触摸左侧腰部;右下—右手触摸右侧腰部。本研究以这5点作为范围的运动目标来测量上肢的运动参数。
第3阶段:任务实验。康复后期,患者已经能够完成各大运动关节的基本运动。此时需要进行较精细的多关节协作任务实验,来帮助患者进一步进行康复。该实验设计两款轨迹跟踪任务,患者按照实验桌上简单的几何图形(三角形和四边形)来绘制轨迹。实验中保持实验者上身竖直,座椅与桌子间距离固定。
3 实验结果与分析
实验数据为多人多组结果,本研究取其中一段周期和若干特征点,利用插值、拟合等方法得到各关节的角度变化轨迹。
3.1 单关节试验
在第1阶段单关节运动试验中,关节角度变化呈现明显的周期性,且其轨迹接近于正弦函数。肘关节屈伸角度变换曲线的拟合过程如图5所示,本研究取2 s为一个运动周期,采集各波峰、波谷的数值后得到一个以正弦函数为基准的拟合曲线来作为该组运动的标准运动轨迹曲线。原曲线波谷处产生的毛刺是由于运动到极限位置时,肢体因制动产生的振动所致,本研究将其视作圆滑轨迹处理。最终得到的轨迹方程为:
undefined
式中:t—时间,单位1.0×10-2 s。
其他各单关节角度轨迹曲线以此类推。
3.2 多关节试验
第2、3阶段为多关节协同运动。本研究将各关节的运动数据在同一图表中标出。其中,第2阶段上肢基本分解运动的结果曲线也为类正弦曲线,处理方式与第1阶段相同。第2阶段任务实验阶段中各关节运动轨迹曲线较复杂,如图6(a)所示。首先,本研究以肩关节屈伸为例,根据图形特征采集若干特征点的坐标(ti,θi)(i为特征点数量),再用10次多项式将曲线重新拟合,得到方程:
本研究将其用傅里叶多项式在全领域展开后,得到如图6(b)所示的完整的轨迹曲线及其方程。其他关节依此类推。
3.3 仿真验证
利用ADAMS建立的3杆简易上肢模型如图7所示。本研究将上述得到的各拟合轨迹方程加载至各关节的驱动中加以验证。
三角形轨迹任务实验仿真如图8所示。仿真结果表明,各个方程均符合上肢的运动规律,运动频率适当,峰值过渡平缓,可以作为上肢关节驱动的参考。图8中的离散点为任务实验的末端轨迹,实线为理想轨迹,两种轨迹基本吻合,证明拟合关节角度符合实际的运动情况。
4 结束语
上肢关节运动参数是上肢康复运动的一个重要依据,但相比于下肢运动,上肢运动的相对范围更大,运动自由度多,所需完成的任务更为复杂多样,同一个人完成同一个动作时,关节的运动参数也不可能完全相同,不利于标准运动轨迹的设计与规划的因素较多。
本研究利用NDI运动捕捉设备产生的上肢运动数据来制定运动轨迹,相较于使用数学、力学的推导方法更为直观有效。实验结果经过特征点拟合、多项式拟合、傅里叶展开后,可得到一组具有明显周期性的上肢关节角度拟合变化曲线,其中包含4组单关节运动,5组范围运动以及2组任务实验。经过软件仿真后,证明所拟合的曲线与实际运动轨迹基本吻合,仿真轨迹与理想轨迹最大误差为6.84%,根据康复科医师意见,可将其作为上肢康复机器人的运动参考轨迹。
运动捕捉 篇7
戏剧表演的核心任务是塑造形象鲜明的剧中人物,戏剧形式的多元化发展促使演员的形体素养成为衡量其戏剧表演水平的重要指标之一。在现代的戏剧表演艺术中,一个优秀的戏剧演员除具有唱念打做和能歌善舞的基本能力之外,还应具备通过丰富的形体动作塑造戏剧人物的能力,以传达情感、叙述故事、感动观众。因此,现代戏剧表演艺术对演员形体的表现力、协调性、柔韧度、节奏感和灵活性提出了更高的要求,更注重演员肢体语言的科学运用。戏剧形体训练的关键是提高演员肢体的柔韧性和灵活性,熟练掌握戏剧表演艺术所需的各种形体技巧和人物形象塑造方法, 扩展演员的戏剧表演艺术思维。然而,许多戏剧演员形体动作协调性差、 人物形象塑造水平低,在戏剧表演中处处表现出形体基本功不足的问题。 快速提升戏剧演员的形体素养,使每位演员在戏剧表演中充分发挥其表演技艺成为当前戏剧形体训练的亟待解决的重要问题。
为提高戏剧形体训练的科学性和有效性,文献[2]提出针对不同形体基础的戏剧表演专业学生进行分层次教学,以通过因材施教的方法达到理想的戏剧形体教学效果。文献[3]从提高学生学习兴趣、针对性的形体训练、加强心理健康教育等方面探讨针对高校学生的形体训练方法,以便科学合理地安排形体训练内容,循序渐进地增加训练难度和强度,通过表演训练与形体动作训练的融合全面挖掘学生的戏剧表演潜力。文献[4]提出采用“启发式教学法”开展戏剧形体训练,通过教师的言传身教和动作示范加深学生对戏剧形体表现力的领悟。这些研究并没有革新传统形体训练手段,依然是采用教师示范和口头指导、学生凭经验感悟动作要领的传统训练方法,其训练效果和效率的提升比较有限。人机交互技术和虚拟现实技术的发展使基于运动捕捉的形体动作仿真与分析成为戏剧形体训练的一种新手段,有助于实现戏剧形体训练的科学化和直观化,增加戏剧形体训练的趣味性和有效性。为此,本研究在分析运动捕捉原理与方法的基础上,研究利用运动捕捉技术进行戏剧形体训练的方法,以提高戏剧形体训练的效率和效果。
二、形体动作捕捉
1.运动捕捉的技术原理
运动捕捉是一种利用计算机系统进行运动数据采集与分析的技术,即通过跟踪和记录目标对象在时域上的运动轨迹,并将其转换成可显示的虚拟动作序列,从而对其进行分析和利用的一种方法,涉及计算机仿真、虚拟现实、人机交互、数据通信、图形图像等技术。运动捕捉系统是一种测量和记录运动物体在真实物理空间内运动轨迹的技术设备,其工作原理是通过部署在物理空间内的多个动作数据采集设备、标记点( Marker) 设备、运动跟踪传感器等,将目标对象的运动状况以三维数据的形式记录在计算机系统中,通过这些数据的分析处理得到模拟其运动实况的虚拟动作序列。
2.运动捕捉系统
根据运动捕捉系统工作原理的不同,可将其分为机械式、声学式、电磁式和光学式四种类型,其定位精度、实时性、可捕捉范围、应用成本、抗干扰能力、动作捕捉能力等各有其优缺点。光学式运动捕捉系统一般由传感器、信号捕捉设备、数据传输设备和数据处理设备四大部分构成。传感器是一种固定在运动物体主要部位的标记点( Maker) 来实现,用来向运动捕捉系统提供运动位置信息,一般分为反射红外光的被动Maker和可自发光的主动Maker。信息捕捉设备通常由多台高速红外摄像机构成,用来识别和跟踪其视野范围内Maker点的运动轨迹,并将所采集到的Maker点运动数据通过网线、光纤等数据传输设备传送到数据处理设备。数据处理设备接收到这些Maker点的运动数据之后,基于计算机视觉、基于骨骼的角色模型驱动等技术进行3D虚拟对象的运动动作进行模拟与分析。为了便于后期运动数据的计算机处理和Marker点的识别与跟踪,通常要求运动对象穿上单色的服饰。此外,由于高速红外摄像机能够降低背景噪声、突出Marker标记点、连续拍摄并保存每一瞬间内运动对象的动作序列。光学运动捕捉系统具有运动对象活动范围大、无电缆和机械装置限制、采样速率高、可操作性和可实现性强等优点,是一种性能稳定且应用成本较低的人体动作捕捉与跟踪设备,适用于表演者动作捕捉、动作模拟与分析、动作技能辅助训练等领域。
3.形体动作捕捉方法
鉴于光学式运动捕捉系统的优势,本研究利用光学式运动捕捉系统获取戏剧形体动作数据。光学式运动捕捉系统通常需要在被捕捉对象上贴上一定数量的Marker标记,而Marker标记的位置和数量为能够准确跟踪和捕捉被捕捉对象的动作为依据。虽然Marker标记越多,获取的动作数据就越准确,但会使后续的动作数据处理和虚拟动作仿真变得非常复杂,导致系统的实时性和可用性降低。为此,戏剧形体动作捕捉以图1所示的人体骨骼结构模型为依据,共在表演者身上部署26个Marker标记,确保Marker标记容易被相机识别和跟踪的基础上,准确获取形体动作关键点的实时三维坐标数据,为形体动作跟踪与重构提供数据。
在捕捉戏剧形体动作数据时,在表演者身上贴的24个Marker标记位置分布如下: ( 1) 左右肩、左右肘、左右手背、左右髋、左右膝盖、左右踝和左右脚面等人体14个左右对称的主要关节点; ( 2) 根部前后各1个、腹部前后各1个、胸部前后各1个、颈部前后各1个、头部以鬓角为中间位置前后左右各1个,共12个对称的身体主要部位。这26个Marker标记可以跟踪和记录戏剧表演者主要关节及其主要身体部位的三维空间坐标,依据如图1所示的人体骨骼结构模型即可实现表演者的戏剧形体动作仿真。
三、利用运动捕捉进行戏剧形体训练的方法
1.训练思路
戏剧形体教学与训练的传统方法是教师首先对形体动作进行示范和讲解,然后学生根据自己的理解和感悟进行形体动作的练习,教师根据学生的动作练习情况进行指导和错误纠正,帮助学生熟练掌握形体动作要领和技巧。一方面,教师形体动作的示范和讲解很难精确量化,影响了学生对形体动作的理解和掌握; 另一方面,教师对学生训练的指导局限于真实训练场地,无法实现教师的远程训练指导和学生的自主形体训练。
运动捕捉系统不仅能够捕捉训练者的形体动作,而且能对人体运动轨迹、肢体运动速度与加速度、反应时间、旋转角度等相关变量进行精确测量和记录。利用所采集到形体动作数据驱动三维虚拟人体模型生成戏剧形体动作仿真动画,结合教师的讲解和动作示范可将戏剧人物的内心感情准确表达出来,加深学生对相关知识的理解和掌握。同时,通过对标准形体动作和训练者形体动作的量化和比较分析,可以很方便地找到差距,为科学训练提供准确的量化依据和指标。在戏剧形体训练中引入运动捕捉系统之后,首先,对教师的形体示范动作进行捕捉和量化分析,使学生更准确、直观地理解每个形体动作的要领和技巧; 其次,对学生的形体动作进行捕捉和对比分析,由系统自动找出其中存在的错误或不足,使课堂上的每位学生都能得到关注和指导,在激发学生学习兴趣的同时提高形体训练的针对性和效果。
2.训练流程
基于运动捕捉的戏剧形体训练是一种利用虚拟人体运动仿真数据优化戏剧形体训练的方法,是一种具有正循环反馈机制的循序渐进的科学训练过程。
( 1) 获取形体动作数据
首先,在教师根据教学内容设计进行戏剧形体动作示范的同时,利用运动捕捉系统获取教师示范的戏剧形体动作数据,结合人体力学原理、戏剧表演艺术要求等对这些捕获的形体动作数据进行改进和量化,构建戏剧形体训练标准动作库。其次,学生在进行戏剧形体训练时,利用运动捕捉系统获取每位学生的形体动作数据,即得到贴在学生身上的每个Marker标记的动态三维坐标信息。
( 2) 动作数据预处理
为方便虚拟人模型的动作驱动和形体动作仿真动画的生成,需要对所获取的形体动作数据进行预处理。例如,将Marker点的原始三维坐标数据进行转换,得到人体多刚体模型惯性主轴上的三维坐标; 对相关参数进行统计分析,剔除误差处理中的奇异点; 将三维空间内两个相互垂直的平面图像数据进行同步校正,提高戏剧形体动作仿真的准确性。
( 3) 生成形体动作仿真动画
首先,利用3DS Max、Maya等3D建模软件分别完成一个男性和一个女性3D虚拟人模型的构建,并导出为FBX格式,作为虚拟人形体动作模拟的基础对象。其次,利用Motionbuilder动画编辑软件导入FBX格式的虚拟人模型和形体动作数据,进行形体动作数据与3D虚拟人模型的绑定。完成形体动作数据与3D虚拟人模型的绑定之后,即可实现利用运动捕捉系统获取的形体动作驱动虚拟人模型,经过渲染之后便可得到相应的形体动作仿真动画。
( 4) 形体动作差异比较
形体动作差异比较分为整体比较和局部比较两个方法。整体比较是将利用学生形体训练动作驱动的虚拟人形体动作仿真动画与利用教师示范形体动作驱动的虚拟人形体动作仿真动画进行比较,根据参数量化比较结果得到学生形体动作训练中所存在的问题。局部比较是在整体比较基础上,针对形体动作训练中问题比较严重的关节或身体部位进行有针对性的、更详细的动作差异分析,让学生和教师从多视角进行细致观察,找到形体动作的细微差别。这样,不仅可改变以往戏剧形体教师主要依靠动作示范和口述指导训练、学生凭已有知识经验领会动作训练的经验式戏剧形体训练方法,而且可使戏剧形体训练更准确、更有针对性。
( 5) 正循环反馈
通过形体动作的差异比较找到学生戏剧形体动作所存在的问题之后, 一方面,学生可根据自身戏剧形体动作所存在的不足进行针对性的训练和不良习惯的改正,提高戏剧形体训练效果; 另一方面,教师根据训练结果及其存在的问题,改进训练内容、训练进度、指导方法等,使学生更容易、更快速地掌握形体动作要领,不断提升戏剧形体教学水平。
四、实验分析
1. 实验设计
为验证基于运动捕捉的戏剧形体训练方法的应用效果,选取中央戏剧学院2012级28名戏剧表演专业本科生进行实验研究。随机将这28名学生平均分为A、B两组,每组14人,其中A组采用本文所研究的基于运动捕捉的戏剧形体训练方法开展36学时的戏剧形体课程教学,B组采用教师示范、学生领悟的传统戏剧形体训练方法针对同样的训练内容开展为期36学时的戏剧形体课程教学。
目前,光学式运动捕捉系统有Optitrack全身动作捕捉系统、天远动作捕捉系统、G - Motion高精度光学位置追踪系统、Easy Mocap光学运动捕捉系统等,其功能相差较少,主要差别在于应用成本和使用的便捷性。Easy Mocap光学运动捕捉系统支持同时捕捉多个运动对象的动作数据、人体关节运动等,支持3DS Max、Maya、Motion Builder等三维建模软件,能够将实时捕捉的动作数据以所见即所得的方式实时显示在三维场景中,利用所获得的动作数据可自动生成虚拟人动作仿真动画,适用于人体动作捕捉、骨骼动画生成、运动轨迹定量分析等方面,且应用成本相对较低、操作便捷。因此,本实验采用Easy Mocap光学式运动捕捉系统进行戏剧形体动作的捕捉、采用3DS Max和Motion Builder进行3D虚拟人体模型的构建、戏剧形体动作仿真动画模拟、戏剧形体动作的差异性比较与分析等。
2.应用效果分析
经过36学时的课程教学与训练,针对参加实验的28名学生采用同一套测试内容进行戏剧形体训练效果考评,A、B两组学生的成绩分布情况: A组70分以下的人数为2人,占A组总人数的14. 29% ; B组70分以下的人数为5人,占A组总人数的35. 72% ; A组80分以上的人数为8人,占A组总人数的57. 14% ; B组80分以上的人数为4人,占A组总人数的28. 57% 。由此可见,基于运动捕捉的戏剧形体训练方法通过对学生戏剧形体动作的比较和量化分析,提高了动作训练的针对性和有效性,明显提升了戏剧形体训练的效果,达到了利用运动捕捉辅助戏剧形体训练的目标。
五、结束语