（个人）太极拳学习系统创新实训第一周（一）

一、项目背景：

太极拳作为国家非物质文化遗产，集颐养性情、强身健体、技击对抗等多种功能为一体。为了能够更好的帮助人们学习和传承太极拳，我们想要开发出一种可以实时校准用户动作并且能够对用户动作评估的太极拳学习系统。利用动作捕捉与VR技术构建一个多功能的太极拳学习系统，为太极拳爱好者提供一个崭新高效的学习方式。

二、项目目标：

太极拳学习系统是一个可以实现存储用户进度，用户可以选择多种学习模式，将用户动作和标准动作匹配，将错误动作和评分反馈给用户而且用户可以观看回放视频。

三、目前进度：

1)分析确定采集动作数据的设备

通过阅读文献，我发现很多动作捕捉得文章都是基于Kinect，而且市面上虽然已经有基于Kinect的体感游戏。但是我们体验了很多游戏发现Kinect并不适用于精确的慢动作。除此之外，Kinect并不能很好的判断转身问题，虽然我曾想过通过二分法和机器学习来判断转身，但是机器学习的训练需要大量数据。综合考虑之后我们决定使用动作捕捉设备，我们选用了基于惯性的Noitom，相比与光学动捕设备Noitom更加灵敏并且不会存在遮挡问题。

2)动作匹配算法

已经选择了用于获取用户动作数据的设备，我们需要确定使用什么动作匹配算法，经过分析有以下几种算法：

基于动态时间规整（DTW）的比对分析方法：该方法首先通过决策树算法将深度数据与已标记的数据进行匹配，给出一个推断的人体分割区域，然后从顶层、前侧和左侧计算被推断出的关节点的三维视图，最后基于推断的关节点和3D视图开始跟踪人体的骨骼和身体的运动。[1]

基于特征向量匹配的实时姿态分析方法：一种基于特征平面间相似性匹配的人体姿态分析方法。首先利用光学式动作捕捉系统实时采集表演者的运动序列，获取人体骨架数据，建立人体运动模型。其次，利用特征平面相似性匹配的方法计算运动数据相关匹配度。最终，利用该方法实现运动人体姿态的实时分析，并有效的应用于教学，比较教学动作的规范性、一致性，有利于计算机辅助教学模式的实现，提高教学质量。[2]

本周我除了看论文找合适的匹配方法之外，参与了搜集场景模型素材的工作，下载3D MAXS，并制作了一版场景。

搭建场景：

在3D MAXS中搭建场景，并给场景贴图。

在院子中添加小花坛和草地，设置照相机的位置。

另外一个场景渲染图：

[1]刘正存. 面向大众体育运动示教的三维人体动作捕捉与分析[D]. 天津大学: 天津大学,2015.

[2]韩丽,王露晨,张美超,陈芙蓉,. 基于特征向量匹配的舞蹈实时姿态分析方法[J]. 计算机应用研究,2016,(12).