郑丽

（成都理工大学工程技术学院，四川乐山 614007）

人体运动姿态的准确分析与预测可以为运动训练提供有效的数据支撑。通过获取人体运动的相关数据，结合标准数据库数据矫正运动员动作的细节，能够达到提高运动员运动水平的作用。

随着计算机科技的不断进步，人工智能技术逐渐成熟。深度神经网络（DNN）可以自动学习数据特征，从而发现稀疏与分布式的大数据特征[1]，但最新卷积技术仍不能直接应用于捕获人体运动数据。为了捕获人体运动数据，卷积滤波器需要覆盖人体关节的整个范围，以便卷积仅在时间方向上发生。文中提出了一个具有瓶颈的全连接网络，该网络可以在给定先前帧的情况下，学会预测未来的移动帧，并训练人类运动的时间编码器[2]。

1 运动数据获取流程

为取得准确的人体运动数据，文中基于IMU 核心传感器、Arduino 嵌入式开发板为数据采集器，设计了一套人体运动数据采集系统。DMP 是IMU 设备独特的硬件功能，能够从传感器读数计算四元数数据。IMU 直接从辅助传感器获取数据，允许嵌入式处理器处理传感器融合数据，而无需系统应用处理器的干预[3]。

文中基于处理语言开发了MPU6050 IMU 监视程序。通过DMP 将加速度计与陀螺仪获得的原始数据相融合，随后从四元数表示中提取欧拉角信息以计算IMU 的偏航、俯仰、横滚运动[4]。该软件首先从XBee Pro 中获取方向值，再使用人体各个部位的长度和取向值计算IMU 的相对位置[5]。

文中测量人体关节运动状态的核心传感器为两组IMU 传感器[6]。……