徐 渊 刘志刚 王 卅 包云岗

(*中国科学院计算技术研究所 北京 100190)

(**中国科学院大学 北京 100049)

0 引言

反馈在人们运动锻炼过程中扮演着十分重要的角色,因为它可以识别出运动中身体姿势的正确性并纠正错误。但在多数情况下,人们几乎无法获取系统性的反馈来帮助他们纠正身体姿势,他们获取反馈的唯一信息来源可能是一面无法提供任何专业指导的镜子,他们需要分散注意力来观察镜中的自己,这进一步地降低了运动质量。

尽管近几年有很多运动纠正相关的研究来帮助经验不足的用户提高运动质量,但是它们提供的方法既不便捷、也不精确。一方面,一些现有的工作通过基于深度信息的光学传感器获取骨骼信息,并根据这些信息估计不同部位的关节角度[1-2]。这种方法通常只能提取人体骨骼正视图,并测量运动涉及到的关节,因此它们不够精确。另一方面,一些基于传统光学跟踪系统[3-4]和基于惯性测量单元(inertial measurement units,IMU)的跟踪系统[5-6]通过在重要的人体解剖位置附加光学标记或者IMU 传感器,从而提供精确的运动信息。但是,这些方法需要使用的传感器价格昂贵,很难在普通用户中普及。

实现利用智能商用设备上的传感器纠正运动错误姿势的挑战在于运动纠正应用的计算需求与商用移动设备硬件资源的计算能力之间的不匹配。智能手机和平板电脑等移动设备依靠单目相机只能生成不带有深度数据的2D 图像,而从这些2D 图像中提取骨架信息需要应用深度神经网络(deep neural networks,DNN),这导致在精确性和响应性的约束下,骨架信息提取过程对硬件资源的需求很高。……