摘要 為滿足人體關(guān)節(jié)運動模型研究的需要，設(shè)計了一種基于機器視覺的肢體運動模式采集系統(tǒng)，系統(tǒng)由PCI-1411視頻采集卡和LabVIEW數(shù)字圖像處理平臺構(gòu)成。通過對采集到的肢體運動狀態(tài)視頻分幀進行處理，建立了肢體關(guān)節(jié)運動的相關(guān)數(shù)學(xué)模型，獲得了較為準確的肢體運動參數(shù)。研究結(jié)果表明，采用視頻采集技術(shù)建立的運動模型較傳感器采集技術(shù)建立的模型有精確度高、處理速度快、系統(tǒng)誤差小、數(shù)據(jù)易分析處理等優(yōu)勢。
關(guān)鍵詞 視頻采集；LabVIEW；數(shù)字圖像處理；肢體運動模型

肢體運動過程的研究是運動學(xué)、生命科學(xué)、自動控制等學(xué)科的重要研究對象，最典型的應(yīng)用是機器人研究，其成果可應(yīng)用于人體假肢的設(shè)計等多個方面。而目前的假肢設(shè)計技術(shù)，使得產(chǎn)品價格昂貴、控制復(fù)雜，無法滿足廣大殘障人士的需求。要改善肢體殘障人士的生存狀況，促進假肢設(shè)計與制作技術(shù)的發(fā)展，研究出結(jié)構(gòu)簡單、步態(tài)逼真、成本低廉的假肢，具有重要的現(xiàn)實意義，肢體運動模型的建立是假肢設(shè)計中關(guān)鍵的研究內(nèi)容。
傳統(tǒng)肢體運動過程的研究一直沿用各種機械模擬和數(shù)字轉(zhuǎn)換裝置做模型采集系統(tǒng)，這種系統(tǒng)因大量數(shù)據(jù)采集和處理任務(wù)所帶來的系統(tǒng)誤差導(dǎo)致了模型失真較大。隨著信息技術(shù)的發(fā)展，視頻采集和數(shù)字圖像處理技術(shù)因其采集方便、處理速度快、精度高而被應(yīng)用到各種測控領(lǐng)域。在眾多的視頻采集處理方案中，美國國家儀器公司的視頻采集卡PCI-1411及LabVIEW處理平臺，具有強大視頻采集和數(shù)據(jù)處理能力。應(yīng)用該開發(fā)平臺設(shè)計的視頻采集系統(tǒng)建立肢體運動模型研究，是以人類下肢運動過程為對象，在腳尖末梢、踝關(guān)節(jié)、膝關(guān)節(jié)及大腿末端關(guān)節(jié)處安裝LED點光源，可以精確采集到各肢節(jié)的運動軌跡，從而建立完整的肢體運動過程模型。其基本原理為通過攝像頭實時采集固定在肢體關(guān)節(jié)處的點光源運動序列，使用數(shù)字圖像處理技術(shù)和視頻連接技術(shù)，描繪出肢體的運動軌跡棍狀圖。通過對光點進行坐標量化，構(gòu)造出肢體運動模型。對運動模型應(yīng)用數(shù)學(xué)幾何測量的知識，獲得肢體運動的模型參數(shù)，建立出肢體運動的數(shù)學(xué)模型。

1 肢體運動模型采集系統(tǒng)的構(gòu)建
應(yīng)用視頻采集的方法構(gòu)建的肢體運動模型采集系統(tǒng)，由視頻獲取裝置和視頻處理軟件兩部分構(gòu)成。視頻獲取裝置包括點光源、攝像機、視頻采集卡和PC機。點光源使用1 W紅色LED，將其固定在肢體關(guān)節(jié)處，攝像機采用Timber2038型行間變換CCD攝像機，794 594像素，540線水平分辨率，最大光圈為F1．2時可拍攝最低照度為0．000 1 Lux，圖像采集最大速率是30幀／s，攝像機鏡頭為手動光圈，焦距3．5～8 mm，視頻采集卡采用NI公司PCI-1411。視頻獲取軟件采用NI公司的IMAQ Vision模塊，該模塊具有圖像采集、系統(tǒng)校準、圖像處理、幾何量測量、圖像分割等眾多子函數(shù)庫，能夠完成圖像的去噪、增強、復(fù)原、分割、提取特征、灰度和二值圖像處理及形狀匹配、斑點分析、統(tǒng)計、濾波、幾何變換、計算和測量等任務(wù)；視頻處理軟件采用G語言的虛擬儀器開發(fā)平臺LabVIEW編寫，主要采用數(shù)據(jù)流的驅(qū)動方式，編譯后運行速度接近于C語言，并能驅(qū)動眾多廠家的多種數(shù)據(jù)采集卡，具有強大的數(shù)據(jù)采集能力和信號處理功能，能夠直觀高效地表現(xiàn)編程算法。

2 光點檢測原理
點光源的安裝位置和檢測是建立完整精確運動模型的基礎(chǔ)。模型建立精確性的核心問題是完成光點檢測并使其具有較高的魯棒性。
由于檢測的是紅色LED，光斑的R分量占據(jù)優(yōu)勢，因此文中采用背景消減法，在讀取背景幀和當(dāng)前幀的過程中只需讀取R分量，提高了運算效率。利用式(1)計算背景圖像bk與當(dāng)前幀圖像fk的差分圖像，從而檢測出每幀圖像中的運動目標區(qū)域
Dk(x，y)=|fk(x，y)-bk-1(x，y)| (1)
其中，fk(x，y)和bk-1(x，y)分別為當(dāng)前幀和背景幀R分量圖像，Dk(x，y)為背景差分得到的R分量差分圖像。
檢測出每一幀圖像中的運動目標區(qū)域，克服了環(huán)境光場不穩(wěn)定因素對檢測結(jié)果的影響，提高了運動對象邊緣的檢測精度，為后續(xù)有效恢復(fù)連接肢體運動模型奠定基礎(chǔ)。
該光點檢測方法，再通過對發(fā)光點特征參數(shù)的濾波、去噪，能夠更加準確地識別發(fā)光點位置，進而通過精確的坐標系定位，完成對肢體運動過程的測量，為肢體運動模型的參數(shù)獲取及肢體特征參數(shù)的測量提供了完整的實現(xiàn)依據(jù)。

3 肢體運動模型的連接恢復(fù)與數(shù)學(xué)模型建立
光點檢測獲取的分割圖，能夠完整地識別與提取出安裝在肢體各個節(jié)點的發(fā)光點，如圖2(a)所示。應(yīng)用LabVIEW標注出各個光點的坐標，采用光點連接技術(shù)，將每一幀圖像上的4個發(fā)光點進行順次逐一連接，即可獲得代表腳掌、小腿、大腿的靜態(tài)模型，如圖2(b)所示。在每幀靜態(tài)模型中通過對像素值的分析和對比，計算出每一像素值所代表的實際長度，進而換算出腳掌長度、小腿長度和大腿長度，這種視頻測量的方法，要比實際測量的方法更為精確，為后續(xù)的模型分析提供了可靠數(shù)據(jù)。同時通過對連接成的模型相對于豎直位置的角度測量，能夠測出腳掌、小腿、大腿相對于豎直方向的角度變化關(guān)系，記錄各個相鄰幀的模型相對豎直角度關(guān)系與時間的對應(yīng)坐標如圖2(c)所示，即可獲得各個角度與時間的函數(shù)擬合圖，如圖2(d)和圖2(f)所示。再根據(jù)大小腿角度變化與時間的關(guān)系，可計算出大小腿角度之間的函數(shù)關(guān)系如圖3(e)所示這樣即可得出3個代表性的模型如式(2)～式(5)所示。