基於距離之時間序列分析與模板匹配應用於人體下肢動作識別

Abstract

人體動作識別可以應用於復健、長照、監測、娛樂與人機互動等多個領域，其資料大多是以時間序列的方式呈現，根據資料來源可分為基於影像和基於穿戴式感測器，在大數據與人工智慧領域中，是熱門的研究主題。本研究希望以一種直觀的方式，不依賴神經網路或機器學習方法，透過分析人體運動的關節角度變化曲線，來了解人體如何動作。本研究關注於相似度量測與時間歸整（Temperal Alignment）處理，使用時間序列的距離量度，包含歐氏距離、動態時間扭曲、Move-Split-Merge 和費雪拉奧度量，並使用多變量泛函主成分分析來分析動作曲線。全文可以分成三個部分。 第一部分是動作資料的蒐集，透過 Vicon 動作捕捉系統蒐集運動資料，在 OpenSim 中建立人體模型，計算下肢六個關節在屈曲-伸展軸的旋轉角度，以這六個角度的時間序列來描述人體下肢動作。第二部分是關於動作模板的建立與分析，本研究包含 10 個常見的下肢動作，利用時間歸整方法，依據不同的距離量度來調整動作樣本，時間歸整的目的在降低樣本的時間偏移和速度變異，對齊樣本中的主要輪廓。接著以歸整後的樣本建立動作模板，分析不同樣本類別的距離分布。第三部分是模板匹配的試驗，本研究提出一個相似度評分方法，基於時間序列的距離量測，結合 softmax 函數與鐘型函數，將動作進行分類並同時能有效去除離群值。本研究設計了 4 組動作情境做為測試，其中包含由人工生成的動作情境，透過主成分分析和時間扭曲方法可以隨機生成動作樣本。結果顯示，本研究提出的相似度評分方法是可行的，並以動態時間扭曲（DTW）的效果最佳，即使在包含雜訊的情境中，也能維持表現。