在本論文中利用微軟推出的Kinect，提出一套以Kinect為基礎的網球揮拍動作分
析與應用。使用者可免於一般運動擷取技術中需要將裝許多感測器在身。我們透過
OpenNI擷取的骨架座標，建立一套經由三維直角座標的座標系，並使用身體部分的
關節點對身體軀幹做投影，視為揮拍動作辨識之特徵值。
針對網球揮拍動作之軌跡，並以此特徵值透過動態時間校正(Dynamic Time
Warping)，可以算出時間序列的最佳化，以軌跡路徑做相似度的比較分辨各種揮拍動
作，並透過角度判斷式來評估揮拍動作。系統會針對其動作的揮拍高度、身體重心的
高低及重心轉移快慢進行評估，以達到辨識網球揮拍及評估揮拍動作之功能。

Use Microsoft's Kinect in this paper, we release a set of detection and identification of Kinect with tennis racquet and swing movement of the evaluation study. Users may be exempted from the general motion capture technology requires a lot of sensors will be wearing on body. via OpenNI retrieved skeleton coordinates, establishment of a three-dimensional Cartesian coordinate system, use the joints of the body and parts of the body torso to make projections, considered the swing motion identification eigenvalues. 
For tennis swing movement of the track, thus eigenvalues by the Dynamic Time Warping, it can calculate the optimal sequence of time, in order to trace the path similarity comparisons do distinguish between the various swing action, and through angles judgment to evaluate the swing-style action. The system will focus on the swing-heights for their actions, the body center of gravity height and weight transfer speed is evaluated to achieve recognition tennis swing as well as assessment functions of swing action.

致謝	I
中文摘要	II
英文摘要	III
目錄	IV
圖目錄	VII
表目錄	X
第1章  緒論	1
1.1研究動機	1
1.2研究背景	2
1.3論文組織	6
第2章  相關技術與研究	7
2.1 相關研究	7
2.2 相關技術	11
2.2.1 KINECT	11
2.2.2 深度影像建立方式	14
2.2.3 OpenNI基本架構	20
2.2.4 OpenNI人體骨架追蹤系統	26
2.2.5 曲線平滑濾波器	28
2.2.6 動態時間校正DTW	29
第3章  以Kinect為基礎的網球揮拍動作分析與應用	32
3.1 系統架構	32
3.2 座標系平移映射與正規化	33
3.2.1 OpenNI座標系統	33
3.2.2 齊次座標系統	34
3.2.3 三維座標正規化	37
3.3 正反手拍辨識	37
3.4 揮拍動作起點/終點設定	39
3.4.1 正手拍起始點	39
3.4.2 正手拍結束點	40
3.4.3 反手拍起始點	41
3.4.4 反手拍結束點	41
3.5 揮拍軌跡曲線平滑化	42
3.6揮拍優劣程度判讀	47
第4章 實驗與教學應用	52
4.1 實驗環境	52
4.2 實驗	53
4.2.1 辨識正反拍	53
4.2.2 辨識起始點與結束點	54
4.2.3 揮拍軌跡偵測	56
4.2.4 動作比對呈現	58
4.3 實驗結果	50
4.4 網球體育教學輔助系統	62
第5章  結論與未來展望	64
5.1 結論	66
5.2 未來與展望	67


圖1.1占空間的揮拍練習器材	2
圖1.2 針對發球練習之輔助器材	3
圖1.3 體感遊戲機 XBOX360	3
圖1.4 Kinect人體全身感應示意圖[2]	5
圖2.1 VICON攝影機[3]	7
圖2.2 受試者擺出T-Pose姿勢[3]	8
圖2.3 VICON人體骨架圖[3]	8
圖2.4 起始點frame(左)及一個結束點frame(右)[6]	10
圖2.5 起始動作與結束動作之間的連續動作[6]	10
圖2.6 Kinect硬體架構示意圖	11
圖2.7 Kinect之架構圖引用於PrimeSensor[1]	12
圖2.8 Kinect可同時獲取彩色影像、3D深度影像、以及聲音訊號[7]	13
圖2.9 深度數據串流	14
圖2.10 Kinect Sensor的感知範圍	15
圖2.11 雙眼三角測距[8]	16
圖2.12 結構光掃描[9]	17
圖2.13 時差測距技術示意圖	18
圖2.14 Light Coding技術示意圖[11]	19
圖2.15 OpenNI基本架構圖[7]	20
圖2.16 OpenNI透過四個作業鏈產生此資訊圖	23
圖2.17 OpenNI偵測人體示意圖	25
圖2.18 透過NITE取得的OpenNI定義的15個關節圖[1]	26
圖2.19 人體骨架分析流程[13]	27
圖2.20  DTW路徑示意圖	30
圖2.21  DTW之最小累積距離值	31
圖3.1 系統流程圖	32
圖3.2 以Kinect鏡頭為原點之座標系示意圖[15]	33
圖3.3 座標幾何轉換之平移法示意圖	34
圖3.4 以軀幹為中心的物體座標系統	35
圖3.5 原始Kinect骨架座標點	36
圖3.6 正規化後之骨架座標點	36
圖3.7 正手拍預備動作及身體轉向位置	38
圖3.8 反手拍預備動作及身體轉向位置	38
圖3.9 起始點與結束點示意圖	40
圖3.10 反拍抽球揮拍分解動作(由左至右)	42
圖3.11 正拍抽球之右手移動軌跡	43
圖3.12 正拍切球之右手移動軌跡	43
圖3.13 正拍截擊之右手移動軌跡	44
圖3.14 反拍抽球之右手移動軌跡	44
圖3.15 反拍切球之右手移動軌跡	45
圖3.16 反拍截擊之右手移動軌跡	45
圖3.17 藍線為原始資料，紅線為平滑化結果	46
圖3.18 藍色實線夾角為基準，黃色虛線為手肘角度大小之閥值	48
圖3.19 正手揮拍，藍色實線夾角為基準，黃色虛線為角度大小之閥值	49
圖3.20 藍色實線夾角為基準，黃色虛線為重心轉移快慢閥值	51
圖4.1 微軟發售的Kinect	52
圖4.2 使用者之判定正手拍	53
圖4.3 使用者之判定反手拍	54
圖4.4 起始點偵測	55
圖4.5 結束點偵測	55
圖4.6 辨識正手拍抽球示意圖	56
圖4.7 辨識正手拍截擊示意圖	57
圖4.8 辨識正手拍切球示意圖	57
圖4.9 教練資料庫(右)與使用者(左)由上至下呈現軌跡比對結果	58
圖4.10 經由角度判斷式，提示手肘角度的差異	59
圖4.11 經由角度判斷式，提示左膝角度的差異	59
圖4.12 經由角度判斷式，提示右膝角度的差異	60
圖4.13 實驗對象	60
圖4.14 實驗對象	61
圖4.15 正反手抽球、切球、截擊起始點位置示意圖	63
圖4.16 正反手抽球、切球、截擊擊球點位置示意圖	64
圖4.17 正反手抽球、切球、截擊結束點位置示意圖	65

表 1.1 Kinect規格表  4
表 4.1 本文系統針對正手揮拍動作之辨識率  61
表 4.2 本文系統針對反手揮拍動作之辨識率  61

[1] http://www.primesense.com

[2]http://www.tomshardware.com/reviews/game-developers-conference-gdc-2011-world-of-	warcraft,2882-2.html

[3] 楊勝雄，3D 人體動作之分析與檢索，淡江大學資訊工程學系碩士班碩士論文，民國九十五年。

[4].Wen-Yen Chang. “Motion Capture Data Analysis and Segmentation”, 清華大學碩士論文，民國九十一年。

[5].Takeshi Yabe and Katsumi Tanaka. “Similarity Retrieval of Human Motion as Multi Stream Time Series Data” , Database Applications in Non-Traditional Environments, 1999

[6].Shih-Pin Chao, Chih-Yi Chiu, Jui-Hsiang Chao, Shi-Nine Yang and Tsang-Ken Lin. “Motion Retrieval and Its Application to Motion Synthesis”,International Conference on Distributed Computing Systems Workshops 2004

[7]OpenNI, “OpenNI, UserGuide”, http://openni.org/

[8]張量鈞，基於立體視覺之手掌位移辨識系統，淡江大學電機工程學系碩士論文，民國九十九年。

[9] http://www.stockeryale.com/i/lasers/structured_light.htm

[10]Pasi Palojarvi “Integrated electronic and optoelectronic circuits and devices for pulsed time-of-flig6ht laser range finding,” Department of Electrical and Information Engineering and Info tech Oulu, University of Oulu, 2003.

[11]http://www.bb.ustc.edu.cn/jpkc/guojia/dxwlsy/kj/part2/grade3/LaserSpeckle.html

[12] Albitar, I.C., Graebling, P., Doignon, C., “Robust Structured Light Coding for 3D Reconstruction” IEEE 11th International Conference on Computer Vision, p.1-6.2007.

[13]https://skydrive.live.com/?cid=e0070fb8ecf9015f&sc=photos&id=E0070FB8ECF9015F%2112228

[14] Elena Kostadinova, Veselka Boeva, Liliana Boneva., “An Integrative DTW-based Imputation Method for Gene Expression Time Series Data”

[15] http://kheresy.wordpress.com/2012/04/05/coordinate-system-in-openni/