深度解析 | 动作捕捉系统的构成要素

动作捕捉是一种广泛应用于电影制作、游戏开发、虚拟现实等领域的技术。它通过将表演者或物体的运动记录为数据，从而将记录数据应用到需求中。要想实现高效、高质量的动作捕捉，需要依赖于一套复杂的系统。本次迪生将深入探讨动作捕捉系统的构成因素，帮助您更好地理解和应用这一技术。

动作捕捉系统的构成

动作捕捉系统主要由硬件、软件、工作流程这三个关键部分构成。三者需要紧密协同，缺一不可。这三部分性能应该相辅相成，就像木桶效应一样，一套系统的最大效能往往取决于这三个部分的短板。只有当每个部分都达到合适的性能，才能使整套动作捕捉系统发挥最大的效能。

动作捕捉系统的硬件

动作捕捉系统的硬件主要包含：捕捉动作的传感器、传输数据的数据线以及转换数据的工作站。硬件中最重要的是传感器。目前在电影制作和游戏开发中比较常用的是光学式动捕的方式，能满足用户对精准度、高帧率等需求。在光学式动捕中最核心的硬件则是动作捕捉相机。

单一动作捕捉相机的性能、相机的数量、相机的安装位置和角度决定了动捕捕捉系统可支持的可捕捉空间范围。

对于单一动作捕捉相机的性能而言，主要有三个关键因素起决定性作用：全画幅刷新率（FPS）、分辨率以及视场角（FoV）。其中，FPS负责决定捕捉物体的最大速度，分辨率则关乎捕捉物体的最远距离，而视场角决定捕捉的覆盖范围。

这三者的关系在单一相机中是相互制约的。当我们需要捕捉武打动作中的快速运动的道具时，就需要提高FPS，那么就不得不减少在分辨率和FoV上的性能支持；当我们需要捕捉虚拟制片中大场景的摄像机时，就需要提高分辨率，那么就必须削减在FPS和FoV上的性能支持；当我们需要捕捉多人小舞台表演时，就需要提高FoV，那么就需要减少分辨率和FPS上的性能支持。这一关系在Vicon进行科学对照实验后得出的参数中得到了充分体现，这些参数具有很高的参考价值。

相反，在选购相机时，如果没有应用场景的说明，仅凭单一的、所谓的“最大数据”是没有任何参考价值的。因为相机性能的评估是一个多因素的综合考量，只有全面考虑这些因素，才能选购到特定需求的相机，确保其在实际应用中发挥出最佳的性能。

动作捕捉系统的软件

仅通过硬件获得的数据是没有任何意义的，需要在软件中将这些数据转化为预渲染视频等，在实际应用中能够以用价值的方式呈现给用户。在动作捕捉领域，影响软件效率的主要由算法和用户交互界面（UI）共同决定。

算法是动作捕捉软件的核心部分，主要负责处理数据，将其转化为运动轨迹等信息。高效的算法在设计上经过精心优化，因此能够快速准确地处理大量的数据流，显著减少数据处理所需的时间，并提高了捕捉的实时性。这种实时性对于许多应用场景都至关重要，如：影视制作和游戏开发中的预渲染，虚拟现实体验等；

先进的算法不仅能够在理想状态下出色地完成任务，在数据状态不是很好的情况下，比如捕捉对象遮挡、数据丢失或其他不确定因素存在时，这些算法也能够展现出卓越的性能。通过复杂的数学模型和机器学习等方法，它们可以智能地完善和优化这些数据，保证生成的运动轨迹既连贯又具有真实性。这种需要多年行业经验和实验而产生的处理数据的能力是动作捕捉技术近年来得到广泛应用和快速发展的关键所在。

UI也是影响软件效率的重要因素。一个直观易用的UI可以使软件更易于操作和使用，减少用户的学习成本和无效操作。优质的软件UI可以改善用户体验并提高工作效率，帮助用户更好地理解和控制软件。Shogun是一款针对影视、游戏领域用户的操作习惯，专门推出了的产品，并持续迭代。软件不仅具有高效稳定的性能，还配备了直观易用的UI。

动作捕捉系统的工作流程

动作捕捉的工作流程分为实时工作流程和离线工作流程。

实时工作流程是捕捉二维图像、灰阶处理、三维重建、标签、骨骼解算、动作数据映射、实时驱动角色、渲染。主要应用于虚拟现实体验，预渲染（Preview），虚拟偶像直播等场景中。

对于实时工作流程，所有流程都是在极短的时间完成的，更加注重动作捕捉的稳定性，实时性。根据用户反馈，即使是最好的动作捕捉流程获得的原始数据，也不能保证完全准确地还原演员的动作。可能会出现标记点缺少或增多的情况，在工作流程中需要自动化的算法对数据进行清理，避免出现跳帧，错位等情况。另外，如果现场的网络和电缆状况不佳，或工作站解算数据的性能不足，会对实时性造成比较大的影响。这些都是实时工作流程中需要注意的问题。

离线工作流程是捕捉二维图像、灰阶处理、三维重建、标签（数据清理）、骨骼解算（数据清理）、动作数据映射、离线动画、渲染。主要应用于电影制作，游戏CG，游戏制作等场景中。

对于离线工作流程来说，虽然不强调实时性，但时间成本的控制对于电影、游戏等项目也非常重要。动作捕捉数据不完善的地方，需要交由若干技术人员进行数据清理工作。例如，在人体的动作捕捉，每件动捕服上平均约有60-65个标记点，每秒都有超过100帧的数据量，每个标记点都是在三维空间中进行调整，一秒的动捕数据就会产生超过6000个三维空间的标记点数据。如果仅依纯靠传统手动K帧，这将需要大量的时间和精力进行处理。自动化的算法能很大程度减少技术人员的工作量，同时提高整体数据的精准度，降低动画师需要返工的情况。

通过以上内容，相信您已经对动作捕捉系统的构成有了更深入的理解，也明白其中的复杂性和专业性。如果您正在寻找一家专业的动作捕捉服务供应商，欢迎与迪生技术团队联系，我们非常愿意为您提供专业性的技术解答和支持！