全身体动作运动采集分析系统，18618101725（微信同），QQ：736597338 ,信箱slby800@163.com
-
●一套交钥匙3D动作与运动捕捉、分析系统，平台旨在分析各种动作与运动的所有方面
-
●集各家之长为我所用：支持并提供广泛市面上几乎所有动作、运动硬件
-
●能够将您的研究转化为您自己的临床、教学、人体工程学或运动应用
-
●全套、完整的多多尺度的生物力学研究和康复软件
-
●根据需求一站式灵活选配，满足各种运动与动作捕捉、监测、分析
-
●提供更加化、系统化的运动动作捕获分析数据（包括骨骼、肌肉、血管、神经以及外部刺激等）
-
●完整的一站式交钥匙3D动作捕捉分析系统：集成所有市面主流动作、运动硬件之长，系统化的数据深挖、分析、整合。
-
●支持从广泛的硬件（所有市面主流动作、运动硬件）进行实时采集。
-
●使用测力台、手传感器、EMG、眼动追踪、视频、EEG、虚拟现实、触觉和模拟数据同步采集运动数据，简化采集和分析。
-
●通过原始或处理数据的图形显示提供即时回放。
-
●无需编程工作——从设置到数据收集再到分析，操作可以通过单选按钮和下拉菜单完成。
-
●提供跨各种硬件系统的通用软件平台，可取各家之长、更高性价比。
-
●广泛的功能和能力的多样性，支持各种应用程序。
-
●市场上的数据采集、分析和可视化系统可测量人体运动、动作的所有方面。
基础硬件：motionmonitor可集成各种捕捉硬件的系统装置及完全同步采集分析多源数据的软件
支持各种捕捉技术：确保技术性价比
支持各种外围设备：实现人体动作捕捉分析所有方面
一站交钥匙式服务：避免处理多个供应商的麻烦，MotionMmonitor支持团队一键式呼叫将解决硬件和软件相关问题：
典型应用简介：
1、生物力学与生命科学
二、神经科学与运动控制
人体运动源于神经、肌肉和骨骼系统之间的协调互动。尽管了解运动神经肌肉和肌肉骨骼功能的潜在机制，但目前还没有对复合神经肌肉骨骼系统中神经机械相互作用的相关实验理解。这是理解人类运动的主要挑战。
为了解决这个问题，MotionMonitor开发了综合多尺度建模平台，包括肌肉、骨骼和神经模型等等。我们使用**的高密度肌电图 (HD-EMG) 与盲源分离相结合，将干扰 HD-EMG 信号识别到由同时控制许多肌肉纤维的脊髓运动神经元放电的尖峰列车集合中。我们开发了由体内运动神经元放电驱动的多尺度肌肉骨骼建模公式，用于计算所得肌肉骨骼力的高保真估计。这将使神经控制的肌肉组织如何与骨骼组织相互作用的分析能力qian所未有，因此将为了解神经肌肉/骨科ji病的病因、诊断和治liao开辟新的途径。
神经科学和运动控制的研究受益于内置于我们方案的各种硬件和分析。
使用任何 Tobii 头戴式眼动追踪系统来捕捉与其他数据同步的实时 3D 眼动数据。分析视线交叉点。
使用 Biosemi 或 AntNeuro 硬件捕获 EEG 数据。适用于坐姿、站立和活跃的任务。根据其他运动学数据在 EEG 数据中创建用户定义的兴趣点。
实时呈现视觉、听觉和触觉提示。可以使用简单的几何形状、条形图或时间序列图或特定于应用程序的视觉效果（如红绿灯）以多种方式呈现用户定义的视觉提示。
使用 监视器r 与 Unity 和 World Viz 的双向通信将视觉反馈扩展到虚拟现实。 3D 可视化可以以多种方式呈现。一些例子包括：
手部实验室：专为上肢研究设计的立体屏幕和桁架系统。为主体提供与屏幕上或屏幕前呈现的 3D 虚拟对象进行交互的能力。
沉浸式显示器：一个完整的硬件和软件解决方案，当手臂的可视化被隐藏或扰动时，使用同位半镜屏幕进行研究。
综合研究环境系统 (IRES)：与 Bertec 合作创建的研究质量环境。配备带 3D 动作捕捉系统和仪表跑步机的沉浸式 VR 圆顶。
动作捕捉技术
1.2.1步态分析的技术分类
反光标记点既不会接收无线信号也不会向外发射任何无线信号，它的表面涂抹了一种特殊荧光材料，可以很好地让红外摄像头识别到并反射回高质量的图像信号。
红外摄像头一般采用RJ45接口，通过网线连接汇聚到交换机，再由交换机统一将数据转发到计算机。
目前市面上生产红外摄像头的光学步态捕捉的公司有英国的Vicon公司、美国NaturalPoint公司、美国MotionAnalysis公司、中国的青瞳视觉公司等。NaturalPoint公司生产的Optitrack系统如图1-5所示。
基本原理是首先找到图像中移动的物体，然后会对移动的物体进行深度评估，识别出人体的部位，然后将其从背景环境中分割出来。分割之后要做的工作就是模式匹配，将其匹配到骨骼系统上。算法流程如图1-7所示。
以上三种方案的3D深度摄像头方案大部分用在娱乐级别方面，比如脸部识别解锁、人机互动，且由于其探测距离较近，很难用在大空间上。目前基于3D深度摄像头的芯片在不断地研究改进中。其硬件芯片仍是目前的难点，再其次是算法的复杂度，大量的图像计算对硬件的主控芯片的计算能力有较高的要求，在功耗上很难做到低功耗的工作，受制于目前的电池技术，单个传感器的工作时间比较短。其优势在于不需要用户穿戴任何传感器和粘贴标记点。利用Kinect进行人体下肢骨架识别如图1-8所示。
1.2.1.3基于2D摄像头的动作捕捉
1.2.1.4基于MEMS惯性传感器的惯性动作捕捉系统
基于MEMS惯性传感器的动作捕捉系统在各个领域都有应用，包括虚拟现实[7]、运动训练[8]、生物医学工程[9]和康复[10][11]。因为它们体积小、重量轻、价格合理[12][13][14]。
惯性动作捕捉系统主要是将惯性传感器绑定在人身体主要骨骼上，如足、小腿、大腿，实时测量出每段骨骼的旋转，利用正向运动学（Forward kinematics，FK）和反向运动学（Inverse kinematics，IK）实时推导计算出整个人身体的运动参数。惯性动作捕捉系统的优势在于他是一种无源的动作捕捉系统，不需要借助任何外部信息，即不受外界环境的干扰。缺点则是由于惯性传感器普遍存在累计漂移会使惯性系统无法测量出运动的位移。其全身穿戴效果如图1-10所示。
机械式动作捕捉依靠穿戴在人身体的机械装置来测量关节角度以及位移。人体运动带动机械装置的运动，从机械装置上的角度传感器可以知道运动角度，根据角度和机械部位的长度从而计算出移动位移。这一技术早出现在20世纪，由于机械结构的笨重，在步态分析方面机械动作捕捉早已退出发展的主流。但利用机械外骨骼的搬运发展成了主流。其形状如图1-12所示。
其他的技术路线还有基于声学式的动作捕捉，基于电磁式的动作捕捉等。