Пакет R для анализа и визуализации данных захвата движения

Question

Я новичок в R, мне это нравится, но я удивлен полным отсутствием надежного пакета для анализа данных захвата движения.

Самый простой файл захвата движения - это просто массивная таблица с координатами 'XYZ' для каждой точки, прикрепленной к записанному объекту, и для каждого захваченного кадра. Я знаю, что могу найти отдельные методы и функции в R для выполнения сложных операций (например, анализ главных компонентов) или я могу построить временные ряды для всех точек. Но когда я ищу примеры, которые могли бы также статистически научить меня анализировать движение человека и обеспечить хороший набор инструментов для визуального представления данных, R оказывается холодной пустыней. С другой стороны, MATLAB имеет Панель инструментов захвата движения и MoCap Toolbox , и особенно последний имеет неплохие возможности для построения и анализа снимков. Но давайте будем честными - у MATLAB довольно уродливый движок визуализации по сравнению с R.

Некоторые конкретные запросы для пакета R motion capture будут включать:

* * 1010 чтение, редактирование, визуализация и преобразование данных mocap кинетический и кинематический анализ анализ временных рядов и главных компонент данные анимации

Я что-то здесь упускаю (в моем поиске) или действительно нет пакетов mocap для R? Кто-нибудь пробовал играть с данными захвата движения в R? Можете ли вы дать мне несколько указаний?

Answer 1

Посмотрите на мой пакет, пакет mocap: https://github.com/gsimchoni/mocap

Это далеко не идеально, но это начало, в настоящее время тестируется только на CMU Graphics Lab Motion Capture Database ASF / AMC файлы.

И здесь - это запись в блоге с некоторыми дополнительными подробностями.

Answer 2

Я использовал пакет rgl для создания анимации из набора данных жестов движения. Хотя это не пакет, созданный специально для данных жестов, вы можете работать с ним.

В приведенном ниже примере у нас есть данные жестов для 8 точек на верхней части тела: позвоночник, центр плеча, голова, левое плечо, левое запястье, правое плечо и правое запястье. У субъекта руки опущены, а правая рука движется вверх.

Я ограничил набор данных шестью временными наблюдениями (если хотите, секундами), потому что в противном случае он стал бы большим, чтобы публиковать здесь.

Каждая строка из исходного набора данных соответствует наблюдению во времени, а координаты каждой точки тела определены в наборах по 4 (каждые четыре столбца - это одна точка тела). Таким образом, в каждой строке у нас есть «x», «y», «z», «br» для позвоночника, затем «x», «y», «z», «br» для центра плеча и т. Д. , «Br» всегда равен 1, чтобы разделить три координаты (x, y, z) каждой части тела.

Вот исходный (ограниченный) набор данных:

DATA.time.obs<-rbind(c(-0.06431,0.101546,2.990067,1,-0.091378,0.165703,3.029513,1,-0.090019,0.518603,3.022399,1,-0.042211,0.687271,2.987086,1,-0.231384,0.419869,2.953286,1,-0.299824,0.173991,2.882627,1,0.063367,0.399478,3.136306,1,0.134907,0.176191,3.159998,1),
                 c(-0.067185,0.102249,2.990185,1,-0.095083,0.166589,3.028688,1,-0.093098,0.519146,3.019775,1,-0.043808,0.687041,2.987671,1,-0.234622,0.417481,2.94581,1,-0.300324,0.169313,2.869782,1,0.056816,0.398384,3.135578,1,0.134536,0.180875,3.162843,1),
                 c(-0.069282,0.102964,2.989943,1,-0.098594,0.167465,3.027638,1,-0.097184,0.52169,3.019556,1,-0.046626,0.695406,2.989244,1,-0.23478,0.417057,2.943475,1,-0.300101,0.168628,2.860515,1,0.053793,0.395444,3.143226,1,0.134175,0.182816,3.172053,1),
                 c(-0.070924,0.102948,2.989369,1,-0.101156,0.167554,3.026474,1,-0.100244,0.522901,3.018919,1,-0.049834,0.696996,2.987933,1,-0.235301,0.416329,2.939331,1,-0.301339,0.170203,2.85497,1,0.04762,0.390872,3.142792,1,0.14041,0.186844,3.182172,1),
                 c(-0.071973,0.103372,2.988788,1,-0.103215,0.16776,3.025409,1,-0.102334,0.52281,3.019341,1,-0.051298,0.697003,2.991192,1,-0.235497,0.414859,2.935161,1,-0.297678,0.15788,2.833734,1,0.045973,0.386249,3.147609,1,0.14408,0.1916,3.204443,1),
                 c(-0.073223,0.104598,2.988132,1,-0.106597,0.168971,3.022554,1,-0.106778,0.522688,3.015138,1,-0.051867,0.697781,2.990767,1,-0.236137,0.414773,2.931317,1,-0.297552,0.153462,2.827027,1,0.039316,0.39146,3.166831,1,0.175061,0.214336,3.207459,1))

Для каждой временной точки мы можем создать матрицу, в которой каждая строка будет точкой тела, а столбцы будут координатами:

# Single time point for analysis
time.point<-1
# Number of coordinates
coordinates<-4
# Number of body points
body.points<-dim(DATA.time.obs)[2]/coordinates

# Total time of gesture
total.time<-dim(DATA.time.obs)[1]

# Transform data for a single time. observation into a matrix
DATA.matrix<-matrix(DATA.time.obs[1,],c(body.points,coordinates),byrow = TRUE)
colnames(DATA.matrix)<-c("x","y","z","br")
rownames(DATA.matrix)<-c("hip_center","spine","shoulder_center","head",
                         "left_shoulder","left_wrist","right_shoulder",
                         "right_wrist")

Итак, в каждый момент времени мы имеем такую ​​матрицу:

                        x        y        z br
hip_center      -0.064310 0.101546 2.990067  1
spine           -0.091378 0.165703 3.029513  1
shoulder_center -0.090019 0.518603 3.022399  1
head            -0.042211 0.687271 2.987086  1
left_shoulder   -0.231384 0.419869 2.953286  1
left_wrist      -0.299824 0.173991 2.882627  1
right_shoulder   0.063367 0.399478 3.136306  1
right_wrist      0.134907 0.176191 3.159998  1

И теперь мы используем rgl, чтобы построить данные из этой матрицы:

#install.packages("rgl")
library(rgl)

# INITIAL PLOT

x<-unlist(DATA.matrix[,1])
y<-unlist(DATA.matrix[,2])
z<-unlist(DATA.matrix[,3])

# OPEN A BLANK 3D PLOT AND SET INITIAL NEUTRAL VIEWPOINT
open3d()
rgl.viewpoint(userMatrix=rotationMatrix(0,0,0,0))

# SET FIGURE POSITION
# This is variable. It will depend on your dataset
# I've found that for this specific dataset a rotation
# of -0.7*pi on the Y axis works

# You can also plot and select the best view with
# your mouse. This selected view will be passed on
# to the animation.
U <- par3d("userMatrix")
par3d(userMatrix = rotate3d(U, -0.7*pi, 0,1,0))

# PLOT POINTS
points3d(x=x,y=y,z=z,size=6,col="blue")
text3d(x=x,y=y,z=z,texts=1:8,adj=c(-0.1,1.5),cex=0.8)

# You can also plot each body point name.
# This might be helpful when you don't know the
# initial orientation of your plot

# text3d(x=x,y=y,z=z,texts=rownames(DATA.matrix),
#        cex=0.6,adj=c(-0.1,1.5))

# Based on the plotted figure, connect the line segments
CONNECTOR<-c(1,2,2,3,3,4,3,5,3,7,5,6,7,8)
segments3d(x=x[CONNECTOR],y=y[CONNECTOR],z=z[CONNECTOR],col="red")

Тогда у нас есть это:

Чтобы создать анимацию, мы можем поместить все это в функцию и использовать lapply.

movement.points<-function(DATA,time.point,CONNECTOR,body.points,coordinates){

  DATA.time<-DATA[time.point,]

  DATA.time<-matrix(DATA.time,c(body.points,coordinates),byrow = TRUE)

  x<-unlist(DATA.time[,1])
  y<-unlist(DATA.time[,2])
  z<-unlist(DATA.time[,3])

  # I used next3d instead of open3d because now I want R to plot 
  # several plots on top of our original, creating the animation

  next3d(reuse=FALSE)
  points3d(x=x,y=y,z=z,size=6,col="blue")
  segments3d(x=c(x,x[CONNECTOR]),y=c(y,y[CONNECTOR]),z=c(z,z[CONNECTOR]),col="red")
# You can control the "velocity" of the animation by changing the 
# parameter below. Smaller = faster
  Sys.sleep(0.5)
}

Я знаю, что это решение не элегантно, но оно работает.

Answer 3

Судя по быстрому поиску в RSeek, для R. нет пакета захвата движения. Похоже, вам нужно найти эквиваленты для каждой функции.Более общие из них должны быть довольно легко найти (интерполяция, подмножество, преобразование / проекция, анализ временных рядов, pca, матричный анализ и т. Д.), И сам процесс написания собственных пользовательских функций для конкретных вещей, таких как оценка мгновенной кинетической энергии, вероятно* лучший способ научиться!

plyr может оказаться полезным для приведения данных в форму, а пакет animation для визуализации движения.