c3d数据处理

使用的编程语言和包

编程语言：python
库：ezc3d
数据集:CMU Graphics Lab Motion Capture Database

ezc3d

ezc3d支持c++，python，matlab，并且跨平台，支持windows、linux和mac，windows和linux上支持直接用anaconda安装也支持手动编译，mac只支持手动编译，我win10上安装了anaconda，所以以下对数据的处理我都是在win10上进行的。

数据集

在cmu的运动捕捉数据网站的FAQs标签页下可以直接下载到数据库中所有的打包好的c3d格式的数据。

c3d数据处理

1. 导入ezc3d
   from ezc3d import c3d
2. 读取文件
   path ='D:\\Work\\c3d_dataset\\allc3d_56789\\subjects\\89\\89_06.c3d'
c = c3d(path)
3. 获取c3d文件中的参数
   print(c['parameters']['POINT'])
   以下为输出结果
   {'USED': {'type': 2, 'description': '', 'value': (42,)}, 'TYPE': {'type': 2, 'description': '', 'value': ()}, 'ZERO': {'type': 2, 'description': '', 'value': (1, 0)}, 'CORNERS': {'type': 4, 'description': '', 'value': ()}, 'ORIGIN': {'type': 4, 'description': '', 'value': ()}, 'CHANNEL': {'type': 2, 'description': '', 'value': ()}, 'CAL_MATRIX': {'type': 4, 'description': '', 'value': ()}, 'FRAMES': {'type': 2, 'description': '', 'value': (2751,)}, 'DATA_START': {'type': 2, 'description': '', 'value': (13,)}, 'SCALE': {'type': 4, 'description': '', 'value': (-0.05000000074505806,)}, 'RATE': {'type': 4, 'description': '', 'value': (120.0,)}, 'MOVIE_DELAY': {'type': 4, 'description': '', 'value': (1.5390000343322754,)}, 'X_SCREEN': {'type': -1, 'description': '', 'value': ['+X']}, 'Y_SCREEN': {'type': -1, 'description': '', 'value': ['+Z']}, 'UNITS': {'type': -1, 'description': '', 'value': ['mm']}, 'ANGLE_UNITS': {'type': -1, 'description': '', 'value': ['deg']}, 'SCALAR_UNITS': {'type': -1, 'description': '', 'value': ['mm']}, 'TYPE_GROUPS': {'type': -1, 'description': '', 'value': []}, 'LABELS': {'type': -1, 'description': '', 'value': ['LBWT', 'RBWT', 'LFWT', 'LTHI', 'RFRM', 'RTHI', 'RWRB', 'RWRA', 'STRN', 'T10', 'RFIN', 'RUPA', 'LKNE', 'RKNE', 'LUPA', 'CLAV', 'LELB', 'RSHO', 'LFRM', 'LSHN', 'RSHN', 'LBHD', 'LFHD', 'RBHD', 'RFHD', 'RANK', 'LANK', 'RHEE', 'LHEE', 'LTOE', 'RTOE', 'LMT5', 'RMT5', 'RFWT', 'RELB', 'RBAC', 'LSHO', 'C7', 'LWRA', 'LFIN', 'LWRB', 'RBAC-1']}, 'DESCRIPTIONS': {'type': -1, 'description': '', 'value': ['Left back waist', 'Right back waist', 'Left front waist', 'Left thigh', 'Right forearm', 'Right Thigh', 'Right wrist bar pinkie side', 'Right wrist bar thumb side', 'Sternum', 'Upper back', 'Right hand', 'Right upper arm', 'Left knee', 'Right knee', 'Left upper arm', 'Clavicle', 'Left elbow', 'Right shoulder', 'Left forearm', 'Left shin', 'Right shin offset', 'Left back head', 'Left front head', 'Right back head', 'Right front head', 'Right ankle', 'Left ankle', 'Right heel', 'Left heel', 'Left toe', 'Right toe', 'Left metatarsal five', 'Right metatarsal five', 'Right front waist', 'Right elbow', 'Right back offset marker', 'Left shoulder', 'Back of neck', 'Left wrist bar thumb side', 'Left hand', 'Left wrist bar pinkie side', 'Unknown']}}
   可以看到c['parameters']['POINT']为字典，里面存储了使用的点数（USED）,帧速率（RATE）,帧数（FRAMES）,缩放因子（SCALE）,运动捕捉关节点的名称（LABELS），对关节点的描述（DESCRIPTIONS）等。

获取c3d文件的坐标点

point_data = c['data']['points']
point_data的shape为4xNxT，4的前三维存储xyz坐标，N表示关节点点数，T为帧数。
可以通过以下代码获取第k帧的x、y、z坐标
frame = point_data[:,:,k]
x = frame[0,:] y = frame[1,:] z = frame[2,:]

绘制关节点和关节点连线

x、y、z中是按照c3d参数中关节点标签存储的对应的关节点坐标，我们可以通过下图中的标注确定关节点之间的连线。

c3dskelonid.PNG

1. 首先导入用到的库
   import matplotlib.pyplot as plt import numpy as np from mpl_toolkits.mplot3d import Axes3D
   在jupyter notebook中使用%matplotlib notebook可绘制可交互的图形

2. 创建3d figure
   fig = plt.figure()
ax = fig.gca(projection='3d')

3. 绘制关节点及连线
   ax.scatter(x,y,z)
   在本文中只绘制了几个关节点的连线，道理都是一样的。由于每个文件中存储关节点的顺序不一定相同，因此使用关节点的label进行索引。
   首先将用到的关节点和它们在文件中存储的序号存成字典格式

   used_label = {"RFHD":0, "LFHD":0, "CLAV":0,"STRN":0 }
   label_keys = used_label.keys()
   labels = c1['parameters']['POINT']['LABELS']['value']
   for label in label_keys:
       index = [i for i,x in enumerate(labels) if x.find(label)!=-1]
       used_label[label] = index [0]
   

存储连线的关节点标签并绘制连线

stick_difines_f_head=[
    (used_label['CLAV'],used_label['STRN']),
    (used_label['RFHD'],used_label['CLAV']),
    (used_label['CLAV'],used_label['LFHD'])
]
for i in stick_difines_f_head:
    xx = [x[i[0]],x[i[1]]]
    yy = [y[i[0]],y[i[1]]]
    zz = [z[i[0]],z[i[1]]]
    ax.plot(xx,yy,zz,c='r')

设置坐标轴刻度、xyz轴的比例进行显示

my_y_ticks = np.arange(0, 1000, 200)
my_z_ticks = np.arange(0, 2000, 200)
ax.set_yticks(my_y_ticks)
ax.set_zticks(my_z_ticks)
ax.get_proj = lambda: np.dot(Axes3D.get_proj(ax), np.diag([0.5, 0.5, 1, 1]))
plt.show()

效果如图，这张图我基本把点都连了，但是展示的代码只画了几个点和线

骨骼结构.PNG