《International Journal of Human-Computer Studies》：Exploring a user-centered approach for movement-based features in interaction design
编辑推荐：
运动交互设计远超精细准确的数据本身，往往受益于使用更高层级的特征来创建引人入胜的交互体验。然而，基于运动的框架通常侧重于检测策略，而未能阐明如何利用此类数据进行用户交互设计。这种纯粹技术性的方法使实践者难以将特征提取技术作为设计材料进行探索。本研究提出了一种考
运动交互设计远超精细准确的数据本身，往往受益于使用更高层级的特征来创建引人入胜的交互体验。然而，基于运动的框架通常侧重于检测策略，而未能阐明如何利用此类数据进行用户交互设计。这种纯粹技术性的方法使实践者难以将特征提取技术作为设计材料进行探索。本研究提出了一种考虑设计师视角与态度的方法，使用一组设计师可解释的运动描述符来增强其在交互设计中运用人体运动的能力。此外，研究人员采用计算原型以可视化方式呈现特征，帮助设计师更好地理解运动内容。针对设计师可解释特征对基于运动交互的概念构思与设计之影响的研究遵循了用户中心方法（user-centered approach），其有效性通过与交互设计师共同开展的定性研究得以确立。研究人员采用创意实践练习后的半结构化访谈，评估计算原型如何影响交互设计师的设计过程，使其能够反思自身体验，并将其与先前设计基于运动交互的方法进行比较。研究确定，交互设计师能够利用特征来识别检测能力并丰富构思过程。此外，特征可视化提供了对运动特征的深入洞察，帮助实践者理解随之而来的交互机会。
本研究聚焦于弥合先进计算机视觉能力与交互设计实践之间的可及性鸿沟，尤其针对为博物馆、画廊及公共装置等房间尺度（room-scale）环境创造体验的设计师群体。当前，尽管精密的计算机视觉技术能够实时追踪多人、分析群体动态并提取复杂运动模式，但这些系统提供的特征通常以技术术语表达，无法自然转化为非技术背景实践者可及的设计概念。这一技术能力与设计可及性之间的差距，在设计师试图为公共展览空间创造体验时尤为突出。随着人机交互（Human-Computer Interaction, HCI）领域向更自然、社会化和用户中心的范式演进，全身交互（full-body interaction）——即捕捉和分析身体运动、姿态与物理手势以控制数字内容——已成为创建沉浸式体验的重要途径。然而，现有的运动分析计算框架虽将特征提取视为人体运动理解的相关方面，却集中于技术能力和检测策略，未能解决如何将运动数据转化为设计机会的问题。
研究人员开展了以设计师可解释性为核心设计原则的研究，提出了一种针对公共展览语境的运动特征提取与可视化方法。该研究遵循用户中心方法论，结合计算原型开发与通过交互设计师创意实践进行的定性评估。研究首先考察了交互设计师不同程度的技术参与水平，以及现有运动特征提取与可视化方法在公共展览设计中的适用性；随后引入了指导运动特征提取工具与这些语境下设计流程相对齐的设计框架。
研究用到的主要关键技术方法包括：多视角三维姿态估计与追踪技术，采用基于ChArUco标定板的多相机标定、AlphaPose自顶向下的姿态估计框架、YOLOV3检测器进行人体检测、多视角对应匹配与三维姿态重建算法，以及基于外观特征相似性的追踪与滤波处理；特征提取系统实现了七个运动特征，涵盖个体空间分析（包围盒、轨迹、朝向）与群体行为检测（瞬时聚类、热点、轨迹相似性、跨运动模式相关性）；可视化引擎包含选择控制、多视角视频回放与三维场景特征渲染三个部分，支持六自由度空间导航与特征选择性叠加显示；定性研究采用半结构化访谈结合创意实践练习，对五名具有专业经验的交互设计师进行个体深度访谈，通过反思性主题分析识别设计过程中的模式与洞察。
研究结果表明以下五个核心主题：
**通过技术创新实现自然交互**：分析揭示了技术能力如何塑造自然交互可能性。轨迹与朝向特征被设计师视为基础且根本，朝向的预测能力尤其受到重视。设计师利用多关节追踪进行复杂手势分析，或基于朝向进行时间预测。研究发现，基于运动的交互需要用户时间意图承诺、空间容差参数平衡以及手势模糊性解析，且系统失败表现为环境失败而非用户错误，从根本上改变了技术能力与交互自然性之间的关系。
**空间作为交互媒介**：所有参与者均立即将空间概念化为对用户存在和运动的反应性元素。设计师将运动方向与概念导航相连接，如利用朝向检测实现时间导航，利用包围盒变化控制环境元素，或基于聚类进行区域适应性环境调整。多用户协调复杂性、环境适应性挑战与空间校准复杂性成为主要限制。研究揭示，运动使空间的垂直分层交互成为可能，物理运动直接与概念空间导航耦合，群体用户可通过协调运动模式共同重塑空间属性，空间可响应运动意图而非仅显式动作，形成预测性环境行为。
**通过运动分析实现社会计算**：参与者一致关注集体行为与群体交互可能性。聚类能力被普遍认可用于社交应用，部分参与者设计了竞争性群体体验。轨迹比较、自适应内容分配与预测性社会编排成为具体应用方向。研究指出，隐性社会工程成为可能，行为同步检测使系统能够识别并响应陌生人之间无意识的运动协调，社会空间优化可通过运动分析实时重新分配社会注意力，这代表了从设计显式社会交互到增强和响应自然社会模式的范式转变。
**基于证据的设计演进**：运动分析为设计决策提供了客观数据。轨迹分析用于使用模式识别，多特征分析用于参与度测量，聚类分析用于理解群体形成模式。数据解释随规模增加而困难、历史数据需求、实时处理限制成为挑战。研究区分了基于运动分析的循证设计与传统评估方法：运动数据揭示了与自我报告体验常相矛盾的真实用户行为，时间参与模式通过运动分析变得可见，空间注意力映射提供了精确的空间交互优化数据，预测性设计迭代基于历史运动模式实现主动设计调整。
究竟是用户还是系统的失败？基于运动的交互系统对此做出了不同的回答。研究发现，运动失败表现为系统而非用户失败，这要求更高的运行标准，构成了区别于传统界面的独特实现约束。
**实践中的实施**：参与者一致关注实际部署考量。消费级相机因成本效益而被优先于复杂传感技术，设置简便性优于极致精度追求成为反复出现的主题。系统与部署语境的技术耦合变得根本，用户设置隐形性成为关键要求，可靠性阈值临界性超过传统界面，可扩展性复杂度的非线性增长需要根本不同的系统架构方法。
研究讨论部分深入分析了运动特征使用的关键主题。多模态交互考量创造了更具包容性的交互系统；情境设计必须在公共环境中具有社会可接受性；群体行为自动识别为大规模实施提供强有力工具；特征可视化创建促进迭代和用户中心设计实践的反馈循环；实施中需平衡精度与实用性。研究进一步提出了未来运动描述符的发展路线图：理解差异化特征采纳的认知差异，发展语义和情感特征以桥接原始数据与设计相关概念，扩展空间特征类别以涵盖垂直空间关系、空间几何排列和边界交互模式，以及探索时间动态、特征组合与跨领域评估框架。
研究结论部分指出，本研究通过开发和评估面向多视角运动分析系统的设计师可解释特征，为基于运动的交互设计做出了三方面贡献。第一，提供了概念验证证据，证明设计师可解释特征能够将技术运动分析转化为非技术实践者可及的概念，七个特征作为示例展示了群体检测算法、交通模式分析和交互热点识别可以在不要求计算机视觉或机器学习专业知识的情况下实现可及性。第二，证明了空间可视化方法使设计师能够在不要求算法专业知识的情况下探索复杂的访客运动模式，空间探索方法可能比参数操作更有效地帮助非技术实践者理解群体动态、社会模式和交通流。第三，提供了实证证据证明该方法弥合了技术能力与安装语境设计实践之间的差距，五个主题展示了设计师可解释特征如何促进访客运动分析向公共展览空间创意实践的整合。这些贡献共同证明，通过系统化关注设计师可解释性，可以解决先进计算机视觉能力与交互设计实践之间的可及性差距，为服务于一般受众的安装语境提供更具包容性和有效性的基于运动的交互设计工具基础。
