利用人工智能构建舞蹈学习交互系统的研究成果

2023-10-29 理论教育版权反馈

【摘要】：所以在个性化学习需求强烈的今天，如何利用人工智能技术构建一个没有老师监督的、通过智能化方法帮助学生在舞蹈学习过程中自我修正、自我提升的舞蹈交互系统，既是挑战，也是一项非常有意义的研究工作。在动作识别的研究中，舞蹈的节奏性特征通常会被视为弱化因子，研究重点在于姿态序列的识别。不过，在动作的评估研究中，正确分析、评估舞蹈的节奏是非常重要的内容。

舞蹈是人体动作的一种艺术表现形式。不同于生活中的自然动作，它以经过提炼组织及艺术加工的人体动作为主要表现手段，运用肢体语言、节奏、力度等元素塑造出具有直观性和动态性的形象，从而表达出舞者的内在情绪。

舞蹈的学习是一个复杂、漫长而又枯燥的过程，自始至终都需要老师用专业标准对学习者进行正确的引导。在学习过程中，如何让学习者掌握舞蹈动作、舞蹈节奏以及动作中的内在力量和流畅性等是重要内容。在传统的舞蹈教学过程中，老师一般采用“手把手教”和“现场点评”的方式。首先，老师会按照动作规范和审美标准，示范动作，然后学习者通过模仿老师的舞蹈动作来进行基础学习，最后老师会根据学习者的表现来点评其动作中存在的问题并提出改进方法，必要时会直接摆布学习者的肢体，以改变其肢体动作的自然状态，使动作达到艺术要求。这样的教学步骤在整个教学过程中始终存在，具有持续性和重复性的特点。此外，对于不同的舞蹈类型，教学重点和教学方法也会有所差异。不过舞蹈的学习始终无法脱离老师的专业指导，老师的专业指导可以说构成了一个复杂的舞蹈专家系统，学习者很难完全通过自学来获得系统的知识和快速的进步。此外，每个人学习舞蹈的目标和进度不一样，受制于传统舞蹈教学的课堂进度以及分级模式，老师很难一次性满足所有学生的个性化学习需要。所以在个性化学习需求强烈的今天，如何利用人工智能技术构建一个没有老师监督的、通过智能化方法帮助学生在舞蹈学习过程中自我修正、自我提升的舞蹈交互系统，既是挑战，也是一项非常有意义的研究工作。

在研究智能舞蹈交互系统时，我们重点研究如何采用结构化的方式对舞蹈动作进行特征描述，并且让系统具有灵活性和可扩展性，例如允许用户依据研究需求，基于模块化方式对特征集合进行自定义选择。笔者构建一个有效的特征空间模型，以此来描述不同的舞蹈动作片段，并通过有效的度量算法对动作进行识别。在获取舞蹈动作的特征、对动作进行识别后，通过对舞蹈动作的艺术特点、动作分析理论、舞蹈教学评价标准等方面的综合研究，对舞蹈动作进行最终的量化分析，最后模仿舞蹈教学过程中常用的指导用语，生成有效的、具有指导价值的反馈意见。

为了增强学习者的学习兴趣、改善学习效果，系统的首要任务就是对舞蹈动作进行正确的识别，并基于传统舞蹈教学评价标准对学习者的舞蹈动作进行正确的评估，给予学习者有价值的反馈意见。然而舞蹈动作具有运动信息丰富、节奏性强、组合多样、主观审美性强等特点，目前存在的针对人体自然运动的识别与运动分析和评价的算法并不适用于复杂的舞蹈动作，这主要是由舞蹈自身的特点决定的，现将其特点概括如下。

（1）原始的人体运动数据具有高维性和离散性，这些信息直观地描述了每个运动片段的细节，其中不仅包含表演者的运动信息，还包含表演者的形体特点（身高、胖瘦等外形特点）。每个舞者身体的比例和尺寸存在很大的差异，即便他们完成同样的舞蹈动作，所呈现的数据也完全不同。因此，要在舞蹈学习系统中消除运动数据本身对舞蹈表演者身体外形的依赖性，就需要从原始的运动数据中提取能描述舞蹈动作特点的特征集合，同时保留数据帧之间的时序信息。

（2）舞蹈动作与日常生活中的动作（例如跑、跳或挥舞）在姿态、造型方面具有很大的差别。舞蹈动作的整体造型所需空间更大。舞蹈姿态的信息具有层次多、细节差异性强的特点，因此，舞蹈动作具有姿态连续、多样的显著特点。在对舞蹈动作进行识别的过程中，需要着重考虑舞蹈姿态的差异性和连续性。而在评价舞蹈动作的过程中，则需要重点考虑姿态信息所呈现的审美特点和规范性。(www.chuimin.cn)

（3）舞蹈动作和普通的动作相比，具有较强的节奏性，不同类型的舞蹈对动作的节奏有着不同的、明确的要求。此外，不同的表演者在表演相同的舞蹈时，由于个人理解和表演水平的差异，舞蹈的节奏也不尽相同。在动作识别的研究中，舞蹈的节奏性特征通常会被视为弱化因子，研究重点在于姿态序列的识别。不过，在动作的评估研究中，正确分析、评估舞蹈的节奏是非常重要的内容。

（4）在传统的舞蹈教学过程中，老师会根据学习者的动作力度、呼吸、肌肉等方面的变化对其动作的完成质量、力量和情绪进行评价，它们被统称为力效。如何在评估的过程中，依据已有的数据信息对舞蹈中的力效状态进行比较科学的描述和分析，提出更多针对舞蹈内在力效状态的评价，是动作评估中的一个难点，也是评价中必不可少的要点。

（5）舞蹈动作通常是由一系列连续的基本动作组合而成的，且舞蹈动作的边界是不确定的，因此智能舞蹈交互系统需要在动作识别过程中，采用并行处理的方式，在识别这些连续舞蹈动作的类别的同时，检测出各个动作的边界，从而基于模板动作及时对学习者的动作进行分析和评估，给学习者提供在线反馈，保证其学习效果。

综上所述，由于舞蹈动作在造型、节奏性、力度、连续性等方面的特点，适用于识别、评价人体自然动作的方法并不一定完全适用于内容复杂、形式多变、种类丰富的舞蹈动作。舞蹈动作的差异性，给动作的识别和评价带来很大的难度。因此，虚拟的学习系统需要一个识别速度快、识别精度高、系统鲁棒性强的识别方法和一种适用于舞蹈教学的评价模型，以自动对舞蹈动作进行量化分析，从而基于评价用语模板自动生成有效的反馈意见。

利用人工智能构建舞蹈学习交互系统的研究成果

相关推荐