对于舞蹈动作识别，本章提出了一种无监督的、基于舞蹈姿态时空特征的S-SOFM识别方法，其特点表现为以下三个方面。基于第一章所提出的舞蹈特征提取模型，将舞蹈动作看作一系列姿态的时间序列，通过S-SOFM学习方法，将舞蹈动作转换为一个结构化的姿态空间，也就是说，把动作以离散姿态序列的形式映射到通过S-SOFM构建的球体输出空间中。每个节点代表一个动作姿态，每个动作都会拥有一条独特的“轨迹”，这样能够保证舞蹈动作识别的效果。......
2023-10-29
人工智能舞蹈交互系统：自组织神经网络运动识别与动作评价模型
【摘要】：我们重点研究了基于球形自组织特征神经网络的无监督的运动识别方法，并基于拉班动作分析理论构建了适用于舞蹈教学的动作评价模型，它可以对学生提出有价值的指导意见，帮助学生纠正舞蹈动作中存在的问题。具体研究工作如下。
本书主要以舞蹈动作为研究对象，以支持学生进行自主舞蹈训练为目的，构建了一个舞蹈交互系统。使用该系统，学生可以在无老师监督的情况下，完成舞蹈动作的自主学习。在研究该系统的过程中，笔者以拉班动作分析理论为基础，对舞蹈动作的技术规范、艺术特点进行了系统化的分析和研究，探讨了适用于舞蹈动作的模块化的特征描述体系。我们重点研究了基于球形自组织特征神经网络（S-SOFM）的无监督的运动识别方法，并基于拉班动作分析理论构建了适用于舞蹈教学的动作评价模型，它可以对学生提出有价值的指导意见，帮助学生纠正舞蹈动作中存在的问题。具体研究工作如下。
（1）提出了一套符合舞蹈运动特点的“形态-力效”描述方法，采用结构化的方式对舞蹈动作进行特征提取，最大限度地保留了舞蹈动作的特有属性。基于舞蹈动作识别和评估的需要，在识别和评估的研究过程中，用户可以根据需求在描述系统中选择描述模块。
（2）基于球形自组织神经网络（S-SOFM），为舞蹈动作构建了一个球形的姿态空间，将每个舞蹈动作片段的姿态映射到S-SOFM模型的预定义网格的节点上，使得它们实现最大意义上的分离，同时这些连续姿态（一个舞蹈动作）的序列集合在S-SOFM空间中形成了相当平滑的轨迹。依据不同的运动模板，可对运动轨迹（关键姿势的序列）进行实时和非实时的快速识别。(www.chuimin.cn)
（3）通过对舞蹈动作理论、舞蹈教学的评价标准以及舞蹈教学过程中常用的指导用语的综合学习和分析，笔者从舞蹈姿态、节奏、力效等方面对舞蹈教学评估标准进行量化分析；基于学生动作和模板动作的对比，计算机可以自动生成有效的、具有指导价值的反馈意见。这样，在没有老师指导的情况下，系统可以自动识别、分析学生的舞蹈动作，给予学生有效的指导，让学生可以完成舞蹈动作的自学。
（4）利用虚拟系统的优势，提出多种图形化反馈模式，允许学生在虚拟环境中多角度地观看自己的动作和老师的动作，使其直观地发现动作之间的差异，明确哪些部分需要改进。这样可以给学生更多的鼓励，增强其学习舞蹈的兴趣。
有关人工智能舞蹈交互系统原理与设计的文章
- 详细阅读
-
基于LMA的舞蹈评价模型：人工智能舞蹈交互系详细阅读
在他们的实验中，专业舞者动作的特征向量和初学者动作的特征向量显示出很大的差异，这证明该方法对日本民族舞蹈动作的分类识别是有效的。图3-1 动作评价系统架构本章从舞蹈教学的需求出发，将拉班动作分析理论与舞蹈教学中常用指导用语的特点结合，提出一个基于拉班运动分析理论的动作评估模型。......
2023-10-29
-
人工智能舞蹈交互系统：舞蹈动作特征的表示详细阅读
然而在舞蹈表演中，舞者经常以各种方式弯曲、倾斜或旋拧他们的躯干，通过这样的动作来表现富有魅力的形体之声。和Yu轴之间的夹角θLE表示左大臂的“倾斜”状态。......
2023-10-29
-
LMA舞蹈评价方法：人工智能舞蹈交互系统原理详细阅读
所以在舞蹈评价方法中，我们要从姿态、节奏和力效三个方面进行分析，并在最后输出舞蹈学习者可以理解的指导语句。}gsr}0137-1.jpg}/gsr}其中，fk、fk分别表示关节运动状态的最大、最小值，这两个数值将参考人体生物力学以及舞蹈解剖学中对人体关节的定义和关节活动范围来设定。表3-2中的各关节特征值的极值范围，在实际测算过程中以舞蹈交互系统的空间坐标为准进行设定。......
2023-10-29
-
《人工智能舞蹈交互系统原理与设计》成果详细阅读
在动作识别的过程中，舞蹈动作被看作一系列姿态的时间序列。在舞蹈交互系统中，无论是动作的识别还是动作的分析与评估，都需要采用一种有效的方式对动作进行清晰的定义和可量化的描述。在后续的舞蹈交互系统中，针对动作识别和动作评估这两个研究领域，笔者将使用不同的特征子集来进行有针对性的研究。......
2023-10-29
-
人工智能舞蹈交互系统方法设计详细阅读
为了构建一个合理的S-SOFM对舞蹈姿态进行描述，我们需要以大量标准的舞蹈动作作为随机样本对该模型进行训练。在完成S-SOFM学习训练之后，每个节点都会表示一个典型的舞蹈姿态。对一个动作片段的描述就是将一个舞蹈动作离散成一组姿态序列，并将这个姿态序列投射到S-SOFM的输出空间中。每个舞蹈动作片段的直方图都是由该动作所包含的姿态的频率统计值构成的，两个舞蹈动作的相似性可以通过直方图间的相似距离来度量。......
2023-10-29
-
人工智能舞蹈交互系统的学生交互与评估分析结果详细阅读
学生与VR系统的交互有3个步骤。图3-17是计算得到的学生动作的关键帧和老师动作的关键帧的对比图，总体来说，学生存在抢拍的情况，前面部分的节奏相对于老师的来说稍微快点儿，后半部分节奏正常。图3-18是以两个动作的关键帧为时间点，计算得出的学生左臂和右臂的偏离、扩展评估曲线。第二组实验主要是为了分析学生在系统中的学习效果，我们邀请学生A和B学习数据库中的动作并对其进行评价分析。......
2023-10-29
-
人工智能舞蹈交互系统实验结果与分析详细阅读
轨迹上的实心标记分别代表动作的起点和动作的终点。L1距离的定义如下：L2距离的定义如下：L3距离的定义如下：第二个实验方案的执行过程完全一样，只不过训练生成动作单元模板的动作集在动作库中的比例变为40%，而剩下的60%用来测试识别能力。基于不同的动作模板的实验结果见表2-4至表2-7。表2-10 第三组实验的识别率统计在第四组实验中，我们加入了动作集合2，这样一共有30种动作。......
2023-10-29
相关推荐