目前的研究仅限于基础舞蹈动作，以LMA理论为基础，以舞蹈的姿态、节奏和力效等方面作为评价标准对动作进行分析。未来我们将进一步研究LMA理论中的力效，探讨力效与舞蹈艺术、舞者心理的关系，进一步丰富评价系统，构建更加高级的舞蹈交互系统，对舞蹈的艺术性进行多方面阐释。未来，针对动作识别方法，我们将就动作模板和关键帧的权重因子等方面进行深入研究，以提高舞蹈动作的识别率。...
2023-10-29 理论教育
人工智能舞蹈交互系统原理与设计
- 详细阅读
-
LMA舞蹈评价方法：人工智能舞蹈交互系统原理与设计详细阅读
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 理论教育
-
人工智能舞蹈动作识别：S-SOFM神经网络模型指南详细阅读
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 理论教育
-
《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 理论教育
-
基于LMA的舞蹈评价模型：人工智能舞蹈交互系统详细阅读
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 理论教育
-
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 理论教育
-
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详细阅读
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。...
2023-10-29 理论教育
-
人工智能舞蹈交互系统的S-SOFM实现方法详细阅读
基于上一章提出的舞蹈姿态的时空特征提取方法，针对形成的新的舞蹈动作特征集合，本章将利用S-SOFM构建一个有效的输出模型，对舞蹈动作进行聚类和分析，从而实现舞蹈动作的识别。图2-6 离散的姿态序列本书采用S-SOFM来构建输出模型。此外，由于保留了SOFM的特点，因此数据样本在重复训练分类之后生成的S-SOFM的各神经元节点之间的拓扑映射关系与原始输入样本一样。...
2023-10-29 理论教育
-
国内外研究现状：人工智能舞蹈交互系统原理与设计详细阅读
到目前为止，针对运动特征描述和提取方法的研究大致可以分为三类。Muller等人[5]针对这个问题在后续的研究中又提出了“运动模板”的概念。因此，Muller在文献中也指出布尔几何特征描述方法不能对动作的细节进行细致的描述，只适用于普通的运动描述。因此，每一个人体姿态就可以表示为由八个夹角构成的特征集合。...
2023-10-29 理论教育
-
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 理论教育
-
人工智能舞蹈评价体系设计详细阅读
本书提出的舞蹈交互系统，以LMA为本体，并结合传统舞蹈的教学评价标准，对LMA进行层次化分析，同时分析舞蹈老师常用的指导语句的语义特征，找到LMA的抽象概念和教学评价标准之间的关系，以LMA中的基础元素构建合适的指导语句。本章后面的重点是基于LMA理论对学生的舞蹈动作进行系统分析和量化评估，并在舞蹈交互系统中，以易于理解的指导语句的形式将结果反馈给学生，保证学生能够正确地理解反馈意见并纠正自己的舞蹈动作。...
2023-10-29 理论教育
-
基于形态力效的舞蹈动作特征模型及其设计详细阅读
在虚拟的舞蹈交互系统中，无论是识别还是分析、评估动作，都需要采用一种有效的方式对舞蹈动作进行清晰的定义和可量化的描述。在已有的动作特征表示方法中，研究人员通常会采用姿态描述的方法。由于人体的结构和基本运动具有一定的相通性，因此无论是姿态分析法还是运动力学分析法，其描述的确提供了具有共性的分析依据，但是舞蹈是一个拥有庞大知识体系的高度专业化的应用领域，而这个体系就是动作本身。...
2023-10-29 理论教育
-
利用人工智能构建舞蹈学习交互系统的研究成果详细阅读
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。...
2023-10-29 理论教育
-
形态-力效的描述方法详细阅读
拉班认为人体动作的质感表现在动作的“形态-力效”中。“形态”不只是一种静止的形式，更是蕴含在空间轮廓中的状态。图1-1 动作结构化描述的层次图在本书中，我们基于拉班动作分析理论，采用“形态-力效”的结构化描述方法来对动作进行定义和描述。如图1-1所示，我们从身体结构、姿态、空间、力效等四个方面对舞蹈动作进行特征描述，我们称每个方面为一个特征子集。...
2023-10-29 理论教育
-
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 理论教育
-
SOFM和S-SOFM训练学习算法的实用指南详细阅读
自组织特征映射神经网络是由芬兰学者Kohonen在1982年提出的一种聚类学习方法。SOFM目前主要用于不同领域的高维数据的聚类、分类、抽样和可视化。图2-2 GeoSOFM的数据存储结构图2-3 显示了Sangole等人[12]构建的S-SOFM。在本书中，我们的工作主要是基于Sangole的S-SOFM工作成果，使邻居节点的管理方式和计算复杂度都能满足舞蹈姿态之间的强关联性。图2-4的流程图显示了S-SOFM的训练学习过程，该算法分为初始化、竞争、学习、重复迭代、得到获胜神经元等步骤。...
2023-10-29 理论教育