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
【摘要】：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。
在舞蹈交互系统中，针对不同的研究需求，需要选择合适的特征子集来对动作进行有针对性的描述。
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。通过S-SOFM神经网络的学习方法，舞蹈动作被转换成一个结构化的姿态空间。也就是说，把动作看成离散的姿态序列，所以笔者在特征表示部分重点选择了身体结构和姿态两个子集。而在动作评估部分，不但要分析舞者的形体表现力，还要考虑动作的节奏和力效，所以笔者以身体结构、姿态和力效这三个子集为研究对象。空间特征主要是描述表演过程中表演者和环境的关系的，因此本次研究并未过多涉及。
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。本书通过“形态-力效”的结构化描述模型，从舞蹈动作的身体结构、姿态、空间、力量等方面入手，对舞蹈动作进行全面、细致的描述。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。本章提出的特征描述方法，适用于不同的研究需求，符合该系统的研究需要。
[1] LIU F，ZHUANG Y T，WU F，et al. 3D motion retrieval with motion index tree［J］. Computer vision and image understanding，2003，92（2-3）：265-284.
LEE J，CHAI XJ，REISMA PSA，et al. Interactive control of avatars animated with human motion data［C］. Proceeding of SIGGRAPH 2002，San Antonio，Texas，2002：491-500.
[2] 杨涛，肖俊，吴飞，等.基于分层曲线简化的运动捕获数据关键帧提取［J］.计算机辅助设计与图形学报，2006，18（11）：1691-1697.
BARNES M A，KRASNOW D，TUPLING S J，et al. Knee rotation in classical dancers during the grand plié［J］. Medical problems of performing artists，2000，15（4）：140-147.
NICHOLS L. Structure in motion：the influence of morphology，experience，and the ballet barre on verticality of alignment in the performance of the plié［M］//DT T.New directions in dance. Toronto：Pergamon Press，1979：147-157.
[3] MULLER M，RODER T. Motion templates for automatic classification and retrieval of motion capture data［C］.Proceeding of the 2006 ACM SIGGRAPH/Eurograhpics Symposium on Computer Animation，Eurographics Association，2006：137-146.
MULLER M，BAAK A，SEIDEL H-P. Efficient and robust annotation of motion capture data［C］.Proceeding of the 2009 ACM SIGGRAPH/Eurographics Symposium on Computer Animation，2009：17-26.
ZHAO Q，WANG L H，IP H H S，et al. Human 3D motion recognition based on spatial-temporal context of joints［C］. 20th International Conference on Pattern Recognition，2010：2740-2743.
[4] 韩鸿哲，李彬，王志良，等. 基于傅立叶描述子的步态识别［J］.计算机工程，2005，31（2）：48-49+162.
VINCS K，BARBOUR K. Snapshots of complexity：using motion capture and principal component analysis to reconceptualise dance，2014［J］. Digital creativity，2014，25（1）：62-78.
[5] NAKAZAWA A，NAKAOKA S，SHIRATORI N，et al. Analysis and synthesis of human dance motions［C］.Multisensor fusion and integration for intelligent system，MFI2003.Proceeding of IEEE International Conference on. IEEE：83-88.(www.chuimin.cn)
[6] KAHOL K，TRIPATHI P，PANCHANATHAN S. Automated gesture segmentation from dance sequence［C］.Proceedings of Automatic Face and Gesture Recognition，Sixth IEEE International Conference on. IEEE，2004：883-888.
[7] HO E，CHAN J，KOMURA T，et al. Interactive partner control in close interactions for real-time applications［J］. ACM transactions on multimedia computing，communications，and applications，2013，9（3）：21.
[8] LABAN R. The mastery of movement［M］.Binsted，Hampshire，UK：Dance Books Ltd.，2011.
[9] 冯百跃. 舞蹈训练学概论［M］.上海：上海音乐出版社，2009.
刘青戈. 现代舞蹈的身体语言［M］.上海：上海音乐出版社，2004.
[10] 于平. 舞蹈形态学 ［M］. 北京：北京舞蹈学院，1998.
[11] 盖斯特. 拉班记谱法：动作分析与记录系统：第四版［M］.罗秉钰，译. 北京：中国出版传媒股份有限公司，中国对外翻译出版有限公司，2013.
有关人工智能舞蹈交互系统原理与设计的文章
- 详细阅读
-
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
-
国内外研究现状：人工智能舞蹈交互系统原理与设详细阅读
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
-
研究的可持续性分析—人工智能舞蹈交互系统原理详细阅读
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
-
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
-
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
-
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
-
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
相关推荐