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
研究的可持续性分析—人工智能舞蹈交互系统原理与设计
【摘要】：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。
本书所构建的舞蹈交互系统，模拟了传统的舞蹈教学模式。系统通过对学生的动作进行自动评估，生成一系列有效的反馈指导意见，帮助学生取得进步。这种模式是对传统舞蹈教学的有效的补充，能够帮助学生掌握正确的基本舞蹈技巧。由于该系统主要用于基础的舞蹈技能培训，因此我们对舞蹈的艺术性评价标准、特殊类型的舞蹈动作的评价方式、基于关键帧的动作识别方法等方面仅做了较为初步的探索。未来，我们将进行如下研究。
（1）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。在舞蹈的艺术性方面，我们只是从力效切入进行了初步的探索。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。
（2）由于舞蹈类型丰富，不同类型的舞蹈动作的评价重点和学习方法存在很大的差异，因此在舞蹈交互系统中，考虑到不同类型舞蹈的独特性，我们将基于某一类型的舞蹈动作构建更加有针对性的评价分析模型，对不同的评价元素设定对应的权重因子，从而突出某一类型的舞蹈动作的细节。而且，我们会针对舞蹈动作中存在的问题，在舞蹈交互系统中增加更多具有针对性的指导方法。(www.chuimin.cn)
（3）在基于S-SOFM的识别方法中，我们利用帧统计、帧过渡等方式构建动作模板，在曲线轨迹方面进行了深入的研究。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。
（4）本书的研究重点在于舞蹈的自主学习和训练，但本书中对于舞蹈动作的分析可以扩展应用到更多的领域，例如在舞蹈治疗的相关研究领域，通过分析舞蹈动作了解舞者的心理状态。未来，我们希望能够进一步扩大研究范围，基于对动作的分析和评价，从心理学方面探寻更多可能的研究方法和研究对象。
有关人工智能舞蹈交互系统原理与设计的文章
- 详细阅读
-
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
-
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
-
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：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
-
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
-
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
相关推荐