陳偉江

摘 要：為了將人體運(yùn)動(dòng)仿真技術(shù)應(yīng)用到舞蹈姿態(tài)分析和教學(xué)研究中。研究了舞蹈姿態(tài)動(dòng)作捕捉及分析，包括舞蹈動(dòng)作的實(shí)時(shí)采集，舞蹈姿態(tài)的模型數(shù)據(jù)庫(kù)建立，以及基于特征平面向量的21個(gè)關(guān)鍵節(jié)點(diǎn)和7個(gè)特征匹配平面的舞蹈姿態(tài)分析方法;然后，以某健美操班50名學(xué)員為實(shí)例，劃分舞蹈基礎(chǔ)和身體素質(zhì)相當(dāng)?shù)膬山M分別進(jìn)行常規(guī)教學(xué)和試驗(yàn)教學(xué)，試驗(yàn)對(duì)比組除了在動(dòng)作幅度上低于常規(guī)組3.9分外，其在動(dòng)作力度、規(guī)范程度方面的打分相比均高出9分以上。研究將動(dòng)作捕捉技術(shù)與舞蹈教學(xué)和分析相結(jié)合，實(shí)現(xiàn)了舞蹈動(dòng)作的直觀反饋和分析，為科學(xué)的舞蹈教學(xué)提供了數(shù)據(jù)支撐。

關(guān)鍵詞：動(dòng)作捕捉; 信息技術(shù); 舞蹈教學(xué)

中圖分類(lèi)號(hào)： TP391.9

文獻(xiàn)標(biāo)志碼： A

Abstract：In order to apply human motion simulation technology to dance posture analysis and teaching research， in this paper， the motion capture and analysis scheme of dance posture was firstly established， including real-time collection of dance movements， establishment of model database of dance posture， and analysis method of dance posture based on 21 key nodes and 7 feature matching planes of feature plane. Then， an aerobics class of 50 students was chose as an example， they were divided into two groups： conventional teaching and experiment teaching. The results show that the to conventional groups on the movement range was 3.9 points higher than control group， experimental control group， compared to grade the action strength， degree of specification were more than 9 points higher. The research in this paper combines motion capture technology with dance teaching and analysis， it provides intuitive feedback on dance movements， which provides data support for scientific training of dance.

Key words：Motion capture; Information technology; ?Dance teaching

0 引言

5G大數(shù)據(jù)時(shí)代背景下，人體運(yùn)動(dòng)仿真技術(shù)得到了迅猛發(fā)展，通過(guò)高速數(shù)據(jù)的傳輸，人體動(dòng)作與計(jì)算機(jī)直接的銜接和配合將是未來(lái)計(jì)算機(jī)領(lǐng)域一個(gè)重要的研究方向[1]。動(dòng)作捕捉系統(tǒng)可以實(shí)現(xiàn)對(duì)人體運(yùn)動(dòng)數(shù)據(jù)的追蹤、監(jiān)測(cè)和記錄，目前已經(jīng)初步在娛樂(lè)有效、健康記錄、康復(fù)訓(xùn)練等方面有了應(yīng)用和發(fā)展。國(guó)內(nèi)研究學(xué)者對(duì)于動(dòng)作捕捉技術(shù)的研究剛剛起步，目前的主要研究方向是對(duì)三維姿態(tài)的分析和仿真[2-5]。由于人體運(yùn)動(dòng)數(shù)據(jù)通過(guò)動(dòng)作捕捉后呈現(xiàn)離散化特點(diǎn)，如何從離散的數(shù)據(jù)中獲得有規(guī)律的參數(shù)，從而分析姿態(tài)變化，是當(dāng)前主要的研究重點(diǎn)。

根據(jù)已有的研究成果，本文提出將動(dòng)作捕捉技術(shù)應(yīng)用于舞蹈分析和教學(xué)中，建立了實(shí)時(shí)獲取人體運(yùn)動(dòng)三維數(shù)據(jù)的數(shù)據(jù)庫(kù)，并基于特征平面匹配人體姿態(tài)，獲得了人體特征谷歌模型。將以上數(shù)據(jù)應(yīng)用于舞蹈教學(xué)過(guò)程中的姿態(tài)教學(xué)和分析，對(duì)于提高教師教學(xué)水平，調(diào)動(dòng)學(xué)生學(xué)習(xí)積極性具有較好的參考和應(yīng)用價(jià)值。

1 舞蹈姿態(tài)捕捉設(shè)計(jì)

根據(jù)現(xiàn)有文獻(xiàn)資料和應(yīng)用實(shí)例，全世界較為通用的動(dòng)作捕捉系統(tǒng)主要有五種[6]，具體情況如表1所示。

本文的研究基于光學(xué)式動(dòng)作捕捉技術(shù)，采用國(guó)內(nèi)首個(gè)光學(xué)式捕捉儀器DIMS9100，該系統(tǒng)主要硬件設(shè)備有：高速三維數(shù)據(jù)動(dòng)態(tài)捕捉系統(tǒng)，DIMS控制器，紅外線感應(yīng)儀以及光學(xué)標(biāo)識(shí)點(diǎn)等。將光學(xué)式動(dòng)作捕捉技術(shù)應(yīng)用于舞蹈姿態(tài)運(yùn)動(dòng)過(guò)程中的數(shù)據(jù)采集，提取出人體的骨架運(yùn)動(dòng)路線，然后利用特征向量匹配方式獲取姿態(tài)判別，從而建立舞蹈姿態(tài)分析和教學(xué)的量化方法。為跳舞的訓(xùn)練人員提供良好的理論分析數(shù)據(jù)，該方案基本的工作路線如圖1所示。

1.1 舞蹈動(dòng)作的實(shí)時(shí)采集

首先在舞蹈訓(xùn)練人員身體各個(gè)部位安裝21個(gè)數(shù)據(jù)標(biāo)識(shí)點(diǎn)，在預(yù)設(shè)的空間范圍內(nèi)站立好，然后啟動(dòng)高速三維數(shù)據(jù)動(dòng)態(tài)捕捉系統(tǒng)，通過(guò)DIMS控制器知道訓(xùn)練人員完成預(yù)設(shè)的基本動(dòng)作，在這一過(guò)程中，舞蹈動(dòng)作會(huì)被動(dòng)態(tài)捕捉系統(tǒng)追蹤并進(jìn)行模型匹配，當(dāng)21個(gè)數(shù)據(jù)采集點(diǎn)被計(jì)算機(jī)識(shí)別成功并錄入到系統(tǒng)后，并完成了人體動(dòng)作的實(shí)時(shí)采集，可以進(jìn)行下一步的數(shù)據(jù)對(duì)比，人體數(shù)據(jù)實(shí)時(shí)采集過(guò)程如圖2所示。

1.2 舞蹈姿態(tài)模型數(shù)據(jù)庫(kù)

將高速動(dòng)作捕捉系統(tǒng)匹配成功后，進(jìn)行人體運(yùn)動(dòng)姿態(tài)數(shù)據(jù)的記錄，通過(guò)系統(tǒng)軟件可以分析出不同視角下的人體運(yùn)動(dòng)自然特征。本文的運(yùn)動(dòng)模型數(shù)據(jù)庫(kù)以關(guān)鍵關(guān)節(jié)點(diǎn)來(lái)標(biāo)記人體的動(dòng)作變化，關(guān)鍵點(diǎn)之間的連接目前還是以剛性連接方式

1.4 匹配成果分析

基于Matlab開(kāi)發(fā)平臺(tái)，創(chuàng)建了20套舞蹈動(dòng)作數(shù)據(jù)，每套舞蹈數(shù)據(jù)的動(dòng)作幀數(shù)為1 200左右，然后選取具有一定舞蹈基礎(chǔ)的舞蹈生進(jìn)行試驗(yàn)。試驗(yàn)過(guò)程要求被測(cè)試人員模仿舞蹈老師的動(dòng)作完成舞蹈練習(xí)，練習(xí)過(guò)程中高速動(dòng)作捕捉系統(tǒng)提取記錄受訓(xùn)人員的關(guān)鍵點(diǎn)數(shù)據(jù)，將其進(jìn)行平面特征擬合，然后與標(biāo)準(zhǔn)舞蹈動(dòng)作進(jìn)行差異化分析[8]。對(duì)比結(jié)果發(fā)現(xiàn)，除了髖部相似性比較不明顯外，四肢各個(gè)關(guān)節(jié)的運(yùn)動(dòng)均被準(zhǔn)確記錄下來(lái)，不同舞蹈水平的學(xué)生通過(guò)動(dòng)作捕捉技術(shù)獲得的準(zhǔn)確率各有不同，大致與學(xué)生的舞蹈水平呈正相關(guān)，說(shuō)明該試驗(yàn)方法能夠有效檢測(cè)和分析舞蹈運(yùn)動(dòng)姿態(tài)的差異性和標(biāo)志性，能夠?yàn)槲璧高M(jìn)行科學(xué)化訓(xùn)練。

2 實(shí)例應(yīng)用

2.1 數(shù)字化舞蹈教學(xué)方法

數(shù)字化三維舞蹈教學(xué)方法基于常規(guī)的舞蹈教學(xué)內(nèi)容，首先，在空間范圍內(nèi)建立舞蹈教師的動(dòng)作和運(yùn)動(dòng)數(shù)據(jù)，其次，將舞蹈者的動(dòng)作柵格化處理并建立三維模型數(shù)據(jù)庫(kù);最后，制作成舞蹈動(dòng)作三維動(dòng)畫(huà)，應(yīng)用于舞蹈教學(xué)，還可以對(duì)教師的舞蹈姿態(tài)進(jìn)行分析。具體實(shí)現(xiàn)流程如圖5所示。

以健美健美操操運(yùn)動(dòng)為研究對(duì)象，本文模擬了逼真的教學(xué)環(huán)境將動(dòng)作數(shù)據(jù)與人體的舞蹈表現(xiàn)過(guò)程實(shí)時(shí)反應(yīng)在計(jì)算機(jī)顯示屏中，動(dòng)畫(huà)效果直觀反應(yīng)每位學(xué)員動(dòng)作的規(guī)范程度，便于迅速查找自己的缺點(diǎn)并及時(shí)矯正[9，10]。首先，建立基于Motion builder的人體骨架模型，然后利用Actor模型建立人體模型，兩者進(jìn)行匹配，獲得基于動(dòng)作捕捉的動(dòng)態(tài)角色模型，如圖6所示。

然后，將收集的舞蹈教學(xué)動(dòng)作輸出成為動(dòng)畫(huà)，給學(xué)生觀看和練習(xí)，學(xué)生可以根據(jù)自己的掌握情況有針對(duì)性的進(jìn)行學(xué)習(xí);最后，教師可以讓學(xué)生進(jìn)行舞蹈訓(xùn)練，然后通過(guò)本文第1.3節(jié)所論述的方法采集學(xué)生舞蹈動(dòng)作，將標(biāo)準(zhǔn)舞蹈動(dòng)作與收集的目標(biāo)舞蹈動(dòng)作進(jìn)行特征向量匹配分析，經(jīng)過(guò)計(jì)算機(jī)處理，得到視覺(jué)對(duì)比和數(shù)據(jù)對(duì)比成果。

2.2 實(shí)驗(yàn)結(jié)果分析

用對(duì)比試驗(yàn)法對(duì)動(dòng)作捕捉技術(shù)在舞蹈姿態(tài)中分析中的有效性，本文選取健美操課程中50名學(xué)生進(jìn)行研究分析，具體試驗(yàn)過(guò)程如下：

（1）試驗(yàn)對(duì)象分組：對(duì)健美操班的50名學(xué)員采取問(wèn)卷調(diào)查和成績(jī)篩查的方式，了解沒(méi)問(wèn)學(xué)員的健美操舞蹈水平、學(xué)習(xí)經(jīng)歷、過(guò)往成績(jī)、學(xué)習(xí)效率以及身體狀況，然后依據(jù)調(diào)查結(jié)果將研究對(duì)象分為兩組，分別為常規(guī)組和對(duì)比組，每組學(xué)員在身體基本素質(zhì)、學(xué)習(xí)效率以及舞蹈基礎(chǔ)水平差距的標(biāo)準(zhǔn)差小于0.05。這種分組方式確保了試驗(yàn)數(shù)據(jù)的對(duì)比可信性。

（2）本文的試驗(yàn)時(shí)間跨度較長(zhǎng)，從2019年3月1日到2019年6月1日，總的健美課程學(xué)習(xí)課時(shí)為50小時(shí)。其中，常規(guī)組的學(xué)生依據(jù)該校以往的教學(xué)方法，由學(xué)生根據(jù)老師的基本舞蹈動(dòng)作模仿學(xué)習(xí)，然后學(xué)生自己學(xué)習(xí)，練習(xí)過(guò)程中由教師現(xiàn)場(chǎng)觀摩并教導(dǎo)改正。對(duì)比組的學(xué)生以計(jì)算機(jī)三維動(dòng)畫(huà)學(xué)習(xí)，和動(dòng)作捕捉實(shí)時(shí)回放對(duì)比聯(lián)系為主，教師根據(jù)姿態(tài)分析系統(tǒng)輸出的結(jié)果對(duì)學(xué)生的不規(guī)范動(dòng)作進(jìn)行針對(duì)性教學(xué)。

（3）教學(xué)成果驗(yàn)證：完成該健美操課學(xué)習(xí)后，將兩組學(xué)生順序打亂參加期末成績(jī)考核，將學(xué)生的學(xué)習(xí)掌握情況進(jìn)行統(tǒng)計(jì)，統(tǒng)計(jì)項(xiàng)目包括動(dòng)作幅度、力度、連貫性和規(guī)范程度四項(xiàng)并進(jìn)行打分，教學(xué)成果如表2所示。

根據(jù)本次試驗(yàn)對(duì)比結(jié)果，可以發(fā)現(xiàn)常規(guī)教學(xué)方式除了在動(dòng)作幅度上較對(duì)比組高3.9分以外，在舞蹈動(dòng)作力度、連貫性和規(guī)范程度方面均比對(duì)比組的教學(xué)效果差。初步分析認(rèn)為，學(xué)生在傳統(tǒng)教學(xué)模式下心態(tài)較為放松，節(jié)奏教師的親身體驗(yàn)教學(xué)舞蹈動(dòng)作的幅度展現(xiàn)的較為自然;在動(dòng)作捕捉設(shè)備環(huán)境下學(xué)生可能存在一定適應(yīng)性問(wèn)題，較為拘束，但是學(xué)生通過(guò)模擬學(xué)習(xí)舞蹈訓(xùn)練的姿態(tài)，并對(duì)自己的學(xué)習(xí)過(guò)程不斷修正能夠獲得更大的進(jìn)步，尤其在舞蹈動(dòng)作的規(guī)范程度方面，學(xué)生能夠更快的認(rèn)識(shí)到自己的不足。

3 總結(jié)

本文以光學(xué)動(dòng)作捕捉技術(shù)為依托，研究了舞蹈姿態(tài)動(dòng)作的實(shí)時(shí)采集和模型數(shù)據(jù)庫(kù)建立方法，并基于特征向量匹配提出了基于動(dòng)作捕捉的舞蹈姿態(tài)分析過(guò)程;最后，以健美操課程學(xué)習(xí)為實(shí)例進(jìn)行了應(yīng)用分析，取得了較好的教學(xué)研究成果。通過(guò)對(duì)比發(fā)現(xiàn)基于動(dòng)作捕捉的舞蹈姿態(tài)分析和教學(xué)方法提高了學(xué)生學(xué)習(xí)興趣，在動(dòng)作力度、連貫性和規(guī)范性方面較傳統(tǒng)教學(xué)方式成績(jī)提升明顯。

本文的研究突破了傳統(tǒng)教學(xué)模式的思路，基于信息化的技術(shù)手段為舞蹈教學(xué)提供了新思路，將來(lái)本文的研究重點(diǎn)集中在進(jìn)步提升動(dòng)作捕捉系統(tǒng)的個(gè)性化定制需求和數(shù)據(jù)處理效率的提升。

參考文獻(xiàn)

[1] 張壘，蔣樂(lè)天.基于RealSense的三維物體識(shí)別算法研究[J].信息技術(shù)，2017（10）：78-83.

[2] 馬倩穎，吳瑞林，王亞猛，等.基于動(dòng)作捕捉的減重條件下心理疲勞狀態(tài)測(cè)量技術(shù)[J].航天醫(yī)學(xué)與醫(yī)學(xué)工程，2019，32（4）：291-298.

[3] 吳磊.基于虛擬現(xiàn)實(shí)技術(shù)（VR）的動(dòng)畫(huà)交互性設(shè)計(jì)分析[J].信息技術(shù)，2019，43（7）：125-128.

[4] 陶筱嬌，王鑫.基于深度學(xué)習(xí)算法的圖像分類(lèi)方法[J].微型電腦應(yīng)用，2019，35（3）：40-43.

[5] 張洪超，史衛(wèi)亞，趙建偉.基于無(wú)線慣性傳感器的人體動(dòng)作捕捉系統(tǒng)[J].電腦知識(shí)與技術(shù)，2019，15（5）：257-260.

[6] 何天宇，羅奇.運(yùn)動(dòng)捕捉技術(shù)及其在體育運(yùn)動(dòng)中的應(yīng)用研究綜述[J].電子測(cè)量技術(shù)，2019，42（3）：140-146.

[7] 趙英杰. 基于動(dòng)作捕捉的模特走姿研究[D].杭州：浙江理工大學(xué)，2019.

[8] 如先姑力·阿布都熱西提，亞森·艾則孜，米日古麗·艾則孜.基于灰度差分統(tǒng)計(jì)法的圖像復(fù)制與移動(dòng)偽造檢測(cè)方法[J].微型電腦應(yīng)用，2018，34（10）：4-8.

[9] 王法強(qiáng)，梁正和.分布式三維圖形的協(xié)同設(shè)計(jì)系統(tǒng)的研究[J].信息技術(shù)，2018（9）：121-124.

[10] 夏為浩，張少帥.基于慣性傳感器的動(dòng)作捕捉系統(tǒng)設(shè)計(jì)[J].計(jì)算機(jī)測(cè)量與控制，2019，27（9）：283-287.

（收稿日期： 2019.10.23）