發(fā)布時間：2020-05-09 02:50

【摘要】：近年來,使用數(shù)字化方式對傳統(tǒng)文化資源進(jìn)行記錄和保護(hù)已經(jīng)成為重要的研究課題。類似于音樂中的五線譜能夠記錄編曲,拉班舞譜可以對人體動作進(jìn)行記錄。拉班舞譜是世界上使用最廣泛的一種科學(xué)、符號化的舞蹈記錄體系,但手工記譜需要耗費(fèi)大量的時間和精力,因此研究采用計算機(jī)技術(shù)自動生成拉班舞譜十分必要。本文主要工作是研究基于動作捕捉數(shù)據(jù)的拉班舞譜自動生成的高效算法。首先根據(jù)人體運(yùn)動的特點(diǎn),設(shè)計符合人體拓?fù)浣Y(jié)構(gòu)的骨骼特征;然后通過分析人體上下肢動作在舞譜記譜方式上的不同,首次提出高效的深度學(xué)習(xí)算法對人體上下肢動作進(jìn)行識別,最后將設(shè)計的特征以及上下肢動作識別算法融入到舞譜自動生成平臺中,實(shí)現(xiàn)一個端到端的從運(yùn)動捕捉數(shù)據(jù)到拉班舞譜的自動生成系統(tǒng)。主要創(chuàng)新工作總結(jié)如下:(1)通過分析人體運(yùn)動特點(diǎn),提出了一種符合人體拓?fù)浣Y(jié)構(gòu)的骨骼節(jié)點(diǎn)向量特征。首先將以歐拉角形式存儲的BVH運(yùn)動捕捉數(shù)據(jù)轉(zhuǎn)換為世界坐標(biāo)系下的三維人體空間數(shù)據(jù),然后將人體各部位相鄰的關(guān)節(jié)節(jié)點(diǎn)進(jìn)行連接,形成骨骼向量特征,這樣的特征更具魯棒性與判別力,能更好的表示人體動作的空間位置和方向。(2)通過對人體上肢動作在拉班舞譜中記譜方式的分析,提出了一種基于極限學(xué)習(xí)的上肢姿態(tài)識別算法。該算法可以比較快速且高效的用于拉班舞譜中上肢動作的生成。上肢動作在拉班舞譜的記譜方式中主要關(guān)注動作最后的姿態(tài),不用關(guān)注前后之間的關(guān)系,提出的基于極限學(xué)習(xí)的識別算法可以非常高效的對上肢動作進(jìn)行分類和識別。(3)通過對人體下肢動作在拉班舞譜中記譜方式的分析,提出了一種基于長短時記憶神經(jīng)網(wǎng)絡(luò)(LSTM)與卷積神經(jīng)網(wǎng)絡(luò)(ConvNet)的多層聯(lián)合網(wǎng)絡(luò)模型下肢動作識別算法。下肢動作在拉班舞譜的記譜方式中關(guān)注動作的動態(tài)變化過程,LSTM的自連接網(wǎng)絡(luò)結(jié)構(gòu)使得它在處理動態(tài)變化的時序數(shù)據(jù)具有天然的優(yōu)勢,而ConvNet非常善于學(xué)習(xí)動作的空間信息,本文提出將LSTM模型與CNN模型進(jìn)行融合,使這兩者可以相互補(bǔ)充,達(dá)到更加準(zhǔn)確的識別效果。(4)在上述提出的新特征以及新方法的基礎(chǔ)上,設(shè)計和實(shí)現(xiàn)了一個端到端的從運(yùn)動捕捉數(shù)據(jù)到拉班舞譜的自動生成系統(tǒng)。系統(tǒng)的輸入是通過運(yùn)動捕捉設(shè)備獲取得到的表演人員的運(yùn)動捕捉數(shù)據(jù),然后經(jīng)過上述新特征的提取以及新方法對人體動作的識別,即可在幾秒的時間內(nèi)自動繪制拉班舞譜并生成文件保存到本地,實(shí)現(xiàn)了計算機(jī)技術(shù)與拉班舞譜的完美結(jié)合。
【圖文】：

圖１－１鳳陽花鼓逡逑Ｆｉｇｕｒｅ邋１－１邋Ｄａｎｃｅ邋ｏｆ邋Ｆｅｎｇ邋Ｙａｎｇ邋Ｈｕａ邋Ｇｕ逡逑

圖１－２拉班舞譜展示逡逑Ｆｉｇｕｒｅ邋１－２邋Ａｎ邋ｅｘａｍｐｌｅ邋ｏｆ邋Ｌａｂａｎｏｔａｔｉｏｎ逡逑，，
【學(xué)位授予單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：J731;TP18

【參考文獻(xiàn)】

相關(guān)碩士學(xué)位論文 前1條

1 郭浩;基于人體運(yùn)動捕捉數(shù)據(jù)自動生成拉班舞譜的研究[D];北京交通大學(xué);2015年

本文編號：2655477