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。 

【文章來源】：微型電腦應(yīng)用. 2020,36(03)

【文章頁數(shù)】：4 頁

【圖文】：

健美操動(dòng)作三維效果與骨架模型對比效果

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)庫以關(guān)鍵關(guān)節(jié)點(diǎn)來標(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為主,這樣可以確保舞蹈姿態(tài)的穩(wěn)定。舞蹈姿態(tài)模型數(shù)據(jù)庫內(nèi)包括頭部、肘部,腿部,軀體和髖部為主,如圖3所示。圖3 舞蹈姿態(tài)數(shù)據(jù)庫的解析結(jié)構(gòu)

舞蹈姿態(tài)數(shù)據(jù)庫的解析結(jié)構(gòu)

【參考文獻(xiàn)】：
期刊論文
[1]基于慣性傳感器的動(dòng)作捕捉系統(tǒng)設(shè)計(jì)[J]. 夏為浩,張少帥.  計(jì)算機(jī)測量與控制. 2019(09)
[2]基于動(dòng)作捕捉的減重條件下心理疲勞狀態(tài)測量技術(shù)[J]. 馬倩穎,吳瑞林,王亞猛,劉曉倩,朱廷劭,王偉強(qiáng).  航天醫(yī)學(xué)與醫(yī)學(xué)工程. 2019(04)
[3]基于虛擬現(xiàn)實(shí)技術(shù)（VR）的動(dòng)畫交互性設(shè)計(jì)分析[J]. 吳磊.  信息技術(shù). 2019(07)
[4]基于深度學(xué)習(xí)算法的圖像分類方法[J]. 陶筱嬌,王鑫.  微型電腦應(yīng)用. 2019(03)
[5]基于無線慣性傳感器的人體動(dòng)作捕捉系統(tǒng)[J]. 張洪超,史衛(wèi)亞,趙建偉.  電腦知識與技術(shù). 2019(05)
[6]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]. 何天宇,羅奇.  電子測量技術(shù). 2019(03)
[7]基于灰度差分統(tǒng)計(jì)法的圖像復(fù)制與移動(dòng)偽造檢測方法[J]. 如先姑力·阿布都熱西提,亞森·艾則孜,米日古麗·艾則孜.  微型電腦應(yīng)用. 2018(10)
[8]分布式三維圖形的協(xié)同設(shè)計(jì)系統(tǒng)的研究[J]. 王法強(qiáng),梁正和.  信息技術(shù). 2018(09)
[9]基于RealSense的三維物體識別算法研究[J]. 張壘,蔣樂天.  信息技術(shù). 2017(10)

碩士論文
[1]基于動(dòng)作捕捉的模特走姿研究[D]. 趙英杰.浙江理工大學(xué) 2019



本文編號：3087984