佟偉

摘 要： 為了提升舞蹈訓練中訓練質(zhì)量，需要對運動過程中的動作進行分解跟蹤。傳統(tǒng)動作跟蹤分解方法無法計算出相鄰關鍵節(jié)點視覺變化，還存在三維視覺運動跟蹤輪廓不清的問題。針對上述問題，提出一種針對舞蹈基礎訓練中的三維視覺運動跟蹤分解方法。根據(jù)關鍵動作點陣數(shù)據(jù)以及關鍵動作點陣向量參數(shù)計算出分解動作點陣特征向量，應用多向雙攝像頭空間平面成像系統(tǒng)，實現(xiàn)舞蹈視覺動作三維跟蹤分解。實驗數(shù)據(jù)證明，設計的方法跟蹤精度高，運動跟蹤輪廓穩(wěn)定清晰。

關鍵詞： 舞蹈基礎訓練； 視覺動作； 跟蹤分解； 跟蹤精度； 關鍵節(jié)點； 三維視覺運動

中圖分類號： TN911.73?34 文獻標識碼： A 文章編號： 1004?373X（2018）13?0070?04

Abstract： It is necessary for the improvement of the quality in dance training to track and decompose the action in the movement process. Since the traditional action tracking and decomposition method can′t calculate the visual change of the adjacent key nodes， and has the unclear tracking contour of the 3D visual action， a 3D visual action tracking and decomposition method for dance basic training is proposed. According to the data and vector parameter of key action dot matrix， the dot matrix characteristic vector of the decomposition action is calculated. The multidirectional dual?camera space plane imaging system is used to realize the three?dimensional tracking and decomposition of dance visual action. The experimental results show that the designed method has high tracking accuracy， and its action tracking contour is stable and clear.

Keywords： dance basic training； visual action； tracking and decomposition； tracking accuracy； key node； 3D visual movement

0 引 言

在舞蹈教學中討論某一動作或技術(shù)要點時，舞蹈教師既要做出相應動作也要進行對應講解，對此產(chǎn)生諸多不便。傳統(tǒng)舞蹈基礎訓練采用無標定全局視覺反饋法進行訓練，即傳統(tǒng)錄像分解訓練，在對視覺運動進行分解時，無法計算出相鄰關鍵節(jié)點的視覺變化[1]，存在三維視覺運動跟蹤誤差大以及分解輪廓不清的問題。為此，本文設計了一套舞蹈基礎訓練中的視覺運動跟蹤分解方法，采用人體捕捉標記點、多向雙攝像頭空間平面成像系統(tǒng)以及計算機分析計算系統(tǒng)進行逆向三維視覺運動跟蹤分解，引入逆向運動學計算關鍵動作點陣以及每個關鍵動作點陣向量參數(shù)，利用多向雙攝像頭空間平面成像系統(tǒng)，實現(xiàn)對舞蹈視覺動作的三維跟蹤分解。為保證設計的合理性，通過實驗數(shù)據(jù)進行驗證。實驗結(jié)果表明，本文設計的方法具有動作跟蹤精度髙、分解速率快、分解準確穩(wěn)定、輪廓清晰等優(yōu)點。

1 舞蹈視覺動作跟蹤分解方法設計

本文采用改進逆向運動學方法進行視頻動作跟蹤分解，對舞蹈動作中多關鍵點、重點動作部位進行特征點標記和標記參數(shù)設定。通過視覺動作跟蹤分解原理計算舞蹈動作靜態(tài)置換數(shù)據(jù)，圖像分割標識清楚后，進行動態(tài)捕捉，若圖像未分割標識清楚，則進行系數(shù)修正重新計算，直至將舞蹈動作圖像分割標識清楚。對某一動作進行詳細解析時，系統(tǒng)自動跟蹤分解，不必教師做出相應動作，通過投影系統(tǒng)或者教用顯示器即可進行三維動作跟蹤分解成像[2]。展現(xiàn)過程可以設置任意時間，使舞蹈基礎訓練過程中的動作可以無限制地跟蹤分解。圖1所示為本文設計的視覺動作跟蹤分解方法流程圖。

1.1 舞蹈視覺動作跟蹤設計

在舞蹈基礎訓練的視覺動作跟蹤過程中，應先選定三維動作跟蹤系統(tǒng)空間極限范圍，之后定位三維動作跟蹤系統(tǒng)極值點。在極值點陣中，獲取每個關鍵動作點陣數(shù)據(jù)以及每個關鍵動作點陣向量參數(shù)，進而計算出關鍵點陣特征向量[3]，應用多向雙攝像頭空間平面成像系統(tǒng)完成對舞蹈視覺動作三維跟蹤分解。設[I（x，y，τ）]為視覺動作空間可變高斯函數(shù)，代表舞蹈動作路徑和位移。其中[τ]為空間尺度坐標，[（x，y）]為空間平面坐標點[4]。檢測三維動作跟蹤系統(tǒng)空間極值點如下：

手足標記點設定參數(shù)如表1所示，其中手指選用的標記點傳感頻率最高，掌心和足心標記點次之。手指標記點直徑最小，足心與掌心標記點直徑最大，原因是手指直徑選擇較小可以防止視覺障礙，掌心與足心選擇大直徑標記點可以保障傳輸準確。

主要肢體標記點設定參數(shù)如表2所示，其中對肌肉標記采用高頻標記點，用于體現(xiàn)舞蹈動作發(fā)力和承接過程[9?10]。對綜合性能考慮直徑采用10 mm，關節(jié)部位采用15 mm。

輪廓標記點推薦設定參數(shù)如表3所示，對頭部和重心選用高中頻標記點，這樣可以對舞蹈動作綜合要點進行剖析。對動作外形輪廓采用中頻標記點。

2 對比實驗設計

為了驗證本文方法的有效性，同時保證實驗的真實以及有效性，使用傳統(tǒng)方法與本文提出的方法進行對比，并使用控制變量的方式進行綜合實驗。

2.1 實驗準備

采用對比實驗方法確定環(huán)境變量、控制條件變量、分析特征數(shù)據(jù)。采用設備為本文改進逆向運動學方法實驗設備，包括人體捕捉標記點、攝像機、計算機、傳輸裝置與計算機分析計算系統(tǒng)；無標定全局視覺反饋方法實驗設備包括攝像機、計算機與成像系統(tǒng)。

2.2 視覺動作跟蹤分解效果實驗

選擇同一個舞蹈動作、同一段基礎訓練課程進行兩次實驗分析，使用本文設計的視覺動作跟蹤分解方法和傳統(tǒng)視覺動作跟蹤分解方法進行對比。利用分解成功率和視頻噪點進行判定，實驗結(jié)果如圖3所示。

由圖3實驗數(shù)據(jù)可得，隨著時間不斷增加，傳統(tǒng)視覺動作跟蹤分解方法分解成功率逐漸下降，而本文設計的視覺動作跟蹤分解方法由于采用人體捕捉標記點以及相應計算設備，不受時間、動作復雜程度影響。無標定全局視覺反饋法中，隨著舞蹈時間的增加，視頻噪點率隨之提高，約為7%，且沒有明顯的下降趨勢；而改進逆向運動學方法中，隨著舞蹈時間的增加，視頻噪點率有下降趨勢，約為5.6%，比傳統(tǒng)方法降低約1.4%，較傳統(tǒng)方法有一定的優(yōu)勢。

選擇同一位舞者，隨著舞蹈難度系數(shù)不斷增加，在相同實驗環(huán)境下，分別使用本文設計的視覺動作跟蹤分解方法和傳統(tǒng)視覺動作跟蹤分解方法進行對比。選用分解成功率和輪廓提取時間進行判定，實驗結(jié)果如圖4所示。

由圖4實驗數(shù)據(jù)可得，本文設計的視覺動作跟蹤分解方法隨著舞蹈復雜程度增加，輪廓提取時間增大不明顯，分解成功率趨于穩(wěn)定；而傳統(tǒng)視覺動作跟蹤分解方法隨著舞蹈復雜程度不斷增加，輪廓提取時間呈線性增加，分解成功率呈線性下降。從而說明本文設計的視覺動作跟蹤分解方法能夠清晰、快速地跟蹤分解舞蹈動作。

2.3 視覺動作跟蹤分解穩(wěn)定性實驗

本實驗采用相同的舞蹈老師、舞蹈動作，進行長時間跟蹤分解，用于驗證分解方法的穩(wěn)定性。兩種方法的穩(wěn)定性曲線如圖5所示。

由圖5實驗數(shù)據(jù)可得，對于長時間跟蹤分解，本文設計的視覺動作跟蹤分解方法能夠保證較穩(wěn)定的跟蹤分解，而傳統(tǒng)視覺動作跟蹤分解方法隨著時間的增加存在不確定性。

2.4 實驗結(jié)論

通過對舞蹈教師特征點的有效標記和理論計算，采用改進逆向運動學方法進行舞蹈基礎訓練視覺動作跟蹤分解，能夠有效保證高精度、高穩(wěn)定性、快提取速度。解決了傳統(tǒng)舞蹈基礎訓練中的運動跟蹤分解方法無法計算出相鄰關鍵節(jié)點視覺變化，以及三維視覺運動跟蹤輪廓不清的問題。

3 結(jié) 語

本文設計的視覺動作跟蹤分解方法利用舞蹈視覺動作跟蹤分解原理對舞蹈動作進行合理標記點處理，采用完善、傳輸準確的標記點。各部位標記點通過計算呈現(xiàn)在計算機操作系統(tǒng)上，引入逆向運動學計算關鍵動作點陣以及每個關鍵動作點陣向量參數(shù)，利用多向雙攝像頭空間平面成像系統(tǒng)，實現(xiàn)對舞蹈視覺動作的三維跟蹤分解。本文研究能夠為提升舞蹈基礎訓練過程提供借鑒。

參考文獻

[1] 王聰.體育運動中的三維視覺動作幅度跟蹤方法仿真[J].計算機仿真，2017，34（1）：245?248.

WANG Cong. 3D visual action amplitude tracking in sports simulation [J]. Computer simulation， 2017， 34（1）： 245?248.

[2] 馬玲，周斌.三維視覺圖像跟蹤運動員對受傷目標監(jiān)測仿真[J].計算機仿真，2017，34（2）：422?425.

MA Ling， ZHOU Bin. 3D visual image tracking player simulation of injured target simulation [J]. Computer simulation， 2017， 34（2）： 422?425.

[3] 申佳星，高明亮，鄒國鋒.一種基于花朵授粉算法的視覺跟蹤方法[J].科學技術(shù)與工程，2017，17（10）：258?264.

SHEN Jiaxing， GAO Mingliang， ZOU Guofeng. A method of visual tracking based on flower pollination algorithm [J]. Science and technology and engineering， 2017， 17（10）： 258?264.

[4] 高君宇，楊小汕，張?zhí)熘?，?基于深度學習的魯棒性視覺跟蹤方法[J].計算機學報，2016，39（7）：1419?1434.

GAO Junyu， YANG Xiaoshan， ZHANG Tianzhu， et al. Robust visual tracking method based on deep learning [J]. Journal of computer science， 2016， 39（7）： 1419?1434.

[5] 孫瑾，丁永暉，周來.融合紅外深度信息的視覺交互手部跟蹤算法[J].光學學報，2017，37（1）：233?243.

SUN Jin， DING Yonghui， ZHOU Lai. Visual interactive hand tracking algorithm fusion infrared depth information [J]. Optical journal， 2017， 37（1）： 233?243.

[6] 劉彥.從影視作品中看民族舞蹈傳承中的觀察與視覺[J].電影評介，2016（21）：109?111.

LIU Yan. Observation and vision in the inheritance of national dance from film and television works [J]. Film evaluation， 2016（21）： 109?111.

[7] 高升，袁寶峰，齊哲，等.基于稀疏直方圖的空間機械臂視覺目標跟蹤方法[J].航天返回與遙感，2015，36（3）：92?98.

GAO Sheng， YUAN Baofeng， QI Zhe， et al. Visual target tracking method of space mechanical arm based on sparse histogram [J]. Spacecraft recovery & remote sensing， 2015， 36（3）： 92?98.

[8] 鄭學漢，魏振忠，張廣軍.運動目標視覺跟蹤測量系統(tǒng)與場地坐標系的快速統(tǒng)一方法[J].紅外與激光工程，2015，44（7）：2175?2181.

ZHENG Xuehan， WEI Zhenzhong， ZHANG Guangjun. A fast and unified method for moving target visual tracking and measuring system and site coordinate system [J]. Infrared and laser engineering， 2015， 44（7）： 2175?2181.

[9] 宋濤，李鷗，劉廣怡.基于置信區(qū)域內(nèi)多級動態(tài)層表達的類貫序蒙特卡洛視覺跟蹤方法[J].電子學報，2016，44（6）：1355?1361.

SONG Tao， LI Ou， LIU Guangyi. Class sequential Monte Carlo visual tracking method based on the expression of multi?level dynamic layer in confidence region [J]. Acta electronica sinica， 2016， 44（6）： 1355?1361.

[10] 肖繼元，余夢露.看得見摸得著身體在現(xiàn)代舞技術(shù)訓練中的核心功能[J].舞蹈，2017（7）：56?58.

XIAO Jiyuan， YU Menglu. Can see， feel， the body′s core function in the modern dance technology training [J]. Dance， 2017（7）： 56?58.