舞蹈基础训练中的视觉动作跟踪分解方法

佟伟

摘 要： 为了提升舞蹈训练中训练质量，需要对运动过程中的动作进行分解跟踪。传统动作跟踪分解方法无法计算出相邻关键节点视觉变化，还存在三维视觉运动跟踪轮廓不清的问题。针对上述问题，提出一种针对舞蹈基础训练中的三维视觉运动跟踪分解方法。根据关键动作点阵数据以及关键动作点阵向量参数计算出分解动作点阵特征向量，应用多向双摄像头空间平面成像系统，实现舞蹈视觉动作三维跟踪分解。实验数据证明，设计的方法跟踪精度高，运动跟踪轮廓稳定清晰。

关键词： 舞蹈基础训练； 视觉动作； 跟踪分解； 跟踪精度； 关键节点； 三维视觉运动

中图分类号： TN911.73?34 文献标识码： A 文章编号： 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

在舞蹈教学中讨论某一动作或技术要点时，舞蹈教师既要做出相应动作也要进行对应讲解，对此产生诸多不便。传统舞蹈基础训练采用无标定全局视觉反馈法进行训练，即传统录像分解训练，在对视觉运动进行分解时，无法计算出相邻关键节点的视觉变化[1]，存在三维视觉运动跟踪误差大以及分解轮廓不清的问题。为此，本文设计了一套舞蹈基础训练中的视觉运动跟踪分解方法，采用人体捕捉标记点、多向双摄像头空间平面成像系统以及计算机分析计算系统进行逆向三维视觉运动跟踪分解，引入逆向运动学计算关键动作点阵以及每个关键动作点阵向量参数，利用多向双摄像头空间平面成像系统，实现对舞蹈视觉动作的三维跟踪分解。为保证设计的合理性，通过实验数据进行验证。实验结果表明，本文设计的方法具有动作跟踪精度髙、分解速率快、分解准确稳定、轮廓清晰等优点。

1 舞蹈视觉动作跟踪分解方法设计

本文采用改进逆向运动学方法进行视频动作跟踪分解，对舞蹈动作中多关键点、重点动作部位进行特征点标记和标记参数设定。通过视觉动作跟踪分解原理计算舞蹈动作静态置换数据，图像分割标识清楚后，进行动态捕捉，若图像未分割标识清楚，则进行系数修正重新计算，直至将舞蹈动作图像分割标识清楚。对某一动作进行详细解析时，系统自动跟踪分解，不必教师做出相应动作，通过投影系统或者教用显示器即可进行三维动作跟踪分解成像[2]。展现过程可以设置任意时间，使舞蹈基础训练过程中的动作可以无限制地跟踪分解。图1所示为本文设计的视觉动作跟踪分解方法流程图。

1.1 舞蹈视觉动作跟踪设计

在舞蹈基础训练的视觉动作跟踪过程中，应先选定三维动作跟踪系统空间极限范围，之后定位三维动作跟踪系统极值点。在极值点阵中，获取每个关键动作点阵数据以及每个关键动作点阵向量参数，进而计算出关键点阵特征向量[3]，应用多向双摄像头空间平面成像系统完成对舞蹈视觉动作三维跟踪分解。设[I（x，y，τ）]为视觉动作空间可变高斯函数，代表舞蹈动作路径和位移。其中[τ]为空间尺度坐标，[（x，y）]为空间平面坐标点[4]。检测三维动作跟踪系统空间极值点如下：

手足标记点设定参数如表1所示，其中手指选用的标记点传感频率最高，掌心和足心标记点次之。手指标记点直径最小，足心与掌心标记点直径最大，原因是手指直径选择较小可以防止视觉障碍，掌心与足心选择大直径标记点可以保障传输准确。

主要肢体标记点设定参数如表2所示，其中对肌肉标记采用高频标记点，用于体现舞蹈动作发力和承接过程[9?10]。对综合性能考虑直径采用10 mm，关节部位采用15 mm。

轮廓标记点推荐设定参数如表3所示，对头部和重心选用高中频标记点，这样可以对舞蹈动作综合要点进行剖析。对动作外形轮廓采用中频标记点。

2 对比实验设计

为了验证本文方法的有效性，同时保证实验的真实以及有效性，使用传统方法与本文提出的方法进行对比，并使用控制变量的方式进行综合实验。

2.1 实验准备

采用对比实验方法确定环境变量、控制条件变量、分析特征数据。采用设备为本文改进逆向运动学方法实验设备，包括人体捕捉标记点、摄像机、计算机、传输装置与计算机分析计算系统；无标定全局视觉反馈方法实验设备包括摄像机、计算机与成像系统。

2.2 视觉动作跟踪分解效果实验

选择同一个舞蹈动作、同一段基础训练课程进行两次实验分析，使用本文设计的视觉动作跟踪分解方法和传统视觉动作跟踪分解方法进行对比。利用分解成功率和视频噪点进行判定，实验结果如图3所示。

由图3实验数据可得，随着时间不断增加，传统视觉动作跟踪分解方法分解成功率逐渐下降，而本文设计的视觉动作跟踪分解方法由于采用人体捕捉标记点以及相应计算设备，不受时间、动作复杂程度影响。无标定全局视觉反馈法中，随着舞蹈时间的增加，视频噪点率随之提高，约为7%，且没有明显的下降趋势；而改进逆向运动学方法中，随着舞蹈时间的增加，视频噪点率有下降趋势，约为5.6%，比传统方法降低约1.4%，较传统方法有一定的优势。

选择同一位舞者，随着舞蹈难度系数不断增加，在相同实验环境下，分别使用本文设计的视觉动作跟踪分解方法和传统视觉动作跟踪分解方法进行对比。选用分解成功率和轮廓提取时间进行判定，实验结果如图4所示。

由图4实验数据可得，本文设计的视觉动作跟踪分解方法随着舞蹈复杂程度增加，轮廓提取时间增大不明显，分解成功率趋于稳定；而传统视觉动作跟踪分解方法随着舞蹈复杂程度不断增加，轮廓提取时间呈线性增加，分解成功率呈线性下降。从而说明本文设计的视觉动作跟踪分解方法能够清晰、快速地跟踪分解舞蹈动作。

2.3 视觉动作跟踪分解稳定性实验

本实验采用相同的舞蹈老师、舞蹈动作，进行长时间跟踪分解，用于验证分解方法的稳定性。两种方法的稳定性曲线如图5所示。

由圖5实验数据可得，对于长时间跟踪分解，本文设计的视觉动作跟踪分解方法能够保证较稳定的跟踪分解，而传统视觉动作跟踪分解方法随着时间的增加存在不确定性。

2.4 实验结论

通过对舞蹈教师特征点的有效标记和理论计算，采用改进逆向运动学方法进行舞蹈基础训练视觉动作跟踪分解，能够有效保证高精度、高稳定性、快提取速度。解决了传统舞蹈基础训练中的运动跟踪分解方法无法计算出相邻关键节点视觉变化，以及三维视觉运动跟踪轮廓不清的问题。

3 结 语

本文设计的视觉动作跟踪分解方法利用舞蹈视觉动作跟踪分解原理对舞蹈动作进行合理标记点处理，采用完善、传输准确的标记点。各部位标记点通过计算呈现在计算机操作系统上，引入逆向运动学计算关键动作点阵以及每个关键动作点阵向量参数，利用多向双摄像头空间平面成像系统，实现对舞蹈视觉动作的三维跟踪分解。本文研究能够为提升舞蹈基础训练过程提供借鉴。

参考文献

[1] 王聪.体育运动中的三维视觉动作幅度跟踪方法仿真[J].计算机仿真，2017，34（1）：245?248.

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

[2] 马玲，周斌.三维视觉图像跟踪运动员对受伤目标监测仿真[J].计算机仿真，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，邹国锋.一种基于花朵授粉算法的视觉跟踪方法[J].科学技术与工程，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，杨小汕，张天柱，等.基于深度学习的鲁棒性视觉跟踪方法[J].计算机学报，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] 孙瑾，丁永晖，周来.融合红外深度信息的视觉交互手部跟踪算法[J].光学学报，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] 刘彦.从影视作品中看民族舞蹈传承中的观察与视觉[J].电影评介，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，袁宝峰，齐哲，等.基于稀疏直方图的空间机械臂视觉目标跟踪方法[J].航天返回与遥感，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] 郑学汉，魏振忠，张广军.运动目标视觉跟踪测量系统与场地坐标系的快速统一方法[J].红外与激光工程，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] 宋涛，李鸥，刘广怡.基于置信区域内多级动态层表达的类贯序蒙特卡洛视觉跟踪方法[J].电子学报，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] 肖继元，余梦露.看得见摸得着身体在现代舞技术训练中的核心功能[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.