動作捕捉技術在舞蹈姿態分析和教學中的實踐研究

陳偉江

摘 要：為了將人體運動仿真技術應用到舞蹈姿態分析和教學研究中。研究了舞蹈姿態動作捕捉及分析，包括舞蹈動作的實時采集，舞蹈姿態的模型數據庫建立，以及基于特征平面向量的21個關鍵節點和7個特征匹配平面的舞蹈姿態分析方法;然后，以某健美操班50名學員為實例，劃分舞蹈基礎和身體素質相當的兩組分別進行常規教學和試驗教學，試驗對比組除了在動作幅度上低于常規組3.9分外，其在動作力度、規范程度方面的打分相比均高出9分以上。研究將動作捕捉技術與舞蹈教學和分析相結合，實現了舞蹈動作的直觀反饋和分析，為科學的舞蹈教學提供了數據支撐。

關鍵詞：動作捕捉; 信息技術; 舞蹈教學

中圖分類號： TP391.9

文獻標志碼： 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大數據時代背景下，人體運動仿真技術得到了迅猛發展，通過高速數據的傳輸，人體動作與計算機直接的銜接和配合將是未來計算機領域一個重要的研究方向[1]。動作捕捉系統可以實現對人體運動數據的追蹤、監測和記錄，目前已經初步在娛樂有效、健康記錄、康復訓練等方面有了應用和發展。國內研究學者對于動作捕捉技術的研究剛剛起步，目前的主要研究方向是對三維姿態的分析和仿真[2-5]。由于人體運動數據通過動作捕捉后呈現離散化特點，如何從離散的數據中獲得有規律的參數，從而分析姿態變化，是當前主要的研究重點。

根據已有的研究成果，本文提出將動作捕捉技術應用于舞蹈分析和教學中，建立了實時獲取人體運動三維數據的數據庫，并基于特征平面匹配人體姿態，獲得了人體特征谷歌模型。將以上數據應用于舞蹈教學過程中的姿態教學和分析，對于提高教師教學水平，調動學生學習積極性具有較好的參考和應用價值。

1 舞蹈姿態捕捉設計

根據現有文獻資料和應用實例，全世界較為通用的動作捕捉系統主要有五種[6]，具體情況如表1所示。

本文的研究基于光學式動作捕捉技術，采用國內首個光學式捕捉儀器DIMS9100，該系統主要硬件設備有：高速三維數據動態捕捉系統，DIMS控制器，紅外線感應儀以及光學標識點等。將光學式動作捕捉技術應用于舞蹈姿態運動過程中的數據采集，提取出人體的骨架運動路線，然后利用特征向量匹配方式獲取姿態判別，從而建立舞蹈姿態分析和教學的量化方法。為跳舞的訓練人員提供良好的理論分析數據，該方案基本的工作路線如圖1所示。

1.1 舞蹈動作的實時采集

首先在舞蹈訓練人員身體各個部位安裝21個數據標識點，在預設的空間范圍內站立好，然后啟動高速三維數據動態捕捉系統，通過DIMS控制器知道訓練人員完成預設的基本動作，在這一過程中，舞蹈動作會被動態捕捉系統追蹤并進行模型匹配，當21個數據采集點被計算機識別成功并錄入到系統后，并完成了人體動作的實時采集，可以進行下一步的數據對比，人體數據實時采集過程如圖2所示。

1.2 舞蹈姿態模型數據庫

將高速動作捕捉系統匹配成功后，進行人體運動姿態數據的記錄，通過系統軟件可以分析出不同視角下的人體運動自然特征。本文的運動模型數據庫以關鍵關節點來標記人體的動作變化，關鍵點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開發平臺，創建了20套舞蹈動作數據，每套舞蹈數據的動作幀數為1 200左右，然后選取具有一定舞蹈基礎的舞蹈生進行試驗。試驗過程要求被測試人員模仿舞蹈老師的動作完成舞蹈練習，練習過程中高速動作捕捉系統提取記錄受訓人員的關鍵點數據，將其進行平面特征擬合，然后與標準舞蹈動作進行差異化分析[8]。對比結果發現，除了髖部相似性比較不明顯外，四肢各個關節的運動均被準確記錄下來，不同舞蹈水平的學生通過動作捕捉技術獲得的準確率各有不同，大致與學生的舞蹈水平呈正相關，說明該試驗方法能夠有效檢測和分析舞蹈運動姿態的差異性和標志性，能夠為舞蹈進行科學化訓練。

2 實例應用

2.1 數字化舞蹈教學方法

數字化三維舞蹈教學方法基于常規的舞蹈教學內容，首先，在空間范圍內建立舞蹈教師的動作和運動數據，其次，將舞蹈者的動作柵格化處理并建立三維模型數據庫;最后，制作成舞蹈動作三維動畫，應用于舞蹈教學，還可以對教師的舞蹈姿態進行分析。具體實現流程如圖5所示。

以健美健美操操運動為研究對象，本文模擬了逼真的教學環境將動作數據與人體的舞蹈表現過程實時反應在計算機顯示屏中，動畫效果直觀反應每位學員動作的規范程度，便于迅速查找自己的缺點并及時矯正[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，兩者進行匹配，獲得基于動作捕捉的動態角色模型，如圖6所示。

然后，將收集的舞蹈教學動作輸出成為動畫，給學生觀看和練習，學生可以根據自己的掌握情況有針對性的進行學習;最后，教師可以讓學生進行舞蹈訓練，然后通過本文第1.3節所論述的方法采集學生舞蹈動作，將標準舞蹈動作與收集的目標舞蹈動作進行特征向量匹配分析，經過計算機處理，得到視覺對比和數據對比成果。

2.2 實驗結果分析

用對比試驗法對動作捕捉技術在舞蹈姿態中分析中的有效性，本文選取健美操課程中50名學生進行研究分析，具體試驗過程如下：

（1）試驗對象分組：對健美操班的50名學員采取問卷調查和成績篩查的方式，了解沒問學員的健美操舞蹈水平、學習經歷、過往成績、學習效率以及身體狀況，然后依據調查結果將研究對象分為兩組，分別為常規組和對比組，每組學員在身體基本素質、學習效率以及舞蹈基礎水平差距的標準差小于0.05。這種分組方式確保了試驗數據的對比可信性。

（2）本文的試驗時間跨度較長，從2019年3月1日到2019年6月1日，總的健美課程學習課時為50小時。其中，常規組的學生依據該校以往的教學方法，由學生根據老師的基本舞蹈動作模仿學習，然后學生自己學習，練習過程中由教師現場觀摩并教導改正。對比組的學生以計算機三維動畫學習，和動作捕捉實時回放對比聯系為主，教師根據姿態分析系統輸出的結果對學生的不規范動作進行針對性教學。

（3）教學成果驗證：完成該健美操課學習后，將兩組學生順序打亂參加期末成績考核，將學生的學習掌握情況進行統計，統計項目包括動作幅度、力度、連貫性和規范程度四項并進行打分，教學成果如表2所示。

根據本次試驗對比結果，可以發現常規教學方式除了在動作幅度上較對比組高3.9分以外，在舞蹈動作力度、連貫性和規范程度方面均比對比組的教學效果差。初步分析認為，學生在傳統教學模式下心態較為放松，節奏教師的親身體驗教學舞蹈動作的幅度展現的較為自然;在動作捕捉設備環境下學生可能存在一定適應性問題，較為拘束，但是學生通過模擬學習舞蹈訓練的姿態，并對自己的學習過程不斷修正能夠獲得更大的進步，尤其在舞蹈動作的規范程度方面，學生能夠更快的認識到自己的不足。

3 總結

本文以光學動作捕捉技術為依托，研究了舞蹈姿態動作的實時采集和模型數據庫建立方法，并基于特征向量匹配提出了基于動作捕捉的舞蹈姿態分析過程;最后，以健美操課程學習為實例進行了應用分析，取得了較好的教學研究成果。通過對比發現基于動作捕捉的舞蹈姿態分析和教學方法提高了學生學習興趣，在動作力度、連貫性和規范性方面較傳統教學方式成績提升明顯。

本文的研究突破了傳統教學模式的思路，基于信息化的技術手段為舞蹈教學提供了新思路，將來本文的研究重點集中在進步提升動作捕捉系統的個性化定制需求和數據處理效率的提升。

參考文獻

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

[2] 馬倩穎，吳瑞林，王亞猛，等.基于動作捕捉的減重條件下心理疲勞狀態測量技術[J].航天醫學與醫學工程，2019，32（4）：291-298.

[3] 吳磊.基于虛擬現實技術（VR）的動畫交互性設計分析[J].信息技術，2019，43（7）：125-128.

[4] 陶筱嬌，王鑫.基于深度學習算法的圖像分類方法[J].微型電腦應用，2019，35（3）：40-43.

[5] 張洪超，史衛亞，趙建偉.基于無線慣性傳感器的人體動作捕捉系統[J].電腦知識與技術，2019，15（5）：257-260.

[6] 何天宇，羅奇.運動捕捉技術及其在體育運動中的應用研究綜述[J].電子測量技術，2019，42（3）：140-146.

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

[8] 如先姑力·阿布都熱西提，亞森·艾則孜，米日古麗·艾則孜.基于灰度差分統計法的圖像復制與移動偽造檢測方法[J].微型電腦應用，2018，34（10）：4-8.

[9] 王法強，梁正和.分布式三維圖形的協同設計系統的研究[J].信息技術，2018（9）：121-124.

[10] 夏為浩，張少帥.基于慣性傳感器的動作捕捉系統設計[J].計算機測量與控制，2019，27（9）：283-287.

（收稿日期： 2019.10.23）