人體姿態估計算法在皮影戲傳承中的應用

李昕旭 李昕昕

摘要：了解當代熱門知識，弘揚中國傳統文化。借助Python程序語言，利用Paddlehub人體骨骼關鍵點檢測庫完成皮影姿態檢測，運用AI的方法，幫助皮影動起來。通過新科技，讓古老的皮影重新插上騰飛的翅膀。

關鍵詞：文化傳承;皮影;人工智能

中圖分類號：G424? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）28-0166-02

開放科學（資源服務）標識碼（OSID）：

The Application of Body Pose Estimation Algorithm in the Inheritance of Shadow Play

LI Xin-xu， LI Xin-xin

（Jincheng College of Sichuan University， Chengdu 611731， China）

Abstract： Understand the contemporary popular knowledge， carry forward the Chinese traditional culture.With the help of Python programming language， the PaddleHub human skeleton key point detection library is used to complete the shadow puppets posture detection， and the AI method is used to help the shadow puppets move.Through the new technology， let the old shadow play on the wings of takeoff.

Key words： cultural inheritance; shadow play; artificial intelligence （AI）

皮影戲在我國古代深受廣大群眾的喜愛，是我國文化遺產中的一大瑰寶。皮影戲遍及全國各地區，并因各地表演形式不同而形成多種多樣的皮影戲形態。2014年2月24日，中共中央總書記習近平在主持中央政治局第十三次集體學習時重點提到傳承和弘揚中華傳統文化與美德的重要性。要在世界文化巨變中站穩腳跟，就應該體現出中國傳統優秀文化的“根”與“魂”，扎根在特色社會主義的肥沃土壤中，展現中華深厚文化的軟實力[1]。皮影戲是慢節奏的傳統藝術很難適應當今快節奏的生活，并且在西方文化對中華傳統文化的巨大沖擊下，其傳承顯得愈加困難。根據新時代新發展，傳統文化的傳承有了新的特征和需求。創新精神是新時代的領頭羊，傳統文化與其相輔相成，改進內涵與表現形式，激活新的生命力。[1]是傳承傳統文化的新方式。人工智能作為當下最熱門的新型前沿性技術科學， 被廣泛應用于各個行業，同樣也可以給以皮影戲為代表的傳統藝術注入新的活力。

1技術框架

1.1姿態估計算法簡介

進入新時代，人工智能技術高速發展，計算機視覺被應用于各種生活中，推動著全球的科技進步。計算機視覺是計算機科學與技術、產業自動化和人工智能等領域中一個重要分支[2]。人體姿態估計是人體動作行為識別與分析的基礎， 在計算機視覺領域有著廣闊的應用前景。二維人體姿態估計算法可分為基于整體特征的、基于模型的和基于深度學習的3種：基于整體特征的人體姿態估計算法的研究集中在圖像特征的提取和實現圖像特征到部位定位的非線性映射函數上;基于模型的人體姿態估計算法的研究集中在人體模型、部位外觀模型、搜索空間和推理算法四個方面[3];基于深度學習的人體姿態估計方法旨在通過構建合適的神經網絡，直接從二維的圖像特征中回歸人體姿態信息[4]。

1.2本文采用的算法模型簡介

深度學習與傳統模式識別相比，最大的優勢在于從大數據中自動學習的特征，并非采用手工設計。本文通過基于深度學習方法的模型，利用PaddleHub人類骨骼關鍵點檢測庫實現與皮影的映射。2D的人類骨骼節點坐標檢測基于描述人類的姿態和預測人類的行動。各種實驗里，將其表示為2D人類骨骼節點的二維坐標位置和各節點之間的連接關系。在基于深度學習的2D人體姿勢估計方法中，處理圖像特征，進行人體檢測和骨骼分支檢測，并對這些分支的聚集和關系建模[3]。本文所采用的正是基于這一思路提出的Resnet50模型。

2設計與實現

2.1設計思路

本文研究的基于姿態估計算法的皮影戲動作生成模型，其設計思路如圖1所示。

2.2 實現步驟

1）借助Python的OpenCV庫，訪問視頻文件路徑，按幀讀取視頻，最后保存每幀為圖片。

解析視頻的部分關鍵代碼如下：

{

video_capture = cv2.VideoCapture（video_file_path）#獲取視頻

ret， frame = video_capture.read（）#按幀讀取

cv2.imwrite（）#保存

}

2）皮影肢體與人體肢體與之對應，可以具體分為：右大腿、右小腿、左大腿、左小腿、右手臂、右手肘、左手臂、左手肘、頭以及身體。

利用PaddleHub人體骨骼關鍵點檢測庫對步驟一中保存的每幀圖片進行檢測。解析各個骨骼關鍵點的位置坐標，獲得關節點的信息，兩個關節點能確定肢體的長度和旋轉角度。通過將每個關鍵點映射到相應的皮影肢體上，可以達到動作映射的效果。

首先通過位置坐標，計算圖片的旋轉角度，旋轉圖像并取得關節點的偏移量。然后對與之人物肢體對應的皮影肢體進行放縮，進行計算時，對應肢體運用關鍵點映射，根據骨骼節點位置在圖像中間的左右來控制是否進行左右翻轉圖片。最后皮影肢體的拼接時，需求出相鄰關節點的最大值，拼接肢體不會重合。

獲取骨骼點信息部分關鍵代碼如下：

{

module= hub.Module（）

result = module.keypoint_detection（）#獲取骨骼關鍵點

}

3）借助Python的OpenCV庫，把完成人物映射的每幀皮影圖像按順序合并為視頻，完成輸出。

合并視頻的關鍵代碼如下：

{

fourcc=cv2.VideoWriter_fourcc（）#設置視頻格式

out = cv2.VideoWriter（）#向視頻中寫入一幀

}

3結語

皮影戲結合AI是萬千傳統文化結合新時代思想的典型例子。傳統文化要繼續的發光發熱，需實現創造性的轉化和創新型的發展。將其應用于各種年輕世代高度聚集的文化社區和視頻平臺，引入AI技術的同時，能很好的宣傳皮影戲文化，讓年輕人群認識了解皮影。完善、拓展和提升中華傳統文化內涵，使其創新發展，轉型升級，增強影響力和感召力，讓中化文化彰顯時代魅力與風采。

參考文獻：

[1] 陳晶瑩.習近平關于文化強國建設戰略思想研究[D].杭州：浙江大學，2018.

[2] 馬健翔，任安虎，牛孝通.基于機器視覺的車輛排隊長度檢測[J].國外電子測量技術，2018，37（8）：86-89.

[3] 韓貴金，沈建冬.二維人體姿態估計研究進展[J].西安郵電大學學報，2017，22（4）：1-9.

[4] 鄧益儂，羅健欣，金鳳林.基于深度學習的人體姿態估計方法綜述[J].計算機工程與應用，2019，55（19）：22-42.

【通聯編輯：唐一東】