动作捕捉技术在舞蹈姿态分析和教学中的实践研究

陈伟江

摘 要：为了将人体运动仿真技术应用到舞蹈姿态分析和教学研究中。研究了舞蹈姿态动作捕捉及分析，包括舞蹈动作的实时采集，舞蹈姿态的模型数据库建立，以及基于特征平面向量的21个关键节点和7个特征匹配平面的舞蹈姿态分析方法;然后，以某健美操班50名学员为实例，划分舞蹈基础和身体素质相当的两组分别进行常规教学和试验教学，试验对比组除了在动作幅度上低于常规组3.9分外，其在动作力度、规范程度方面的打分相比均高出9分以上。研究将动作捕捉技术与舞蹈教学和分析相结合，实现了舞蹈动作的直观反馈和分析，为科学的舞蹈教学提供了数据支撑。

关键词：动作捕捉; 信息技术; 舞蹈教学

中图分类号： TP391.9

文献标志码： 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大数据时代背景下，人体运动仿真技术得到了迅猛发展，通过高速数据的传输，人体动作与计算机直接的衔接和配合将是未来计算机领域一个重要的研究方向[1]。动作捕捉系统可以实现对人体运动数据的追踪、监测和记录，目前已经初步在娱乐有效、健康记录、康复训练等方面有了应用和发展。国内研究学者对于动作捕捉技术的研究刚刚起步，目前的主要研究方向是对三维姿态的分析和仿真[2-5]。由于人体运动数据通过动作捕捉后呈现离散化特点，如何从离散的数据中获得有规律的参数，从而分析姿态变化，是当前主要的研究重点。

根据已有的研究成果，本文提出将动作捕捉技术应用于舞蹈分析和教学中，建立了实时获取人体运动三维数据的数据库，并基于特征平面匹配人体姿态，获得了人体特征谷歌模型。将以上数据应用于舞蹈教学过程中的姿态教学和分析，对于提高教师教学水平，调动学生学习积极性具有较好的参考和应用价值。

1 舞蹈姿态捕捉设计

根据现有文献资料和应用实例，全世界较为通用的动作捕捉系统主要有五种[6]，具体情况如表1所示。

本文的研究基于光学式动作捕捉技术，采用国内首个光学式捕捉仪器DIMS9100，该系统主要硬件设备有：高速三维数据动态捕捉系统，DIMS控制器，红外线感应仪以及光學标识点等。将光学式动作捕捉技术应用于舞蹈姿态运动过程中的数据采集，提取出人体的骨架运动路线，然后利用特征向量匹配方式获取姿态判别，从而建立舞蹈姿态分析和教学的量化方法。为跳舞的训练人员提供良好的理论分析数据，该方案基本的工作路线如图1所示。

1.1 舞蹈动作的实时采集

首先在舞蹈训练人员身体各个部位安装21个数据标识点，在预设的空间范围内站立好，然后启动高速三维数据动态捕捉系统，通过DIMS控制器知道训练人员完成预设的基本动作，在这一过程中，舞蹈动作会被动态捕捉系统追踪并进行模型匹配，当21个数据采集点被计算机识别成功并录入到系统后，并完成了人体动作的实时采集，可以进行下一步的数据对比，人体数据实时采集过程如图2所示。

1.2 舞蹈姿态模型数据库

将高速动作捕捉系统匹配成功后，进行人体运动姿态数据的记录，通过系统软件可以分析出不同视角下的人体运动自然特征。本文的运动模型数据库以关键关节点来标记人体的动作变化，关键点之间的连接目前还是以刚性连接方式

1.4 匹配成果分析

基于Matlab开发平台，创建了20套舞蹈动作数据，每套舞蹈数据的动作帧数为1 200左右，然后选取具有一定舞蹈基础的舞蹈生进行试验。试验过程要求被测试人员模仿舞蹈老师的动作完成舞蹈练习，练习过程中高速动作捕捉系统提取记录受训人员的关键点数据，将其进行平面特征拟合，然后与标准舞蹈动作进行差异化分析[8]。对比结果发现，除了髋部相似性比较不明显外，四肢各个关节的运动均被准确记录下来，不同舞蹈水平的学生通过动作捕捉技术获得的准确率各有不同，大致与学生的舞蹈水平呈正相关，说明该试验方法能够有效检测和分析舞蹈运动姿态的差异性和标志性，能够为舞蹈进行科学化训练。

2 实例应用

2.1 数字化舞蹈教学方法

数字化三维舞蹈教学方法基于常规的舞蹈教学内容，首先，在空间范围内建立舞蹈教师的动作和运动数据，其次，将舞蹈者的动作栅格化处理并建立三维模型数据库;最后，制作成舞蹈动作三维动画，应用于舞蹈教学，还可以对教师的舞蹈姿态进行分析。具体实现流程如图5所示。

以健美健美操操运动为研究对象，本文模拟了逼真的教学环境将动作数据与人体的舞蹈表现过程实时反应在计算机显示屏中，动画效果直观反应每位学员动作的规范程度，便于迅速查找自己的缺点并及时矫正[9，10]。首先，建立基于Motion builder的人体骨架模型，然后利用Actor模型建立人体模型，两者进行匹配，获得基于动作捕捉的动态角色模型，如图6所示。

然后，将收集的舞蹈教学动作输出成为动画，给学生观看和练习，学生可以根据自己的掌握情况有针对性的进行学习;最后，教师可以让学生进行舞蹈训练，然后通过本文第1.3节所论述的方法采集学生舞蹈动作，将标准舞蹈动作与收集的目标舞蹈动作进行特征向量匹配分析，经过计算机处理，得到视觉对比和数据对比成果。

2.2 实验结果分析

用对比试验法对动作捕捉技术在舞蹈姿态中分析中的有效性，本文选取健美操课程中50名学生进行研究分析，具体试验过程如下：

（1）试验对象分组：对健美操班的50名学员采取问卷调查和成绩筛查的方式，了解没问学员的健美操舞蹈水平、学习经历、过往成绩、学习效率以及身体状况，然后依据调查结果将研究对象分为两组，分别为常规组和对比组，每组学员在身体基本素质、学习效率以及舞蹈基础水平差距的标准差小于0.05。这种分组方式确保了试验数据的对比可信性。

（2）本文的试验时间跨度较长，从2019年3月1日到2019年6月1日，总的健美课程学习课时为50小时。其中，常规组的学生依据该校以往的教学方法，由学生根据老师的基本舞蹈动作模仿学习，然后学生自己学习，练习过程中由教师现场观摩并教导改正。对比组的学生以计算机三维动画学习，和动作捕捉实时回放对比联系为主，教师根据姿态分析系统输出的结果对学生的不规范动作进行针对性教学。

（3）教学成果验证：完成该健美操课学习后，将两组学生顺序打乱参加期末成绩考核，将学生的学习掌握情况进行统计，统计项目包括动作幅度、力度、连贯性和规范程度四项并进行打分，教学成果如表2所示。

根据本次试验对比结果，可以发现常规教学方式除了在动作幅度上较对比组高3.9分以外，在舞蹈动作力度、连贯性和规范程度方面均比对比组的教学效果差。初步分析认为，学生在传统教学模式下心态较为放松，节奏教师的亲身体验教学舞蹈动作的幅度展现的较为自然;在动作捕捉设备环境下学生可能存在一定适应性问题，较为拘束，但是学生通过模拟学习舞蹈训练的姿态，并对自己的学习过程不断修正能够获得更大的进步，尤其在舞蹈动作的规范程度方面，学生能够更快的认识到自己的不足。

3 总结

本文以光学动作捕捉技术为依托，研究了舞蹈姿态动作的实时采集和模型数据库建立方法，并基于特征向量匹配提出了基于动作捕捉的舞蹈姿态分析过程;最后，以健美操课程学习为实例进行了应用分析，取得了较好的教学研究成果。通过对比发现基于动作捕捉的舞蹈姿态分析和教学方法提高了学生学习兴趣，在动作力度、连贯性和规范性方面较传统教学方式成绩提升明显。

本文的研究突破了传统教学模式的思路，基于信息化的技术手段为舞蹈教学提供了新思路，将来本文的研究重点集中在进步提升动作捕捉系统的个性化定制需求和数据处理效率的提升。

参考文献

[1] 张垒，蒋乐天.基于RealSense的三维物体识别算法研究[J].信息技术，2017（10）：78-83.

[2] 马倩颖，吴瑞林，王亚猛，等.基于动作捕捉的减重条件下心理疲劳状态测量技术[J].航天医学与医学工程，2019，32（4）：291-298.

[3] 吴磊.基于虚拟现实技术（VR）的动画交互性设计分析[J].信息技术，2019，43（7）：125-128.

[4] 陶筱娇，王鑫.基于深度学习算法的图像分类方法[J].微型电脑应用，2019，35（3）：40-43.

[5] 张洪超，史卫亚，赵建伟.基于无线惯性传感器的人体动作捕捉系统[J].电脑知识与技术，2019，15（5）：257-260.

[6] 何天宇，罗奇.运动捕捉技术及其在体育运动中的应用研究综述[J].电子测量技术，2019，42（3）：140-146.

[7] 赵英杰. 基于动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·阿布都热西提，亚森·艾则孜，米日古丽·艾则孜.基于灰度差分统计法的图像复制与移动伪造检测方法[J].微型电脑应用，2018，34（10）：4-8.

[9] 王法强，梁正和.分布式三维图形的协同设计系统的研究[J].信息技术，2018（9）：121-124.

[10] 夏为浩，张少帅.基于惯性传感器的动作捕捉系统设计[J].计算机测量与控制，2019，27（9）：283-287.

（收稿日期： 2019.10.23）