基于运动数据分割的拉班舞谱自动生成研究

摘要

运动捕捉是一种用于准确测量目标物体运动状况的技术。其中，运动捕捉数据是由有标识或无标识的运动捕捉设备捕捉并转换为的BVH(BiovisionHierarchical Data)文件。它可以精确记录层次结构中每个关节的旋转角度，从而以数据形式描述动作运动轨迹，但是不易于读取和展示。相比于运动捕捉数据，拉班舞谱是一种类似于音乐记谱中五线谱的动作记谱法，它有着直观、易读、便捷等诸多优势。基于上述问题，本文主要研究如何将运动捕捉数据自动转换为拉班舞谱，从而为我们民族民间传统文化的保存、传播和教学提供便利。
　　本文的主要工作是建立运动捕捉数据BVH文件自动转换为拉班舞谱的平台。选择BVH文件路径、解析BVH文件、数据块分割、姿态分析和平台搭建是其中的主要流程。本文围绕上述流程进行了理论模型及实验平台的建设，主要工作及创新点如下:
　　(1)建立了运动捕捉数据采集和解析的模型。本文采用有标识光学式运动捕捉设备OptiTrack，经过C3D文件格式的缓存最终转换为BVH文件。根据四元组和欧拉角原理对BVH文件进行解析，由关节层次结构和相对旋转角度矩阵数据块计算得到各个节点在世界坐标系下的位置坐标，最终数据是行数与帧数相同，列数为78的矩阵块。
　　(2)提出了一种基于小波变换自动计算节拍及起始点，并采用梯度下降法进行动作的细分和整合的新分割方法。对传统的运动学阂值分割方法和降维聚类的分割方法创新应用到拉班舞谱动作分割。本文通过实验分析对比，得出最优算法。运动阈值分割的特征向量为末端节点相对于根节点的位置和速度;PPCA(Probabilistic PCA)是结合应用领域创新运用PCA进行降维后，再聚类的分割算法;基于节拍分割法是采用小波变换算法依据动作复杂度确定小波尺度，对相对位置特征向量去噪，根据波峰波谷自动计算动作节拍和动作起始帧，并利用节拍初始平均分割数据，最后梯度下降法计算局部极值进行动作的细化和整合。最终分析比较三种分割方法，确定适合拉班舞谱的最优分割方法。
　　(3)采用一种基于划分空间角度的姿态分析方法。首先，该方法通过计算向量与坐标轴的角度，根据角度大小判断人体动作方向和垂直轴方向的高度层次，确定该时间片段的姿态;其次，依据关节的语义分析和姿态的数据表达绘制舞谱符号并最终放置在相应的三线谱表上。

目录

声明

致谢

摘要

序言

1 引言

1．1 研究背景和意义

1．2 国内外研究现状

1．3 本文主要研究内容

1．4 论文章节结构

2 拉班舞谱与运动捕捉简介

2．1 舞谱简介

2．2 拉班舞谱基本原理

2．2．1 谱线与基本符号

2．2．2 姿态动作与节奏

2．3 拉班舞谱与运动数据的联系

2．4 运动捕捉数据采集

2．4．1 运动捕捉设备

2．4．2 运动捕捉数据

2．4．3 数据转换

3 运动数据分割

3．1 运动数据分割概述

3．2 基于运动学阈值分割法

3．3 基于概率主成分分析分割法

3．4 基于节拍自动分割法

3．4．1 拉班舞谱节奏概述

3．4．2 基于小波变换自动计算节拍

3．4．3 动作的细化和整合

4 拉班舞谱动作分析及系统功能实现

4．1 姿态分析

4．1．1 人体坐标朝向

4．1．2 支撑动作分析

4．1．3 肢体动作分析

4．2 拉班舞谱的绘制

4．3 系统实现框架及代码

4．4 基于分割方法的结果分析及对比

5 总结与展望

5．1 总结

5．2 展望

参考文献

作者简历及攻读硕士/博士学位期间取得的研究成果

学位论文数据集