人体动作

摘要： 舞蹈是群众业余活动中老幼皆爱的一种文艺活动,尤其是老年人,他们无论是清晨还是傍晚都喜欢在公园或者小区的广场上跳着老年舞蹈。有的老年舞蹈团的舞者们很喜欢在舞台上表演他们自己创作的舞蹈作品,我认为一是舞蹈艺术的魅力,因为舞者们可以用富有节奏动感的人体动作直率地表达出内心的情感与自我审美的乐趣,二是说明能够热爱舞蹈和参加舞蹈表演的舞者们都是具有生命活力、身心健康的新时代的老年人,三是这些离退休的老人们在物质丰裕的生活之外更需要在精神生活中追求自己的审美享受,而且与时俱进地以自己的舞蹈形象表现出新时代幸福生活中的中国老年形象。

摘要： 传统的教育已经面临严峻的挑战,智能课堂将慢慢取代传统的课堂.在智能课堂中,将通过人体动作(体感)自动识别和云端将相应的信息传递给学生手中的智能端(手机或平板电脑).通过蓝牙脑电波设备将学生学习的状态传送给控制端,实时提醒教师进行课堂干预和管理.

摘要： 舞蹈作为一种以肢体运动出发为前提的艺术类别,拥有着许多不同的表现手法和艺术探索成果。而人体动作研究作为艺术探索的一部分,是舞蹈发展史上最基本的研究领域。从西方现代舞时期开始,便出现了各种关于人体动作的研究理论。例如,德尔萨特的"表情体系"、达尔克罗兹的"节奏训练体系"等。而人体动作研究真正成熟与科学化的建立时期是在20世纪初的德国。由"现代舞理论之父"鲁道夫·拉班提出的人体动作研究公式:人体动作=动作内容+动作形①。

摘要： 影视艺术是特殊的造型艺术,人类以电视、电影为载体,通过艺术化的人体动作和动态的作品展示来表达丰富的内心世界,这是人类审美价值观不断发展的结果,也是影视艺术发展的显著成果。随着新时代的到来,影视传媒不断融入人们的日常生活中,并逐渐成为文化传播的重要媒介。在当今的视觉艺术时代,以电子科技为代表的传播手段得以发展,文化传播方式更加多样,而影视传媒成为了文化传播过程中的主要方式。面对影视文化发展的强势劲头和纷繁复杂的传播环境,影视传媒在文化传播过程中要把握正确的发展方向,不断提升大众文化素养。

摘要： 舞蹈作为一种以肢体运动出发为前提的艺术类别,拥有着许多不同的表现手法和艺术探索成果.而人体动作研究作为艺术探索的一部分,是舞蹈发展史上最基本的研究领域.从西方现代舞时期开始,便出现了各种关于人体动作的研究理论.例如,德尔萨特的"表情体系"、达尔克罗兹的"节奏训练体系"等.而人体动作研究真正成熟与科学化的建立时期是在20世纪初的德国.由"现代舞理论之父"鲁道夫·拉班提出的人体动作研究公式:人体动作=动作内容+动作形①.

摘要： 为了解决对人体动作局部特征点的识别误差率较高的问题,提出一种基于机器学习的人体动作局部特征点识别方法.首先利用人体在时空状态下的差别及运动频率变化,构建多尺度的局部时空领域特征.以目标之前状态为基础,通过卡尔曼滤波计算法对人体关节位置评估,并对之后的状态做误差最优估计,以此构建人体行为数学模型.利用小波转换函数构建神经网络模型,将之前所提取出来的人体动作特征点参数作为输入神经元,输入进神经网络内进行训练.然后利用训练完毕的神经网络对测试集分类进行定量识别,并确定识别精准度指标.仿真结果表明,所提方法的相对于传统方法提取人体动作数据多,分类全面,证明了所提方法识别准确度较高、误差率较低.

摘要： 无论书法还是舞蹈,均为中华民族传统艺术,它们紧密联系,并存在诸多相似之处,如动静处理及情感营造等。两种传统艺术都具有突出的表现性特征,在创设主题的基础上,都传达了个人思想情感。纸是书法艺术的表现途径,可将其视为线的艺术,而舞蹈的表现途径为人体空间运动,应将其作为人体动作艺术。虽然书法与舞蹈利用不同媒介,但是它们的表现规律存在共通点。

摘要： 《舞蹈综合创意》课程是一门独创性课程,其授课方式以理论为主、实践为辅。该课程广泛融合舞蹈领域以外的其他艺术学科内容,结合新媒体技术在舞蹈中的运用实例,不断探索舞蹈中的创新性与可能性,通过启发学生的综合与创意性思维,来培养学生不断思考的学习习惯和勇于探索求新的精神。一、舞蹈"综合"的概述与实例探究舞蹈是以人体动作为载体的表现艺术,表现艺术是指通过一定的物质媒介(人体)来直接表现人的情感,间接反映社会生活的这一类艺术的总称。

摘要： 由于人体动作特征多与时空相关,当前人体动作识别技术仍然面临空间复杂性、时间差异性等问题.本文结合基于流形学习的稀疏近似和人体动作的动态特性,提出基于改进高斯过程隐变量模型(GPLVM)的人体动作特征提取和降维方法,提高了人体动作特征可视化效果及计算效率;设计了基于潜层动态条件随机场(LDCRF)的人体动作分类器,对时序运动特征进行识别.在公开的CMU人体运动数据库和微软MSR Action3D库上的实验表明,所提出的算法与现有算法相比,具有更高的识别率和鲁棒性.

摘要： 本发明公开了一种实时人体动作的识别方法和装置。所述方法包括：实时获取待识别人体的深度图像；根据所述深度图像，提取所述深度图像中人体的骨架数据，并对所述骨架数据进行归一化处理；其中，所述骨架数据包括人体关键节点的关节点数据集合；获取动作录制文件，其中，所述动作录制文件包括预先设定的动作录制文件；根据所述动作录制文件，设置关节点组合，并标记所述动作录制文件中的动作的起止位置；利用预定算法，对所述动作录制文件中的动作进行训练，提取特征向量保存成动作模板文件；基于所述动作模板文件和所述关节点数据集合，对所述待识别人体的动作进行识别，输出识别结果。能够有效提高人体动作的识别准确度。

摘要： 本发明公开了一种人体动作增强可视化方法及人体动作增强现实系统，该方法通过人体动作获取设备提取人体骨架动作信息，将其设置为边界条件及外力，使用计算流体力学的方法，在叠加的图层上进行气流运动的仿真，并将气流下密度场的变化与运动数据同步显示，从而增强各类动作的可视化效果，适用于对微小及瞬时动作的可视化。本发明通过计算自动合成增强运动效果的视觉数据至原人体动作视频上，无需人为地对动作数据进行后续的处理，可配合增强现实眼镜或其他相机显示一体设备，应用于增强现实等领域。

摘要： 本发明涉及一种基于人体交互动作的体验者动作生成方法，包括：收集适量的具有体验者的动作的图片数据集，这些数据集中一般具备体验者不同的动作，保持穿着的一致性，将这些数据集预处理成只有体验者单个人存在的数据集；使用openpose算法，提取图像中体验者的动作；将得到的体验者动作图片跟原始图片一一配对，构建人体动作跟体验者真实场景动作配对的数据集；使用条件式生成式对抗网络构建人体动作到体验者动作的生成模型；训练完毕后，收集多个风格的舞蹈视频，提取舞蹈视频中的人体动作，将提取到的人体动作作为输入，进行测试，体验者将体验到自己跳舞的乐趣。

摘要： 本发明涉及一种人体动作检测方法、基于空间三角形的人体上肢动作检测方法及一致性评价方法，其解决了现有人体上肢动作的描述、检测方法准确度低，不能反映上肢每一部分的动作，计算过程复杂，不具有普适性，容易受环境干扰以及在镜像康复系统中如何评价患侧、健侧动作一致性的技术问题；本发明首先从人体选取至少三个空间点，其次获取至少三个空间点的空间坐标值，再其次由至少三个空间点构成至少一个空间三角形，然后分别计算每个空间三角形在X‑Y、X‑Z、Y‑Z平面上的投影分量，再然后根据X、Y和Z轴的单位向量以及得到的投影分量构建矩阵，最后将矩阵引入赋范空间中进行计算。本发明广泛用于人体的动作描述、检测、识别技术领域。

摘要： 本发明提供了一种人体动作识别方法、人体动作识别系统、设备，所述人体动作识别方法，包括：获取包含人体动作行为的视频，对视频帧进行重采样和预处理；提取视频帧的图像特征；基于人体骨骼信息获得视频帧对应人体关节点序列；将所述图像特征与所述人体关节点序列输入图卷积神经网络，获取动作类别。通过将包含有环境信息的图像特征和人体关节点序列构建模型，对环境变化鲁棒且能充分利用环境信息进行人体动作识别，准确率高。

摘要： 本发明公开了一种实时人体动作的识别方法和装置。所述方法包括：实时获取待识别人体的深度图像；根据所述深度图像，提取所述深度图像中人体的骨架数据，并对所述骨架数据进行归一化处理；其中，所述骨架数据包括人体关键节点的关节点数据集合；获取动作录制文件，其中，所述动作录制文件包括预先设定的动作录制文件；根据所述动作录制文件，设置关节点组合，并标记所述动作录制文件中的动作的起止位置；利用预定算法，对所述动作录制文件中的动作进行训练，提取特征向量保存成动作模板文件；基于所述动作模板文件和所述关节点数据集合，对所述待识别人体的动作进行识别，输出识别结果。能够有效提高人体动作的识别准确度。

摘要： 本发明公开了一种人体动作增强可视化方法及人体动作增强现实系统，该方法通过人体动作获取设备提取人体骨架动作信息，将其设置为边界条件及外力，使用计算流体力学的方法，在叠加的图层上进行气流运动的仿真，并将气流下密度场的变化与运动数据同步显示，从而增强各类动作的可视化效果，适用于对微小及瞬时动作的可视化。本发明通过计算自动合成增强运动效果的视觉数据至原人体动作视频上，无需人为地对动作数据进行后续的处理，可配合增强现实眼镜或其他相机显示一体设备，应用于增强现实等领域。

摘要： 本发明公开了确定人体动作周期及识别人体动作的方法和装置。所述确定视频中人体动作周期的方法包括：将搜索范围内的每个帧的人体区域划分成多个人体部分；确定当前帧中每个人体部分的局部动作周期；根据所述局部动作周期来确定当前帧中的人体动作周期。通过针对不同行为、不同个体来确定相应的人体动作周期，可以更为准确地提取时空特征，并实现更为准确的人体行为识别。

摘要： 本发明公开了确定人体动作周期及识别人体动作的方法和装置。所述确定视频中人体动作周期的方法包括：在预定的搜索范围内搜索人体姿态与当前帧相似的帧；如果在搜索范围内搜索到人体姿态与当前帧相似的帧，则将当前帧与所述人体姿态与当前帧相似的帧之间的时长作为视频中的人体动作周期。通过针对不同行为、不同个体来确定相应的人体动作周期，可以更为准确地提取时空特征，并实现更为准确的人体行为识别。

摘要： 本发明涉及计算机视觉图像处理技术领域，具体涉及一种基于动作状态信息的人体动作评估方法，包括：获取测试者的待测视频；对待测视频的视频帧进行骨架分析和姿态分析，生成对应的人体关键点坐标图；基于人体关键点坐标图结合相应的动作评估标准选取多帧最优视频帧；基于多帧最优视频帧计算待测视频的运动状态信息；将待测视频的运动状态信息与模板视频的运动标准信息进行对比，以生成对应的动作评估结果。本发明中的人体动作评估方法能够有效体现动作连续性和动作稳定性，从而能够提升动作评估的准确性。