基于AVI视频的舞蹈动作步态轮廓动态识别分析研究

来源:用户上传      作者:

　　摘  要： 针对传统舞蹈动作步态轮廓识别方法识别率不高的问题，提出一种基于AVI视频的舞蹈动作步态轮廓动态识别方法。首先，提取AVI视频中的舞蹈步态轮廓目标，随机定格选取AVI视频中含有舞蹈动作的某帧，使用图像块标记矩阵计算选取的舞蹈动作，判断选取的视频图像是否为前景区，使用Camshift算法计算得到轮廓目标;然后，划分舞者的轮廓为11个步态轮廓点，建立轮廓步态周期计算公式，对舞蹈动作步态轮廓进行跟踪，采用轮廓线向纵轴中心线投影划分舞蹈动作步态，计算步态轮廓变化的距离，调用含有轮廓变化过程的Weizmann行为数据库，实现舞蹈动作步态轮廓的自动识别。实验结果表明，与传统识别方法相比，基于AVI视频的舞蹈动作步态轮廓动态识别方法识别率更高，更适合识别舞蹈动作步态轮廓。
　　关键词： 舞蹈动作; 步态轮廓识别; AVI视频; 步态轮廓跟踪; 舞蹈步态划分; 动态距离计算
　　Abstract： In allusion to the low recognition rate of the traditional dance movement gait contour recognition methods， a method of dance movement gait contour dynamic recognition based on AVI video is proposed. The dance gait contour object in AVI video is extracted， and some frame of dance movement in AVI video is selected in random freeze?frame. The image block marker matrix is used to calculate the selected dance movement and judge whether the selected video image is the front scenic spot. The contour object is obtained by means of the Camshift algorithm， and then the dancer′s contour is divided into 11 gait contour points to establish the contour gait cycle calculation formula. The dance movement gait contour is tracked， the dance movement gait is divided by means of projecting the contour line onto the vertical axis center line， the distance of gait contour change is calculated， and the Weizmann behavior database including the contour change process is called to realize the automatic recognition of dance action gait contour. The experimental results show that， in comparison with the traditional recognition method， the dance movement gait contour dynamic recognition based on AVI video has higher recognition rate and is more suitable for the recognition of dance movement gait contour.
　　Keywords： dance movement; gait contour recognition; AVI video; gait contour tracking; dance gait partition; dynamic distance calculation
　　0  引  言
　　步态指的是人体步行时的姿态和行为特征，人体通过髋、膝、踝、足趾的一系列連续活动，使身体沿着一定方向移动的过程[1]。AVI视频是一种音频视频交错的表达形式。随着图像、视频等数据的产生，如何识别视频中的动作步态逐渐成为研究的重点。随着视觉领域基于视频的人体运动姿态的研究进展，计算机图形和视觉研究人员都可以从舞蹈动作的轮廓变化获取舞蹈运动数据，分析舞者关节的运动变化，以便指导、纠正舞蹈训练者的动作，增强舞者的学习效果[2]。传统的动态识别方法识别率不高，无法识别出细节的舞蹈动作中的关节变化，识别效果不好。本文针对这一不足，研究一种基于AVI视频的舞蹈动作步态轮廓动态识别分析方法。
　　1  基于AVI视频的舞蹈动作步态轮廓动态识别分析研究
　　1.1  提取AVI视频中的舞蹈步态轮廓目标
　　提取AVI视频中的舞蹈运动目标时，先准备一段含有舞蹈动作的AVI视频[3]，定格一个画面的舞蹈动作，如图1所示。
　　定格视频中的图像后，先判断当前图像是否是前景候选区[4]。为了减少判断处理的数据量，将选取的图1图像先利用图像块时空条件信息进行二次检验，提高检验精度[5]。然后使用图像块标记矩阵计算舞蹈运动目标，得到：
　　式中：[LIB]表示图像块标记矩阵;[m，n]是图像中舞者的坐标位置;[tSAD]表示图像块差分分类阈值;[IBSCI]表示图像块时空条件信息;[tIBSCI]为其分类阈值;1表示前景;0表示背景;2表示选取背景。当选取的视频舞蹈动作的图像块是前景候选区时，利用图像块时空条件信息进行二次检测，将检验后的视频图像前景，使用Camshift算法计算得到舞蹈动作步态轮廓目标： 　　式中，[Fkx，y]和[Bkx，y]分别为原始视频和前景候选区之间的像素灰度值。提取AVI视频中舞蹈步态轮廓目标后，跟踪计算舞蹈动作步态轮廓，完成步态轮廓识别的分析研究[6]。
　　1.2  舞蹈动作步态轮廓跟踪
　　跟踪舞蹈动作步态轮廓时，先将舞者的步态轮廓点划分为如图2所示的11个步态轮廓点。
　　将提取出的舞蹈步态轮廓目标，在舞蹈过程中的移动划分为足跟着地期、承重反应期、站立中期、站立末期、蹬离期、预摆期、摆动早期、摆动中期、摆动末期、足跟再次着地等9个时间段[7]。并且在实际舞蹈的过程中，这9个时间段会跟随着图2中的各个点反复出现，表现出一定的规律性和周期性。建立舞蹈动作步态轮廓周期计算公式，得到：
　　式中：[t]为[t+θ]对[T+2T1]的取模;[T]为一个步态周期的时间长度;[T1]为舞蹈过程中点8与点7双支撑的时间;[θ]为初始相角。得到舞蹈步态周期函数对应的变化如图3所示。
　　图3中，当处于正相位时，表示左脚（右脚）触地、着地、离地的整个过程[8?9]。与此相反，当处于负相位时，表明右脚（左脚）的触地、着地、离地的整个过程。实际追踪时，不断改变舞蹈位移模型，可以实时跟踪到舞蹈动作在整个跟踪空间中的步长、运动速度等信息，利用步态周期模型和位移模型进行跟踪，最终得到的足迹跟踪如图4所示。
　　由图4可知，在实际跟踪时，划定一个跟踪网格区域，依据数值的变化，得到最终跟踪结果[10]。
　　1.3  实现舞蹈动作步态轮廓的自动识别
　　在实现舞蹈动作步态轮廓的自动识别前，计算图4足迹跟踪的距离，现将步态轮廓划定为如图5所示的图a）中的目标区域。
　　采用轮廓线向纵轴中心线投影，将舞者看成椭圆形运动目标，如图5中的图b）所示。为了得到更多的距离数值，使用纵轴中心线划定图b），得到图5中的图c），可以看出，舞者的腿部出现了两条轮廓线，外侧远离中心线的轮廓线更能反映出步态的轮廓特征，得到图d）的跟踪距离di。为了保证数据的精准性，调用含有图5的4个行为过程的Weizmann行为数据库，抽取出含有步态轮廓的100张左右的图像，将每个图像的抽取间隔设置为每30帧选取1张，共选取30张，调整选取出的30张图像的舞蹈行为在同一变化周期上。最终得到动态的足迹跟踪距离变化。实现舞蹈动作步态轮廓的自动识别时，得到最终的足迹跟踪距离，完成对舞蹈动作步态轮廓动态识别。
　　2  实  验
　　2.1  划分舞蹈步态数据集
　　划分舞蹈步态数据集前，采用人沿曲线行走的步态数据。将实验场地划分出地面白线，让舞者以划定的白线为基准逆时针沿线绕行3个周期，等待数据采集完成后，利用ipi Mocap Stuadio软件对捕获的轮廓数据的每帧进行预处理和矫正。定义以右脚跟离地为一个步态周期开始，右脚跟着地为一个步态周期，共统计60个舞者的步态轮廓数据。
　　随机将60个人分为3组，每组20人。将其中的2组作为训练集，1组为测试集。在测试集的20个人步态轮廓数据中，每个人取4组作为参考数据集，三折交叉验证训练集与测试集，得到如表1所示的轮廓参数。
　　将上述10组舞蹈数据使用两种传统舞蹈动作步态轮廓识别方法与基于AVI视频的舞蹈动作步态轮廓动态识别分析方法进行识别，统计计算三种识别方法的识别率。
　　2.2  实验结果分析
　　规定以准备的10步的舞蹈步态轮廓数据组为基准，成功识别着地时刻、离地时刻、足迹面积、着地时间、单帧平均压力值、腾空时间和单步单帧最大压力值记为一次成功识别，记录三种方法可以识别10组参数的个数，得出三种识别方法最终的识别率，如图6所示。
　　由图6识别率实验结果可知，传统识别方法1随着识别数据组的增多，最终平均识别率维持在78%左右。传统识别方法在识别10组数据组时，平均识别率在80%左右;使用基于AVI视频的舞蹈动作步态轮廓动态识别方法，随着数据组个数的不断增加，识别率最终为100%，平均识别率在95%左右，识别率更高，更适合舞蹈动作步态轮廓识别。
　　3  结  语
　　随着信息技术的快速发展，人们可以利用图像或视频作为信息载体，研究舞蹈动作步态轮廓的变化信息时，可帮助识别舞蹈动作中的细微轮廓变化。传统的步态轮廓动态识别方法，识别率不高，无法识别出舞蹈动作中的细小变化，而基于AVI视频的舞蹈动作步态轮廓动态识别方法可以随着识别参数的不断增多，能保持识别的准确性，识别效果更好，对动态识别步态轮廓有着发展性意义。
　　參考文献
　　[1] 吕卓纹，王一斌，邢向磊，等.加权CCA多信息融合的步态表征方法[J].智能系统学报，2019，14（3）：449?454.
　　[2] 陆付祥.基于特征提取的健美操分解动作图像自适应识别方法[J].科学技术与工程，2019，19（7）：148?153.
　　[3] 兰红，方治屿.3维灰度矩阵的钢板缺陷图像识别[J].中国图象图形学报，2019，24（6）：859?869.
　　[4] 翁政魁，管业鹏，罗宏杰.基于机器视觉古陶瓷无损分类识别[J].硅酸盐学报，2017，45（12）：1833?1842.
　　[5] 肖夏阳，文剑，肖中亮，等.基于雷达波的树木躯干内部缺陷探测识别[J].林业科学，2018，54（5）：127?134.
　　[6] 李大华，赵辉，于晓.基于改进谱聚类的重叠绿苹果识别方法[J].光谱学与光谱分析，2019，39（9）：2974?2981.
　　[7] 张浩，李向春，杨倩，等.水下气泡光学图像识别方法[J].红外与激光工程，2019，48（3）：270?276.
　　[8] 李新宇，王长江，陈维毅.一种新型膝关节假体在步态过程中接触应力的有限元仿真[J].医用生物力学，2017，32（6）：494?499.
　　[9] 钱明辉，徐志轩.基于机器学习的消费者品牌决策偏好动态识别与效果验证研究[J].南开管理评论，2019，22（3）：66?76.
　　[10] 宋朝锋，张红娟，靳宝全，等.超级电容储能系统的状态识别与动态控制设计[J].电机与控制应用，2018，45（5）：20?24.
转载注明来源:https://www.xzbu.com/8/view-15290521.htm