基于運(yùn)動(dòng)數(shù)據(jù)分割的拉班舞譜自動(dòng)生成研究.pdf

1、運(yùn)動(dòng)捕捉是一種用于準(zhǔn)確測(cè)量目標(biāo)物體運(yùn)動(dòng)狀況的技術(shù)。其中，運(yùn)動(dòng)捕捉數(shù)據(jù)是由有標(biāo)識(shí)或無(wú)標(biāo)識(shí)的運(yùn)動(dòng)捕捉設(shè)備捕捉并轉(zhuǎn)換為的BVH(BiovisionHierarchical Data)文件。它可以精確記錄層次結(jié)構(gòu)中每個(gè)關(guān)節(jié)的旋轉(zhuǎn)角度，從而以數(shù)據(jù)形式描述動(dòng)作運(yùn)動(dòng)軌跡，但是不易于讀取和展示。相比于運(yùn)動(dòng)捕捉數(shù)據(jù)，拉班舞譜是一種類似于音樂(lè)記譜中五線譜的動(dòng)作記譜法，它有著直觀、易讀、便捷等諸多優(yōu)勢(shì)?；谏鲜鰡?wèn)題，本文主要研究如何將運(yùn)動(dòng)捕捉數(shù)據(jù)自動(dòng)轉(zhuǎn)換為拉

2、班舞譜，從而為我們民族民間傳統(tǒng)文化的保存、傳播和教學(xué)提供便利。
　　本文的主要工作是建立運(yùn)動(dòng)捕捉數(shù)據(jù)BVH文件自動(dòng)轉(zhuǎn)換為拉班舞譜的平臺(tái)。選擇BVH文件路徑、解析BVH文件、數(shù)據(jù)塊分割、姿態(tài)分析和平臺(tái)搭建是其中的主要流程。本文圍繞上述流程進(jìn)行了理論模型及實(shí)驗(yàn)平臺(tái)的建設(shè)，主要工作及創(chuàng)新點(diǎn)如下:
　　(1)建立了運(yùn)動(dòng)捕捉數(shù)據(jù)采集和解析的模型。本文采用有標(biāo)識(shí)光學(xué)式運(yùn)動(dòng)捕捉設(shè)備OptiTrack，經(jīng)過(guò)C3D文件格式的緩存最終轉(zhuǎn)換為BV

3、H文件。根據(jù)四元組和歐拉角原理對(duì)BVH文件進(jìn)行解析，由關(guān)節(jié)層次結(jié)構(gòu)和相對(duì)旋轉(zhuǎn)角度矩陣數(shù)據(jù)塊計(jì)算得到各個(gè)節(jié)點(diǎn)在世界坐標(biāo)系下的位置坐標(biāo)，最終數(shù)據(jù)是行數(shù)與幀數(shù)相同，列數(shù)為78的矩陣塊。
　　(2)提出了一種基于小波變換自動(dòng)計(jì)算節(jié)拍及起始點(diǎn)，并采用梯度下降法進(jìn)行動(dòng)作的細(xì)分和整合的新分割方法。對(duì)傳統(tǒng)的運(yùn)動(dòng)學(xué)閡值分割方法和降維聚類的分割方法創(chuàng)新應(yīng)用到拉班舞譜動(dòng)作分割。本文通過(guò)實(shí)驗(yàn)分析對(duì)比，得出最優(yōu)算法。運(yùn)動(dòng)閾值分割的特征向量為末端節(jié)點(diǎn)相對(duì)于根

4、節(jié)點(diǎn)的位置和速度;PPCA(Probabilistic PCA)是結(jié)合應(yīng)用領(lǐng)域創(chuàng)新運(yùn)用PCA進(jìn)行降維后，再聚類的分割算法;基于節(jié)拍分割法是采用小波變換算法依據(jù)動(dòng)作復(fù)雜度確定小波尺度，對(duì)相對(duì)位置特征向量去噪，根據(jù)波峰波谷自動(dòng)計(jì)算動(dòng)作節(jié)拍和動(dòng)作起始幀，并利用節(jié)拍初始平均分割數(shù)據(jù)，最后梯度下降法計(jì)算局部極值進(jìn)行動(dòng)作的細(xì)化和整合。最終分析比較三種分割方法，確定適合拉班舞譜的最優(yōu)分割方法。
　　(3)采用一種基于劃分空間角度的姿態(tài)分析方法。