[发明专利]一种舞蹈类非遗传承与交互学习的方法有效
申请号: | 201910363733.4 | 申请日: | 2019-04-30 |
公开(公告)号: | CN110135303B | 公开(公告)日: | 2022-09-13 |
发明(设计)人: | 王旭鹏;李瑞堃;郭颖 | 申请(专利权)人: | 西安理工大学 |
主分类号: | G06V40/20 | 分类号: | G06V40/20;G06F16/901 |
代理公司: | 西安弘理专利事务所 61214 | 代理人: | 涂秀清 |
地址: | 710048 陕*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 舞蹈 遗传 交互 学习 方法 | ||
1.一种舞蹈类非遗传承与交互学习的方法,其特征在于,具体按照以下步骤实施:
步骤1,采集实验人的舞蹈动作数据,构建非遗传承人的舞蹈数据库,
步骤1.1,对非遗项目的人体动作进行单个分解,用运动捕获装置记录其运动过程中身体部位的位置变化和方位数据,并与人体体态参数共同构建非遗传承人的舞蹈数据库,
步骤1.2,采用光学式动作捕捉系统对实验人群进行如步骤1.1中的实时的动作数据的捕捉与采集;
步骤2,数据分析校正与重建,
步骤2.1,对实验人体动作进行数据采集归类,并按照国家非遗要求对动作的特殊意义点位置进行数据及处理,利用最小二乘法算法对比精确标准的舞蹈动作拟合动态方程:
N={(xi,yi)}=(i=1,2,3,4...,m)
Y=P(X)
E2=∑[P(Xi)-Yi]2
其中,基于动作捕捉技术的实验数据,测量得出了每个测点的回归数据点集合N,xi、yi分别为任意一组实验x、y的测试数值,P(X)为拟合函数,拟合函数表示集合点的距离平方和最小的曲线方程,Y最小二乘解,E2表示误差的平方和,
步骤2.2,数据校正与重建,
将步骤2.1中得到的非遗传承人的舞蹈动作数据进行标准化处理,对测试数据采用一元回归分析,一元回归分析公式为:
Y′=α+βX′
其中,Y′表示标准测试数据,X′是影响测试数据波动的影响因素变量,α、β为基于标准测量数据误差的回归系数,n表示测试者样本总容量,对于误差较大的数据点利用计算机进行选择重构,分析出精确的数据结果,将实验者的数据整合并建立非遗传承人的标准舞蹈动作数据库,确保测试数据的真实性与光顺度,并以此来构建两维和/或三维图形的标准动作图像;
步骤3,数据库分类
准备二次产品开发利用和后期学习设置的数据库,将非遗舞蹈类实验数据库按照舞蹈动作类型、舞蹈难度、舞蹈设定的情景、捕捉方式分类等划入不同的数据库区域;
步骤4,模型建立与交互学习
通过数据库建立非遗交互学习系统,把有效数据分块并建立学习数据库,前期进行学习预案并调取出相应内容分区数据库,学习者选择虚拟对话、全息投影讲解以及大环境沉浸式体验进行舞蹈类非遗的传承与交互学习,
通过虚拟现实技术构建非遗传承人舞蹈标准动态三维模型,将非遗传承人舞蹈标准动态三维模型与两维和/或三维图形的标准动作图像进行用于舞蹈类非遗的传承、保护以及发扬的交互学习展示。
2.根据权利要求1所述的一种舞蹈类非遗传承与交互学习的方法,其特征在于,步骤1中采用光学式动作捕捉系统进行捕捉和记录,用SPAS软件,对捕捉到的数据进行整理、编译,将数据存储成C3D和rpd格式,将数据导入到Motionbuilder软件中,将Motionbuilder软件中的数据导出成BVH的格式文件,再将BVH文件的后缀名称改写成TXT。
3.根据权利要求1所述的一种舞蹈类非遗传承与交互学习的方法,其特征在于,步骤1中身体部位的位置变化、方位数据包括肢体幅度变化量、关节角度、足底负荷变化率、足角度、足轴线、时间轨迹以及稳定性;人体体态参数包括年龄、性别、身高以及体质指数。
4.根据权利要求1所述的一种舞蹈类非遗传承与交互学习的方法,其特征在于,步骤1中当实验人为多人时,数据捕捉与采集分为对主要人员进行捕捉、整体阵势捕捉、设定情景捕捉和主要数据参数标记捕捉。
5.根据权利要求1所述的一种舞蹈类非遗传承与交互学习的方法,其特征在于,步骤1中,在捕捉接触辅助工具的舞蹈者的动作数据的情形下,捕捉并采集工具的形状、位置和角度变化的数据。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安理工大学,未经西安理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910363733.4/1.html,转载请声明来源钻瓜专利网。