本發明屬于計算機應用技術領域，具體涉及一種虛擬舞蹈系統的學員動作實時、自動化、精準的對比評價方法。
背景技術：
虛擬舞蹈系統是為學員模仿虛擬教練動作進行舞蹈訓練的裝置，一般包括基于標準動作庫的虛擬教練系統、學員模仿舞蹈動作的學習系統。模仿舞蹈動作是否準確、標準與一致等，需要結合動作特征和裝置性能進行比對分析。已有的舞蹈動作評價方法主要包括專家評價法、自我評估法和錄像帶分析法等。其中，專家評價法是利用舞蹈動作評價量表對學員的舞蹈動作進行打分，缺乏客觀性。自我評估法是學員利用舞蹈室鏡子或視頻對自己舞蹈動作進行評估的方法。因個人水平和能力限制，評價結果具有主觀性、局限性。錄像帶分析方法是評價者(一般是專家)利用動作編碼表對舞蹈動作行為進行編碼、分析與評估的方法，具有一定客觀性、可觀測性。該方法在自動評估、評價一致性和實時性等尚需要提高。
綜上，相關的評價方法難以滿足舞蹈動作評價的自動化、實時性和一致性等需求，尤其是難以解決因學員的身高不等、體型不同、身體特征各異等帶來的虛擬舞蹈動作評價的精度問題。
技術實現要素：
為了解決上述技術問題，本發明提供了一種虛擬舞蹈系統的學員動作實時、自動化、精準的對比評價方法。
本發明所采用的技術方案是：一種虛擬舞蹈系統的動作評價方法，其特征在于，包括以下步驟：
步驟1：構建舞蹈標準動作庫；
步驟2：構建虛擬教練；
步驟3：舞蹈學員動作實時捕捉與數字化；
步驟4：對比動作幀定位對齊；
步驟5：舞蹈動作評價得分。
本發明的有益效果是，本發明能對舞蹈學員的肢體動作進行實時識別和捕捉，并根據教練動作庫的標準動作，來對學員的學習情況進行自動化評價，讓學員在自主學習條件下進行有專業指導的舞蹈學習。
附圖說明
圖1為本發明實施例的原理圖；
圖2為本發明實施例中舞蹈教學原理圖；
圖3為本發明實施例中定義的xml結構描述結構圖；
圖4為本發明實施例中標準動作庫支持下的基于kinect的學員舞蹈動作評價原理圖；
圖5為本發明實施例中kinect提供的人體骨骼結構示意圖；
圖6為本發明實施例的滑動窗口對比幀對齊示意圖；
圖7為本發明實施例的虛擬舞蹈動作評價系統原理圖。
具體實施方式
為了便于本領域普通技術人員理解和實施本發明，下面結合附圖及土家擺手舞動作評價系統實施例對本發明作進一步的詳細描述，應當理解，此處所描述的實施示例僅用于說明和解釋本發明，并不用于限定本發明。
請見圖1，本發明提供的一種虛擬舞蹈系統的動作評價方法，包括以下步驟：
步驟1：構建舞蹈標準動作庫；
根據舞蹈特點，本發明采取了有標記式的光學動作捕捉系統phasespace。該系統屬于主動式系統，即系統的marker點由led組成，led粘貼于人體各個關節部位，包括頭部、右肩、右肘、右腕、右手、左肩、左肘、左腕、左手、肩關節中心、脊、髖關節中心、右髖、右膝蓋、右踝、右腳、左髖、左膝蓋、左踝、左腳等，led之間通過線纜連接，由綁在人體表面的電源裝置供電。光學動捕后數據保存為dae格式，進入motionbuilder，本發明的光學動作捕捉系統phasespace能夠捕捉到的每個人物關節點有49個。為了便于舞蹈評價，根據骨骼點的位置對應關系，將捕捉的每幀49個光點與kinect捕捉的20個骨骼關節點相對應，將phasespace的49個光點對應到kinect的20個骨骼點時，從49個光點中取得對應部位點或者臨近部位點，與kinect捕捉到的20個關節點相對應，另外的關節點用于校正標準動作。計算其19個骨骼向量的位置和余弦特征值信息，以xml的形式存儲于動作庫中，形成舞蹈的標準動作庫。
步驟2：構建虛擬教練；
在舞蹈標準動作庫基礎上，利用unity3d軟件建模虛擬教練，并將動作綁定到虛擬教練模型上，形成虛擬教練。包括以下步驟：
步驟2.1：運用光學動作捕捉系統捕捉專業教練的專業舞蹈動作數據；
步驟2.2：對動作捕捉數據進行去噪優化處理，刪除一些因設備問題造成的跳幀數據，調整不標準的動作數據；
步驟2.3：運用自定義的xml格式對動作捕捉數據進行統一編碼表征，其中包括每一幀的20個骨骼關節點構成的19段骨骼向量相對于unity世界坐標系構成的向量坐標信息，和相對于世界坐標系x，y，z軸的余弦特征值信息。
步驟2.4：構建虛擬教練模型，進行動作綁定，形成虛擬教練。
步驟3：舞蹈學員動作實時捕捉與數字化；
所述學員動作實時捕捉模塊是運用基于kinect動作捕捉系統對學員動作進行捕捉和編碼；捕捉人體對應的20個骨骼關節點，根據20個相鄰骨骼關節點構成19段骨骼向量。以1號骨骼向量，即頭部-肩關節中心向量為例，頭部坐標為(x1，y1，z1)肩關節中心坐標為(x2，y2，z2)，頭部-肩關節中心向量則為(x2-x1，y2-y1，z2-z1)，該向量參照kinect坐標系的x、y、z軸的三個夾角分別為α、β和γ，對應的余弦值為(cosα，cosβ，cosγ)。計算公式為：
每個骨骼向量的余弦特征值(cosα，cosβ，cosγ)作為特征向量存入一個1*3的矩陣中；一幀數據包含19處骨骼向量，可得一個19*3的特征向量矩陣；
步驟4：對比動作幀定位對齊；
學員動作的自動化評價需要對學員動作與教練動作幀對齊。動作幀對齊主要采用滑動窗口法。其基本過程包括：
首先在教練標準動作的幀序列和學員動作的幀序列上分別建立大小為n和n的窗口，其中比對窗口是以當前對比的教練幀為關聯幀，向前后各取(n-1)/2幀,構成長度為n的比對窗口；學員動作窗口是以當前學員動作幀為末幀，向前取n-1幀，構成長度為n的學員動作窗口；本實施例的幀率是30幀/s，對比頻率是6次/s，每次對比5幀；考慮學員動作的滯后效應，學員動作窗口的起始幀與比對窗口起始幀對齊，來計算學員動作幀與教練動作幀的差異度。并且，每滑動一幀，就計算一次學員動作幀與教練動作幀的差異度。統計學員動作窗口幀(n幀)的差異度累計平均值。最后，選擇整個滑動過程中n-n個累計差異度值的最小值作為定位同步幀依據。
公式4-1中，dv(u，c)指學員與教練對應幀中某一個骨骼向量的差異度，u(user)指的是用戶，c(choreographer)指的是教練，學員某段骨骼特征向量(cosα1，cosβ1，cosγ1)，對應教練某段骨骼特征向量(cosα2，cosβ2，cosγ2)；公式4-2中，dfk定義為一幀的差異度，指學員與教練對應幀的19段骨骼的加權差異度，其中加權系數wp在區間(0，1]，可根據具體舞蹈的骨骼運動頻率統計得出；公式4-3中，dfi指學員窗口對應的n幀差異度累計平均值。本發明取n-n次窗口移動計算出的dfi數據的最小值作為定標點，確定對應的幀為同步幀。
步驟5：舞蹈動作評價得分；
確定同步幀后，進一步計算對應幀的學員動作與教練動作的差異度，并進行得分判斷。
首先依據公式4-1，4-2計算出定位同步幀中學員與教練每個骨骼向量的差異度dv(u，c)和幀動作的差異度dfk。
其次，依據骨骼向量的差異度dv(u，c)與門限值τ比較，判定學員的每幀的細微動作是否標準。門限值τ可以經驗值取得，一般是平均差異度的60％來計算。如大于門限值，則動作不標準，需要給出提醒，如公式4-4所示。
dv(u，c)<τ4-4
最后，計算每個同步幀中學員動作得分。其計算方法如公式4-5。選擇所有幀n總的差異量，統計其中的最大差異量dfmax(零分參照)和最小差異量dfmin(滿分參照)；計算每幀的得分scorek后，計算n總幀得分的統計平均值作為最后得分score。
以下結合附圖和具體實施對本發明做進一步的闡述。
本實施例在具體實施中，首選需要搭建虛擬舞蹈系統；
參見圖2，本實施例的基本原理是舞蹈動作教學中的演示-練習法，教練角色是在專業舞蹈教練動作庫數據的驅動下實現的，用以進行動作的展示、讓學員以此為參考，進行舞蹈動作的練習。本實施例的專業舞蹈教練的動作庫xml存儲格式包括幀數、幀號、骨骼向量編號、骨骼向量的三維坐標和余弦特征值，具體結構如下圖3所示；與此同時，該舞蹈動作評價系統還應具有教練的糾正反饋作用，對學員的舞蹈動作進行實時的動作識別、捕捉、分析、評價與反饋，幫助學員進行擺手舞練習，其運行分析的流程如圖4。
在搭建虛擬舞蹈系統后，就可以進行獲取舞蹈學員的實時動作數據和處理；
kinect用于對學員動作進行實時捕捉，kinect感應器采用深度感應技術，內置紅外(ir)發射器，彩色攝像機和一個麥克風陣列，能夠感知人類的位置、動作和聲音。kinect提供的人體對應的骨骼向量位置如圖5所示，具體每個骨骼編號對應的骨骼如表1所示，圖5的人體圖是后視模型，它的左右是與人眼看到的左右一致。
以土家音樂舞蹈為例，本實施例的處理方法如下：
1)運用kinect實時獲取學員的每幀的每一個關節點坐標數據。如第3幀的頭部關節點世界坐標為(1.7，5.8，-1.2)，肩關節中心點坐標為(1.7，5.1，-1.2)；
2)實時計算學員相鄰關節點的骨骼向量。如頭部-頸椎骨骼向量是(0，0.7，0)；
3)計算每一段骨骼的夾角余弦特征值(cosα，cosβ，cosγ)作為特征向量存入一個1*3的矩陣中。如計算出頭部與肩關節中心的特征向量(1，cos0.7，1)；
4)形成19處骨骼向量可得一個19*3的特征向量矩陣。
接著進行舞蹈學員實時動作幀在標準動作庫中定位；
虛擬舞蹈系統中學員觀察教練動作，并模仿進行舞蹈學習。以一幀的19段骨骼向量為舞蹈動作的基本單元，本實例的幀率為30幀/秒，由于人的視覺反應時間為0.1-0.4秒，設定以5幀為一個動作計算窗口，在25幀的教練標準動作比對窗口中滑動，計算學員實時動作幀在標準庫中對應的對比幀，如圖6所示。例如，土家舞蹈系統中，以展翅舞蹈為例，根據該舞蹈各關節的使用頻率統計結果，其19段骨骼的權重如下表1所示，因為展翅是一種典型的擺手舞，因此它的大部分動作都涉及到了右肘-右腕，左肘-左腕和右膝蓋-右踝，左膝蓋-左踝的運動，所以這四個骨骼向量的權重最大。本實施例利用上述公式4-1計算每一段骨骼向量對應教練幀的差異度，運用公式4-2，結合表1所示權重，計算滑動窗口每一幀對應的差異度，再運用公式4-3，計算5幀的滑動窗口20次滑動對應的平均差異度dfi分別是0.94，0.91，0.82，0.37，0.14，0.06，0.07，0.09，0.05，0.04，0.31，0.40，0.48，0.51，0.50，0.68，0.67，0.73，0.82，1.03；最后確定最佳匹配是差異度最小的0.04，也就是比對窗口的第10幀。即運用比對窗口的第10幀作為當前幀的比對幀，進行動作對比評價。到下一幀，再重復這一流程，找到對應幀。
表1骨骼權重表
最后，結合已有擺手舞標準動作庫計算舞蹈學員動作的得分；
請見圖7，在學員實時動作幀在標準動作庫中定位的基礎上，對學員的每一幀動作進行實時定位與評價，運用公式4-4，計算每一段骨骼向量的差異度是否在規定的門限值內。在該實例中，根據平均差異度的60％，dv(u，c)平均值為1.57，得出門限值τ＝0.94，當dv(u，c)>τ就提醒學員該部位不標準，需要進行調整。例如，d7(u，c)＝1.07>0.94，系統界面會出現“左肘-左腕關節不標準，請及時調整”的提醒。最后運用公式4-5計算整段舞蹈的平均得分，如學員這段舞蹈的dfmin＝0，dfmax＝2，n總＝417，運用公式
本發明通過kinect體感交互設備，獲取學員在舞蹈過程中的20個骨骼關節點信息，運用xml表征這20個骨骼關節點構成的19段骨骼向量的向量坐標值和余弦特征值信息；再運用滑動窗口方法實現學員與虛擬教練(基于標準動作庫)的舞蹈動作幀同步，并利用余弦特征相似度實時分析學員動作的準確性。
應當理解的是，本說明書未詳細闡述的部分均屬于現有技術。
應當理解的是，上述針對較佳實施例的描述較為詳細，并不能因此而認為是對本發明專利保護范圍的限制，本領域的普通技術人員在本發明的啟示下，在不脫離本發明權利要求所保護的范圍情況下，還可以做出替換或變形，均落入本發明的保護范圍之內，本發明的請求保護范圍應以所附權利要求為準。