CN112309181A

CN112309181A - 一种舞蹈教学辅助方法及装置

Info

Publication number: CN112309181A
Application number: CN202011145434.2A
Authority: CN
Inventors: 邵进圆
Original assignee: Baise University
Current assignee: Baise University
Priority date: 2020-10-23
Filing date: 2020-10-23
Publication date: 2021-02-02

Abstract

本申请实施例公开了一种舞蹈教学辅助方法、装置、设备及存储介质，属于舞蹈教学技术领域，该方法包括:采集老师舞蹈动作，获取参考舞蹈视频；获取舞蹈老师的标准站立图片，构建初始图片集；基于初始图片集中元素和matlab算法对舞蹈老师进行三维重构；将参考舞蹈视频传入预设的时空特征提取模型，识别出舞蹈视频中老师不同部位的动作变化；基于参考舞蹈视频中的录制时间，将同一时间下人体不同部位动作变化进行组合，获取一个参考动作单元；依次获取参考舞蹈视频中不同时间对应参考动作单元；将不同时间对应参考动作单元依次展示到预设的教学显示界面上，作为教学辅助动作。本申请结合计算机进行舞蹈教学辅助，有助于为舞蹈教学提供便利服务。

Description

一种舞蹈教学辅助方法及装置

技术领域

本申请涉及舞蹈教学技术领域，尤其涉及一种舞蹈教学辅助方法、装置、设备及存储介质。

背景技术

时代的不断发展, 互联网普遍被应用。传统的舞蹈教学模式也随之创新发展, 通过互联网信息技术将传统的舞蹈教学进行改革创新, 从而培养学生的的个性发展、自主学习和创新能力。让学生通过互联网进行自主学习，培养学生成为全面发展的优秀舞蹈人才。如今新媒体的发展, 为舞蹈教学的创新带来了途径与方式, 互联网的应用, 为舞蹈教学的改革与创新带来了机遇。科技与互联网的发展打破了传统的舞蹈教学, 促进了传统舞蹈教学的改革和创新。

目前的与互联网相结合的教学方法，主要是远程教育上，舞蹈老师进行舞蹈动作示范，学生进行跟跳，这种方式较为费时，且舞蹈新手在无指导的情况下学习较为困难；还有一种教学方法为使用特定录制好的舞蹈教学视频，直接进行教学，老师与学生不能进行便利的互动。由此可知，现有技术在进行舞蹈教学时，存在舞蹈教学服务不够便利的问题。

发明内容

本申请实施例的目的在于提出一种舞蹈教学辅助方法、装置、设备及存储介质，以解决现有技术中在进行舞蹈教学时，存在舞蹈教学服务不够便利的问题。

为了解决上述技术问题，本申请实施例提供一种舞蹈教学辅助方法，采用了如下所述的技术方案：

一种舞蹈教学辅助方法，包括：

基于视频录制法，采集老师舞蹈动作，获取参考舞蹈视频；

进行舞蹈前，从左侧、前方、后面、右侧和上方分别获取舞蹈老师的标准站立图片，构建初始图片集；

基于所述初始图片集中元素和matlab算法对所述舞蹈老师进行三维重构，获取初始三维模型；

将所述参考舞蹈视频传入预设的时空特征提取模型，以所述初始三维模型作为对比模型，识别出舞蹈视频中老师不同部位的动作变化；

基于所述参考舞蹈视频中的录制时间，将同一时间下人体不同部位动作变化进行组合，获取一个参考动作单元；

基于循环的方式，依次获取所述参考舞蹈视频中不同时间对应参考动作单元，并基于时间顺序生成参考动作单元集；

按照所述时间顺序获取所述参考动作单元集中元素，将所述元素依次展示到预设的教学显示界面上，作为教学辅助动作。

进一步的，所述基于视频录制法，采集老师舞蹈动作，获取参考舞蹈视频，包括：

使用双目摄像头进行所述参考舞蹈视频录制。

进一步的，所述进行舞蹈前，从左侧、前方、后面、右侧和上方分别获取舞蹈老师的标准站立图片，构建初始图片集，包括：

使用双目摄像头作为拍摄设备。

进一步的，所述基于所述初始图片集中元素和matlab算法对所述舞蹈老师进行三维重构，获取初始三维模型，包括：

基于ICT图像切割技术，对所述初始图片集中元素进行二值化切割，获取切割图集；

对所述切割图集基于算法公式：

,进行边缘提取，其中，

为边缘图像的灰度值，T为二值化灰度阈值，

为切割图片的长度，

为切割图片的宽度；

获取与所述初始图片集中元素相似的图像，作为插值图像；

将所述初始图片集中元素、插值图像、切割图集进行整合，构建出一系列二值化图集；

基于所述二值化图集，对所述初始图片集中的目标老师进行边界轮廓提取，获取边界轮廓图；

基于所述边界轮廓图，使用Matlab实现三维重构，获取三维模型。

进一步的，所述预设的时空特征提取模型，包括：

基于OpenCV视频分割方法，对所述舞蹈视频进行分割处理，获取不同帧的静态图片；

基于HTM深度学习模型，获取在时间和空间不同变化过程中所述舞蹈视频中老师的时空形状变化、老师占据的时空立方体的变化、老师的人体特征点的时空变化；

基于SVM向量机分类器，分别识别出人体的左胳膊、右胳膊、左腿、右腿、头部、左手、右手、左脚、右脚在所述舞蹈视频中的动作变化。

进一步的，所述获取在时间和空间不同变化过程中所述舞蹈视频中老师的时空形状变化、老师占据的时空立方体的变化、老师的人体特征点的时空变化，包括：

对所述舞蹈视频构建时间-空间坐标系，以(x，y，z，t)格式表示坐标，其中，

，t的初始时间节点为00:00:00；

基于所述三维模型，确定人体特征点位置，并将所述人体特征点位置作为初始点集位置，使用(x，y，z，t)格式进行表示，此时，

，

，其中，所述人体特征点包括：人体左右手臂的关节点、人体肩膀与胳膊间的连接关节点、人体腿部间的膝关节点、人体腿部与脚踝间的关节点、人体大腿与腰间的关节点、人体胳膊与手掌间的关节点、人体头部位置点；

基于所述(x，y，z，t)格式数据，判断在进行舞蹈过程中所述人体特征点位置的变化，确定人体的时空形状变化和老师占据的时空立方体的变化；

其中，上述中x表示所述舞蹈视频中老师在空间中的左右平移距离，y表示所述舞蹈视频中老师在空间内的上移距离，即舞蹈中进行离地面跳跃时的高度，z表示所述舞蹈视频中老师在空间中的前后平移距离，t表示所述舞蹈视频的录制时间节点变化。

进一步的，所述以所述初始三维模型作为对比模型，识别出舞蹈视频中老师不同部位的动作变化，包括：

基于所述录制时间节点，从所述SVM向量机分类器选择同一录制时间节点下所述人体的左胳膊、右胳膊、左腿、右腿、头部、左手、右手、左脚、右脚的动作，作为同一时间动作集；

获取所述初始三维模型中所述人体特征点，基于所述人体特征点，确定人体的左胳膊、右胳膊、左腿、右腿、头部、左手、右手、左脚、右脚的位置，作为初始人体位置集；

将所述同一时间动作集与所述初始人体位置集进行对比，识别出舞蹈视频中老师不同部位的动作变化。

进一步的，所述基于所述参考舞蹈视频中的录制时间，将同一时间下人体不同部位动作变化进行组合，获取一个参考动作单元，包括：

对所述同一时间动作集中元素进行拼接，拼接为一副完整动作图片，作为一个参考动作单元。

为了解决上述技术问题，本申请实施例还提供了一种舞蹈教学辅助装置，采用了如下所述的技术方案：

一种舞蹈教学辅助装置，包括：

舞蹈视频采集模块，用于基于视频录制法，采集老师舞蹈动作，获取参考舞蹈视频；

初始图片集获取模块，用于进行舞蹈前，从左侧、前方、后面、右侧和上方分别获取舞蹈老师的标准站立图片，构建初始图片集；

初始三维模型重构模块，用于基于所述初始图片集中元素和matlab算法对所述舞蹈老师进行三维重构，获取初始三维模型；

舞蹈动作识别模块，用于将所述参考舞蹈视频传入预设的时空特征提取模型，以所述初始三维模型作为对比模型，识别出舞蹈视频中老师不同部位的动作变化；

参考动作单元获取模块，用于基于所述参考舞蹈视频中的录制时间，将同一时间下人体不同部位动作变化进行组合，获取一个参考动作单元；

参考动作单元集生成模块，用于基于循环的方式，依次获取所述参考舞蹈视频中不同时间对应参考动作单元，并基于时间顺序生成参考动作单元集；

教学辅助动作确定模块，用于按照所述时间顺序获取所述参考动作单元集中元素，将所述元素依次展示到预设的教学显示界面上，作为教学辅助动作。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：

一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现本申请实施例中提出的一种舞蹈教学辅助方法的步骤。

为了解决上述技术问题，本申请实施例还提供一种非易失性计算机可读存储介质，采用了如下所述的技术方案：

一种非易失性计算机可读存储介质，计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现本申请实施例中提出的一种舞蹈教学辅助方法的步骤。

与现有技术相比，本申请实施例主要有以下有益效果：

本申请实施例公开了舞蹈教学辅助方法、装置、设备及存储介质，通过采集老师舞蹈动作，获取参考舞蹈视频；获取舞蹈老师的标准站立图片，构建初始图片集；基于初始图片集中元素和matlab算法对舞蹈老师进行三维重构；将参考舞蹈视频传入预设的时空特征提取模型，识别出舞蹈视频中老师不同部位的动作变化；基于参考舞蹈视频中的录制时间，将同一时间下人体不同部位动作变化进行组合，获取一个参考动作单元；依次获取参考舞蹈视频中不同时间对应参考动作单元；将不同时间对应参考动作单元依次展示到预设的教学显示界面上，作为教学辅助动作。本申请结合计算机进行舞蹈教学辅助，有助于为舞蹈教学提供便利服务。

附图说明

为了更清楚地说明本申请中的方案，下面将对本申请实施例描述中所需要使用的附图作一个简单介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例可以应用于其中的示例性系统架构图；

图2为本申请实施例中所述舞蹈教学辅助方法的一个实施例的流程图；

图3为本申请实施例中对所述舞蹈老师进行三维重构的一个实施例的流程图；

图4为本申请实施例中所述时空特征提取模型的一个处理流程图；

图5为本申请实施例中所述舞蹈教学辅助方法的一个实施例的执行逻辑图；

图6为本申请实施例中所述舞蹈教学辅助装置的一个实施例的结构示意图；

图7为本申请实施例中初始三维模型重构模块的结构示意图；

图8为本申请实施例中舞蹈动作识别模块的结构示意图；

图9为本申请实施例中计算机设备的一个实施例的结构示意图。

具体实施方式

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请；本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

为了使本技术领域的人员更好地理解本申请方案，下面将结合附图，对本申请实施例中的技术方案进行清楚、完整地描述。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的页面提供支持的后台服务器。

需要说明的是，本申请实施例所提供的舞蹈教学辅助方法一般由服务器/终端设备执行，相应地，舞蹈教学辅助装置一般设置于服务器/终端设备中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，图中示出了本申请的舞蹈教学辅助方法的一个实施例的流程图，所述的舞蹈教学辅助方法包括以下步骤：

步骤201，基于视频录制法，采集老师舞蹈动作，获取参考舞蹈视频。

在本申请实施例中，所述基于视频录制法，采集老师舞蹈动作，获取参考舞蹈视频，包括：使用双目摄像头进行所述参考舞蹈视频录制。

步骤202，进行舞蹈前，从左侧、前方、后面、右侧和上方分别获取舞蹈老师的标准站立图片，构建初始图片集。

在本申请实施例中，所述进行舞蹈前，从左侧、前方、后面、右侧和上方分别获取舞蹈老师的标准站立图片，构建初始图片集，包括：使用双目摄像头作为拍摄设备。

解释：本实施例中使用双目摄像头，目的是为了基于立体相机技术，进行后续的人体重构。

步骤203，基于所述初始图片集中元素和matlab算法对所述舞蹈老师进行三维重构，获取初始三维模型。

在本申请实施例中，所述基于所述初始图片集中元素和matlab算法对所述舞蹈老师进行三维重构，获取初始三维模型，包括：基于ICT图像切割技术，对所述初始图片集中元素进行二值化切割，获取切割图集；对所述切割图集基于算法公式：

,进行边缘提取，其中，

为边缘图像的灰度值，T为二值化灰度阈值，

为切割图片的长度，

为切割图片的宽度；获取与所述初始图片集中元素相似的图像，作为插值图像；将所述初始图片集中元素、插值图像、切割图集进行整合，构建出一系列二值化图集；基于所述二值化图集，对所述初始图片集中的目标老师进行边界轮廓提取，获取边界轮廓图；基于所述边界轮廓图，使用Matlab实现三维重构，获取三维模型。

如图3所示，图3为本申请实施例中对所述舞蹈老师进行三维重构的一个实施例的流程图，所述的对所述舞蹈老师进行三维重构包括以下步骤：

步骤301，基于ICT图像切割技术，对所述初始图片集中元素进行二值化切割，获取切割图集；

步骤302，对所述切割图集,进行边缘提取；

解释：把图像边缘特征和类别方差法阈值选取结合起来，用类别方差法确定图像的整体阈值；对所述切割图集，进行边缘提取；对提取后的边缘图像进行逐行扫描, 若搜索到某边界点, 求出该边界点在原图像中的灰度值和其他相邻域的灰度值, 对这几个灰度值求平均, 把该平均值设为这几个点的阈值;若搜索到的是非边界点, 把该点的阈值设为所述整体阈值，若搜索不到边界点, 则搜索结束；将原图像中所有点的灰度值与所述平均值求出的阈值相比较, 若小于阈值, 灰度值为0;若大于阈值, 灰度值为1, 获取二值化后的图像。

步骤303，获取与所述初始图片集中元素相似的图像，作为插值图像；

解释：所述插值图像，指的是所述初始图片集中元素间的过渡图像，例如：进行舞蹈前，从左侧、前方、后面、右侧和上方分别获取舞蹈老师的标准站立图片，这时，从左侧和前方之间拍摄一组所述舞蹈老师的标准站立图片，作为第一插值图像集；从前方到右侧之间拍摄一组所述舞蹈老师的标准站立图片，作为第二插值图像集；从右侧到后面之间拍摄一组所述舞蹈老师的标准站立图片，作为第三插值图像集；从后面到左侧之间拍摄一组所述舞蹈老师的标准站立图片，作为第四插值图像集；同理，从上方分别到左侧、前方、后面、右侧之间拍摄一组所述舞蹈老师的标准站立图片，作为第五插值图像集、第六插值图像集、第七插值图像集、第八插值图像集，所述插值图像的目的是呈现出从一幅初始图像到另一幅初始图像的渐变过程。

步骤304，将所述初始图片集中元素、插值图像、切割图集进行整合，构建出一系列二值化图集；

解释：所述一系列二值化图集，指的是获取左侧初始图片和前方初始图片，再获取所述第一插值图像集，获取左侧初始图片的切割图片和前方初始图片的切割图片，构成第一个二值化图集；同理，获取前方初始图片和初始图片，再获取所述第二插值图像集，获取前方初始图片的切割图片和右侧初始图片的切割图片，构成第二个二值化图集；同理，获取右侧初始图片和后面初始图片，再获取所述第三插值图像集，获取右侧初始图片的切割图片和后面初始图片的切割图片，构成第三个二值化图集；同理，获取后面初始图片和左侧初始图片，再获取所述第四插值图像集，获取后面初始图片的切割图片和左侧初始图片的切割图片，构成第四个二值化图集；同理，获取上方初始图片和左侧初始图片，再获取所述第五插值图像，获取上方初始图片的切割图片和左侧初始图片的切割图片，构成第五个二值化图集；同理，获取上方初始图片和前方初始图片，再获取所述第六插值图像，获取上方初始图片的切割图片和前方初始图片的切割图片，构成第六个二值化图集；同理，获取上方初始图片和右侧初始图片，再获取所述第七插值图像，获取上方初始图片的切割图片和右侧初始图片的切割图片，构成第七个二值化图集；同理，获取上方初始图片和后面初始图片，再获取所述第八插值图像集，获取上方初始图片的切割图片和后面初始图片的切割图片，构成第八个二值化图集，将所述第一个二值化图集、第二个二值化图集、第三个二值化图集、第四个二值化图集、第五个二值化图集、第六个二值化图集、第七个二值化图集、第八个二值化图集进行整合，构成一系列二值化图集。

步骤305，基于所述二值化图集，对所述初始图片集中的目标老师进行边界轮廓提取，获取边界轮廓图；

解释：所述对所述初始图片集中的目标老师进行边界轮廓提取，获取边界轮廓图，实质为采用Canny边缘检测法，获取边界轮廓，再构成边缘轮廓图。

步骤306，基于所述边界轮廓图，使用Matlab实现三维重构，获取三维模型。

解释：对采集到的所述所述边界轮廓图进行三维体数据集构造, 得到立体矩阵；利用reducevolume函数对体数据集进行预处理, 以降低所处理的数据量；利用isosurface函数计算体数据集在显示平面累计投影；利用patch函数来对图像子区域进行分类, 可以定义结果图像的颜色, 光线等信息；利用isonormals函数计算图片法线方向；利用isocaps函数计算三维图像的几何边界；基于上述计算结果，进行图像显示，完成三维重构。

步骤204，将所述参考舞蹈视频传入预设的时空特征提取模型，以所述初始三维模型作为对比模型，识别出舞蹈视频中老师不同部位的动作变化。

在本申请实施例中，所述预设的时空特征提取模型，包括：基于OpenCV视频分割方法，对所述舞蹈视频进行分割处理，获取不同帧的静态图片；基于HTM深度学习模型，获取在时间和空间不同变化过程中所述舞蹈视频中老师的时空形状变化、老师占据的时空立方体的变化、老师的人体特征点的时空变化；基于SVM向量机分类器，分别识别出人体的左胳膊、右胳膊、左腿、右腿、头部、左手、右手、左脚、右脚在所述舞蹈视频中的动作变化。

如图4所示，图4为本申请实施例中所述时空特征提取模型的一个处理流程图，所述时空特征提取模型的处理流程包括以下步骤：

步骤401，基于OpenCV视频分割方法，对所述舞蹈视频进行分割处理，获取不同帧的静态图片；

解释：使用OpenCV视频分割方法，对所述舞蹈视频进行逐帧分割，假设视频大小一共1000帧，则逐帧分割，即分割为1000副连续的图片，按照每两帧进行分割，即分割成500副连续的图片。

步骤402，基于HTM深度学习模型，获取在时间和空间不同变化过程中所述舞蹈视频中老师的时空形状变化、老师占据的时空立方体的变化、老师的人体特征点的时空变化；

解释：所述的HTM深度学习模型，首先，在获取到所述舞蹈视频后，对所述舞蹈视频内人体进行解析，将解析结果加入到空间数据池中，其中，所述解析过程包括：基于SE-LSTM算法对所述舞蹈视频进行时序关系建模，获取时序关系模型；基于SE-ResNet-34算法提取所述舞蹈视频的空间特征；将所述时序关系模型、空间特征和不同帧的图片，共同加入到空间数据池中，作为空间数据；然后，对所述舞蹈视频进行序列记忆，获取所述不同帧的图片中人体动作在整个空间数据池中的变化序列，作为记忆序列；进行偏差预测，筛选出不连贯的异常动作，将相似动作按照变化顺序进行排序，构成动作变化，即舞蹈动作。

步骤403，基于SVM向量机分类器，分别识别出人体的左胳膊、右胳膊、左腿、右腿、头部、左手、右手、左脚、右脚在所述舞蹈视频中的动作变化。

解释：所述SVM向量机分类器，将人体不同部位的动作进行整合分类。

在本申请实施例中，所述获取在时间和空间不同变化过程中所述舞蹈视频中老师的时空形状变化、老师占据的时空立方体的变化、老师的人体特征点的时空变化，包括：对所述舞蹈视频构建时间-空间坐标系，以(x，y，z，t)格式表示坐标，其中，

，t的初始时间节点为00:00:00；基于所述三维模型，确定人体特征点位置，并将所述人体特征点位置作为初始点集位置，使用(x，y，z，t)格式进行表示，此时，

，

，其中，所述人体特征点包括：人体左右手臂的关节点、人体肩膀与胳膊间的连接关节点、人体腿部间的膝关节点、人体腿部与脚踝间的关节点、人体大腿与腰间的关节点、人体胳膊与手掌间的关节点、人体头部位置点；基于所述(x，y，z，t)格式数据，判断在进行舞蹈过程中所述人体特征点位置的变化，确定人体的时空形状变化和老师占据的时空立方体的变化；其中，上述中x表示所述舞蹈视频中老师在空间中的左右平移距离，y表示所述舞蹈视频中老师在空间内的上移距离，即舞蹈中进行离地面跳跃时的高度，z表示所述舞蹈视频中老师在空间中的前后平移距离，t表示所述舞蹈视频的录制时间节点变化。

解释：所述获取不同关节点，实质上为构建人体MLD模型，从预设的人体行为数据库中，对不同的动作进行特征提取，将所述舞蹈视频中人体作为测试单元，判断测试单元的动作与哪个特征相匹配，即识别出动作类型。

例如：所述预设的人体行为数据库中有一万张人体不同动作时的图片，作为训练集，对所述训练集中图片进行MLD模型预处理，对预处理后的图片进行关节点构图，进行特征提取，相同或者相似的MLD模型对应的关节点位置相同，即特征值相同或者相似，分别整理出不同动作对应的特征值，作为参照特征值；然后，将所述舞蹈视频对应的逐帧分割的图片，作为测试集，分别获取所述测试集中不同图片的MLD模型，并计算特征值，作为实际特征值；将所述实际特征值与参照特征值进行对比，判断测试集中不同图片对应的人体动作。

在本申请实施例中，所述以所述初始三维模型作为对比模型，识别出舞蹈视频中老师不同部位的动作变化，包括：基于所述录制时间节点，从所述SVM向量机分类器选择同一录制时间节点下所述人体的左胳膊、右胳膊、左腿、右腿、头部、左手、右手、左脚、右脚的动作，作为同一时间动作集；获取所述初始三维模型中所述人体特征点，基于所述人体特征点，确定人体的左胳膊、右胳膊、左腿、右腿、头部、左手、右手、左脚、右脚的位置，作为初始人体位置集；将所述同一时间动作集与所述初始人体位置集进行对比，识别出舞蹈视频中老师不同部位的动作变化。

解释：将经过SVM分类器分类后的动作按照视频拍摄时间进行整合，获取到一组动作单元，将经过MLD模型提取的人体特征点对应的动作做完一组动作单元，进行对比，识别出舞蹈视频中老师不同部位的动作变化。

步骤205，基于所述参考舞蹈视频中的录制时间，将同一时间下人体不同部位动作变化进行组合，获取一个参考动作单元。

在本申请实施例中，所述基于所述参考舞蹈视频中的录制时间，将同一时间下人体不同部位动作变化进行组合，获取一个参考动作单元，包括：对所述同一时间动作集中元素进行拼接，拼接为一副完整动作图片，作为一个参考动作单元。

步骤206，基于循环的方式，依次获取所述参考舞蹈视频中不同时间对应参考动作单元，并基于时间顺序生成参考动作单元集。

步骤207，按照所述时间顺序获取所述参考动作单元集中元素，将所述元素依次展示到预设的教学显示界面上，作为教学辅助动作。

继续参考图5，图5为本申请实施例中所述舞蹈教学辅助方法的一个实施例的执行逻辑图，图中示出了基于视频录制法，采集老师舞蹈动作，获取参考舞蹈视频；进行舞蹈前，从左侧、前方、后面、右侧和上方分别获取舞蹈老师的标准站立图片，构建初始图片集；基于所述初始图片集中元素和matlab算法对所述舞蹈老师进行三维重构，获取初始三维模型；将所述参考舞蹈视频传入预设的时空特征提取模型，以所述初始三维模型作为对比模型，识别出舞蹈视频中老师不同部位的动作变化；基于所述参考舞蹈视频中的录制时间，将同一时间下人体不同部位动作变化进行组合，获取一个参考动作单元；基于循环的方式，依次获取所述参考舞蹈视频中不同时间对应参考动作单元，并基于时间顺序生成参考动作单元集；按照所述时间顺序获取所述参考动作单元集中元素，将所述元素依次展示到预设的教学显示界面上，作为教学辅助动作。

本申请实施例中所述的舞蹈教学辅助方法，可以通过采集老师舞蹈动作，获取参考舞蹈视频；获取舞蹈老师的标准站立图片，构建初始图片集；基于初始图片集中元素和matlab算法对舞蹈老师进行三维重构；将参考舞蹈视频传入预设的时空特征提取模型，识别出舞蹈视频中老师不同部位的动作变化；基于参考舞蹈视频中的录制时间，将同一时间下人体不同部位动作变化进行组合，获取一个参考动作单元；依次获取参考舞蹈视频中不同时间对应参考动作单元；将不同时间对应参考动作单元依次展示到预设的教学显示界面上，作为教学辅助动作。本申请结合计算机进行舞蹈教学辅助，有助于为舞蹈教学提供便利服务。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）等非易失性存储介质，或随机存储记忆体（Random Access Memory，RAM）等。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

进一步参考图6，作为对上述图2所示方法的实现，本申请提供了一种舞蹈教学辅助装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例所述的舞蹈教学辅助装置6包括：舞蹈视频采集模块601、初始图片集获取模块602、初始三维模型重构模块603、舞蹈动作识别模块604、参考动作单元获取模块605、参考动作单元集生成模块606、教学辅助动作确定模块607。其中：

舞蹈视频采集模块601，用于基于视频录制法，采集老师舞蹈动作，获取参考舞蹈视频；

初始图片集获取模块602，用于进行舞蹈前，从左侧、前方、后面、右侧和上方分别获取舞蹈老师的标准站立图片，构建初始图片集；

初始三维模型重构模块603，用于基于所述初始图片集中元素和matlab算法对所述舞蹈老师进行三维重构，获取初始三维模型；

舞蹈动作识别模块604，用于将所述参考舞蹈视频传入预设的时空特征提取模型，以所述初始三维模型作为对比模型，识别出舞蹈视频中老师不同部位的动作变化；

参考动作单元获取模块605，用于基于所述参考舞蹈视频中的录制时间，将同一时间下人体不同部位动作变化进行组合，获取一个参考动作单元；

参考动作单元集生成模块606，用于基于循环的方式，依次获取所述参考舞蹈视频中不同时间对应参考动作单元，并基于时间顺序生成参考动作单元集；

教学辅助动作确定模块607，用于按照所述时间顺序获取所述参考动作单元集中元素，将所述元素依次展示到预设的教学显示界面上，作为教学辅助动作。

在本申请的一些实施例中，如图7，图7为本申请实施例中初始三维模型重构模块的结构示意图，所述初始三维模型重构模块603包括图像分割单元603a、二值化图集构建单元603b、边缘轮廓提取单元603c、Matlab三维重构单元603d。

在本申请的一些实施例中，所述图像分割单元603a用于把图像边缘特征和类别方差法阈值选取结合起来，用类别方差法确定图像的整体阈值；对所述切割图集，进行边缘提取；对提取后的边缘图像进行逐行扫描, 若搜索到某边界点, 求出该边界点在原图像中的灰度值和其他相邻域的灰度值, 对这几个灰度值求平均, 把该平均值设为这几个点的阈值;若搜索到的是非边界点, 把该点的阈值设为所述整体阈值，若搜索不到边界点, 则搜索结束；将原图像中所有点的灰度值与所述平均值求出的阈值相比较, 若小于阈值, 灰度值为0;若大于阈值, 灰度值为1, 获取二值化后的图像。

在本申请的一些实施例中，所述二值化图集构建单元603b用于获取与所述初始图片集中元素相似的图像，作为插值图像；将所述初始图片集中元素、插值图像、切割图集进行整合，构建出一系列二值化图集。

在本申请的一些实施例中，所述边缘轮廓提取单元603c用于基于所述二值化图集，对所述初始图片集中的目标老师进行边界轮廓提取，获取边界轮廓图，采用Canny边缘检测法，获取边界轮廓，再构成边缘轮廓图。

在本申请的一些实施例中，所述Matlab三维重构单元603d用于对采集到的所述所述边界轮廓图进行三维体数据集构造, 得到立体矩阵；利用reducevolume函数对体数据集进行预处理, 以降低所处理的数据量；利用isosurface函数计算体数据集在显示平面累计投影；利用patch函数来对图像子区域进行分类, 可以定义结果图像的颜色, 光线等信息；利用isonormals函数计算图片法线方向；利用isocaps函数计算三维图像的几何边界；基于上述计算结果，进行图像显示，完成三维重构。

在本申请的一些实施例中，如图8，图8为本申请实施例中舞蹈动作识别模块的结构示意图，所述舞蹈动作识别模块604包括OpenCV视频分割单元604a、HTM时空特征提取单元604b、SVM动作分类单元604c、动作对比识别单元604d。

在本申请的一些实施例中，所述OpenCV视频分割单元604a用于基于OpenCV视频分割方法，对所述舞蹈视频进行分割处理，获取不同帧的静态图片。

在本申请的一些实施例中，所述HTM时空特征提取单元604b用于基于HTM深度学习模型，获取在时间和空间不同变化过程中所述舞蹈视频中老师的时空形状变化、老师占据的时空立方体的变化、老师的人体特征点的时空变化。

在本申请的一些实施例中，所述SVM动作分类单元604c用于基于SVM向量机分类器，分别识别出人体的左胳膊、右胳膊、左腿、右腿、头部、左手、右手、左脚、右脚在所述舞蹈视频中的动作变化。

在本申请的一些实施例中，所述动作对比识别单元604d用于基于所述录制时间节点，从所述SVM向量机分类器选择同一录制时间节点下所述人体的左胳膊、右胳膊、左腿、右腿、头部、左手、右手、左脚、右脚的动作，作为同一时间动作集；获取所述初始三维模型中所述人体特征点，基于所述人体特征点，确定人体的左胳膊、右胳膊、左腿、右腿、头部、左手、右手、左脚、右脚的位置，作为初始人体位置集；将所述同一时间动作集与所述初始人体位置集进行对比，识别出舞蹈视频中老师不同部位的动作变化。

本申请实施例所述的舞蹈教学辅助装置，通过采集老师舞蹈动作，获取参考舞蹈视频；获取舞蹈老师的标准站立图片，构建初始图片集；基于初始图片集中元素和matlab算法对舞蹈老师进行三维重构；将参考舞蹈视频传入预设的时空特征提取模型，识别出舞蹈视频中老师不同部位的动作变化；基于参考舞蹈视频中的录制时间，将同一时间下人体不同部位动作变化进行组合，获取一个参考动作单元；依次获取参考舞蹈视频中不同时间对应参考动作单元；将不同时间对应参考动作单元依次展示到预设的教学显示界面上，作为教学辅助动作。本申请结合计算机进行舞蹈教学辅助，有助于为舞蹈教学提供便利服务。

为解决上述技术问题，本申请实施例还提供计算机设备。具体请参阅图9，图9为本实施例计算机设备基本结构框图。

所述计算机设备9包括通过系统总线相互通信连接存储器9a、处理器9b、网络接口9c。需要指出的是，图中仅示出了具有组件9a-9c的计算机设备9，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。其中，本技术领域技术人员可以理解，这里的计算机设备是一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的设备，其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit，ASIC)、可编程门阵列(Field-Programmable Gate Array，FPGA)、数字处理器(Digital Signal Processor，DSP)、嵌入式设备等。

所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。

所述存储器9a至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器（例如，SD或DX存储器等）、随机访问存储器（RAM）、静态随机访问存储器（SRAM）、只读存储器（ROM）、电可擦除可编程只读存储器（EEPROM）、可编程只读存储器（PROM）、磁性存储器、磁盘、光盘等。在一些实施例中，所述存储器9a可以是所述计算机设备9的内部存储单元，例如该计算机设备9的硬盘或内存。在另一些实施例中，所述存储器9a也可以是所述计算机设备9的外部存储设备，例如该计算机设备9上配备的插接式硬盘，智能存储卡（Smart Media Card，SMC），安全数字（Secure Digital，SD）卡，闪存卡（FlashCard）等。当然，所述存储器9a还可以既包括所述计算机设备9的内部存储单元也包括其外部存储设备。本实施例中，所述存储器9a通常用于存储安装于所述计算机设备9的操作系统和各类应用软件，例如舞蹈教学辅助方法的程序代码等。此外，所述存储器9a还可以用于暂时地存储已经输出或者将要输出的各类数据。

所述处理器9b在一些实施例中可以是中央处理器（Central Processing Unit，CPU）、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器9b通常用于控制所述计算机设备9的总体操作。本实施例中，所述处理器9b用于运行所述存储器9a中存储的程序代码或者处理数据，例如运行所述舞蹈教学辅助方法的程序代码。

所述网络接口9c可包括无线网络接口或有线网络接口，该网络接口9c通常用于在所述计算机设备9与其他电子设备之间建立通信连接。

本申请还提供了另一种实施方式，即提供一种非易失性计算机可读存储介质，所述非易失性计算机可读存储介质存储有舞蹈教学辅助程序，所述舞蹈教学辅助程序可被至少一个处理器执行，以使所述至少一个处理器执行如上述的舞蹈教学辅助方法的步骤。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质（如ROM/RAM、磁碟、光盘）中，包括若干指令用以使得一台终端设备（可以是手机，计算机，服务器，空调器，或者网络设备等）执行本申请各个实施例所述的方法。

显然，以上所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例，附图中给出了本申请的较佳实施例，但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现，相反地，提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明，对于本领域的技术人员来而言，其依然可以对前述各具体实施方式所记载的技术方案进行修改，或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构，直接或间接运用在其他相关的技术领域，均同理在本申请专利保护范围之内。