CN116978109A - 一种舞蹈创意测评方法、装置、电子设备及存储介质 - Google Patents
一种舞蹈创意测评方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN116978109A CN116978109A CN202211158433.0A CN202211158433A CN116978109A CN 116978109 A CN116978109 A CN 116978109A CN 202211158433 A CN202211158433 A CN 202211158433A CN 116978109 A CN116978109 A CN 116978109A
- Authority
- CN
- China
- Prior art keywords
- dance
- dancer
- determining
- tested
- creative
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 75
- 238000012544 monitoring process Methods 0.000 claims abstract description 83
- 239000013598 vector Substances 0.000 claims abstract description 59
- 238000000034 method Methods 0.000 claims abstract description 31
- 230000000007 visual effect Effects 0.000 claims abstract description 25
- 102100028065 Fibulin-5 Human genes 0.000 claims description 245
- 101710170766 Fibulin-5 Proteins 0.000 claims description 245
- 230000008451 emotion Effects 0.000 claims description 40
- 230000001133 acceleration Effects 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 19
- 230000009471 action Effects 0.000 claims description 12
- 230000014509 gene expression Effects 0.000 claims description 12
- 230000008859 change Effects 0.000 claims description 7
- 230000000694 effects Effects 0.000 claims description 2
- 238000012360 testing method Methods 0.000 claims 2
- 210000003414 extremity Anatomy 0.000 description 67
- 238000010586 diagram Methods 0.000 description 8
- 239000011159 matrix material Substances 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000001228 spectrum Methods 0.000 description 2
- 210000003423 ankle Anatomy 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 210000003127 knee Anatomy 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 210000000707 wrist Anatomy 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/20—Movements or behaviour, e.g. gesture recognition
- G06V40/23—Recognition of whole body movements, e.g. for sport training
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/46—Descriptors for shape, contour or point-related descriptors, e.g. scale invariant feature transform [SIFT] or bags of words [BoW]; Salient regional features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/41—Higher-level, semantic clustering, classification or understanding of video scenes, e.g. detection, labelling or Markovian modelling of sport events or news items
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/40—Scenes; Scene-specific elements in video content
- G06V20/46—Extracting features or characteristics from the video content, e.g. video fingerprints, representative shots or key frames
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Psychiatry (AREA)
- Game Theory and Decision Science (AREA)
- Software Systems (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种舞蹈创意测评方法、装置、电子设备及存储介质，该方法包括：获取待测舞者在不同视角下的监控录像；根据待测舞者在不同视角下的监控录像，确定待测舞者的舞蹈特征向量；其中，舞蹈特征向量包括若干个特征数据，每个特征数据均对应一种舞蹈评价类型的分数；根据待测舞者的舞蹈特征向量和各舞蹈评价类型对应的舞蹈创意测评权重，确定待测舞者的舞蹈创意测评结果。上述方案提供的方法，通过采用统一确定的舞蹈创意测评权重，对待测舞者进行舞蹈创意测评，实现了对舞者舞蹈创意的客观测评，保证了舞蹈创意测评的透明性和公平性。
Description
技术领域
本申请涉及计算机技术领域，尤其涉及一种舞蹈创意测评方法、装置、电子设备及存储介质。
背景技术
目前，青少年的教育方式已不仅仅局限于传统教育方式，素质教育也越来越被人们所重视，其中就包括了舞蹈教学。无论是舞蹈考级还是舞蹈教学，都需要对舞者的舞姿动作等表现进行评价，如对舞蹈创意的评价。
在现有技术中，通常是由舞蹈专家对舞者的舞蹈创意进行人工评分。但由于舞蹈创意的概念比较抽象，不易量化，所以创意好坏的标准经常因人而异，人工评分受到主观因素的影响较多，缺乏透明性和公平性。
发明内容
本申请提供一种舞蹈创意测评方法、装置、电子设备及存储介质，以解决现有技术受到主观因素的影响较多，缺乏透明性和公平性等缺陷。
本申请第一个方面提供一种舞蹈创意测评方法，包括：
获取待测舞者在不同视角下的监控录像；
根据所述待测舞者在不同视角下的监控录像，确定所述待测舞者的舞蹈特征向量；其中，所述舞蹈特征向量包括若干个特征数据，每个特征数据均对应一种舞蹈评价类型的分数；
根据所述待测舞者的舞蹈特征向量和各所述舞蹈评价类型对应的舞蹈创意测评权重，确定所述待测舞者的舞蹈创意测评结果。
可选的，还包括：
获取多个训练样本；所述训练样本包括舞蹈特征向量样本和对应的人工评分；
根据各所述训练样本包括的舞蹈特征向量样本和对应的人工评分，确定各舞蹈评价类型对应的舞蹈创意测评权重。
可选的，所述根据所述待测舞者在不同视角下的监控录像，确定所述待测舞者的舞蹈特征向量，包括：
针对所述监控录像中的任一帧监控图像，对该帧监控图像进行肢体关键点位置检测，得到所述待测舞者各肢体关键点在该帧监控图像中的空间坐标；
根据所述待测舞者各所述肢体关键点在各帧监控图像中的空间坐标，确定所述待测舞者的舞蹈特征向量。
可选的，当所述特征数据包括舞蹈情感评分时，所述根据所述待测舞者各所述肢体关键点在各帧监控图像中的空间坐标，确定所述待测舞者的舞蹈特征向量，包括：
根据所述待测舞者各所述肢体关键点在各帧监控图像中的空间坐标，确定所述待测舞者在各时域上的舞姿信息；
将所述待测舞者在各时域上的舞姿信息，转换为各所述时域上的基频信号；
根据各所述时域上的基频信号变化情况，确定所述待测舞者在各时域上的舞蹈情感；
根据所述待测舞者在各时域上的舞蹈情感与预设标准舞蹈情感之间的匹配程度，确定所述待测舞者的舞蹈情感评分。
可选的，当所述特征数据包括舞蹈活跃度评分时，所述根据所述待测舞者各所述肢体关键点在各帧监控图像中的空间坐标，确定所述待测舞者的舞蹈特征向量，包括：
根据所述待测舞者各所述肢体关键点在各帧监控图像中的空间坐标，确定所述待测舞者各肢体关键点的帧间移动速度；
根据所述待测舞者各肢体关键点的帧间移动速度与预设标准帧间移动速度之间的匹配程度，确定所述待测舞者的活跃度评分。
可选的，当所述特征数据包括舞蹈力量感评分时，所述根据所述待测舞者各所述肢体关键点在各帧监控图像中的空间坐标，确定所述待测舞者的舞蹈特征向量，包括：
根据所述待测舞者各所述肢体关键点在各帧监控图像中的空间坐标，确定所述待测舞者各肢体关键点的帧间移动加速度；
根据所述待测舞者各肢体关键点的帧间移动加速度与预设标准帧间移动加速度之间的匹配程度，确定所述待测舞者的舞蹈力量感评分。
可选的，所述特征数据至少包括舞蹈情感评分、舞蹈活跃度评分、舞蹈力量感评分、表情评分、动作幅度评分和动作类别评分。
本申请第二个方面提供一种舞蹈创意测评装置，包括：
获取模块，用于获取待测舞者在不同视角下的监控录像；
确定模块，用于根据所述待测舞者在不同视角下的监控录像，确定所述待测舞者的舞蹈特征向量；其中，所述舞蹈特征向量包括若干个特征数据，每个特征数据均对应一种舞蹈评价类型的分数；
测评模块，用于根据所述待测舞者的舞蹈特征向量和各所述舞蹈评价类型对应的舞蹈创意测评权重，确定所述待测舞者的舞蹈创意测评结果。
可选的，所述装置还包括：
训练模块，用于获取多个训练样本；所述训练样本包括舞蹈特征向量样本和对应的人工评分；根据各所述训练样本包括的舞蹈特征向量样本和对应的人工评分，确定各舞蹈评价类型对应的舞蹈创意测评权重。
可选的，所述确定模块，具体用于：
针对所述监控录像中的任一帧监控图像，对该帧监控图像进行肢体关键点位置检测，得到所述待测舞者各肢体关键点在该帧监控图像中的空间坐标；
根据所述待测舞者各所述肢体关键点在各帧监控图像中的空间坐标，确定所述待测舞者的舞蹈特征向量。
可选的，当所述特征数据包括舞蹈情感评分时，所述确定模块，具体用于：
根据所述待测舞者各所述肢体关键点在各帧监控图像中的空间坐标，确定所述待测舞者在各时域上的舞姿信息；
将所述待测舞者在各时域上的舞姿信息，转换为各所述时域上的基频信号；
根据各所述时域上的基频信号变化情况，确定所述待测舞者在各时域上的舞蹈情感；
根据所述待测舞者在各时域上的舞蹈情感与预设标准舞蹈情感之间的匹配程度，确定所述待测舞者的舞蹈情感评分。
可选的，当所述特征数据包括舞蹈活跃度评分时，所述确定模块，具体用于：
根据所述待测舞者各所述肢体关键点在各帧监控图像中的空间坐标，确定所述待测舞者各肢体关键点的帧间移动速度；
根据所述待测舞者各肢体关键点的帧间移动速度与预设标准帧间移动速度之间的匹配程度，确定所述待测舞者的活跃度评分。
可选的，当所述特征数据包括舞蹈力量感评分时，所述确定模块，具体用于：
根据所述待测舞者各所述肢体关键点在各帧监控图像中的空间坐标，确定所述待测舞者各肢体关键点的帧间移动加速度；
根据所述待测舞者各肢体关键点的帧间移动加速度与预设标准帧间移动加速度之间的匹配程度，确定所述待测舞者的舞蹈力量感评分。
可选的，所述特征数据至少包括舞蹈情感评分、舞蹈活跃度评分、舞蹈力量感评分、表情评分、动作幅度评分和动作类别评分。
本申请第三个方面提供一种电子设备，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上第一个方面以及第一个方面各种可能的设计所述的方法。
本申请第四个方面提供一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上第一个方面以及第一个方面各种可能的设计所述的方法。
本申请技术方案，具有如下优点：
本申请提供一种舞蹈创意测评方法、装置、电子设备及存储介质，该方法包括：获取待测舞者在不同视角下的监控录像；根据待测舞者在不同视角下的监控录像，确定待测舞者的舞蹈特征向量；其中，舞蹈特征向量包括若干个特征数据，每个特征数据均对应一种舞蹈评价类型的分数；根据待测舞者的舞蹈特征向量和各舞蹈评价类型对应的舞蹈创意测评权重，确定待测舞者的舞蹈创意测评结果。上述方案提供的方法，通过采用统一确定的舞蹈创意测评权重，对待测舞者进行舞蹈创意测评，实现了对舞者舞蹈创意的客观测评，保证了舞蹈创意测评的透明性和公平性。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，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，还可以根据这些附图获得其他的附图。
图1为本申请实施例基于的舞蹈创意测评系统的结构示意图；
图2为本申请实施例提供的舞蹈创意测评方法的流程示意图；
图3为本申请实施例提供的待测舞者测评数据结构示意图；
图4为本申请实施例提供的舞蹈创意测评装置的结构示意图；
图5为本申请实施例提供的电子设备的结构示意图。
通过上述附图，已示出本申请明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本申请的概念。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
此外，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。在以下各实施例的描述中，“多个”的含义是两个以上，除非另有明确具体的限定。
在现有技术中，通常是由舞蹈专家对舞者的舞蹈创意进行人工评分。但由于舞蹈创意的概念比较抽象，不易量化，所以创意好坏的标准经常因人而异，人工评分受到主观因素的影响较多，缺乏透明性和公平性。
针对上述问题，本申请实施例提供的舞蹈创意测评方法、装置、电子设备及存储介质，通过获取待测舞者在不同视角下的监控录像；根据待测舞者在不同视角下的监控录像，确定待测舞者的舞蹈特征向量；其中，舞蹈特征向量包括若干个特征数据，每个特征数据均对应一种舞蹈评价类型的分数；根据待测舞者的舞蹈特征向量和各舞蹈评价类型对应的舞蹈创意测评权重，确定待测舞者的舞蹈创意测评结果。上述方案提供的方法，通过采用统一确定的舞蹈创意测评权重，对待测舞者进行舞蹈创意测评，实现了对舞者舞蹈创意的客观测评，保证了舞蹈创意测评的透明性和公平性。
下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本发明实施例进行描述。
首先，对本申请所基于的舞蹈创意测评系统的结构进行说明：
本申请实施例提供的舞蹈创意测评方法、装置、电子设备及存储介质，适用于在舞蹈比赛或舞蹈评级等场景下对舞者的舞蹈创意进行测评。如图1所示，为本申请实施例基于的舞蹈创意测评系统的结构示意图，主要包括数据采集装置及舞蹈创意测评装置，其中，数据采集装置可以是安装在舞蹈室中的摄像头。具体地，数据采集装置可以采集待测舞者的监控录像，并将采集到的监控录像发送到舞蹈创意测评装置，该装置根据得到的监控录像，确定待测评舞者的舞蹈创意测评结果。
本申请实施例提供了一种舞蹈创意测评方法，用于在舞蹈比赛或舞蹈评级等场景下对舞者的舞蹈创意进行测评。本申请实施例的执行主体为电子设备，比如服务器、台式电脑、笔记本电脑、平板电脑及其他可用于对监控录像进行处理和分析的电子设备。
如图2所示，为本申请实施例提供的舞蹈创意测评方法的流程示意图，该方法包括：
步骤201，获取待测舞者在不同视角下的监控录像。
步骤202，根据待测舞者在不同视角下的监控录像，确定待测舞者的舞蹈特征向量。
其中，舞蹈特征向量包括若干个特征数据，每个特征数据均对应一种舞蹈评价类型的分数。特征数据至少包括舞蹈情感评分、舞蹈活跃度评分、舞蹈力量感评分、表情评分、动作幅度评分和动作类别评分。
具体地，可以根据待测舞者在不同视角下的监控录像，确定待测舞者的表情识别结果、舞蹈姿态和姿态轨迹等信息，进而根据得到的各种信息，对待测舞者进行相应舞蹈评价类型的打分，进而可以得到舞蹈情感评分、舞蹈活跃度评分、舞蹈力量感评分、表情评分、动作幅度评分和动作类别评分等。
步骤203，根据待测舞者的舞蹈特征向量和各舞蹈评价类型对应的舞蹈创意测评权重，确定待测舞者的舞蹈创意测评结果。
具体地，在一实施例中，为了确保舞蹈创意测评权重的可靠性，可以获取多个训练样本；训练样本包括舞蹈特征向量样本和对应的人工评分；根据各训练样本包括的舞蹈特征向量样本和对应的人工评分，确定各舞蹈评价类型对应的舞蹈创意测评权重。
具体地，可以采用排序学习算法，基于多个训练样本，训练得到舞蹈创意测评的排序模型，该排序模型的模型参数包括舞蹈特征向量样本中各特征数据对应的舞蹈创意测评权重，使舞蹈特征向量样本在基于该舞蹈创意测评权重，确定对应的舞蹈创意测评结果时，得到的舞蹈创意测评分数与人工评分相等。
具体地，在得到排序模型后，可以将待测舞者的舞蹈特征向量输入到该排序模型，以基于该排序模型，根据待测舞者的舞蹈特征向量和各舞蹈评价类型对应的舞蹈创意测评权重，对待测舞者进行舞蹈创意评分，以确定待测舞者的舞蹈创意测评结果。
在上述实施例的基础上，作为一种可实施的方式，在一实施例中，根据待测舞者在不同视角下的监控录像，确定待测舞者的舞蹈特征向量，包括：
步骤2021，针对监控录像中的任一帧监控图像，对该帧监控图像进行肢体关键点位置检测，得到待测舞者各肢体关键点在该帧监控图像中的空间坐标；
步骤2022，根据待测舞者各肢体关键点在各帧监控图像中的空间坐标，确定待测舞者的舞蹈特征向量。
其中，肢体关键点可以包括头、左右肩、左右肘、左右手腕、左右胯、左右膝、左右脚踝和腰椎等。
具体地，在得到待测舞者在不同视角下的监控录像后，先对得到的所有监控录像进行分帧处理，针对任一视角下的监控录像中的任一帧监控图像，将该监控图像输入到预设的检测模型，得到待测舞者在该帧监控图像中的肢体关键点二维信息；根据各视角下的该帧监控图像所对应的肢体关键点二维信息和相机参数，确定待测舞者在各视角下每个肢体关键点的空间投影表达式；根据待测舞者在各视角下每个肢体关键点的空间投影表达式，构建各肢体关键点的空间投影矩阵；根据各肢体关键点的空间投影矩阵，确定待测舞者各肢体关键点在该帧监控图像中的空间坐标。
具体地，可以根据如下公式，确定待测舞者在i视角下的肢体关键点的空间投影表达式：
其中，(ui,vi)表示某肢体关键点在i视角下的二维坐标，(X,Y,Z)表示该肢体关键点对应的空间坐标(三维坐标)，P3×4表示由相机参数组成的3×4矩阵。
令将上式转换为：
消元移项得：/>
进一步地，对待测舞者的这一肢体关键点在n个视角下的空间投影表达式进行合并，得到该肢体关键点的空间投影矩阵：
A2n×4x＝0
进一步地，在得到多组A2n×4、x解后，将A2n×4最小值所对应的x，确定为该肢体关键点的空间坐标。
具体地，在一实施例中，当特征数据包括舞蹈情感评分时，可以根据待测舞者各肢体关键点在各帧监控图像中的空间坐标，确定待测舞者在各时域上的舞姿信息；将待测舞者在各时域上的舞姿信息，转换为各时域上的基频信号；根据各时域上的基频信号变化情况，确定待测舞者在各时域上的舞蹈情感；根据待测舞者在各时域上的舞蹈情感与预设标准舞蹈情感之间的匹配程度，确定待测舞者的舞蹈情感评分。
其中，舞姿信息具体可以指各肢体关键点在时域内的拉班舞谱信息，舞蹈情感具体可以以波状图的形式体现。
具体地，可以根据背景音乐的节拍，将整段背景音乐的时长划分为多个时域，然后根据待测舞者在各帧监控图像下的空间坐标，确定待测舞者在各时域上的舞姿信息。基于小波分析法，将不同频率小波核的信号作用于待测舞者在各时域上的舞姿信息，以将其转换为各时域上的基频信号，进而根据各时域上的基频信号变化情况，确定待测舞者在各时域上的舞蹈情感。同时根据当前背景音乐的音乐频率，确定相对应的预设标准舞蹈情感。最后根据待测舞者在各时域上的舞蹈情感与预设标准舞蹈情感之间的匹配程度，计算待测舞者在舞蹈情感表达方面的分数，从而得到待测舞者的舞蹈情感评分。其中，预设标准舞蹈情感是与背景音乐相匹配的舞蹈情感。
具体地，在一实施例中，当特征数据包括舞蹈活跃度评分时，可以根据待测舞者各肢体关键点在各帧监控图像中的空间坐标，确定待测舞者各肢体关键点的帧间移动速度；根据待测舞者各肢体关键点的帧间移动速度与预设标准帧间移动速度之间的匹配程度，确定待测舞者的活跃度评分。
具体地，可以根据待测舞者各肢体关键点在各帧监控图像中的空间坐标，确定待测舞者在拉班空间内的拉班舞谱，根据待测舞者的肢体关键点在拉班空间的变化情况，计算出该肢体关键点的帧间移动距离。然后根据帧间移动距离和帧间时间长度，确定待测舞者各肢体关键点的帧间移动速度。最后根据待测舞者各肢体关键点的帧间移动速度与预设标准帧间移动速度之间的匹配程度，确定待测舞者的活跃度评分。其中，预设标准帧间移动速度是与背景音乐相匹配的舞蹈活跃度量化值。
具体地，在一实施例中，当特征数据包括舞蹈力量感评分时，根据待测舞者各肢体关键点在各帧监控图像中的空间坐标，确定待测舞者各肢体关键点的帧间移动加速度；根据待测舞者各肢体关键点的帧间移动加速度与预设标准帧间移动加速度之间的匹配程度，确定待测舞者的舞蹈力量感评分。
具体地，可以根据帧间移动距离和帧间时间长度，确定待测舞者各肢体关键点的帧间移动加速度。最后根据待测舞者各肢体关键点的帧间移动加速度与预设标准帧间移动加速度之间的匹配程度，确定待测舞者的舞蹈力量感评分。其中，预设标准帧间移动加速度是与背景音乐相匹配的舞蹈力量感量化值。
示例性的，如图3所示，为本申请实施例提供的待测舞者测评数据结构示意图，待测舞者测评数据包括各肢体关键点的空间坐标、舞蹈姿态和舞蹈动作，可以使用图的方式进行对待测舞者测评数据进行结构化和可视化的表达。如使用时空与或图(Spatial-Temporal And Or Graph，简称：ST-AOG)将人体关节/关键点(肢体关键点)在根据空间与时间的关系组合成舞蹈姿态、舞蹈动作、舞蹈库。在测评的过程中，根据每个时刻检测到的舞蹈动作，相应地高亮舞蹈AOG中的解析树(parse tree)，作为检测、识别算法的可视化呈现。相应的，在对排序模型(如Ranking SVM/以Ranking SVM)M进行建模时，输入数据与舞蹈创意测评评分yi的关系为/>向量包含了对应/>中每一个特征数据的权重。将/>进行可视化，如根据权重数值大小在热度图上使用深浅不同的色块、或在网络图中使用粗细不一的连接线进行表示，可以将输入数据中与输出数据相关性较强的对应关系呈现出来。
本申请实施例提供的舞蹈创意测评方法，通过获取待测舞者在不同视角下的监控录像；根据待测舞者在不同视角下的监控录像，确定待测舞者的舞蹈特征向量；其中，舞蹈特征向量包括若干个特征数据，每个特征数据均对应一种舞蹈评价类型的分数；根据待测舞者的舞蹈特征向量和各舞蹈评价类型对应的舞蹈创意测评权重，确定待测舞者的舞蹈创意测评结果。上述方案提供的方法，通过采用统一确定的舞蹈创意测评权重，对待测舞者进行舞蹈创意测评，实现了对舞者舞蹈创意的客观测评，保证了舞蹈创意测评的透明性和公平性。
本申请实施例提供了一种舞蹈创意测评装置，用于执行上述实施例提供的舞蹈创意测评方法。
如图4所示，为本申请实施例提供的舞蹈创意测评装置的结构示意图。该舞蹈创意测评装置40包括：获取模块401、确定模块402和测评模块403。
其中，获取模块，用于获取待测舞者在不同视角下的监控录像；确定模块，用于根据待测舞者在不同视角下的监控录像，确定待测舞者的舞蹈特征向量；其中，舞蹈特征向量包括若干个特征数据，每个特征数据均对应一种舞蹈评价类型的分数；测评模块，用于根据待测舞者的舞蹈特征向量和各舞蹈评价类型对应的舞蹈创意测评权重，确定待测舞者的舞蹈创意测评结果。
具体地，在一实施例中，该装置还包括：
训练模块，用于获取多个训练样本；训练样本包括舞蹈特征向量样本和对应的人工评分；根据各训练样本包括的舞蹈特征向量样本和对应的人工评分，确定各舞蹈评价类型对应的舞蹈创意测评权重。
具体地，在一实施例中，确定模块，具体用于：
针对监控录像中的任一帧监控图像，对该帧监控图像进行肢体关键点位置检测，得到待测舞者各肢体关键点在该帧监控图像中的空间坐标；
根据待测舞者各肢体关键点在各帧监控图像中的空间坐标，确定待测舞者的舞蹈特征向量。
具体地，在一实施例中，当特征数据包括舞蹈情感评分时，确定模块，具体用于：
根据待测舞者各肢体关键点在各帧监控图像中的空间坐标，确定待测舞者在各时域上的舞姿信息；
将待测舞者在各时域上的舞姿信息，转换为各时域上的基频信号；
根据各时域上的基频信号变化情况，确定待测舞者在各时域上的舞蹈情感；
根据待测舞者在各时域上的舞蹈情感与预设标准舞蹈情感之间的匹配程度，确定待测舞者的舞蹈情感评分。
具体地，在一实施例中，当特征数据包括舞蹈活跃度评分时，确定模块，具体用于：
根据待测舞者各肢体关键点在各帧监控图像中的空间坐标，确定待测舞者各肢体关键点的帧间移动速度；
根据待测舞者各肢体关键点的帧间移动速度与预设标准帧间移动速度之间的匹配程度，确定待测舞者的活跃度评分。
具体地，在一实施例中，当特征数据包括舞蹈力量感评分时，确定模块，具体用于：
根据待测舞者各肢体关键点在各帧监控图像中的空间坐标，确定待测舞者各肢体关键点的帧间移动加速度；
根据待测舞者各肢体关键点的帧间移动加速度与预设标准帧间移动加速度之间的匹配程度，确定待测舞者的舞蹈力量感评分。
具体地，在一实施例中，特征数据至少包括舞蹈情感评分、舞蹈活跃度评分、舞蹈力量感评分、表情评分、动作幅度评分和动作类别评分。
关于本实施例中的舞蹈创意测评装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本申请实施例提供的舞蹈创意测评装置，用于执行上述实施例提供的舞蹈创意测评方法，其实现方式与原理相同，不再赘述。
本申请实施例提供了一种电子设备，用于执行上述实施例提供的舞蹈创意测评方法。
如图5所示，为本申请实施例提供的电子设备的结构示意图。该电子设备50包括：至少一个处理器51和存储器52。
所述存储器存储计算机执行指令；所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上实施例提供的舞蹈创意测评方法。
本申请实施例提供的一种电子设备，用于执行上述实施例提供的舞蹈创意测评方法，其实现方式与原理相同，不再赘述。
本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如上任一实施例提供的舞蹈创意测评方法。
本申请实施例的包含计算机可执行指令的存储介质，可用于存储前述实施例中提供的舞蹈创意测评方法的计算机执行指令，其实现方式与原理相同，不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
最后应说明的是：以上各实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述各实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (10)
1.一种舞蹈创意测评方法，其特征在于，包括：
获取待测舞者在不同视角下的监控录像；
根据所述待测舞者在不同视角下的监控录像，确定所述待测舞者的舞蹈特征向量；其中，所述舞蹈特征向量包括若干个特征数据，每个特征数据均对应一种舞蹈评价类型的分数；
根据所述待测舞者的舞蹈特征向量和各所述舞蹈评价类型对应的舞蹈创意测评权重，确定所述待测舞者的舞蹈创意测评结果。
2.根据权利要求1所述的方法，其特征在于，还包括：
获取多个训练样本；所述训练样本包括舞蹈特征向量样本和对应的人工评分；
根据各所述训练样本包括的舞蹈特征向量样本和对应的人工评分，确定各舞蹈评价类型对应的舞蹈创意测评权重。
3.根据权利要求1所述的方法，其特征在于，所述根据所述待测舞者在不同视角下的监控录像，确定所述待测舞者的舞蹈特征向量，包括：
针对所述监控录像中的任一帧监控图像，对该帧监控图像进行肢体关键点位置检测，得到所述待测舞者各肢体关键点在该帧监控图像中的空间坐标；
根据所述待测舞者各所述肢体关键点在各帧监控图像中的空间坐标，确定所述待测舞者的舞蹈特征向量。
4.根据权利要求3所述的方法，其特征在于，当所述特征数据包括舞蹈情感评分时，所述根据所述待测舞者各所述肢体关键点在各帧监控图像中的空间坐标，确定所述待测舞者的舞蹈特征向量，包括：
根据所述待测舞者各所述肢体关键点在各帧监控图像中的空间坐标，确定所述待测舞者在各时域上的舞姿信息；
将所述待测舞者在各时域上的舞姿信息，转换为各所述时域上的基频信号；
根据各所述时域上的基频信号变化情况，确定所述待测舞者在各时域上的舞蹈情感；
根据所述待测舞者在各时域上的舞蹈情感与预设标准舞蹈情感之间的匹配程度，确定所述待测舞者的舞蹈情感评分。
5.根据权利要求3所述的方法，其特征在于，当所述特征数据包括舞蹈活跃度评分时，所述根据所述待测舞者各所述肢体关键点在各帧监控图像中的空间坐标，确定所述待测舞者的舞蹈特征向量，包括：
根据所述待测舞者各所述肢体关键点在各帧监控图像中的空间坐标，确定所述待测舞者各肢体关键点的帧间移动速度；
根据所述待测舞者各肢体关键点的帧间移动速度与预设标准帧间移动速度之间的匹配程度，确定所述待测舞者的活跃度评分。
6.根据权利要求3所述的方法，其特征在于，当所述特征数据包括舞蹈力量感评分时，所述根据所述待测舞者各所述肢体关键点在各帧监控图像中的空间坐标，确定所述待测舞者的舞蹈特征向量，包括：
根据所述待测舞者各所述肢体关键点在各帧监控图像中的空间坐标，确定所述待测舞者各肢体关键点的帧间移动加速度；
根据所述待测舞者各肢体关键点的帧间移动加速度与预设标准帧间移动加速度之间的匹配程度，确定所述待测舞者的舞蹈力量感评分。
7.根据权利要求1所述的方法，其特征在于，所述特征数据至少包括舞蹈情感评分、舞蹈活跃度评分、舞蹈力量感评分、表情评分、动作幅度评分和动作类别评分。
8.一种舞蹈创意测评装置，其特征在于，包括：
获取模块，用于获取待测舞者在不同视角下的监控录像；
确定模块，用于根据所述待测舞者在不同视角下的监控录像，确定所述待测舞者的舞蹈特征向量；其中，所述舞蹈特征向量包括若干个特征数据，每个特征数据均对应一种舞蹈评价类型的分数；
测评模块，用于根据所述待测舞者的舞蹈特征向量和各所述舞蹈评价类型对应的舞蹈创意测评权重，确定所述待测舞者的舞蹈创意测评结果。
9.一种电子设备，其特征在于，包括：至少一个处理器和存储器；
所述存储器存储计算机执行指令；
所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有计算机执行指令，当处理器执行所述计算机执行指令时，实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211158433.0A CN116978109A (zh) | 2022-09-22 | 2022-09-22 | 一种舞蹈创意测评方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211158433.0A CN116978109A (zh) | 2022-09-22 | 2022-09-22 | 一种舞蹈创意测评方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116978109A true CN116978109A (zh) | 2023-10-31 |
Family
ID=88471950
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211158433.0A Pending CN116978109A (zh) | 2022-09-22 | 2022-09-22 | 一种舞蹈创意测评方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116978109A (zh) |
-
2022
- 2022-09-22 CN CN202211158433.0A patent/CN116978109A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP7160932B2 (ja) | 動作の識別および動作情報を用いた規範的な分析の生成 | |
| US11763603B2 (en) | Physical activity quantification and monitoring | |
| CN111709409A (zh) | 人脸活体检测方法、装置、设备及介质 | |
| WO2021068781A1 (zh) | 一种疲劳状态识别方法、装置和设备 | |
| CN111292362A (zh) | 图像处理方法、装置、电子设备及计算机可读存储介质 | |
| Avola et al. | Deep temporal analysis for non-acted body affect recognition | |
| CN113822254B (zh) | 一种模型训练方法及相关装置 | |
| Liu | Objects detection toward complicated high remote basketball sports by leveraging deep CNN architecture | |
| KR20220028654A (ko) | 미러 디스플레이를 이용하여 태권도 동작 코칭 서비스를 제공하는 장치 및 방법 | |
| CN110414607A (zh) | 胶囊内窥镜图像的分类方法、装置、设备及介质 | |
| WO2024092955A1 (zh) | 医学培训考核评价方法、装置、电子设备及存储介质 | |
| CN110414306B (zh) | 一种基于meanshift算法和SVM的婴儿异常行为检测方法 | |
| CN108491881A (zh) | 用于生成检测模型的方法和装置 | |
| CN117542121B (zh) | 基于计算机视觉的智能化训练考核系统及方法 | |
| Li et al. | Assessing fruit hardness in robot hands using electric gripper actuators with tactile sensors | |
| CN112241001A (zh) | 雷达人体动作识别方法、装置、电子设备和存储介质 | |
| CN116978109A (zh) | 一种舞蹈创意测评方法、装置、电子设备及存储介质 | |
| CN116503954A (zh) | 一种基于人体姿态估计的体育教学测试方法及系统 | |
| Du | The computer vision simulation of athlete’s wrong actions recognition model based on artificial intelligence | |
| CN115019396A (zh) | 一种学习状态监测方法、装置、设备及介质 | |
| CN115116087A (zh) | 一种动作考核方法、系统、存储介质和电子设备 | |
| CN113392744A (zh) | 舞蹈动作美感确认方法、装置、电子设备及存储介质 | |
| CN113902670A (zh) | 一种基于弱监督学习的超声视频分割方法及装置 | |
| Ding et al. | Data collection and information security analysis in sports teaching system based on intelligent sensor | |
| CN116978110A (zh) | 一种舞姿动作评价方法、装置、电子设备及存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |