MIPNet姿態估計技術在高校國際標準舞蹈競賽中的應用

王景振 邱璇

摘要：在當前高校國際標準舞蹈的競賽與教學中，存在著許多挑戰。主要問題在于，傳統的教學方法通常需要教師花費大量的時間進行示范和糾錯，而學生的學習效率和理解度也受到限制。為了解決這些問題，本研究探討了MIPNet姿態估計技術在此領域的應用。通過將舞蹈教師的專業知識、學生的學習需求和先進的MIPNet姿態估計技術有機結合，形成了一種全新的“三位一體教學輔助技術”。采用MIPNet姿態估計技術，我們建立了一個全面和詳細的國際標準舞蹈教學動作數據庫，精確地采集教師示范動作的特征，這些信息與學生的動作進行比較，找出學生動作的不足之處，從而提供更加精準的指導。此外，我們也探索了MIPNet姿態估計技術在高校國際標準舞蹈競賽中的應用。我們建立了國際標準舞蹈專業競賽數據庫，利用MIPNet姿態估計技術進行人體關鍵點定位和動作識別，實現對學生表演的客觀和精確評估。

關鍵詞：MIPNet姿態估計技術? 高校國際標準舞蹈? 在線教學? 在線競賽

中圖分類號：G80文獻標識碼：A文章編號：1006-8902-（2024）-04-081-3-JF

1、研究背景

在線教育的普及順應了現代教育的發展，國際標準舞是以實踐性為主的技能主導類運動項目，如何將新技術良好嵌入至教學和競賽中，是當前高校國際標準舞教育工作者亟需解決的問題。傳統的舞蹈教學主要通過教師示范，學生模仿、師生反饋、糾錯練習等環節。然而，隨著在線教學的發展，這種傳統的教學模式在遷移到線上時，由于缺乏面對面的感知環境，教學效果往往大打折扣。目前，雖然既往研究中嘗試采用人工智能和物聯網等技術開發的舞蹈實訓空間，或使用交互式機器人進行舞蹈教學等方式，但是這些技術往往對教學環境和設備有較高的要求，難以進行大規模推廣。通過廣泛查閱資料發現，一種新型的MIPNet姿態估計技術能夠捕捉到人體關鍵點的坐標，根據這些坐標來描述一個標準的舞蹈動作，從而提供更準確的教學反饋，為高校國際標準舞蹈競賽與教學的發展提供了無限可能，同時通過動作識別技術，對學生的舞蹈動作進行識別實現自動化的舞蹈教學和競賽。在競賽場景中，通過姿態估計技術和動作識別技術，對學生的舞蹈動作進行精確評估，可以提高考核的準確性和公平性。基于此，本研究提出了一種利用MIPNet姿態估計和動作識別技術的在線技術方案。該方案不依賴復雜的實訓空間或昂貴的傳感器設備，實用性強，應用性廣，能夠有效地提高舞蹈在線教學和考試的效果。在運用的過程中，第一步打造國際標準舞教師正確舞蹈動作的資料庫；第二步通過學生提供的舞蹈視頻，使用MIPNet姿態估計技術獲得學生身體部位關鍵點的坐標預測信息；第三步，結合已獲信息，通過對比學生和教師的舞蹈動作，利用動作識別技術來進行評分和反饋。總的來說，通過結合人工智能和舞蹈教學以提供更高效、更準確的舞蹈教學和競賽方式，從而提升教育質量，滿足線上教學的發展需求。

2、MIPNet姿態估計技術定位國際標準舞蹈動作的分析

在傳統舞蹈教學中，教師通過直接觀察和反饋來評估學生的動作細節的教學方式耗時耗力。隨著科學技術的發展，人工智能技術逐漸被引入到舞蹈教學之中，這種基于2D姿態估計技術的教學方法——MIPNet姿態估計技術可以提高教學效率和效果，同樣MIPNet也適用于多人舞蹈練習場景，實現多人的人體姿態估計，它基于深度學習的方法，能夠高效準確地預測多人的2D人體關鍵點。在實際應用中，MIPNet結合了Faster R-CNN算法，有效處理人體遮擋問題，提供實時性的姿態估計服務。這種方法在舞蹈教學和競賽中具有極高的實用價值，能夠及時、準確地反饋學生的動作信息，幫助教師進行精細化教學。具體來說，MIPNet首先通過Faster R-CNN算法檢測出舞蹈學生的人體區域。Faster R-CNN算法的實現過程可以分為三個主要步驟。

第一步，Faster R-CNN算法將輸入的圖像數據進行深度學習處理，得到相應的特征圖。這個特征圖可以理解為一種包含了圖片內部各種特征的地圖，它是Faster R-CNN算法識別目標的基礎。這一步中，深度學習網絡通過對輸入圖片的深度學習處理，提取出圖片的特征信息，這些特征信息包括了顏色、紋理、形狀等多種信息，這些信息是Faster R-CNN算法識別目標的關鍵；

第二步，Faster R-CNN算法通過區域提議網絡（RPN）生成候選框。這些候選框就是可能存在目標物體的區域。這一步中，區域提議網絡根據特征圖生成一系列的候選框，每個候選框都表示了一個可能存在目標的區域，這些區域的范圍和位置都是由區域提議網絡自動確定的；

第三步就像是一個篩選的過程，通過特征矩陣和全連接層的計算，Faster R-CNN算法可以判斷每個候選框中是否真的存在目標物體，并確定其具體的類別和位置。通過這一步，Faster R-CNN算法最終實現了對目標的精確識別。通過Faster R-CNN算法，我們可以快速準確地找到正在進行舞蹈學生的人體區域，然后，將這個區域的坐標信息傳送給MIPNet網絡。MIPNet網絡接收到這個信息后，就可以開始進行姿態估計的計算。MIPNet網絡通過深度學習的方法，對輸入的人體區域進行分析，預測出人體的17個關鍵點的坐標位置。這17個關鍵點包括了人體的頭部、肩部、胳膊、腿、腳等主要部位，這些部位的位置信息對于舞蹈動作的判斷和評估至關重要。在進行姿態估計時，MIPNet網絡會生成一個熱度圖，這個熱度圖表示了每個關鍵點的位置信息。通過分析這個熱度圖，我們就可以得到每個關鍵點的精確坐標，從而實現對舞蹈動作的詳細解析。MIPNet不僅可以準確預測單人的人體姿態，而且能夠有效地處理多人舞蹈練習場景。在多人舞蹈練習場景中，由于人體之間的交疊和遮擋，常規的姿態估計方法往往難以準確地識別和定位每個人的關鍵點。但是，MIPNet通過設計特殊的網絡結構和訓練策略，可以有效地解決這個問題，實現對多人姿態的準確估計。在實際應用中，MIPNet結合Faster R-CNN算法，可以為舞蹈教學提供強大的技術支持。教師通過這種方法，實時監測學生的動作，及時發現并糾正錯誤，從而增強教學效果。同時，這種方法也可用于舞蹈競賽，通過對學生動作的精確分析，可以更公正、更科學地進行評分。更進一步，MIPNet和Faster R-CNN算法的結合，為舞蹈創新提供了新的可能，研究人員可以通過這種方法，收集和分析大量的舞蹈動作數據，從而發現新的舞蹈元素和組合，為舞蹈創新提供靈感。

MIPNet姿態估計技術能夠通過計算學生身體各部位間的角度來描繪出舞蹈動作的形態。這些角度信息隨后和標準舞蹈動作模板進行比對，以便發現學生動作與教師示范動作的不同之處。比如，通過對比教師和學生右臂三點（右肩、右肘、右腕）構成的角度，若發現學生的右手夾角大于教師的，那么系統就會提醒學生需要將右手腕抬高約30°。MIPNet姿態估計技術的應用，不僅支持學生在無教師陪伴的情況下自我學習和改正動作，同時也使教師能更精確地評價學生的動作標準度及基本功的穩固程度。進一步來說，當學生可以自我尋錯和糾錯時，教師就能把更多的精力投入到傳授舞蹈動作背后的深層情感理解上，引領學生實現舞蹈動作與情感的有機結合。這樣的教學模式實質上是在踐行“學生主導，教師引領”的教學理念，既提升了學生的主動學習能力，又提高了教師的教學效率。

3、PoseC3D動作識別技術識別國際標準舞蹈動作的方法

PoseC3D動作識別技術是一種新型的計算機視覺技術，它基于深度學習的方法對人體的三維姿態進行分析，能夠準確地識別出基礎舞蹈動作。該技術在高校國際標準舞蹈教學和競賽中的應用，為教師提供了一種全新的、科學的教學和評估手段。在舞蹈教學場景中，教師通常需要對學生的動作進行細致的觀察和分析，判斷出學生動作的優點和不足，然后給出具體的指導意見。這個過程需要教師具有豐富的舞蹈知識和敏銳的觀察力。而PoseC3D動作識別技術的出現，使得這個過程可以得到有效的簡化和優化。在具體過程中，PoseC3D動作識別技術會對學生和教師的舞蹈視頻進行處理，通過深度學習網絡識別出視頻中的人體關鍵點，然后根據這些關鍵點的位置和相互關系，計算出學生和教師的人體姿態。這個過程中，PoseC3D動作識別技術會對學生和教師的人體姿態進行詳細的比較和分析，找出學生動作中的不足，并結合教師的優秀動作，生成具體的糾正建議。在國際標準舞蹈比賽中，學生可能會進行臨場發揮，這時就需要更靈活的技術來進行動作識別和評分。PoseC3D動作識別技術的應用，就為此提供了解決方案。它首先會識別出學生的基本舞步，然后在數據庫中尋找與這些動作相對應的教師模板。這樣，即使學生進行了個性化表演，也能找到最匹配的教師動作作為評估基準，最后，PoseC3D動作識別技術會通過對學生和教師關鍵動作點的比較，計算出學生的得分，以此來評估學生的表演水平。這種應用方式，不僅保證了評估的公正性，也充分展示了深度學習技術在舞蹈教學和比賽中的潛力和價值。這個過程中，PoseC3D動作識別技術會計算出多個評估指標，如動作的準確度、流暢度、節奏感等，然后根據這些指標的差異，生成學生的得分。總的來說，PoseC3D動作識別技術在高校國際標準舞蹈教學和競賽中的應用，可以有效地解決傳統教學和評估方法中的多種問題，如教師的主觀性、評估的不公正性等。同時，它也為舞蹈教學提供了一種新的、科學的方法，使得教學和評估過程更加精確、高效。PoseC3D動作識別技術的應用，使得教師可以將更多的精力放在教學內容和學生的個性化指導上，而不是耗費大量時間在動作的觀察和判斷上。同時，該技術也為學生提供了一種全新的學習和自我評估方式。學生可以通過PoseC3D動作識別技術，清楚地看到自己的動作與標準動作的差異，從而更好地理解和掌握舞蹈動作。此外，PoseC3D動作識別技術還可以提供實時的反饋，幫助學生在練習過程中及時發現并改正錯誤，提高學習效率。

4、MIPNet姿態估計技術在高校國際標準舞蹈競賽中的運用

在高校國際標準舞蹈競賽中，傳統的評分方式依賴于考官的主觀判斷，這不可避免地帶來了一定程度的偏見和不一致。但是，隨著科技的發展，我們現在可以選擇更加科學和公平的評估方式，那就是使用MIPNet姿態估計技術和動作識別技術。這些技術能夠幫助我們準確地定位舞者的人體關鍵點，并且能夠識別和比較舞者的動作，從而對舞者的表演進行客觀和精確的評估。首先，我們需要建立一個舞蹈專業考試數據庫。這個數據庫的建立并不是簡單地根據舞蹈的名稱進行分類，而是需要根據舞蹈的動作元素和基本技巧來進行分類。例如，國際標準舞蹈會包含左足并換步、右轉步、右足并換步、扇形位、手對手、原地左轉步等基本動作和舞步，我們就需要將這些元素作為分類的依據。而這些動作和舞步元素的信息，可以通過使用MIPNet姿態估計技術來獲得。這種技術可以幫助我們精確地定位舞者的人體關鍵點，并獲取舞者身體各部位的角度信息。然后，我們可以將這些基本舞步的視頻信息、人體關鍵點坐標信息以及身體各部位之間的角度信息用來建立舞蹈競賽數據庫。在進行遠程考競賽時，學生可以選擇一種舞蹈類型進行即興編舞。在實際競賽中，系統會根據學生競賽的視頻數據，運用MIPNet姿態估計技術定位學生的人體關鍵點，并計算相關的角度數據。接著，服務端會利用PoseC3D動作識別技術來識別學生的動作。PoseC3D動作識別技術可以根據學生的動作數據，判斷出學生正在進行的動作是哪種動作或舞步，以及這種動作的完成程度如何。如果PoseC3D技術判斷出的動作概率小于0.85，那么該動作或舞步將被視為學生的即興發揮。對于這樣的動作，將由考官進行人工評分。如果PoseC3D技術判斷出的動作概率大于0.85，那么該動作將被視為數據庫中的標準動作。然后，系統將會將學生的動作數據與數據庫中的模板動作數據進行比較分析，從而得出一個客觀的評分。這個評分將基于學生動作的精確度，包括動作的執行流暢性、關鍵點位置的準確性、身體各部位之間的角度等因素。這種由計算機得出的評分，可以極大地減少人為因素的影響，從而提高評分的公平性和準確性。然而，我們也需要注意到，舞蹈不僅僅是技術的展示，更是藝術的體現。因此，除了對基本動作的標準性進行評價，我們還需要對學生的個性化動作、舞蹈的整體連貫性、表現力等方面進行評價。這部分的評價將由專業的考官進行，他們將根據學生的表演，給出相應的評分。學生的總分將由這兩部分組成：一部分是由計算機得出的系統評分，這部分主要評價學生基本動作的標準性；另一部分是由考官給出的人工評分，這部分主要評價學生的個性化動作、舞蹈的整體連貫性等方面。這樣的評分系統，不僅能夠更科學、公平地評價學生的舞蹈技能，還能夠更真實地反映他們的實際水平。它將技術和藝術結合起來，既能夠準確地評價學生的技術水平，又能夠充分地考慮到學生的藝術創新和表現力。這不僅能夠促進學生的技術進步，也能夠激發他們的藝術創新精神。總的來說，MIPNet姿態估計和PoseC3D動作識別等技術的出現，為高校國際標準舞蹈競賽帶來了新的可能。它們使得我們可以更加科學、公平和精確地評價學生的表演，從而更好地培養和選拔優秀的舞蹈人才。

5、結語

總體而言，MIPNet姿態估計技術在高校國際標準舞蹈競賽與教學中的應用，為我們提供了一種新的、科學的教學與評估方式，使得舞蹈教學與評估過程更加公平、精確、高效。它的出現，不僅促進了教學的科學化和標準化，也為高校國際標準舞蹈教學與競賽的發展創造了新的可能。我們有理由相信，隨著這些技術的不斷發展和完善，我們的舞蹈教學與競賽將會更加高效、公平、科學，我們將會培養出更多的優秀舞蹈人才。

參考文獻：

[1]劉小天.Kinect體感技術與國標舞基礎教學應用設計策略研究[J].明日風尚，2018（14）.

[2]朱麗華，孫江濤，周夢茹.基于Spring MVC架構的舞蹈視頻教學系統的設計與實現[J].現代電子技術，2019，42（7）.

[3]王瑞，李婷婷.姿態估計技術和動作識別技術在舞蹈類考試及教學中的應用探索[J].中國考試，2022（11）.

[4]孫爽，劉菁.信息化教學手段在中職舞蹈教學中的應用[J].科學與信息化，2022（7）.

[5]崔楮文.“互聯網+”背景下舞蹈教學的SPOC模式探索與創新策略研究[J].花溪，2022（14）.

[6]文海良.科研成果轉化為舞蹈表演專業教學資源的探索與實踐[J].當代教育理論與實踐，2022，14（3）.