基于计算机视觉的 AfroBeats 舞蹈动作分析：结合 YOLO 与 Segment Anything Model 的概念验证框架
计算机视觉与模式识别
2025-12-05 v1
摘要
本文提出了一项利用当代计算机视觉技术进行自动舞蹈动作分析的初步研究。我们提出了一种概念验证框架，将 YOLOv8 和 v11 用于舞者检测，与 Segment Anything Model（SAM）结合用于精确分割，从而在无需专用设备或标记的情况下实现对视频录制中舞者动作的跟踪和量化。我们的方法在视频帧中识别舞者，计算离散舞蹈步数，空间覆盖模式，以及在表演序列中测量节奏一致性。在单个 49 秒加纳 AfroBeats 舞蹈录像上测试该框架展示了技术可行性，系统在人工检查样本上实现了约 94% 的检测精确率和 89% 的召回率。SAM 提供的像素级分割实现了约 83% 的交并比，超越了边界框方法所能表示的范围，使运动量化能够捕捉身体构型变化。对这一初步案例研究的分析表明，被我们系统分类为主要舞者的舞者比被分类为次要舞者的舞者多执行了 23% 的步数，具有 37% 更高的运动强度，并利用了 42% 更多的表演空间。然而，这项工作代表了一项早期研究，具有实质性局限性，包括单视频验证、缺乏系统性真实标注以及与现有姿态估计方法的比较。我们提出该框架以展示技术可行性，识别有前景的定量舞蹈指标方向，并为未来的系统性验证研究奠定基础。
引用
@article{arxiv.2512.03509,
title = {AfroBeats Dance Movement Analysis Using Computer Vision: A Proof-of-Concept Framework Combining YOLO and Segment Anything Model},
author = {Kwaku Opoku-Ware and Gideon Opoku},
journal= {arXiv preprint arXiv:2512.03509},
year = {2025}
}