基于悬架式运动特征的舞蹈风格分类
计算机视觉与模式识别
2026-03-23 v1 机器学习
摘要
舞蹈是人类文化的重要组成部分，作为传递情感和叙述故事的工具。基于运动数据识别和区分舞蹈风格是人类活动识别中复杂的问题，因为许多风格共享相似的姿势、手势和时序运动模式。本工作提出了用于分类舞蹈风格的轻量级框架，通过从视频中提取的姿态估计来确定运动特征。我们提出了受拉班运动分析启发的时空描述符。这些特征捕捉本地关节动力学，如速度、加速度和上身的角度运动，使我们能够对空间协调性进行结构化表示。为了进一步编码运动的节奏和周期性方面，我们集成了快速傅里叶变换特征，用于 characterize 运动模式在频域中的表现。该方法以低计算需求实现对不同舞蹈风格的稳健分类，因为不要求复杂的模型架构，并显示可解释的运动表示能够有效捕捉风格细微差异。
引用
@article{arxiv.2511.20469,
title = {Dance Style Classification using Laban-Inspired and Frequency-Domain Motion Features},
author = {Ben Hamscher and Arnold Brosch and Nicolas Binninger and Maksymilian Jan Dejna and Kira Maag},
journal= {arXiv preprint arXiv:2511.20469},
year = {2026}
}