基于机器学习方法的婆罗多舞表演姿态与序列识别
计算机视觉与模式识别
2019-09-25 v1 机器学习
多媒体
摘要
理解舞蹈等表演艺术的内在语义是一项具有挑战性的任务。舞蹈本质上是多媒体的，并且跨越时间与空间。捕获和分析舞蹈的多媒体内容有助于文化遗产保护、构建视频推荐系统、辅助学习者使用辅导系统。为开发舞蹈应用，需要解决舞蹈分析的三个方面：1）对舞蹈视频进行分割以找到代表性动作元素，2）对已检测动作元素的匹配或识别，以及3）识别由若干动作元素按特定规则组合而成的舞蹈序列。本文试图解决舞蹈分析中用于理解舞蹈形式内在语义的三个基本问题。我们的重点是一种称为婆罗多舞的印度古典舞（ICD）。由于舞蹈由音乐驱动，我们利用音乐以及运动信息进行关键姿态提取。接下来，我们使用机器学习以及深度学习技术识别关键姿态。最后，使用隐马尔可夫模型（HMM）识别舞蹈序列。我们使用Kinect捕获婆罗多舞的多模态数据，并构建了一个用于ICD研究的标注数据集。
引用
@article{arxiv.1909.11023,
title = {Posture and sequence recognition for Bharatanatyam dance performances using machine learning approach},
author = {Tanwi Mallick and Partha Pratim Das and Arun Kumar Majumdar},
journal= {arXiv preprint arXiv:1909.11023},
year = {2019}
}