体育舞蹈运动技术理论在时装模特表演训练中的运用

近几年迅速发展的国际体育舞蹈，其运动结构及运动方式是以现代科学原理和观念为依据的。本文通过对体育舞蹈中的领舞意识、重心移动及平衡、气质表现等技术理论在时装模特表演训练中的运用进行的分析和归纳，目的在于借鉴其先进的训练方法提高时装模特的表演水平。     

时装模特表演意识初探

如何丰富时装模特的表演意识，提高时装模特的表演技能，一直是时装表演教育高度重视并着力解决的问题。本文从分析时装表演意识这一概念的内涵入手，科学地运用心理学知识揭示时装表演意识的本质。同时还指出时装表演并非形体训练，它还是一种心理训练、感觉训练、意志训练和人格训练，这正是提高和强化时装表演效果的一条重要途径。     

关于服装表演专业音乐课程建设的思考

服装表演是一门综合艺术,在具体的展示过程中,始终是和音乐完美的融合在一起的.音乐的素养是时装模特综合素质重要组成之一,时装表演的舞台实践也离不开音乐的烘托和支撑.为此,服装表演专业的音乐课程设置对丰富和提高学生的专业技能和艺术修养具有十分重要的性质.从音乐基础课、音乐技能课、音乐鉴赏课三个方面对服装表演专业音乐课程的建设及重要性等相关问题进行阐述.     

戏剧表演在外语课堂教学中的功能及应用

戏剧表演不但以语言的形式交流思想,而且通过面部表情、手势、动作等传情达意。戏剧表演应用于外语教学具有教育心理学、语言学与语言教学等理论基础,在教学实践过程中探讨了将戏剧表演应用于外语课堂教学的具体实施步骤与方法,并结合实际教学效果阐述了戏剧表演在外语课堂教学中的潜在功能。     

音乐:影响时装表演心理的重要因素

时装表演中音乐具有举足轻重的地位.本文运用心理学的一些原理,论述了音乐对时装模特的影响与作用.     

基于三维骨骼信息的动态手势识别

手势识别作为人机交互的有效手段,成为当前研究的热点话题.针对动态手势识别存在时空多变性、特征复杂性等问题,本文提出了一种基于三维骨骼信息的动态手势识别方法.动态手势具有时间上的差异性和复杂性,极大地影响了动态手势识别的准确率.因此,本文设计了一种动态手势关键帧提取算法,该算法可以提取动态手势关键部分,用于进一步的特征提...     

基于时空特征融合的动态手势识别

针对动态手势时间可变性和手势复杂空间关系等问题,提出融合时空特征的动态手势识别方法．基于动态手势视频的关键帧和手势关节点信息,计算得到角度特征、距离特征和轨迹特征．融合3类特征并利用SVM(Support Vector Machine)实现动态手势识别．实验表明,该方法更加完整地表述动态手势时空信息,运行时间更短,在UTD-MHAD数据集上识别率为96.47%,在中国交通警察指挥手势数据集上识别率为98.66%,识别效果较理想.     

方向直方图对手势图像鲁棒性的仿真

通过利用图像的方向直方图作为手势的特征向量来进行手势的分类和识别,这种方法不仅简单而且计算速度快,同时对于图像光线和形状的变化具有较强的鲁棒性。通过仿真,证明了此方法在手势识别的过程中(当手势在不同光线和手势平移变化时)对于手势图像的变化具有很强的鲁棒性。     

基于人体手臂关节信息的非接触式手势识别方法

为了实现在复杂环境中对连续动态手势的识别,以人体固有的手臂关节之间的约束关系及特定手势在三维空间的运动轨迹为特征,提出了一种非接触式手势识别方法. 首先,通过Kinect传感器获取人体手臂关节的三维数据;然后,对手势轨迹进行分割,并将具有三维空间特征的手势轨迹转化为一维的手势轨迹;最后,将手势预判断过程与改进的动态时间规整( dynamic time warp, DTW)算法相结合,实现对动态手势的快速高效识别. 实验结果表明:该方法对具有时空连续特征的动态手势识别率较高,在复杂背景和不同光照环境中都有较强的鲁棒性.     

基于改进KNN算法的动态手势识别研究

手势识别是人机交互的一种方式,用于手势识别的传统K最邻近算法由于训练组数据量大影响了其识别效率,为此提出了一种新的手势特征提取方法,设计了一款基于改进K最邻近算法的手势识别俄罗斯方块游戏.该方法根据手势信号的特征量,只需记录特征量的符号作为训练组以及测试组来储存.实验表明,改进K最邻近算法在体感游戏中对手势识别的平均成功率较阈值判别法的手势识别成功率提高了10%左右.     

基于Kinect深度信息的动态手势识别

针对复杂动态手势识别问题,本文首先通过体感传感器Kinect获取人体深度图像,利用阈值分割法分割出手势深度图像,然后建立由隐马尔可夫模型(HMM)和模糊神经网络(FNN)相结合的HMM-FNN模型进行动态手势识别。本文的动态手势主要是针对虚拟变电站中对设备的常用操作手势来进行人机交互研究的。HMM-FNN模型将复杂动态手势特征分解为三个子特征序列,分别建立HMM模型,然后进行模糊推理对手势进行分类识别。经实验验证,HMM-FNN模型能快速有效识别复杂动态手势,且鲁棒性强,识别效果明显优于HMM模型。     

一种基于信息融合与运动域分割的手势运动方向识别方法

手势识别中,除手的分割是个难题外,在视频流中,手势有效动作起止帧的判定也是一个急待解决的问题。将图像的肤色与运动信息结合,分割出手,建立手势运动的历史图（Motion History Image,MHI）,提出了一种MHI与改进的运动能量图（Improved Motion Energy Image,IMEI）结合的机制,判定有效手势运动的起止帧,最后建立有效手势运动的MHI;同时提出改进图像梯度向量算法用于手势运动方向（上,下,左,右）识别。实验表明,对于有效手势运动起止帧的正确判断率一般可达90%以上,有效手势识别率达96%以上,手势交互自然顺畅。     

基于DSP的手势图像识别系统设计

以TI公司的定点型DSP芯片TMS320VC5509A为核心,通过CMOS摄像头OV7620采集图像,设计了一种基于统计学方法与信息融合的手势图像识别系统.通过分析待识别手势的特征信息,多次提取手势特征的灰度值、手势的面积大小,来计算特征值的期望、方差,并得到广义期望、面积的均值,从而用广义期望与图像的面积信息融合来判断输入手势是否为所要识别的手势.     

基于卷积神经网络视觉融合的动态手势识别

为了提高多帧视频序列中动态手势的识别效果,结合计算机视觉分析,提出了基于卷积神经网络视觉融合的动态手势识别方法.采用模糊数据多频谱方法进行多帧视频序列中动态手势视觉图像采集,对采集的图像用Harris角点检测和多传感识别方法进行多模状态分层特征点标定,用卷积神经网络视觉融合方法提取多帧视频序列中动态手势动作的边界轮廓特征点信息,分析多帧视频序列中动态手势的层次化分割特征,用图像分割和边缘信息增强方法,提高动态手势图像的分辨能力,结合角点优化检测技术,用视觉动态跟踪分析实现对手势动作特征点的自动化标定,根据动态手势的帧点分布规则实现多帧视频序列中动态手势动作图像的自适应特征检测和识别.仿真结果表明,采用该方法进行多帧视频序列中动态手势识别的准确性较高、实时性较好.     

公益广告手势的多模态隐喻研究

手势是公益广告的重要模态形式之一,对隐喻的动态构建发挥着重要的作用。基于多模态隐喻理论,结合公益广告的语类特点,手势在多模态隐喻意义建构过程中有三种运作机制,即手势直接激活源域、手势通过转喻间接激活源域或目标域以及手势同时激活源域和目标域。公益广告中,目标域可以不呈现或者通过转喻间接呈现;手势既可以直接构建单模态隐喻,也可协同图像、语言(言语、文字)、声音等模态构建多模态隐喻;手势传达广告创作者的注意焦点。     

基于时频组合特征的PSO-SVM手势识别方法

为了提高基于表面肌电(sEMG)信号的手势识别的准确率,提出了时频组合特征和粒子群算法优化支持向量机(PSO-SVM)相结合的手势识别方法.将手势sEMG信号的时域特征和频域特征进行线性组合,组合后的时频组合特征作为分类特征,采用经PSO优化的SVM分类器对8类手势进行分类.结果显示,基于时频组合特征均方根值-平均功率频率(RMS-MPF)、绝对均值-平均功率频率(MAV-MPF)的手势识别率,优于它对应的时域特征、频域特征的手势识别率,同时也优于时频域特征的手势识别率.表明了基于时频组合特征RMS-MPF、MAV-MPF的PSO-SVM方法对手势识别有良好的分类效果.     

基于双通道混合3D-2D RBM模型的手势识别

为了挖掘基于视频的动态手势识别问题中手势的固有时空表示,提出一种3D-2D受限玻尔兹曼机(restricted Boltzmann machine,RBM)模型,以便建模手势视频数据的时空相关信息.特别地,为了更好地描述动态手势的时空特征,提出传统手工定义特征与3D-2D RBM结合的混合特征表示方法,该方法首先提取Canny-2D HOG表观特征以及光流-2D HOG运动特征,然后基于3D-2D RBM进一步学习动态手势潜在的高层时空语义特征,提升动态手势的特征描述力.融合手势外观判别和运动判别的双通道融合判别改进了单通道分类的能力.在公开的剑桥手势数据集上的实验验证了所提方法的有效性和优越性.     

基于Kinect的配电作业机器人智能人机交互方法

为实现操作人员与配电作业机器人的自然交互,提出一种基于Kinect手势识别的配电作业机器人智能人机交互方法。通过Kinect的深度信息及骨骼信息对操作人员的手势进行分割,选取几何不变矩Hu矩作为手势特征,采用支持向量机(support vector machine, SVM)的机器学习方法分类识别操作人员的手势。将手势映射为机器人的运动,通过手势对机器人进行运动控制。试验结果验证了本研究所提的配电作业机器人智能人机交互方法的可行性。     

利用双目视觉视频的实时三维裸手手势识别

为了解决三维裸手手势识别算法识别率低、易受类肤色物体干扰的问题,提出一种利用双目视觉视频的三维裸手手势识别算法．首先依据双目视觉原理推导出三维空间内手势深度与手势面积的关系,基于此关系对三维手势进行快速识别．为进一步降低算法复杂度,根据极线约束规则提出一种只计算手势质心匹配点的立体匹配算法．实验结果表明,与现有算法相比,所提算法性能在处理速度、识别准确率、鲁棒性方面均有明显提高．同时,提出的算法具有较强的开放性,可进一步根据需求定义、添加需识别的三维手势．     

基于改进的YOLOV4的手势识别算法及其应用

针对基于特征提取的手势识别算法准确率低和速度慢的问题,提出了一种基于改进YOLOV4的手势交互算法.利用数据增强的方法解决了手势数据较少的问题,同时优化YOLOV4的网络模型,改变原特征图分辨率使其能够检测到更完整的手势特征,通过K-means算法重新计算先验框的尺寸以提高对不同大小手势的识别率.将该方法与原始的YOL...