摘要
本发明提供了一种基于深度学习的舞蹈动作评估方法,包括:通过多模态传感器获取待评价舞蹈动作视频与标准舞蹈动作视频,并利用时空图卷积网络提取人体三维骨骼关键点序列;基于骨骼长度归一化方法对人体三维骨骼关键点坐标进行标准化处理,构建待评价动作序列与标准动作序列;通过融合动态时间规整与局部感受野的混合对齐算法,匹配待评价动作序列与标准动作序列的时空关系;提取静态姿态特征与动态特征,通过注意力机制计算多维度相似度;采用三维轨迹动态时间弯曲算法计算运动路径相似度;基于可配置权重策略融合姿态与轨迹相似度,生成综合评分。本发明能够实现自动化、客观化和个性化的舞蹈动作评估。
技术关键词
动作评估方法
骨骼关键点
多模态传感器
动态时间弯曲
归一化方法
姿态特征
动态时间规整
融合姿态
权重策略
序列
轨迹
动态特征提取
注意力机制
滑动窗口机制
局部感受野
DTW算法
人体
网络同步
卡尔曼滤波
系统为您推荐了相关专利信息
变电站作业
三维模型
多模态传感器
运维
训练样本集
路径规划系统
导航路径规划方法
推理算法
多模态传感器
节点
寿命预测模型
寿命预测方法
寿命预测系统
变电站
电流采集模块
语料库构建方法
多模态深度学习
语音识别训练
深度神经网络模型
预训练语言模型
电子级
浓度预测方法
硫酸吸收塔
前馈神经网络
异常数据处理