《Journal of NeuroEngineering and Rehabilitation》：Beat-aligned motor synergies and kinematic beat detection in street dance movements
編輯推薦：
舞蹈動作分析面臨挑戰，研究人員開展基于時變主成分分析（TD-PCA）提取街舞動作節拍協同的研究。結果顯示不同舞種復雜度不同，TD-PCA 能更好分析協同，還提升了運動節拍檢測精度。該研究助力理解舞蹈動作機制，推動相關領域發展。
舞蹈，作為人類獨特的藝術表達形式，融合了身體運動、音樂、情感與文化元素，展現出無與倫比的魅力。想象一下，舞者們在舞臺上隨著動感的音樂節奏盡情舞動，每一個動作都精準地契合著節拍，流暢而富有力量。但在這背后，分析復雜的舞蹈動作卻困難重重。目前，缺乏全面的運動捕捉數據，現有的計算技術在提取舞蹈動作特征時也不盡如人意，這使得深入探究舞蹈動作的內在機制變得極為棘手。以往針對舞蹈生物力學的研究，大多聚焦于少數特定舞種，像古典芭蕾，雖然取得了一些成果，但對于街舞這類充滿活力與變化的舞蹈形式，研究還遠遠不夠。而且，傳統的協同提取方法，比如主成分分析（PCA），沒有充分考慮音樂節拍對舞蹈動作的影響，難以準確呈現與音樂節拍同步的運動協同活動。在這樣的背景下，為了深入剖析舞蹈動作的奧秘，日本國立先進工業科學技術研究院（National Institute of Advanced Industrial Science and Technology, AIST）的研究人員 Keli Shen 和 Jun-ichiro Hirayama 開展了一項極具意義的研究，相關成果發表在《Journal of NeuroEngineering and Rehabilitation》上。
這項研究中，研究人員采用了多種關鍵技術方法。首先，他們從 AIST 舞蹈視頻數據庫獲取街舞視頻數據集，這些數據包含 10 種街舞流派，由 30 位經驗豐富的舞者（15 名女性和 15 名男性，年齡 20 - 35 歲，至少有 5 年舞蹈經驗）表演。接著，利用 Skinned Multi - Person Linear（SMPL）模型表示人體結構，該模型包含 24 個身體關節 。然后，對關節角度數據進行處理，將其從 “軸角格式” 轉換為歐拉角格式，并通過 Savitzky - Golay 濾波器進行平滑處理，去除數據噪聲。之后，根據 librosa 識別的音樂節拍對關節角度時間序列進行分段，再將每段數據重采樣到相同的時間點數。最后，運用時變主成分分析（TD - PCA）方法提取節拍對齊的運動協同。
下面來看看具體的研究結果：
- 舞蹈動作的全局和局部復雜性：研究人員通過 TD - PCA 的重建精度來衡量舞蹈動作的局部（即時變）和全局復雜性。全局復雜性比較發現，僅用 10 個運動協同就能平均重建 80% 以上的 72 維舞蹈運動數據。其中，兩種爵士舞流派（“街頭爵士” 和 “芭蕾爵士”）復雜度較高，“鎖舞” 和 “浩室舞” 復雜度較低。局部復雜性分析顯示，不同舞種在節拍間的復雜性變化模式各異，如 “浩室舞” 呈凹形模式，“鎖舞” 呈凸形模式123。
- 不同流派的節拍對齊運動協同：聚焦于 TD - PCA 得到的前兩個主成分（PC），研究發現不同舞種中第一個 PC 就有較高貢獻（約 30 - 55%），第二個 PC 也有較大增量。與傳統 PCA 相比，TD - PCA 能揭示各模塊在音樂節拍間的時變貢獻。例如，骨盆、頭部和肘部在不同舞種的 PC1 中貢獻的時間依賴性差異明顯，且不同舞種中這些貢獻的時間點也有所不同45。
- 運動節拍檢測：研究人員用節拍對齊（BA）分數評估運動節拍檢測的準確性。結果表明，TD - PCA 的協同激活節拍在 7 種舞種中的平均 BA 分數變化率為正，相比傳統方法有一定提升；從 PCA 到 TD - PCA，多數舞種的 BA 分數變化率也超過零，說明 TD - PCA 的協同激活節拍與音樂誘導的動作對齊更好678。
在研究結論和討論部分，此次研究提出的基于協同的方法為分析復雜舞蹈動作帶來了新的視角。通過 TD - PCA 分析重建精度，揭示了不同舞種在局部和全局運動復雜性上的顯著差異。而且，利用第一個運動協同激活進行運動節拍檢測，相比現有方法提高了準確性。TD - PCA 克服了傳統 PCA 在表示舞蹈等復雜節奏運動中時間依賴性的不足，能更精準地呈現舞蹈動作的時間協調模式。這一方法不僅有助于理解舞蹈動作機制，還能推廣到其他具有明顯時間依賴性的復雜運動分析中，如各類體育項目。盡管研究取得了重要進展，但仍有進一步探索的空間，如深入分析運動復雜性的來源，優化節拍跟蹤性能等。該研究為深入理解街舞動作的復雜動態奠定了基礎，為舞蹈及其他相關領域的運動分析、運動協調和性能優化開辟了新的研究方向。
