人體姿態(tài)估計(jì)算法在皮影戲傳承中的應(yīng)用

李昕旭 李昕昕

摘要：了解當(dāng)代熱門(mén)知識(shí)，弘揚(yáng)中國(guó)傳統(tǒng)文化。借助Python程序語(yǔ)言，利用Paddlehub人體骨骼關(guān)鍵點(diǎn)檢測(cè)庫(kù)完成皮影姿態(tài)檢測(cè)，運(yùn)用AI的方法，幫助皮影動(dòng)起來(lái)。通過(guò)新科技，讓古老的皮影重新插上騰飛的翅膀。

關(guān)鍵詞：文化傳承;皮影;人工智能

中圖分類(lèi)號(hào)：G424? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2021）28-0166-02

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

The Application of Body Pose Estimation Algorithm in the Inheritance of Shadow Play

LI Xin-xu， LI Xin-xin

（Jincheng College of Sichuan University， Chengdu 611731， China）

Abstract： Understand the contemporary popular knowledge， carry forward the Chinese traditional culture.With the help of Python programming language， the PaddleHub human skeleton key point detection library is used to complete the shadow puppets posture detection， and the AI method is used to help the shadow puppets move.Through the new technology， let the old shadow play on the wings of takeoff.

Key words： cultural inheritance; shadow play; artificial intelligence （AI）

皮影戲在我國(guó)古代深受廣大群眾的喜愛(ài)，是我國(guó)文化遺產(chǎn)中的一大瑰寶。皮影戲遍及全國(guó)各地區(qū)，并因各地表演形式不同而形成多種多樣的皮影戲形態(tài)。2014年2月24日，中共中央總書(shū)記習(xí)近平在主持中央政治局第十三次集體學(xué)習(xí)時(shí)重點(diǎn)提到傳承和弘揚(yáng)中華傳統(tǒng)文化與美德的重要性。要在世界文化巨變中站穩(wěn)腳跟，就應(yīng)該體現(xiàn)出中國(guó)傳統(tǒng)優(yōu)秀文化的“根”與“魂”，扎根在特色社會(huì)主義的肥沃土壤中，展現(xiàn)中華深厚文化的軟實(shí)力[1]。皮影戲是慢節(jié)奏的傳統(tǒng)藝術(shù)很難適應(yīng)當(dāng)今快節(jié)奏的生活，并且在西方文化對(duì)中華傳統(tǒng)文化的巨大沖擊下，其傳承顯得愈加困難。根據(jù)新時(shí)代新發(fā)展，傳統(tǒng)文化的傳承有了新的特征和需求。創(chuàng)新精神是新時(shí)代的領(lǐng)頭羊，傳統(tǒng)文化與其相輔相成，改進(jìn)內(nèi)涵與表現(xiàn)形式，激活新的生命力。[1]是傳承傳統(tǒng)文化的新方式。人工智能作為當(dāng)下最熱門(mén)的新型前沿性技術(shù)科學(xué)， 被廣泛應(yīng)用于各個(gè)行業(yè)，同樣也可以給以皮影戲?yàn)榇淼膫鹘y(tǒng)藝術(shù)注入新的活力。

1技術(shù)框架

1.1姿態(tài)估計(jì)算法簡(jiǎn)介

進(jìn)入新時(shí)代，人工智能技術(shù)高速發(fā)展，計(jì)算機(jī)視覺(jué)被應(yīng)用于各種生活中，推動(dòng)著全球的科技進(jìn)步。計(jì)算機(jī)視覺(jué)是計(jì)算機(jī)科學(xué)與技術(shù)、產(chǎn)業(yè)自動(dòng)化和人工智能等領(lǐng)域中一個(gè)重要分支[2]。人體姿態(tài)估計(jì)是人體動(dòng)作行為識(shí)別與分析的基礎(chǔ)， 在計(jì)算機(jī)視覺(jué)領(lǐng)域有著廣闊的應(yīng)用前景。二維人體姿態(tài)估計(jì)算法可分為基于整體特征的、基于模型的和基于深度學(xué)習(xí)的3種：基于整體特征的人體姿態(tài)估計(jì)算法的研究集中在圖像特征的提取和實(shí)現(xiàn)圖像特征到部位定位的非線性映射函數(shù)上;基于模型的人體姿態(tài)估計(jì)算法的研究集中在人體模型、部位外觀模型、搜索空間和推理算法四個(gè)方面[3];基于深度學(xué)習(xí)的人體姿態(tài)估計(jì)方法旨在通過(guò)構(gòu)建合適的神經(jīng)網(wǎng)絡(luò)，直接從二維的圖像特征中回歸人體姿態(tài)信息[4]。

1.2本文采用的算法模型簡(jiǎn)介

深度學(xué)習(xí)與傳統(tǒng)模式識(shí)別相比，最大的優(yōu)勢(shì)在于從大數(shù)據(jù)中自動(dòng)學(xué)習(xí)的特征，并非采用手工設(shè)計(jì)。本文通過(guò)基于深度學(xué)習(xí)方法的模型，利用PaddleHub人類(lèi)骨骼關(guān)鍵點(diǎn)檢測(cè)庫(kù)實(shí)現(xiàn)與皮影的映射。2D的人類(lèi)骨骼節(jié)點(diǎn)坐標(biāo)檢測(cè)基于描述人類(lèi)的姿態(tài)和預(yù)測(cè)人類(lèi)的行動(dòng)。各種實(shí)驗(yàn)里，將其表示為2D人類(lèi)骨骼節(jié)點(diǎn)的二維坐標(biāo)位置和各節(jié)點(diǎn)之間的連接關(guān)系。在基于深度學(xué)習(xí)的2D人體姿勢(shì)估計(jì)方法中，處理圖像特征，進(jìn)行人體檢測(cè)和骨骼分支檢測(cè)，并對(duì)這些分支的聚集和關(guān)系建模[3]。本文所采用的正是基于這一思路提出的Resnet50模型。

2設(shè)計(jì)與實(shí)現(xiàn)

2.1設(shè)計(jì)思路

本文研究的基于姿態(tài)估計(jì)算法的皮影戲動(dòng)作生成模型，其設(shè)計(jì)思路如圖1所示。

2.2 實(shí)現(xiàn)步驟

1）借助Python的OpenCV庫(kù)，訪問(wèn)視頻文件路徑，按幀讀取視頻，最后保存每幀為圖片。

解析視頻的部分關(guān)鍵代碼如下：

{

video_capture = cv2.VideoCapture（video_file_path）#獲取視頻

ret， frame = video_capture.read（）#按幀讀取

cv2.imwrite（）#保存

}

2）皮影肢體與人體肢體與之對(duì)應(yīng)，可以具體分為：右大腿、右小腿、左大腿、左小腿、右手臂、右手肘、左手臂、左手肘、頭以及身體。

利用PaddleHub人體骨骼關(guān)鍵點(diǎn)檢測(cè)庫(kù)對(duì)步驟一中保存的每幀圖片進(jìn)行檢測(cè)。解析各個(gè)骨骼關(guān)鍵點(diǎn)的位置坐標(biāo)，獲得關(guān)節(jié)點(diǎn)的信息，兩個(gè)關(guān)節(jié)點(diǎn)能確定肢體的長(zhǎng)度和旋轉(zhuǎn)角度。通過(guò)將每個(gè)關(guān)鍵點(diǎn)映射到相應(yīng)的皮影肢體上，可以達(dá)到動(dòng)作映射的效果。

首先通過(guò)位置坐標(biāo)，計(jì)算圖片的旋轉(zhuǎn)角度，旋轉(zhuǎn)圖像并取得關(guān)節(jié)點(diǎn)的偏移量。然后對(duì)與之人物肢體對(duì)應(yīng)的皮影肢體進(jìn)行放縮，進(jìn)行計(jì)算時(shí)，對(duì)應(yīng)肢體運(yùn)用關(guān)鍵點(diǎn)映射，根據(jù)骨骼節(jié)點(diǎn)位置在圖像中間的左右來(lái)控制是否進(jìn)行左右翻轉(zhuǎn)圖片。最后皮影肢體的拼接時(shí)，需求出相鄰關(guān)節(jié)點(diǎn)的最大值，拼接肢體不會(huì)重合。

獲取骨骼點(diǎn)信息部分關(guān)鍵代碼如下：

{

module= hub.Module（）

result = module.keypoint_detection（）#獲取骨骼關(guān)鍵點(diǎn)

}

3）借助Python的OpenCV庫(kù)，把完成人物映射的每幀皮影圖像按順序合并為視頻，完成輸出。

合并視頻的關(guān)鍵代碼如下：

{

fourcc=cv2.VideoWriter_fourcc（）#設(shè)置視頻格式

out = cv2.VideoWriter（）#向視頻中寫(xiě)入一幀

}

3結(jié)語(yǔ)

皮影戲結(jié)合AI是萬(wàn)千傳統(tǒng)文化結(jié)合新時(shí)代思想的典型例子。傳統(tǒng)文化要繼續(xù)的發(fā)光發(fā)熱，需實(shí)現(xiàn)創(chuàng)造性的轉(zhuǎn)化和創(chuàng)新型的發(fā)展。將其應(yīng)用于各種年輕世代高度聚集的文化社區(qū)和視頻平臺(tái)，引入AI技術(shù)的同時(shí)，能很好的宣傳皮影戲文化，讓年輕人群認(rèn)識(shí)了解皮影。完善、拓展和提升中華傳統(tǒng)文化內(nèi)涵，使其創(chuàng)新發(fā)展，轉(zhuǎn)型升級(jí)，增強(qiáng)影響力和感召力，讓中化文化彰顯時(shí)代魅力與風(fēng)采。

參考文獻(xiàn)：

[1] 陳晶瑩.習(xí)近平關(guān)于文化強(qiáng)國(guó)建設(shè)戰(zhàn)略思想研究[D].杭州：浙江大學(xué)，2018.

[2] 馬健翔，任安虎，牛孝通.基于機(jī)器視覺(jué)的車(chē)輛排隊(duì)長(zhǎng)度檢測(cè)[J].國(guó)外電子測(cè)量技術(shù)，2018，37（8）：86-89.

[3] 韓貴金，沈建冬.二維人體姿態(tài)估計(jì)研究進(jìn)展[J].西安郵電大學(xué)學(xué)報(bào)，2017，22（4）：1-9.

[4] 鄧益儂，羅健欣，金鳳林.基于深度學(xué)習(xí)的人體姿態(tài)估計(jì)方法綜述[J].計(jì)算機(jī)工程與應(yīng)用，2019，55（19）：22-42.

【通聯(lián)編輯：唐一東】