[[alternative]]Evaluate the body motion by speed based on laban movement analysis

碩士[[abstract]]在動作學習的領域中，一般需有專家在旁指導，學習者才有辦法知道自己的動作是否正確，而在電腦科技日新月異的今日，已可以透過感測器，擷取人體各肢段的資料出來分析。 本研究結合舞蹈學上的拉邦動作分析，將感測器抓取出來的數據進行分析學習者動作質地的特性，為了達到即時性分析，我們提出一個時間複雜度為O(n)的演算法，Triangle Area Smoothed (TAS) 演算法進行質地波形圖的平滑化，並藉由動作中的突然(sudden)、綿延(sustain)質地，分析學習者的動作行為模式，最後結合專家的指導術語，建立一個動作指導系統，提供學習者可以自我學習的環境。[[abstract]]In the motion learning domain, there is an expert to analyze the learner motion, to help learner to know whether his movement is correct or not. By the modern science and technology, we can analyze the motion of each body region by sensors. Our research is based on the Laban Movement Analysis (LMA) of dance, and we analyze the data from several different sensors. According to the data, we can examine learners’ motion characters and effort. For the real time analysis, we proposed a Triangle Area Smoothed (TAS) algorithm to smooth curve, which time complexity is O(n). We use the sudden and sustain effort to analyze learners’ motion and integrate expert’s guiding language to construct the guiding language system. In this way, we could provide an environment for learners who can learn by themselves.[[tableofcontents]]目錄 第一章 緒論 1 1.1 研究動機及研究目的 2 1.2 論文架構 3 第二章 相關研究 4 2.1 Laban Movement Analysis 4 2.2 運動力學 12 2.3 Ramer-Douglas-Peucker Algorithm 14 第三章 研究方法 19 3.1 Collection Sensing Data 21 3.1.1 資料擷取 21 3.1.2 肢段的定義 22 3.2 Data Processing 28 3.2.1 計算運動學參數 28 3.2.2 紀錄速率波形圖的端點 29 3.2.3 Laban Motion Analysis 運動分析 31 3.2.4 Triangle Area Smoothed Algorithm 33 3.2.5 Time Effort Analysis 47 3.3 Guiding Language System 49 第四章 模擬實作與結果討論 59 4.1 模擬實作說明 59 4.1.1 模擬實作目標 59 4.1.2 模擬實作環境 59 4.1.3 Analyze Data of Motion Capture 60 4.1.4 Analyze Data of Angle Sensor 62 4.2 模擬結果與討論 67 第五章 結論與未來相關研究 71 5.1 結論 71 5.2 未來相關研究 72 參考文獻 73 附錄—英文論文 75 圖目錄 圖1.1指導語示意圖 3 圖2.1人體的二十面體 5 圖2.2 Effort 關係圖 7 圖2.3 Ramer-Douglas-Peuker algorithm curve smooth 14 圖2.4 RDP的worst case 範例圖 15 圖2.5 RDP worst case成本 16 圖2.6 RDP的average case 範例圖 17 圖2.7 RDP average case成本 18 圖3.1完整的動作包含各種質地的組合 19 圖3.2 動作質地研究方法 20 圖3.3 動作擷取系統環境示意圖 21 圖3.4舞者全身佈滿45個反光點 22 圖3.5 專家資料庫 24 圖3.6 人體肢段分類 26 圖3.7 運動學分析圖(a) 速率圖 (b)加速度圖 28 圖3.8 動作產生雜訊坡動 29 圖3.9 動作端點對應(a) 速率圖 (b)加速度圖 30 圖3.10 速率端點的標示 30 圖3.11 左上臂進行sustain動作 32 圖3.12 左上臂連續進行sustain動作 32 圖3.13 左上臂進行sudden動作 32 圖3.14 左上臂進行sudden動作 32 圖3.15 動作的時間差與速率差 33 圖3.16 有雜訊的動作 34 圖3.18 經過Curve Simplify 後得到較平順速率波形圖 38 圖3.19 Triangle Area Smoothed流程圖 39 圖3.20 RDP 不同Threshold所產生的結果 42 圖3.21 TAS 不同Threshold所產生的結果 44 圖3.22 RDP v.s.TAS 範例二 45 圖3.23 Frame數與計算成本的成長關係圖 46 圖3.24 Smooth後動作AB 47 圖3.25 Effort分析的結果 48 圖3.26 標準的律動Pattern 50 圖3.27 動作Pattern的切割 51 圖3.28 指導語決策樹 52 圖3.29 Pattern對應指導術語 53 圖3.30 重複Pattern動作 54 圖3.31循環動作分析Flow Chart 58 圖4.1 Time Effort 圖例對照 61 圖4.2 較規律的健康椅動作 62 圖4.3紊亂的健康椅動作 62 圖4.4 角度分析出Effort出現的節奏 63 圖4.5 λ值與Effort關係 64 圖4.6不規律的健康椅分析 65 圖4.7角速度經過Smooth 66 圖4.8 Sustain Pattern 對應的指導術語 68 圖4.9 紊亂的健康倚動作 69 圖4.10過快的健康椅分析 70 表目錄 表3.1 45個反光點的定義 22 表3.2 經過專家資料庫篩選後所取得的結果 25 表3.3反光點與15肢段的換算式 27 表3.4 Triangle Area Smoothed 資料結構 35 表3.5 TAS algorithm time complexity 40 表3.6 影片資訊 41 表3.7 Smooth Algorithm 比較 46 表3.8 Time Effort Analysis名稱定義 47 表3.9循環動作資料結構 55 表4.1 環境平臺軟硬體設備 60 表4.2 分析動作影片名稱定義 61[[note]]學號: 696410504, 學年度: 9