人体姿态估计算法在皮影戏传承中的应用

李昕旭 李昕昕

摘要：了解当代热门知识，弘扬中国传统文化。借助Python程序语言，利用Paddlehub人体骨骼关键点检测库完成皮影姿态检测，运用AI的方法，帮助皮影动起来。通过新科技，让古老的皮影重新插上腾飞的翅膀。

关键词：文化传承;皮影;人工智能

中图分类号：G424      文献标识码：A

文章编号：1009-3044（2021）28-0166-02

开放科学（资源服务）标识码（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）

皮影戲在我国古代深受广大群众的喜爱，是我国文化遗产中的一大瑰宝。皮影戏遍及全国各地区，并因各地表演形式不同而形成多种多样的皮影戏形态。2014年2月24日，中共中央总书记习近平在主持中央政治局第十三次集体学习时重点提到传承和弘扬中华传统文化与美德的重要性。要在世界文化巨变中站稳脚跟，就应该体现出中国传统优秀文化的“根”与“魂”，扎根在特色社会主义的肥沃土壤中，展现中华深厚文化的软实力[1]。皮影戏是慢节奏的传统艺术很难适应当今快节奏的生活，并且在西方文化对中华传统文化的巨大冲击下，其传承显得愈加困难。根据新时代新发展，传统文化的传承有了新的特征和需求。创新精神是新时代的领头羊，传统文化与其相辅相成，改进内涵与表现形式，激活新的生命力。[1]是传承传统文化的新方式。人工智能作为当下最热门的新型前沿性技术科学， 被广泛应用于各个行业，同样也可以给以皮影戏为代表的传统艺术注入新的活力。

1技术框架

1.1姿态估计算法简介

进入新时代，人工智能技术高速发展，计算机视觉被应用于各种生活中，推动着全球的科技进步。计算机视觉是计算机科学与技术、产业自动化和人工智能等领域中一个重要分支[2]。人体姿态估计是人体动作行为识别与分析的基础， 在计算机视觉领域有着广阔的应用前景。二维人体姿态估计算法可分为基于整体特征的、基于模型的和基于深度学习的3种：基于整体特征的人体姿态估计算法的研究集中在图像特征的提取和实现图像特征到部位定位的非线性映射函数上;基于模型的人体姿态估计算法的研究集中在人体模型、部位外观模型、搜索空间和推理算法四个方面[3];基于深度学习的人体姿态估计方法旨在通过构建合适的神经网络，直接从二维的图像特征中回归人体姿态信息[4]。

1.2本文采用的算法模型简介

深度学习与传统模式识别相比，最大的优势在于从大数据中自动学习的特征，并非采用手工设计。本文通过基于深度学习方法的模型，利用PaddleHub人类骨骼关键点检测库实现与皮影的映射。2D的人类骨骼节点坐标检测基于描述人类的姿态和预测人类的行动。各种实验里，将其表示为2D人类骨骼节点的二维坐标位置和各节点之间的连接关系。在基于深度学习的2D人体姿势估计方法中，处理图像特征，进行人体检测和骨骼分支检测，并对这些分支的聚集和关系建模[3]。本文所采用的正是基于这一思路提出的Resnet50模型。

2设计与实现

2.1设计思路

本文研究的基于姿态估计算法的皮影戏动作生成模型，其设计思路如图1所示。

2.2 实现步骤

1）借助Python的OpenCV库，访问视频文件路径，按帧读取视频，最后保存每帧为图片。

解析视频的部分关键代码如下：

{

video_capture = cv2.VideoCapture（video_file_path）#获取视频

ret， frame = video_capture.read（）#按帧读取

cv2.imwrite（）#保存

}

2）皮影肢体与人体肢体与之对应，可以具体分为：右大腿、右小腿、左大腿、左小腿、右手臂、右手肘、左手臂、左手肘、头以及身体。

利用PaddleHub人体骨骼关键点检测库对步骤一中保存的每帧图片进行检测。解析各个骨骼关键点的位置坐标，获得关节点的信息，两个关节点能确定肢体的长度和旋转角度。通过将每个关键点映射到相应的皮影肢体上，可以达到动作映射的效果。

首先通过位置坐标，计算图片的旋转角度，旋转图像并取得关节点的偏移量。然后对与之人物肢体对应的皮影肢体进行放缩，进行计算时，对应肢体运用关键点映射，根据骨骼节点位置在图像中间的左右来控制是否进行左右翻转图片。最后皮影肢体的拼接时，需求出相邻关节点的最大值，拼接肢体不会重合。

获取骨骼点信息部分关键代码如下：

{

module= hub.Module（）

result = module.keypoint_detection（）#获取骨骼关键点

}

3）借助Python的OpenCV库，把完成人物映射的每帧皮影图像按顺序合并为视频，完成输出。

合并视频的关键代码如下：

{

fourcc=cv2.VideoWriter_fourcc（）#设置视频格式

out = cv2.VideoWriter（）#向视频中写入一帧

}

3结语

皮影戏结合AI是万千传统文化结合新时代思想的典型例子。传统文化要继续的发光发热，需实现创造性的转化和创新型的发展。将其应用于各种年轻世代高度聚集的文化社区和视频平台，引入AI技术的同时，能很好的宣传皮影戏文化，让年轻人群认识了解皮影。完善、拓展和提升中华传统文化内涵，使其创新发展，转型升级，增强影响力和感召力，让中化文化彰显时代魅力与风采。

参考文献：

[1] 陈晶莹.习近平关于文化强国建设战略思想研究[D].杭州：浙江大学，2018.

[2] 马健翔，任安虎，牛孝通.基于机器视觉的车辆排队长度检测[J].国外电子测量技术，2018，37（8）：86-89.

[3] 韩贵金，沈建冬.二维人体姿态估计研究进展[J].西安邮电大学学报，2017，22（4）：1-9.

[4] 邓益侬，罗健欣，金凤林.基于深度学习的人体姿态估计方法综述[J].计算机工程与应用，2019，55（19）：22-42.

【通联编辑：唐一东】