摘要
作为首批国家级非物质文化遗产，梅花拳是中华传统体育文化的典型个案。然而，梅花拳在新时代的民间传承正面临种种困境。当前，人工智能在数据、算法和算力的驱动下快速发展，为梅花拳等非遗武术的传承和发展带来了新的思路。为了进一步拓宽梅花拳的传播路径，弥补人工智能技术应用于非遗拳种存在的数据短板，同时为实现梅花拳智能教学系统作铺垫，本研究在充分调研分析人工智能在武术中应用的研究现状的基础上，提出了基于图卷积神经网络的梅花拳小样本动作识别方法。 该方法利用单目3D人体姿态估计从梅花拳视频中提取人体骨架，通过图卷积神经网络将骨架序列映射到度量空间，进而利用度量学习比较支持动作和查询动作的相似性,实现了梅花拳动作的小样本分类。受到传统武术“外三合”思想的启发，本研究提出了一个基于交叉注意力机制的可解释性模块，通过可视化注意力热图，反映人体各个关节之间的空间激活情况。 在模型前向推理阶段，受拍摄角度与演练方向的影响，导致输入骨架序列的参考系不一致，会增加模型学习动作时空特征的难度。为进一步提高模型的性能，本研究还提出了基于参考系一致性的图卷积关系网络梅花拳小样本动作识别方法，以自适应地调整骨架序列的参考系。 测试结果表明，基于图卷积神经网络的梅花拳小样本动作识别方法能够有效地识别梅花拳动作，基于参考系一致性的动作识别方法进一步地提高了模型性能。通过分析可解释模块生成的注意力热图发现，无论关节点之间是否存在实际的骨骼连接，注意力机制可以使模型关注到与动作特点相符的关节点之间的信息。 基于图卷积神经网络的梅花拳动作识别方法能够促进梅花拳向数字化、智能化发展,缓解深度学习与缺乏大量数据的矛盾，促进武术文化传播，并具有应用于动作评价的潜在价值，为进一步实现梅花拳智能教学系统创造了有利条件。
NETL