Een dynamisch visueel ontwerpprotocol op basis van bewegingskenmerken voor het vertalen van belichaamde Tai Chi-kennis naar communicatie over immaterieel cultureel erfgoed

Samenvatting

Dit protocol beschrijft een reproduceerbare workflow voor het vastleggen, analyseren en vertalen van belichaamde Tai Chi-bewegingen naar dynamische visuele ontwerpen met behulp van markerless motion capture en op bewegingskenmerken gebaseerde visuele mapping ter ondersteuning van de communicatie van bewegingsgebaseerd immaterieel cultureel erfgoed.

Samenvatting

Dit protocol beschrijft een reproduceerbare workflow voor het vertalen van belichaamde Tai Chi-bewegingen naar dynamische visuele ontwerpen ter ondersteuning van de communicatie van bewegingsgebaseerd immaterieel cultureel erfgoed. Als een op beweging gebaseerde culturele praktijk brengt Tai Chi kennis over via lichamelijk ritme, traject, gewichtsoverdracht en balans, aspecten die vaak moeilijk te communiceren zijn met conventionele statische of videogebaseerde media. Het protocol integreert markerless motion capture, motion-feature extraction en regelgebaseerde visuele mapping om bewegingskenmerken om te zetten in dynamische visuele representaties. Acht representatieve Tai Chi-vormen werden opgenomen met markerless motion capture. Lichaamssleutelpunten werden geëxtraheerd met MediaPipe Pose en geanalyseerd om bewegingskenmerken af te leiden, waaronder baankromming, soepelheid van beweging en ritmestabiliteit. Deze kenmerken werden systematisch gekoppeld aan dynamische visuele variabelen via een bewegingsgeïnformeerd visueel vertaalframework. Om de effectiviteit van de aanpak te evalueren, vergeleek een gecontroleerd experiment met 180 deelnemers drie communicatiecondities: statische graphics, conventionele video's en dynamische, bewegingsdatagedreven visuele ontwerpen. Uitkomstmaten omvatten kennisvergaring, bewegingsherkenning, belichaamd begrip en gedragsintenties met betrekking tot culturele behoud en -delen. Analyse van 264 geldige bewegingssequenties toonde aanzienlijke variatie in bewegingskenmerkprofielen tussen Tai Chi-vormen aan. De dynamische visuele ontwerpconditie presteerde aanzienlijk beter dan de statische grafische en conventionele videocondities in kennisvergaring, bewegingsbetekenisherkenning en belichaamd begrip (alle p< 0,001). Structurele modellering toonde verder aan dat waargenomen ontwerpkwaliteit vooral beïnvloedt door belichaamd begrip, esthetische betrokkenheid en emotionele resonantie. Dit protocol biedt een systematische methode om belichaamde bewegingskennis om te zetten in dynamische visuele vormen voor de communicatie en interpretatie van bewegingsgebaseerd immaterieel cultureel erfgoed.

Inleiding

Tai Chi, of Taijiquan, is een traditionele Chinese bewegingspraktijk die lichaamscoördinatie, cirkelbeweging, balanscontrole en interne regulatie integreert. In 2020 opgenomen op de UNESCO Representatieve Lijst van het Immaterieel Cultureel Erfgoed van de Mensheid, steunt de culturele betekenis sterk op levende, belichaamde performance in plaats van statische materiële artefacten¹. Deze erkenning vormt een methodologische uitdaging voor digitale erfgoedcommunicatie: hoe kan bewegingsgebaseerd erfgoed worden vertaald zonder het te reduceren tot statische symbolen, tekstuele verklaringen of oppervlakkige visuele motieven.

Conventionele digitale communicatie is doorgaans afhankelijk van statische tekst, stilstaande beelden of standaard video-opnames. Hoewel deze formaten de externe houding of chronologische volgorde van een vorm kunnen documenteren, slagen ze er vaak niet in de interne lichamelijke logica over te brengen—zoals gewichtsverschuivingen, ritmecontrole en bewegingsconnectiviteit—waardoor de praktijk cultureel betekenisvol wordt. Recente ontwikkelingen in bewegingsanalyse maken het mogelijk om lichaam-gewricht coördinaten en kinematische patronen nauwkeurig te kwantificeren met behulp van sensorgebaseerde of markerloze motion-capture methoden ^2,3. Hoewel deze technologieën uitblinken in bewegingsherkenning en trainingsinterventies, blijft hun potentieel voor visuele culturele communicatie onderbelicht. Evenzo, hoewel digitale erfgoedprojecten steeds vaker meeslepende media en datagedreven visualisatie gebruiken, leggen veel projecten nog steeds de nadruk op presentatiekwaliteit boven structurele culturele interpretatie⁴.

Embodied cognition biedt een kritisch perspectief om deze kloof aan te pakken. Vanuit dit perspectief wordt cultureel begrip gevormd door lichamelijke waarneming, sensorimotorische simulatie en waarneming–handeling-koppeling, in plaats van alleen het observeren van visuele oppervlakken ^5,6,7. Onderzoek naar beeldende kunst en cognitiewetenschappen suggereert verder dat abstractie anders onzichtbare fysieke eigenschappen waarneembaar kan maken wanneer de structurele relaties van beweging^{behouden blijven}. Interactieve studies over visuele communicatie benadrukken dat visuele aantrekkingskracht en gebruikerservaring publieke betrokkenheid en behoudsintenties^{beïnvloeden 9}. Toch geven immersieve media in erfgoedprojecten vaak de voorkeur aan esthetische aantrekkingskracht, wat aandacht kan trekken maar de onderliggende^{culturele structuur} niet overbrengt. Bovendien loopt het abstraheren van beweging in dynamische visuals het risico de waargenomen authenticiteit te verzwakken als de ontwerplogica losraakt van de oorspronkelijke praktijk¹⁰. Daarom vereist het vertalen van belichaamde kennis naar waarneembare vormen een rigoureuze, op regels gebaseerde ontwerplogica gebaseerd op empirische bewegingsdata in plaats van puur intuïtieve grafische styling.

Om de kloof tussen bewegingsdata en culturele interpretatie te overbruggen, presenteert dit artikel een reproduceerbaar protocol om belichaamde Tai Chi-kennis te vertalen naar dynamisch visueel ontwerp. Het kernwetenschappelijke doel is te bepalen of kinematische kenmerken die uit Tai Chi-bewegingen worden gehaald, kunnen dienen als interpreteerbare ontwerpvariabelen die het publieke begrip van belichaamde culturele betekenis verbeteren. Daarom levert de studie een bewegingsfunctie-geïnformeerde vertaalworkflow, een regelgebaseerde mapping tussen bewegingskenmerken en dynamische visuele variabelen, en een empirische evaluatie die statische graphics, conventionele video en bewegingsdatagedreven dynamisch visueel ontwerp vergelijkt.

Deze datagedreven aanpak biedt duidelijke voordelen ten opzichte van alternatieve technieken¹¹. In tegenstelling tot conventionele video-opnames, die alleen letterlijke representaties bieden, of puur decoratieve animaties die geen culturele basis hebben, brengt deze methode geëxtraheerde kinematische kenmerken (bijv. baankromming, soepelheid, ritmestabiliteit en balansverschuivingsamplitude) direct over op dynamische visuele variabelen (bijv. cirkelvormige stroomlijnen, animatieritme en visuele zwaartekracht). Deze benadering is verwant aan eerdere media-art verkenningen van motion visualization, waaronder Tobias Gremmlers motion-capture gebaseerde Kung Fu Motion Visualization, maar verschilt door expliciete feature-naar-visuele mapping regels te definiëren en hun communicatie-effecten te evalueren via een gecontroleerde gebruikersstudie¹². Daardoor behoudt het de empirische structuur van de beweging terwijl de onderliggende logica visueel toegankelijk blijft.

Tot slot is dit protocol bijzonder geschikt voor onderzoekers in digitale geesteswetenschappen, interactieontwerpers en erfgoedbeoefenaars die bewegingsgebaseerd immaterieel cultureel erfgoed willen digitaliseren en communiceren. Het kader verschilt van Labanotatie, een rigoureus notatiesysteem voor het vastleggen van bewegingsscores voor deskundige interpretatie en behoud¹³. Daarentegen vertaalt het huidige protocol gemeten bewegingsmechanismen naar dynamische visuele vormen die bedoeld zijn om publieke interpretatie, culturele overdracht en erfgoedbehoud te ondersteunen. Door gebruik te maken van een toegankelijk, op video gebaseerd markerloos motion-capture-systeem in combinatie met standaard dataverwerkingsworkflows, kunnen onderzoekers dit kader niet alleen aanpassen voor Tai Chi, maar ook voor andere belichaamde praktijken, en systematisch evalueren hoe motion-informed design culturele communicatie-uitkomsten beïnvloedt¹⁰.

Protocol

Alle methoden waarbij menselijke deelnemers betrokken waren, werden uitgevoerd volgens de institutionele richtlijnen en goedgekeurd door de Ethische Commissie voor Bescherming van Menselijk Onderzoek, School of Design and Creativity, Guilin University of Electronic Technology (Goedkeuringsnummer 2600AL0621). Schriftelijke geïnformeerde toestemming werd verkregen van alle Tai Chi-uitvoerders en deelnemers aan gebruikersevaluaties voordat de gegevens werden verzameld. Deelnemers werden geïnformeerd dat deelname vrijwillig was en dat geanonimiseerde gegevens zouden worden gebruikt voor onderzoeks- en publicatiedoeleinden.

1. Studieomgeving en voorbereiding van apparatuur

1. Bereid een gemarkeerd motion-capturegebied van 3 m × 3 m voor met een niet-reflecterende achtergrond en uniforme verlichting in een ontwerp- en digitaal medialaboratorium.
   OPMERKING: De algehele vijffasige workflow voor het vertalen van belichaamde Tai Chi-beweging naar dynamische visuele communicatie wordt geïllustreerd in Figuur 1A. De op literatuur gebaseerde methodologische keten die het protocol ondersteunt, inclusief bewegingsanalyse, culturele verspreiding, bruikbaarheidsbeoordeling en cognitieve belastingevaluatie, wordt samengevat in Tabel 1.
2. Plaats twee gesynchroniseerde digitale camera's om elke Tai Chi-sequentie vanuit verschillende gezichtspunten vast te leggen. Plaats de front-view camera ongeveer 3,5 m van het midden van het opnamegebied.
3. Plaats de zijbeeldcamera ongeveer 3,0 m van het midden van het opnamegebied. Bevestig beide camera's op statief op borsthoogte, zoals weergegeven in Figuur 2A.
4. Stel beide camera's zo in dat ze opnemen met een resolutie van 1920 × 1080 pixels en een framerate van 30 frames/s. Gebruik handmatige belichting en vaste brandpuntinstellingen tijdens het verzamelen van de data.
5. Verlicht het opnamegebied met twee diffuse LED-paneellampen die ongeveer 45° naar voren-links en voor-rechts van de uitvoerder op borsthoogte zijn geplaatst. Houd een uniforme, niet-reflecterende verlichting op 500 lux met een neutrale kleurtemperatuur van 5.600 K tijdens de hele dataverzameling.
6. Synchroniseer de twee camera's voor elke proef met een zichtbare tweehandige klap in het opnamegebied. Lijn de opnames uit met het eerste frame dat handcontact toont en controleer dat de synchronisatiefout niet hoger is dan één frame bij 30 frames/s.
7. Plaats de front-view camera loodrecht op het frontale vlak van de artiest en plaats de side-view camera ongeveer 90° naar de rechterkant van de artiest. Gebruik vaste brandpuntsinstellingen en zorg ervoor dat het hele lichaam van de artiest zichtbaar blijft gedurende het opnamegebied van 3 m × 3 m door beide camera's uit te lijnen met vloermarkeringen die aan de grenzen van het opnamegebied zijn geplaatst.
8. Gebruik een eenvoudige, niet-reflecterende achtergrond en verwijder reflecterende objecten uit het opnamegebied. Controleer voordat je opneemt dat de uitvoerder volledig zichtbaar is vanuit beide camerastanden, dat schaduwen de lichaamscontour niet verbergen en dat er geen meubels, kabels of omstanders de bewegingsbaan blokkeren.
9. Kalibreer de opnameruimte aan het begin van elke opnamesessie door het gemarkeerde vloerraster te filmen en te controleren of de grenzen van het opnamegebied in beide camerabeelden zichtbaar zijn. Omdat de analyse gebruikmaakte van markerless twee-view video in plaats van metrische driedimensionale reconstructie, bestond de kalibratie uit het verifiëren van uitlijning van het zicht, het zicht van het lichaam en schaalnormalisatie met behulp van schouderbreedte.
10. Sla elke opname op als een 1920 × 1080 pixel, 30 frames per seconde MP4-video met H.264-compressie. Naambestanden met het formaat M##_P##_T#_view.mp4, waarbij M beweging aangeeft, P de uitvoerder, T de proef en de weergave de voor- of zijcamera aangeeft.
11. Verwerk de bewegingsdata op een werkstation dat in staat is om de programmeeromgeving Python 3.11, de OpenCV computervisiebibliotheek, de MediaPipe Pose markerloze pose-schattingspijplijn, de NumPy numerieke rekenbibliotheek, de pandas datamanagementbibliotheek en de SciPy signaalverwerkingsbibliotheek uit te voeren. Registreer het werkstationsmodel, besturingssysteem en softwarepakketversies die voor gegevensverwerking worden gebruikt om rekenkundige reproduceerbaarheid te waarborgen.
    OPMERKING: De algehele workflow van vijf fasen voor het vertalen van belichaamde Tai Chi-beweging naar dynamische visuele communicatie wordt geïllustreerd in Figuur 1A–E.

Figuur 1. Workflow voor het vertalen van belichaamde Tai Chi-beweging naar dynamische visuele communicatie. (A) Vijffasen studieworkflow bestaande uit Tai Chi-bewegingsselectie, video-gebaseerde motion capture, motion-feature extractie, regelgebaseerde visuele vertaling en gebruikersevaluatie. (B) Acht geselecteerde Tai Chi-vormen die in de studie werden geanalyseerd. (C) Bewegingsdata-verwerkingspijplijn, inclusief gesynchroniseerde video-acquisitie, poseschatting, trajectverwerking, normalisatie van bewegingscyclus en feature-extractie. (D) Experimentele communicatiecondities: statische grafische vorm, conventionele video en bewegingsdata-gedreven dynamisch visueel ontwerp. (E) Conceptueel kader dat waargenomen communicatieontwerpkwaliteit, belichaamd begrip, esthetische betrokkenheid, emotionele resonantie, deelintentie en behoudsintentie verbindt. Klik hier om een grotere versie van deze figuur te bekijken.

Referentie	Onderzoeksgebied	Dataketen gebruikt in eerder werk	Statistische of analytische keten	Methodologische implicaties voor deze studie	Dataketen gebruikt in eerder werk
Ho et al.2	Tai Chi bewegingsanalyse	Tai Chi-bewegingen werden geregistreerd met behulp van lichaam-gewricht coördinatenvolging, en de posities van de bovenste ledematen en ellebooghoeken werden gekwantificeerd.	Kwantitatieve en kwalitatieve bewegingsanalyses.	Ondersteunt het gebruik van lichaam-gewrichtscoördinaten, trajectkenmerken en kinematische indicatoren om Tai Chi-beweging om te zetten in analyseerbare belichaamde data.	Tai Chi-bewegingen werden geregistreerd met behulp van lichaam-gewricht coördinatenvolging, en de posities van de bovenste ledematen en ellebooghoeken werden gekwantificeerd.
Li et al.3	Erkenning van de Tai Chi-beweging	Tai Chi-bewegingen werden vastgelegd met behulp van inertiële meeteenheden en tijdreeksbewegingssignalen.	Temporele convolutioneel netwerk-gebaseerde herkenning en interventiefeedback.	Ondersteunt het extraheren van temporele bewegingskenmerken, waaronder ritmestabiliteit, versnellingsvariatie en structuur van bewegingsvolgorde.	Tai Chi-bewegingen werden vastgelegd met behulp van inertiële meeteenheden en tijdreeksbewegingssignalen.
Yi et al.4	Verspreiding van digitaal immaterieel cultureel erfgoed	Gebruikerservaringsgegevens werden verzameld van deelnemers die werden blootgesteld aan digitale immateriële culturele erfgoedervaringen.	SmartPLS en fuzzy-set kwalitatieve vergelijkende analyse (fsQCA) werden gebruikt om affectieve responsen en verspreidingsgedrag te onderzoeken.	Ondersteunt het communicatiekader dat digitale ervaring, emotionele respons, culturele identiteit en verspreidingsintentie verbindt.	Gebruikerservaringsgegevens werden verzameld van deelnemers die werden blootgesteld aan digitale immateriële culturele erfgoedervaringen.
Brooke15	Gebruiksvriendelijkheidsevaluatie	Deelnemers vulden een gestandaardiseerde bruikbaarheidsvragenlijst van 10 items in na interactie met het systeem.	System Usability Scale (SUS)-scores werden berekend op een schaal van 0–100.	Ondersteunt de meting van de waargenomen bruikbaarheid van de visuele communicatie-interface.	Deelnemers vulden een gestandaardiseerde bruikbaarheidsvragenlijst van 10 items in na interactie met het systeem.
Hart en Staveland16	Cognitieve werklastbeoordeling	Deelnemers beoordeelden de werklastafmetingen na het voltooien van de taak.	NASA Task Load Index (NASA-TLX) scores werden berekend op basis van multidimensionale workloadbeoordelingen.	Ondersteunt de evaluatie of het door bewegingsdata gedreven dynamische visuele prototype het gebruikersbegrip verbetert zonder een buitensporige cognitieve werklast op te leggen.	Deelnemers beoordeelden de werklastafmetingen na het voltooien van de taak.

Tabel 1: Literatuurgebaseerde methodologische keten die de huidige studie ondersteunt. Deze tabel vat de belangrijkste referenties, onderzoeksdomeinen, data-acquisitie-methoden, analysemethoden en methodologische bijdragen samen die worden gebruikt om de bewegingsanalyse-workflow, het visuele vertaalkader, de bruikbaarheidsbeoordeling en de evaluatie van cognitieve werklasten te informeren die in het huidige protocol worden geïmplementeerd.

Figuur 2. Video-gebaseerde motion capture en motion feature extractieprocedure. (A) Motion-capture opstelling met gesynchroniseerde front- en side-view camera's binnen een gemarkeerd opnamegebied van 3 m × 3 m. (B) Markerloze pose-estimatie-outputs die geëxtraheerde lichaamsmarkeringen tonen uit front- en side-view opnames. (C) Data-preprocessing workflow, inclusief landmark-extractie, screening van ontbrekende frames, trajectorie-gladmaking en temporele normalisatie. (D) Representatieve gereconstrueerde bewegingstrajecten afgeleid van sleutelpunten in de bovenste ledemaat, romp en het midden van het lichaam. (E) Bewegingskenmerken die uit elke bewegingsreeks worden gehaald, waaronder duur, gemiddelde snelheid, pieksnelheid, baankromming, gladheidsindex, symmetrie-index, balansverschuivingsamplitude en ritmestabiliteit. (F) Geëxporteerde bewegingsfeature-dataset gebruikt voor visuele vertaling. Klik hier om een grotere versie van deze figuur te bekijken.

2. Selectie van Tai Chi-bewegingen en werving van uitvoerders

1. Selecteer acht representatieve Tai Chi-vormen voor motion capture om verschillende combinaties van cirkelvormige traject, gewichtsoverdracht, bovenste ledemaatsextensie, romprotatie, balansovergang en ritmecontrole vast te leggen (Tabel 2; Figuur 1B).
   OPMERKING: De geselecteerde vormen zijn Opening Form, Cloud Hands, White Crane Spreads Wings, Parting the Wild Horse's Mane, Brush Knee and Twist Step, Repulse Monkey, Grasp the Bird's Tail en Closing Form. Deze vormen vormen vormen een technische basis voor het analyseren van Tai Chi-beweging als belichaamde bewegingsdata².
2. Werf Tai Chi-artiesten en neem zowel ervaren instructeurs als intermediaire beoefenaars mee. Definieer ervaren instructeurs als personen met meer dan vijf jaar les- of uitvoeringservaring en intermediate practitioners als individuen met ten minste één jaar reguliere praktijk.
3. Screen alle potentiële artiesten op geschiktheid. Includeer personen van 18–60 jaar die melden dat er in de voorgaande drie maanden geen musculoskeletaal letsel is opgelopen en die alle geselecteerde bewegingen zonder onderbreking kunnen uitvoeren.
4. Verkrijg schriftelijke geïnformeerde toestemming van alle artiesten voordat je gegevens verzamelt.
5. Identificeer potentiële artiesten via universitaire Tai Chi-instructeurs, campuspraktijkgroepen en lokale beoefenaarsnetwerken. Neem contact op met kandidaten per e-mail of persoonlijk, screent hen aan de hand van de geschiktheidscriteria en schrijf alleen degenen in die schriftelijke geïnformeerde toestemming geven.
6. Werf in totaal 12 uitvoerders, waaronder vijf ervaren instructeurs en zeven intermediaire beoefenaars. Gebruik dit voorbeeld om de bewegingssequenties te genereren voor preprocessing en feature-extractie.
7. Selecteer bewegingen uit het 24-vorms vereenvoudigde Yang-stijl Tai Chi-curriculum dat vaak wordt gebruikt in openbaar onderwijs en culturele demonstratiecontexten.
8. Selecteer de acht vormen door overleg met het onderzoeksteam en Tai Chi-instructeurs om langzame initiatie, cirkelvormige baan, asymmetrische extensie, voorwaartse transfer, romprotatie, achterwaartse terugtrekking, meerstapskrachtintegratie en sluitstabilisatie te behandelen. Gebruik deze criteria om ervoor te zorgen dat de geselecteerde vormen de bewegingskenmerken weergeven waarop de visuele-vertaalregels in Tabel 2 zijn gemarkeerd.
9. Recordgegevens van de uitvoerende demografie en praktijkkenmerken, waaronder leeftijd, geslacht, lengte, lichaamsmassa, handigheid, jaren Tai Chi-ervaring en instructeur- of intermediairstatus.
10. Sluit kandidaten uit die neurologische stoornissen, evenwichtsstoornissen, niet-gecorrigeerde visuele beperking, recente operaties, onvermogen om de volledige bewegingsreeks te voltooien, of enige aandoening die veilige deelname ongepast maakt, uitsluiten.
11. Vereis geen eerdere ervaring met motion-capture studies of digitale opnameprocedures. Leg voor inschrijving de opnameworkflow uit aan alle uitvoerenden en bevestig dat ze zich comfortabel voelen met opnames vanuit twee camerastandpunten.
12. Neem toestemming op voor video-opname, markerless motion analyse, geanonimiseerde gegevensopslag en publicatie van geaggregeerde resultaten in de door ethiek goedgekeurde toestemmingsprocedure.
13. Geef de uitvoerenden het studieschema, opname-instructies, warming-up begeleiding en mogelijkheden om vragen te stellen voordat je opneemt.

Tai Chi-beweging	Embodied Movement Feature	Culturele of lichamelijke betekenis	Geëxtraheerde bewegingsindicatoren	Dynamische visuele vertaalregel
Openingsvorm	Langzame initiatie, verticale zakking en gecontroleerd armheffen	Begin, aarding en regulatie van ademhaling en lichaamstoestand	Duur, gladheidsindex, ritmestabiliteit	Langzame fade-in, geleidelijke verticale expansie en laag-snelheid deeltjesontstaan
Cloud Hands	Continue cirkelvormige beweging van de bovenste ledematen en laterale lichaamsverschuiving	Circulariteit, stroom, continuïteit en coördinatie tussen lichaam en intentie	Trajectorische kromming, balansverschuivingsamplitude, gladheidsindex	Cirkelvormige stroomlijnen, zijwaartse visuele zwaartekrachtverschuivingen en continue deeltjessporen
Witte kraanvogel spreidt vleugels	Asymmetrische uitrekking van de bovenste ledematen, open houding en romprotatie	Uitstrekking, openheid en balans tussen opwaartse en neerwaartse krachten	Symmetrie-index, pieksnelheid, verplaatsing van bovenste ledematen	Split-layer compositie, opwaartse lichtextensie en asymmetrische transparantieovergangen
Het Spleten van de Manen van het Wilde Paard	Vooroverstappen, diagonale armscheiding en gewichtsoverdracht	Richtingsuitbreiding, krachtverdeling en voorwaartse intentie	Balansverschuivingsamplitude, gemiddelde snelheid, baankromming	Diagonale bewegingslinten, een vooruit bewegend visueel centrum en gelaagde booguitbreiding
Brush Knee en Twist Step	Gecoördineerd stappen, armborstelen en torso-rotatie	Bescherming, omleiding en gecoördineerde controle over onder- en bovenlichaam	Trunkverplaatsing, symmetrie-index, gladheidsindex	Roterend gezichtsveld, laaggelegen sweepende paden en verzachte randovergangen
Repulse Monkey	Achteruit stappen, afwisselende armbewegingen en gecontroleerde terugtrekking	Terugtrekken zonder verlies van controle, afwisseling en stabiliteit	Ritmestabiliteit, stapverplaatsing, bilaterale coördinatie	Afwisselende visuele pulsen, achterwaarts stromende deeltjes en verspringende opaciteitsritmes
Pak de staart van de vogel vast	Opeenvolgende duw-, ward-, roll-, press- en sluitacties	Integratie van meerdere Tai Chi-krachten en continue lichaamslogica	Kromming, soepelheid, ritmestabiliteit, balansverschuiving amplitude	Boogsequenties in meerdere fasen, gelaagde krachtgolven en progressieve visuele compressie en release
Slotvorm	Langzame terugkeer, armverlagen en lichaamsstabilisatie	Voltooiing, terugkeer naar stilte en innerlijke berusting	Duur, gladheidsindex, ritmestabiliteit	Geleidelijke vervaging, neerwaartse visuele vestiging en deeltjesconvergentie naar het centrum

Tabel 2: Tai Chi-bewegingskenmerken en bijbehorende visuele vertaalregels. Deze tabel vat de belichaamde bewegingskenmerken, culturele of lichamelijke betekenissen, geëxtraheerde bewegingsindicatoren en regelgebaseerde visuele vertaalkaarten samen die zijn gebruikt voor de acht geselecteerde Tai Chi-vormen. De vermelde bewegingsindicatoren informeerden de generatie van dynamische visuele variabelen die worden gebruikt in het motion-feature-gedreven communicatieontwerpraamwerk.

3. Motion Capture-procedure

1. Geef elke uitvoerder de instructie om een warming-up van 5 minuten en één vertrouwdheidsronde binnen het capture-gebied te voltooien voordat de formele opname begint.
2. Geef elke uitvoerder opdracht om elk van de acht geselecteerde Tai Chi-vormen drie keer in een natuurlijk Tai Chi-tempo uit te voeren. Gebruik geen metronoom of extern opgelegde bewegingssnelheid.
3. Neem aan het begin van elke proef een visuele synchronisatiegebaar op om de uitlijning van de front- en side-view-video's tijdens de preprocessing te vergemakkelijken.
4. Ken een unieke bewegingsidentificatie toe aan elke proef. Voeg het uitvoerdernummer, het type beweging en het proefnummer op in de identificatie.
5. Geef een rustinterval van 10 seconden tussen de proeven. Geef een langere rustperiode wanneer een uitvoerder vermoeidheid meldt.
6. Herhaal een proef één keer wanneer de beweging wordt onderbroken, buiten het gemarkeerde vangstgebied wordt uitgevoerd, of wordt beïnvloed door een duidelijke opnamefout. De volledige workflow voor bewegingsopname en feature-extractie is geïllustreerd in Figuur 2.
   OPMERKING: Figuur 2 illustreert de volledige workflow voor bewegingsopname en feature-extractie. Gebruik een markerloze video-gebaseerde workflow om een reproduceerbare en goedkope dataverzamelingspijplijn te behouden die geschikt is voor culturele communicatieomgevingen waar draagbare sensoren^{onpraktisch zijn}.
7. Gebruik een gestandaardiseerde warming-up van 5 minuten, bestaande uit zachte oefeningen voor nek-, schouder-, romp-, heup-, knie- en enkelmobiliteit, gevolgd door langzaam armheffen en gewichtverplaatsing. Begin met formele opname pas wanneer de uitvoerder geen ongemak meldt en de oefensequentie soepel kan voltooien.
8. Tijdens het vertrouwd maken vraag je elke uitvoerder om één oefenronde van de geselecteerde vormen binnen het gemarkeerde gebied te voltooien, terwijl de operator het zicht van het lichaam in beide camerabeelden controleert. Beëindig de vertrouwdheid wanneer de uitvoerder binnen het opnamegebied kan blijven en de opnamecues zonder onderbreking kan volgen.
9. Definieer het natuurlijke Tai Chi-tempo als het zelfgekozen tempo dat normaal gesproken door de uitvoerder wordt gebruikt tijdens het lesgeven of oefenen. Geef uitvoerders instructies om niet te versnellen voor de camera en een proef alleen te herhalen als het tempo zichtbaar wordt onderbroken of niet consistent is met de oefenronde.
10. Gebruik een tweehandige klap op borsthoogte als visuele synchronisatiegebaar direct voor het starten van de beweging. Markeer het eerste handcontactframe in beide video's en controleer de synchronisatie tijdens de preprocessing.
11. Gebruik het identificatieformaat M##_P##_T#, waarbij M de beweging aangeeft, P het uitvoeringsnummer en T het proefnummer. Zo duidt M02-P07-T3 de derde Cloud Hands-proef aan die door uitvoerder P07 is uitgevoerd.
12. Beoordeel vermoeidheid via zelfrapportage van de uitvoerder, zichtbare instabiliteit, vertraagd herstel of verzoeken om extra rust. Geef een extra rustperiode van 30–60 seconden wanneer een vermoeidheidsindicator wordt waargenomen.
13. Registreer bewegingen in de vaste volgorde zoals vermeld in Tabel 2 om consistentie tussen uitvoerders te behouden en de fout van de operator te verminderen. Randomiseer de bewegingsvolgorde niet, want het doel is bewegings-kenmerk extractie in plaats van gedragsbehandelingsvergelijking.
14. Geef dezelfde instructie voor elke proef: voer de toegewezen Tai Chi-vorm uit op het gebruikelijke Tai Chi-tempo, blijf binnen het gemarkeerde gebied en ga door tot de vorm voltooid is. Lees de instructie uit een voorbereid script om consistentie tussen uitvoerders te behouden.
15. Sta één onmiddellijke herhaling toe voor een proef die werd beïnvloed door onderbreking, occlusie of uitvoeringsfout. Als de herhaalde proef onbruikbaar blijft, documenteer dan de proef als uitgesloten en noteer de reden voor uitsluiting in het preprocessing-logboek.
16. Controleer de camerastabiliteit, zichtbaarheid van het opnamegebied, de consistentie van de belichting en het zicht van het lichaam vóór elk opnameblok en na elke aanpassing van de apparatuur. Pauzeer de opname en herhaal de opstelling en controleer of er schaduwen, reflecties of occlusies verschijnen.
17. Zet videobestanden direct na elke opnamesessie over naar een met wachtwoord beveiligde projectmap en maak een back-up van deze naar een aparte opslagschijf. Controleer de bestandsintegriteit door elke front- en side-view-opname te openen en de opnameduur, framecontinuïteit en bestandsnaamconsistentie te controleren voordat je voorbewerking.
18. Treinregistratie-operators gebruiken dezelfde opstellingschecklist, bestandsnaamregels, synchronisatieprocedure en trial-repeatcriteria. Wees één operator toe aan de camera-opstelling en opnamecontrole en, wanneer het personeel het toelaat, wijs een tweede operator toe om de protocolchecklist te voltooien.

4. Voorverwerking van bewegingsdata

1. Bekijk alle raw-videobestanden op camerastabiliteit, zichtbaarheid van het lichaam, framecontinuïteit en synchronisatie voordat verdere verwerking wordt uitgevoerd.
2. Importeer elke video in de pose-estimation pipeline en haal 33 body landmarks frame voor frame uit met behulp van pose-estimation pipeline, zoals geïllustreerd in Figuur 1C en Figuur 2B. Exporteer de herkenningscoördinaten voor elke bewegingsreeks als komma-gescheiden waarden (CSV) bestanden.
3. Verwerk de geëxporteerde coördinatengegevens in Python met behulp van computervisiebibliotheek, numerieke rekenbibliotheek, datamanagementbibliotheek en signaalverwerkingsbibliotheek. Screen de data op ontbrekende frames, onstabiele keypoint-schattingen en fouten bij het volgen van het lichaam.
4. Sluit een bewegingssequentie uit als meer dan 15% van de frames ontbrekende of onstabiele keypoint-schattingen bevat, als de uitvoerder stopt voordat de beweging is voltooid, als het lichaam buiten het gemarkeerde opnamegebied beweegt, of als cameraocclusie een betrouwbare trajectreconstructie verhindert.
5. Glad de lichaam-keypoint-trajecten van behouden sequenties met een vierde orde low-pass Butterworth-filter met een cutofffrequentie van 6 Hz als onderdeel van de preprocessingworkflow zoals weergegeven in Figuur 2C.
6. Normaliseer elke behouden reeks temporeel tot 0%–100% van de bewegingscyclus om vergelijking tussen uitvoerders met verschillende bewegingssnelheden te vergemakkelijken.
7. Normaliseer ruimtelijke coördinaten met behulp van performer-specifieke lichaamsverhoudingen. Gebruik schouderbreedte als primaire schaalreferentie voor vergelijkingen van de trajecten van de bovenste ledematen en reconstrueer bewegingsbanen voor latere analyse (Figuur 2D).
8. Wijs twee getrainde coders toe om onafhankelijk alle uitgesloten sequenties en een willekeurige steekproef van 20% van de behouden sequenties te beoordelen. Los meningsverschillen op door overleg met een Tai Chi-instructeur en beoordeel de overeenstemming tussen beoordelaars.
9. Voer de pose-estimation pipeline uit binnen de programmeeromgeving en registreer de exacte pakketversie en modelconfiguratie in de Table of Materials. Gebruik het 33-mijlpaalmodel van de volledige lichaamhouding om herkenningscoördinaten te genereren voor elk videoframe.
10. Schakel landmark smoothing in en configureer de pose-estimation pipeline met model_complexity = 1, min_detection_confidence = 0,50 en min_tracking_confidence = 0,50, tenzij er andere gevalideerde instellingen zijn gebruikt. Pas identieke configuratieparameters toe op zowel front- als side-view-video's.
11. Inspecteer elke video op codeccompatibiliteit en lees frames direct met behulp van de computervisiebibliotheek zonder ruimtelijke bijsnijding wanneer het hele lichaam zichtbaar is. Trim alleen het synchronisatiesegment vóór de start van de beweging en ongebruikte frames na het voltooien van de beweging vóór de bergmark-extractie.
12. Exporteer CSV-bestanden met één rij per frame en kolommen met de bewegingsidentificatie, frameindex, tijdstempel, naam of index van het monument, genormaliseerde x-, y- en z-coördinaten en de zichtbaarheidsscore voor elk van de 33 lichaamsmonumenten. Bewaar front-view- en side-view-bestanden in aparte mappen met identieke bewegingsidentificaties.
13. Classificeer een landmark-schatting als onstabiel wanneer de zichtbaarheidsscore onder 0,50 ligt, wanneer coördinaten met meer dan drie mediane absolute afwijkingen tussen aangrenzende frames veranderen, of wanneer het herkenningspunt buiten het zichtbare lichaamsgebied beweegt. Vlagsequenties voor beoordeling wanneer onstabiele herkenningspunten belangrijke herkenningspunten in de bovenste ledematen, romp of heup treffen.
14. Detecteer ontbrekende frames door discontinuïteiten in frame-indices of tijdstempels en door afwezige landmark-rijen in de geëxporteerde CSV-bestanden. Interpoleren lineair geïsoleerde gaten van minder dan vijf opeenvolgende frames voordat het wordt gladgemaakt. Sluit sequenties uit wanneer missende of instabiele frames meer dan 15% van de totale sequentie overschrijden.
15. Identificeer fouten bij het volgen van het lichaam door visuele inspectie en geautomatiseerde controles op links-rechts herkenningspuntenwisselingen, onwaarschijnlijke gewrichtsverplaatsing, plotselinge positieverschuivingen van het hele lichaam en lichaamscoördinaten buiten het capturegebied. Markeer getroffen sequenties voor codeerreview en sluit ze uit wanneer betrouwbare trajectreconstructie niet mogelijk is.
16. Documenteer alle uitgesloten sequenties in een preprocessinglog met de bewegingsidentificatie, uitvoerende identificatie, bewegingstype, proefnummer, uitsluitingsreden, percentage ontbrekende sleutelpunten en beoordelingsbeslissing. Houd de bijbehorende velden voor sequentiestatus, ontbrekende sleutelpunten en review-flag bij tijdens de preprocessing.
17. Implementeer het vierde orde 6 Hz Butterworth laagdoorlaatfilter met behulp van de functies scipy.signal.butter en scipy.signal.filtfilt om nulfasefiltering van elke coördinatenbaan uit te voeren. Gebruik de samplefrequentie van 30 frames per seconde om de Nyquist-frequentie te bepalen en identieke filterparameters toe te passen op alle behouden sequenties.
18. Definieer bewegingsinitiatie als de eerste aanhoudende toename van pols- of lichaams-middensnelheid die 5% van de sequentie-specifieke pieksnelheid na het synchronisatiegebaar overschrijdt. Definieer bewegingsvoltooiing als het eerste punt na de laatste bewegingsfase waarop de snelheid minstens 10 opeenvolgende frames onder deze drempel blijft.
19. Elke behouden reeks resample naar 101 gelijkmatig gespreide tijdspunten die 0%–100% van de bewegingscyclus vertegenwoordigen, door de gladde coördinattrajecten te interpoleren. Gebruik de genormaliseerde sequenties voor cross-performer vergelijking en daaropvolgende bewegingsfeature-extractie.
20. Meet de schouderbreedte als de Euclidische afstand tussen de linker- en rechterschoudermarkeringen. Gebruik de mediaanwaarde over stabiele frames als de performer-specifieke schaalreferentie en pas de resulterende schaalfactor toe op alle behouden trials van dezelfde uitvoerder.
21. Normaliseer coördinaten met behulp van de vergelijkingen en , waarbij x_c en y_c de lichaam-middencoördinaten vertegenwoordigen en W_s de schouderbreedte van de uitvoerder specifiek vertegenwoordigt. Pas dezelfde normalisatieprocedure toe op de trajecten van bovenste ledematen, romp en lichaamscentrum.
22. Train programmeurs met behulp van vooraf gedefinieerde exclusiecriteria, representatieve voorbeeldvideo's en een pilotreview vóór formele codering. Vereis dat programmeurs consistente identificatie van ontbrekende sleutelpunten, occlusie, trackingfouten en onderbroken prestaties aantonen voordat ze de studiegegevens beoordelen.
23. Selecteer de 20% retained-sequence review steekproef met behulp van gestratificeerde willekeurige steekproeven op bewegingstype, zodat elke Tai Chi-vorm wordt weergegeven. Genereer de willekeurige steekproef uit de lijst met behouden bewegingsidentificaties vóór de controle door de programmeur.
24. Bereken inter-rater overeenkomst met behulp van Cohen' κ voor behoud/uitsluitingsbeslissingen en procentuele overeenkomst voor classificaties van uitsluitingsredenen. Beschouw κ-waarden ≥ 0,80 als acceptabel voordat de behouden dataset wordt afgerond.
25. Sla alle preprocessing-scripts op in een gedateerde projectmap samen met een requirements-bestand dat de programmeeromgeving en de exacte versies van pose-estimation pipeline, computer-vision-bibliotheek, numerical-computing library, data-management library en signal-processing library documenteert. Noteer eventuele volgende scriptwijzigingen in een wijzigingslogboek voordat je de feature-extractie opnieuw uitvoert.
26. Houd kwaliteitscontrolelogs bij tijdens de preprocessing, inclusief sequentiestatus, percentage ontbrekende sleutelpunten, review-vlaggen en beslissingen van programmeurs. Gebruik deze logs om de voortgang van 288 opgenomen bewegingssequenties naar 264 behouden sequenties na kwalitatieve screening te documenteren.

5. Bewegings-feature-extractie en visuele vertaling

1. Bereken de bewegingsduur als de verstreken tijd tussen het initiëren van de beweging en het voltooien van de beweging. Bereken de gemiddelde snelheid en pieksnelheid uit de verplaatsing van sleutelpunten van bovenste ledemaat en trunk over opeenvolgende frames. Haal de bewegingsduur, snelheid, trajectkromming, gladheid, symmetrie, balansverschuivingsamplitude en ritmestabiliteitskenmerken uit, zoals samengevat in Figuur 2E.
2. Bereken de kromming van de baan op basis van de circulariteit van de bewegingspaden van de bovenste ledematen. Vloeiendheid van beweging wordt afgeleid door variatie in de versnelling van frame tot frame.
3. Bereken symmetrie door bewegingspatronen van de linker- en rechterzijde van het gewricht te vergelijken. Schat de amplitude van balansverschuiving vanuit de horizontale verplaatsing van het lichaamscentrum gedurende de hele bewegingscyclus.
4. Bereken ritmestabiliteit uit de temporele variatie in snelheidspieken gedurende de bewegingscyclus.
5. Ken een visuele vertaalscore toe aan elke geldige sequentie met behulp van een gewogen combinatie van baankromming, soepelheid, ritmestabiliteit en balansverschuivingsamplitude. Exporteer de resulterende bewegingsfunctie-dataset voor visuele vertaling (Figuur 2F).
6. Transformeer de geëxtraheerde bewegingskenmerken in dynamische visuele elementen met behulp van een regelgebaseerd visueel vertaalsysteem. Koppel elke visuele variabele aan een specifieke belichaamde bewegingsfunctie met behulp van de translatiematrix die in Figuur 3A wordt getoond.
7. Vertaal hoge baankromming naar cirkelvormige stroomlijnen en boogvormige deeltjesbanen (Figuur 3B). Koppel hogere ritmestabiliteitswaarden aan langzamere en regelmatigere pulsatiepatronen (Figuur 3C).
8. Vertaal grotere balansverschuivingsamplitudes naar zichtbare beweging van het visuele centrum (Figuur 3D). Koppel hogere gladheidswaarden aan continue gradiëntovergangen en hogere symmetriewaarden aan gespiegelde of tegengebalanceerde visuele samenstellingen (Figuur 3E).
9. Bekijk de regels voor visuele vertaal met Tai Chi-instructeurs en experts in visueel communicatieontwerp. Bevestig dat de visuele mappings de belichaamde bewegingslogica behouden terwijl decoratieve vervorming wordt geminimaliseerd¹⁴. Een representatief, op bewegingskenmerken gebaseerde visuele prototype die met deze translatieregels wordt gegenereerd, wordt weergegeven in Figuur 3F.
10. Gebruik dezelfde bewegingsinitiatie- en bewegingsvoltooiingspunten die tijdens de temporele normalisatie zijn gedefinieerd voor duurberekeningen. Bereken de bewegingsduur als (eindframe − startframe)/30 frames/s en rapporteer het resultaat in seconden.
11. Bereken frame-to-frame snelheid met behulp van de Euclidische verplaatsing van opeenvolgende mijlpaalcoördinaten:
     
    Hier is v_t de momentane snelheid bij frame t, (x_t, y_t, z_t) zijn de herkenningscoördinaten bij frame t, (x_t−1, y_t−1, z_t−1) zijn de herkenningscoördinaten in het vorige frame, en Δt is het tijdsinterval tussen opeenvolgende frames (1/30 s). Gebruik gladde, schouderbreedte-genormaliseerde coördinaten en rapporteer snelheid in genormaliseerde lichaamsbreedte-eenheden per seconde.
12. Neem de linker- en rechterpols, ellebogen, schouders, heupen en de berekende lichaams-middenbaan mee bij het schatten van de snelheid van bovenste ledematen en romp. Gebruik pols- en elleboogtrajecten om beweging van bovenste ledematen te karakteriseren en schouder-heup middentrajecten om rompbeweging en balansgerelateerde beweging te karakteriseren.
13. Schat de kromming van de traject van opeenvolgende coördinatentriplets met behulp van:
    
    Gemiddelde krommingswaarden over de genormaliseerde bewegingscyclus en de trajecten van de bovenste ledematen.
14. Kwantificeer circulariteit als de min–max-genormaliseerde gemiddelde kromming van bovenste ledemaattrajecten over behouden sequenties. Hogere waarden duiden op meer continue boogvormige of cirkelvormige trajecten en een grotere geschiktheid voor circulaire flowlijn-visuele translatie.
15. Bereken de gladheid van frame-tot-frame versnellingsvariatie na filtering met behulp van een omgekeerde genormaliseerde versnellingsvariatiescore die voor rapportage is geschaald naar 0–100. Hogere waarden duiden op een soepelere beweging met minder abrupte versnellingsveranderingen.
16. Kwantificeer symmetrie als één minus het genormaliseerde wortel-gemiddelde-kwadraat verschil tussen linker- en rechterzijde mijlpaaltrajecten na temporele uitlijning. Hogere symmetriewaarden duiden op meer evenwichtige bilaterale bewegingspatronen.
17. Bereken het lichaamscentrum als de gemiddelde positie van de linker schouder, rechterschouder, linkerheup en rechterheup voor elk frame. Gebruik de resulterende lichaam-middenbaan traject om lichaamstranslatie en balansverplaatsingskenmerken te schatten.
18. Bereken de balansverschuivingsamplitude als het bereik van genormaliseerde horizontale lichaam-middenverplaatsing over de bewegingscyclus:
     B = max (x′_centrum) − min (x′_centrum)
    Grotere waarden duiden op een grotere laterale of anteroposterieure gewichtsoverdracht, afhankelijk van het camerabeeld.
19. Identificeer snelheidspieken met behulp van een piekdetectieprocedure toegepast op het gladde snelheidsprofiel met een minimale prominentie van 10% van de sequentie-specifieke pieksnelheid en een minimale afstand van vijf frames. Visueel bekeken ik pieken voor sequenties die tijdens de preprocessing waren gemarkeerd.
20. Kwantificeer ritmestabiliteit als één minus de variatiecoëfficiënt van interpiekintervallen gedurende de bewegingscyclus en schaal het resultaat op 0–100 voor rapportage. Hogere waarden geven een regelmatigere timing tussen bewegingsfasen aan.
21. Normaliseer alle bewegingsfuncties vóór combinatie met min–max schaalverdeling:
     
    Normaliseer elk kenmerk onafhankelijk zodat geen enkel kenmerk domineert vanwege de meetschaal.
22. Bereken de visuele vertaalscore (VTS) als:
     VTS = 100 × (0,35C_norm + 0,30S_norm + 0,20R_norm + 0,15B_norm)
    Hier duiden C, S, R en B respectievelijk kromming, soepelheid, ritmestabiliteit en balansverschuivingsamplitude aan. Interpreteer hogere scores als meer geschiktheid voor bewegingsfeature-gedreven dynamische visuele translatie in plaats van superieure Tai Chi-prestaties.
23. Selecteer featuregewichten via deskundige discussies onder Tai Chi-instructeurs en onderzoekers in visueel communicatieontwerp, waarbij meer gewicht wordt toegekend aan kromming en soepelheid omdat deze features het meest direct invloed hebben op zichtbare flow en continuïteit. Controleer de resulterende scorerangschikkingen aan de hand van deskundige beoordelingen van beweging-tot-visuele geschiktheid voordat je de eindanalyse bekijkt.
24. Voer bewegingsfeature-extractie uit in de programmeeromgeving met behulp van computervisiebibliotheek voor framebehandeling, pose-estimation pipeline voor landmarkextractie, numerieke rekenbibliotheek en datamanagementbibliotheek voor coördinatenverwerking, en signaalverwerkingsbibliotheek voor filtering en signaalanalyse. Archiveer de analysescripts, pakketversies en geëxporteerde CSV-bestanden met de projectdataset.
25. Implementeer de regelgebaseerde visuele vertaalworkflow in het TouchDesigner visuele ontwikkelingsplatform met genormaliseerde CSV-bewegingsfuncties als parameterinvoer en Adobe After Effects voor de definitieve compositing, indien nodig. Importeer elke bewegingsfunctievector, koppel bewegingskenmerken aan vooraf gedefinieerde visuele parameters, bekijk de dynamische output en exporteer het uiteindelijke visuele prototype voor gebruikersevaluatie.
26. Kaart genormaliseerde bewegingsfuncties continu aan visuele parameters en gebruik lage (<0,33), medium (0,33–0,66) en hoge (>0,66) waardebereiken alleen tijdens de ontwerpreview. Zo verhoogt een hogere kromming de boogstraal en de dichtheid van de stroomlijn, vermindert een hogere ritmestabiliteit pulsatie-onregelmatigheden, en grotere balansverschuivingsamplitudes verhogen de verplaatsing van het visuele centrum.
27. Genereer cirkelvormige stroomlijnen en deeltjesbanen uit de krommingsparameter, pulsatietiming uit ritmestabiliteit, visuele centrumbeweging uit balansverschuivingsamplitude, gradiëntcontinuïteit uit gladheid, en gespiegelde compositiesterkte uit symmetrie. Houd identieke kleurenpaletten, achtergronden en typografie aan in alle prototypes om verstorende effecten die niets met bewegingsdynamiek te maken hebben, te minimaliseren.
28. Pas visuele mappings continu toe tijdens het genereren van prototypes, zodat incrementele verschillen in bewegingskenmerken proportionele veranderingen in het visuele gedrag veroorzaken. Gebruik categorische labels alleen tijdens de deskundige beoordeling om de discussie over de geschiktheid van lage, gemiddelde en hoge visuele vertaalbaarheid te vergemakkelijken.
29. Bekijk de vertaalregels met twee Tai Chi-instructeurs en twee experts in visuele communicatiedesign. Evalueer de uitlijning van bewegingskenmerken en de culturele interpretatie, visuele helderheid en het risico op decoratieve vervorming, en herzie de vertaalregels totdat consensus is bereikt.
30. Beoordeel het behoud van de belichaamde bewegingslogica door te bepalen of elke visuele mapping de beoogde bewegingskenmerken in Tabel 2 nauwkeurig weergeeft en of deskundige beoordelaars uitlijning en interpreteerbaarheid als acceptabel beoordelen. Herzie afbeeldingen die als decoratief, misleidend of onvoldoende representatief voor de oorspronkelijke bewegingskenmerken worden beschouwd voordat de definitieve visuele prototypes worden gegenereerd.

Figuur 3. Regelgebaseerde vertaling van Tai Chi-bewegingskenmerken naar dynamische visuele variabelen. (A) Visuele vertaalmatrix die geëxtraheerde bewegingskenmerken koppelt aan overeenkomstige visuele variabelen. (B) Voorbeeldvertaling van baankromming naar cirkelvormige stroomlijnen en deeltjestrajecten. (C) Voorbeeldvertaling van ritmestabiliteit naar animatietiming en pulsatiepatronen. (D) Voorbeeldvertaling van balansverschuivingsamplitude naar beweging van het visuele centrum en gewogen compositie. (E) Voorbeeldvertaling van gladheid en symmetrie naar gradiëntcontinuïteit en compositiebalans. (F) Representatief dynamisch visueel prototype gegenereerd uit geëxtraheerde bewegingskenmerken. Klik hier om een grotere versie van deze figuur te bekijken.

6. Prototypeontwikkeling en gebruikersevaluatie opzet

1. Ontwikkel drie communicatiematerialen voor experimentele vergelijking: een statische grafische conditie, een conventionele videoconditie en een bewegingsdata-gedreven dynamische visuele ontwerpconditie gegenereerd vanuit het visuele vertaalsysteem (Figuur 1D). Het resulterende bewegingsdata-gedreven visuele prototype is geïllustreerd in Figuur 3F.
2. Standaardiseer de drie communicatiematerialen met betrekking tot belichtingsduur, informatiedichtheid, volgorde van bewegingspresentatie, typografie en kleurenpalet.
3. Werf 180 in aanmerking komende deelnemers van 18–35 jaar met normaal of gecorrigeerd naar normaal zicht en zonder professionele Tai Chi-onderwijsachtergrond. Wees deelnemers willekeurig toe aan de drie communicatievoorwaarden met behulp van een 1:1:1 toewijzingsverhouding (Tabel 3).
4. Voer de gebruikersevaluatie uit in een speciale interactieruimte. Toon alle experimentele materialen op hetzelfde 24-inch scherm en plaats deelnemers ongeveer 70 cm van het scherm.
5. Houd consistente kamerverlichting, geluidsniveau, kijkafstand, schermresolutie en belichtingsduur gedurende alle experimentele omstandigheden.
6. Laat deelnemers het toegewezen materiaal tijdens een blootstellingsperiode van 4 minuten doornemen. Registreer het gedrag van een beoordeling, herhaal gedrag, scrollgedrag en interactiegedrag als indicatoren van gedragsbetrokkenheid. Het conceptuele evaluatiekader dat waargenomen communicatieontwerpkwaliteit, belichaamd begrip, esthetische betrokkenheid, emotionele resonantie, deelintentie en behoud van intentie koppelt, wordt weergegeven in Figuur 1E.
7. Creëer de statische grafische conditie als een reeks stilstaande visuele panelen die de acht Tai Chi-vormen, korte bewegings-betekenislabels en dezelfde verklarende tekst tonen die in de andere condities wordt gebruikt. Exporteer de panelen op 1920 × 1080 pixels en presenteer ze op hetzelfde scherm tijdens de belichtingsperiode van 4 minuten.
8. Maak de conventionele videoconditie van hetzelfde opgenomen Tai Chi-bronmateriaal, gemonteerd tot een 4 minuten durende 1920 × 1080 pixel, 30 frames/s H.264 MP4-sequentie. Gebruik alleen conventionele videobeelden en tekstlabels zonder visuele overlays met bewegingskenmerken.
9. Genereer de dynamische, door bewegingsdata gedreven dynamische visuele ontwerpvoorwaarde door genormaliseerde bewegingsfeaturegegevens te importeren in het visual-development platform, de regelset uit Stap 5 toe te passen en een prototype van 4 minuten te exporteren met dezelfde bewegingsvolgorde en verklarende tekst als de andere twee voorwaarden.
10. Presenteer dezelfde acht Tai Chi-vormen in alle drie de condities: Opening Form, Cloud Hands, White Crane Spread Wings, Parting the Wild Horse's Mane, Brush Knee and Twist Step, Repulse Monkey, Grab the Tail's Tail en Closing Form. Elke voorwaarde bevat de naam van het deel, een korte beschrijving van de belichaamde betekenis en dezelfde volgorde van presentatie.
11. Standaardiseer informatiedichtheid door de belichtingsduur, het aantal bewegingen, de volgorde van de beweging, het aantal verklarende labels, het geschatte aantal woorden en het schermgebied dat aan elke beweging is gewijd, te matchen. Controleer alle materialen voordat je test om te bevestigen dat geen enkele voorwaarde conceptuele informatie bevat die ontbreekt in de andere.
12. Gebruik hetzelfde schreefloze lettertype, labelhiërarchie, neutrale achtergrond en een ingetogen blauw-grijs accentpalet in alle omstandigheden. Houd tekstgrootte, labelplaatsing en bewegingstitels consistent zodat groepsverschillen de communicatiemodus weerspiegelen in plaats van de losse grafische styling.
13. Werf deelnemers aan gebruikersevaluatie via universiteitsmailinglijsten, campusberichten en deelnemerspools voor ontwerpcursussen. Screenen geïnteresseerde vrijwilligers op leeftijd, gezichtsvermogen, professionele Tai Chi-onderwijsachtergrond en hun vermogen om de volledige evaluatiesessie te voltooien.
14. Stel een streefsteekproefgrootte van ongeveer 60 deelnemers per conditie vast om voldoende statistische kracht te bieden voor het detecteren van middelgrote verschillen tussen groepen in kenniswinst en belichaamde begripsresultaten. De eindelijke geanalyseerde steekproef omvatte 180 deelnemers verspreid over de drie aandoeningen.
15. Genereer de allocatiesequentie met behulp van computergebaseerde blokrandomisatie met een 1:1:1 doelverhouding over de drie voorwaarden. Toewijzing van verbergende conditie totdat de geschiktheidsscreening en baselinemetingen zijn afgerond.
16. Recordleeftijd, geslacht, eerdere Tai Chi-vertrouwdheid, eerdere blootstelling aan immaterieel cultureel erfgoed, ontwerpachtergrond, visiestatus en pre-test culturele kennisscore. Gebruik deze variabelen om de basislijn-equivalentie tussen de experimentele groepen te beoordelen.
17. Sluit personen met een professionele Tai Chi-onderwijsachtergrond, ongecorrigeerde visuele beperking, zelfgerapporteerde cognitieve of neurologische aandoeningen die het begrip kunnen beïnvloeden, eerdere deelname aan het prototype-ontwerpproces, of onvolledige enquête- of taakgegevens uit.
18. Presenteer de materialen op een Dell P2422H 24-inch monitor met 1920 × 1080 pixel resolutie en een verversingssnelheid van 60 Hz. Houd identieke beeldhelderheid en kleurinstellingen aan gedurende alle sessies en controleer dat het volledige stimulusgebied zichtbaar is vanaf de 70 cm kijkafstand.
19. Houd stabiele binnenverlichting tijdens alle gebruikersbeoordelingssessies en vermijd directe schittering op de monitor. Controleer voor elke sessie een consistente verlichting, minimale achtergrondgeluiden en het ontbreken van visuele afleidingen.
20. Geef deelnemers gestandaardiseerde schriftelijke en mondelinge instructies voorafgaand aan de blootstelling. Informeer deelnemers dat ze kennis-, herkennings- en gebruikerservaringsbeoordelingen direct na het bekijken van het toegewezen communicatiemateriaal zullen uitvoeren.
21. Tijdens de 4 minuten durende blootstelling instrueren de deelnemers om de bewegingsnamen, belichaamde betekenissen en visuele aanwijzingen in het toegewezen materiaal te leren. Geef geen aanvullende verklaringen tijdens de blootstellingsperiode.
22. Laat deelnemers alleen binnen de mogelijkheden van de toegewezen conditie reviewen, herspelen, scrollen of interacteren: still-panel review voor de statische grafische conditie, replay-controle voor de conventionele videoconditie, en feature-linked interactie voor de bewegingsdata-gedreven dynamische visuele ontwerpconditie. Noteer alle toegestane acties als gedragsindicatoren.
23. Registreer het herbekijken, afspelen, scrollen en interactiegedrag met behulp van het event-loggingsysteem van de presentatiecomputer. Exporteer logs op deelnemersniveau als CSV-bestanden met deelnemer-ID, experimentele conditie, dwell-tijd(en), beoordelings-/herhalingsaantal, interactieklikken en vrijwillige deelselectie.
24. Definieer dwell-tijd als de totale kijk- of interactietijd(en), review/replay-telling als het aantal herhaalde weergaven of replay-acties, en interactieklikken als het aantal door deelnemers geïnitieerde selecties tijdens exposure. Registreer vrijwillige deelselectie als een binaire (ja/nee) uitkomst na voltooiing van de evaluatie.
25. Voer direct voor en na de blootstelling een 20-punts culturele kennisbeoordeling uit. Bereken kenniswinst als de score na de toets minus de score van vóór de toets, waarbij hogere waarden wijzen op meer kortetermijnlerend leren uit het toegewezen communicatiemateriaal.
26. Meet bewegingsherkenning door deelnemers te vragen elke Tai Chi-vorm te identificeren uit een lijst van de acht bestudeerde bewegingen. Beoordeel de antwoorden als correct of onjuist en bereken de herkenningsnauwkeurigheid op deelnemersniveau.
27. Meet bewegingsbetekenisherkenning door deelnemers te vragen elke bewegingsrepresentatie te koppelen aan de bijbehorende belichaamde betekenis (bijv. circulariteit, aarding, balansverschuiving of terugtrekking zonder verlies van controle). Druk de prestaties uit als het percentage correct gematchte items.
28. Meet belichaamd begrip met behulp van Likert-achtige vragenlijstitems die de perceptie van lichaamsritme, balansoverdracht, trajectstroom en bewegingslogica van deelnemers beoordelen. Gemiddelde itemscores zodat hogere waarden een sterker waargenomen belichaamd begrip aangeven.
29. Meet emotionele resonantie, esthetische betrokkenheid, culturele authenticiteit, behoudsintentie en deelintentie met multi-item 7-punts Likert-schalen, aangepast uit het digitale erfgoed en de literatuur over gebruikerservaring. Bereken elk construct als het gemiddelde van de behouden items na betrouwbaarheidsbeoordeling. Beoordeel de waargenomen bruikbaarheid met behulp van de 10-item System Usability Scale (SUS)¹⁵.
30. Meet cognitieve werklast met behulp van de NASA Task Load Index (NASA-TLX)¹⁶ na materiaalblootstelling en zet de resulterende score om in een schaal van 0–100. Lagere scores duiden op een lagere waargenomen werklast tijdens de interpretatie van het communicatiemateriaal.
31. Dien alle vragenlijsten elektronisch af op de presentatiecomputer direct na de blootstellings- en herkenningstaken. Exporteer antwoorden met geanonimiseerde deelnemersidentificaties.
32. Controleer de antwoorden van deelnemers op volledigheid, dubbele identificaties, onwaarschijnlijke waarden en ontbrekende taakuitkomsten voordat de statistische analyse plaatsvindt. Sluit onvolledige sessies uit en behoud de uiteindelijke geanalyseerde steekproef die in Tabel 3 wordt gerapporteerd.
33. Sla alle deelnemersgegevens op met geanonimiseerde deelnemersidentificaties in met wachtwoorden beveiligde onderzoeksbestanden die alleen toegankelijk zijn voor het onderzoeksteam. Verwijder persoonlijke identificaties vóór analyse en bewaar studiegegevens in overeenstemming met institutionele ethiek en gegevensbeheerbeleid.

Variabele	Statische grafische groep (n = 58)	Conventionele Videogroep (n = 60)	Dynamische Visuele Ontwerpgroep (n = 62)	Statistische Test	p Waarde
Leeftijd (jaren)	23.4 ± 3.8	23.7 ± 4.1	24.0 ± 3.9	Eenrichtings-ANOVA	0.71
Vrouwelijk, n (%)	33 (56.9)	35 (58.3)	37 (59.7)	Chi-kwadraattest	0.95
Ontwerpachtergrond, n (%)	19 (32.8)	21 (35.0)	22 (35.5)	Chi-kwadraattest	0.94
Eerdere Tai Chi-bekendheid (1–7)	2.8 ± 1.3	2.9 ± 1.4	3.0 ± 1.3	Eenrichtings-ANOVA	0.68
Eerdere blootstelling aan immaterieel cultureel erfgoed (1–7)	3.1 ± 1.4	3.2 ± 1.5	3.3 ± 1.4	Eenrichtings-ANOVA	0.74
Pre-test culturele kennisscore (0–20)	6.7 ± 2.4	6.9 ± 2.6	6,8 ± 2,5	Eenrichtings-ANOVA	0.91
Normaal of gecorrigeerd naar normaal zicht, n (%)	58 (100.0)	60 (100.0)	62 (100.0)	Fishers exacte test	1
Professionele Tai Chi-onderwijsachtergrond, n (%)	0 (0.0)	0 (0.0)	0 (0.0)	Niet van toepassing	—

Tabel 3: Deelnemerskenmerken en experimentele groepstoewijzing. Basisdemografische kenmerken, eerdere Tai Chi-vertrouwdheid, eerdere blootstelling aan immaterieel cultureel erfgoed en pre-test culturele kennisscores voor deelnemers die zijn toegewezen aan de statische grafische, conventionele video en dynamische visuele ontwerpcondities. De gegevens worden gepresenteerd als gemiddelde ± standaarddeviatie of n (%). Statistische vergelijkingen werden uitgevoerd om de basislijn-equivalentie tussen groepen te beoordelen.

Resultaten

Bewegingskenmerken van de geselecteerde Tai Chi-bewegingen
In totaal werden 288 Tai Chi-bewegingssequenties opgenomen van 12 uitvoerders verspreid over acht geselecteerde Tai Chi-vormen. Na het uitsluiten van sequenties met onvolledige uitvoering, overmatige ontbrekende keypoint-schattingen, camera-occlusie, onstabiele landmark-tracking of onderbroken prestaties, werden 264 geldige sequenties behouden voor feature-extractie. Het aantal geldige reeksen varieerde van 31...

Discussie

Deze studie presenteert en evalueert een robuust, op bewegingskenmerken gebaseerd protocol voor het vertalen van belichaamde Tai Chi-kennis naar dynamisch visueel ontwerp. Het centrale doel van de studie was te bepalen of empirisch geëxtraheerde kinematische kenmerken konden worden omgezet in interpreteerbare visuele variabelen die de communicatie van belichaamde culturele betekenis verbeteren. De bevindingen tonen aan dat op beweging gebaseerde communicatie over immaterieel cultureel er...

Materialen

Lijst van materialen gebruikt in dit artikel

Naam	Bedrijf	Catalogusnummer	Opmerkingen
Adobe After Effects	Adobe Inc.	Adobe After Effects 2024 (v24.6)	Motion graphics- en visuele effectensoftware die wordt gebruikt voor het samenvoegen van de uiteindelijke prototype, indien nodig.
Computer Workstation	Dell Technologies	Precision 3660 Tower; Intel Core i7-12700 CPU; NVIDIA GeForce RTX 3060 GPU; 32 GB RAM; 1 TB SSD	Workstation die wordt gebruikt voor verwerking van bewegingsgegevens, functie-extractie, visualisatiegeneratie en statistische analyse.
Dell 24-inch Monitor	Dell Technologies	P2422H	Beeldscherm dat wordt gebruikt voor het gecontroleerde gebruikersevaluatie-experiment (1920 × 1080 pixels, 60 Hz).
Digital Video Camera	Sony Corporation	ILCE-7M4	Gesynchroniseerde vooraanzicht- en zijwaartse camera's die worden gebruikt voor motion capture (1920 × 1080 pixels, 30 frames/s).
MediaPipe Pose	Google LLC	MediaPipe 0.10.14	Markerloze pose-schattingspijplijn met behulp van het 33-landmark volledige lichaamshoudingsmodel (model_complexity = 1, min_detection_confidence = 0,50, min_tracking_confidence = 0,50).
NumPy	NumPy Developers	NumPy 1.26.4	Numerieke rekenbibliotheek die wordt gebruikt voor coördinaatverwerking en bewegingsfunctieberekeningen.
OpenCV	OpenCV Team	OpenCV 4.9.0	Computervisiebibliotheek die wordt gebruikt voor videoverwerking, frame-extractie en voorverwerking.
Operating System	Microsoft	Windows 11 Pro 23H2, 64-bit	Besturingssysteem dat wordt gebruikt voor verwerking van bewegingsgegevens en generatie van visualisaties.
Pandas	Pandas Development Team	Pandas 2.2.2	Gegevensbeheerbibliotheek die wordt gebruikt voor verwerking van gestructureerde gegevens en CSV-export.
Python	Python Software Foundation	Versie 3.11	Programmeertaalomgeving die wordt gebruikt voor de gegevensverwerkingspijplijn.
Randomization Software	Microsoft Corporation	Microsoft Excel voor Microsoft 365, versie 2405	Gebaat om de computergebaseerde blokrandomisatiesequentie voor deelnemersallocatie te genereren.
SciPy	SciPy Developers	SciPy 1.13.1	Signaalverwerkingsbibliotheek die wordt gebruikt voor Butterworth-filtering en bewegingssignaalanalyse.
Statistical Analysis Software	IBM Corp.	IBM SPSS Statistics 29.0	Gebaat voor betrouwbaarheidsanalyse, hypothesetesten, bemiddelingsanalyse en structurele vergelijkingenmodellering.
Survey Administration Platform	Qualtrics LLC	Qualtrics XM webplatform (toegankelijk in mei 2026)	Platform dat wordt gebruikt voor het beheren van vragenlijsten en het elektronisch verzamelen van reacties van deelnemers.
TouchDesigner	Derivative	TouchDesigner 2023.11880	Visuele ontwikkelingplatform dat wordt gebruikt om dynamische visualisaties te genereren die worden aangestuurd door bewegingsfuncties.
Tripod	Manfrotto	MK055XPRO3	Statieven die worden gebruikt om camera's te stabiliseren tijdens motion capture.
Video Synchronization Software	Custom Python/OpenCV workflow	OpenCV 4.9.0	Gebaat om vooraanzicht- en zijwaartse opnamen te synchroniseren tijdens voorverwerking met behulp van de visuele clap-gebeurtenis.