Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

Protokół dynamicznego projektowania wizualnego opartego na funkcjach ruchowych dla przekładu wciąłego wiedzenia nauki Tai Chi na komunikację niematerialnego dziedzictwa kulturowego

72 wyświetleń

⸱

DOI:

10.3791/72430

⸱

28 lipca 2026

 , 
1Faculty of Innovation and Design, City University of Macau, 2School of Design and Creativity, Guilin University of Electronic Technology

W tym artykule

Podsumowanie

Ten protokół opisuje możliwy do powtórzenia proces przechwytywania, analizowania i przekładania ucieleśnionych ruchów Tai Chi na dynamiczne projekty wizualne za pomocą bezznacznikowej rejestracji ruchu oraz opartej na funkcjach ruchu mapowania wizualnego, aby wspierać komunikację opartego na ruchu niematerialnego dziedzictwa kulturowego.

Streszczenie

Ten protokół opisuje reprodukowalny proces przekładu ucieleśnionych ruchów Tai Chi na dynamiczne wizualne projekty, aby wspierać komunikację opartego na ruchu niematerialnego dziedzictwa kulturowego. Jako praktyka kulturowa oparta na ruchu, Tai Chi przekazuje wiedzę poprzez rytm ciała, trajektorię, przenoszenie ciężaru i równowagę, aspekty, które często są trudne do przekazania za pomocą konwencjonalnych środków statycznych lub wideo. Protokół integruje bezmarkerowe rejestrowanie ruchu, ekstrakcję cech ruchu i oparte na regułach przekształcanie wizualne, aby zamienić cechy ruchu na dynamiczne reprezentacje wizualne. Osiem reprezentatywnych form Tai Chi zostało zarejestrowanych za pomocą bezmarkerowego rejestrowania ruchu. Kluczowe punkty ciała zostały wyodrębnione za pomocą MediaPipe Pose i przeanalizowane, aby wyprowadzić cechy ruchu, w tym krzywiznę trajektorii, gładkość ruchu i stabilność rytmu. Te cechy zostały systematycznie przemapowane na dynamiczne zmienne wizualne za pomocą opartego na cechach ruchu tłumaczenia wizualnego. Aby ocenić skuteczność podejścia, przeprowadzono kontrolowane eksperymenty z udziałem 180 uczestników, porównując trzy warunki komunikacji: statyczne grafiki, konwencjonalne filmy i dynamiczne projekty wizualne oparte na danych ruchowych. Miary wyników obejmowały wzrost wiedzy, rozpoznawanie ruchów, ucieleśnione zrozumienie i intencje behawioralne związane z zachowaniem i udostępnianiem dziedzictwa kulturowego. Analiza 264 ważnych sekwencji ruchów wykazała znaczne różnice w profilach cech ruchowych między formami Tai Chi. Warunek dynamicznego projektu wizualnego znacząco przewyższał warunki statycznej grafiki i konwencjonalnego filmu pod względem wzrostu wiedzy, rozpoznawania znaczenia ruchu i ucieleśnionego zrozumienia (wszystkie p < 0,001). Modelowanie strukturalne wykazało ponadto, że postrzegana jakość projektu wpływa na intencje zachowania i udostępniania głównie poprzez ucieleśnione zrozumienie, zaangażowanie estetyczne i rezonans emocjonalny. Ten protokół zapewnia systematyczną metodę konwersji wiedzy o ruchu ucieleśnionym na dynamiczne formy wizualne do komunikacji i interpretacji opartego na ruchu niematerialnego dziedzictwa kulturowego.

Wprowadzenie

Tai Chi, czyli Taijiquan, to tradycyjna chińska praktyka ruchowa, która integruje koordynację ciała, ruch okrężny, kontrolę równowagi i regulację wewnętrzną. Wpisana na Listę Reprezentatywną Niematerialnego Dziedzictwa Kulturowego Ludzkości UNESCO w 2020 roku, jej znaczenie kulturowe opiera się w dużej mierze na żywej, ucieleśnionej prezentacji, a nie na statycznych artefaktach materialnych1. To uznanie stanowi metodologiczne wyzwanie dla komunikacji dziedzictwa cyfrowego: jak przetłumaczyć dziedzictwo oparte na ruchu bez redukowania go do statycznych symboli, tekstowych wyjaśnień lub powierzchownych motywów wizualnych.

Konwencjonalna komunikacja cyfrowa zazwyczaj opiera się na statycznym tekście, nieruchomych obrazach lub standardowych nagraniach wideo. Chociaż te formaty mogą dokumentować zewnętrzną postawę lub chronologiczną sekwencję formy, często nie przekazują wewnętrznej logiki ciała – takiej jak przenoszenie ciężaru, kontrola rytmu i łączność ruchów – dzięki której praktyka staje się kulturowo znacząca. Ostatnie osiągnięcia w analizie ruchu umożliwiają precyzyjne kwantifikowanie współrzędnych stawów ciała i wzorców kinematycznych za pomocą sensorowych lub bezmarkerowych metod rejestracji ruchu2,3. Jednakże, podczas gdy te technologie wyróżniają się w rozpoznawaniu ruchów i interwencjach szkoleniowych, ich potencjał w dziedzinie wizualnej komunikacji kulturowej pozostaje niedoceniany. Podobnie, choć projekty dziedzictwa cyfrowego coraz częściej stosują immersywne media i wizualizacje oparte na danych, wiele nadal podkreśla jakość prezentacji zamiast strukturalnej interpretacji kulturowej4.

Poznanie ucieleśnione dostarcza krytycznej perspektywy do zajęcia się tym lukiem. Z tego punktu widzenia zrozumienie kulturowe kształtuje się poprzez percepcję ciała, symulację sensoryczno-ruchową i sprzężenie percepcji-czynności, a nie tylko poprzez obserwację wizualnych powierzchni5,6,7. Badania sztuki wizualnej i nauki kognitywnej sugerują ponadto, że abstrakcja może uczynić inaczej niewidoczne właściwości fizyczne postrzegalnymi, gdy zachowuje strukturalne relacje ruchu8. Badania interaktywnej komunikacji wizualnej podkreślają, że wizualny apel i doświadczenie użytkownika wpływają na zaangażowanie publiczne i intencje zachowania9. Jednakże, immersywne media w projektach dziedzictwa często priorytetują atrakcyjność estetyczną, co może przyciągać uwagę, ale nie udaje się przekazać podstawowej struktury kulturowej7. Co więcej, abstrakcja ruchu w dynamiczne wizualne formy ryzykuje osłabienie postrzeganej autentyczności, jeśli logika projektu oddala się od oryginalnej praktyki10. Dlatego przekładanie wiedzy ucieleśnionej na postrzegalne formy wymaga rygorystycznej, regułowo opartej logiki projektowej, zakorzenionej w empirycznych danych ruchowych, a nie w czysto intuicyjnym stylu graficznym.

Aby przenieść lukę między danymi ruchowymi a interpretacją kulturową, ten artykuł przedstawia powtarzalny protokół przekładania ucieleśnionej wiedzy Tai Chi na dynamiczne wizualne projektowanie. Głównym obiektywem naukowym jest ustalenie, czy cechy kinematyczne wyodrębnione z ruchów Tai Chi mogą służyć jako interpretowalne zmienne projektowe, które poprawiają zrozumienie publiczne ucieleśnionego znaczenia kulturowego. Odpowiednio, badanie przyczynia się do opracowania przepływu pracy z uwzględnieniem cech ruchowych, regułowo opartego mapowania między cechami ruchu a dynamicznymi zmiennymi wizualnymi oraz empirycznej oceny porównującej statyczne grafiki, konwencjonalne wideo i dynamiczny wizualny projekt oparty na danych ruchowych.

To podejście oparte na danych oferuje wyraźne zalety w porównaniu z alternatywnymi technikami11. W przeciwieństwie do konwencjonalnych nagrań wideo, które dostarczają tylko dosłownych reprezentacji, lub czysto dekoracyjnych animacji, które brakuje gruntowania kulturowego, ta metoda mapuje wyodrębnione cechy kinematyczne (np. krzywizna trajektorii, gładkość, stabilność rytmu i amplituda przesunięcia równowagi) bezpośrednio na dynamiczne zmienne wizualne (np. okrężne linie przepływu, rytm animacji i wizualna grawitacja). To podejście jest pokrewne wcześniejszym eksploracjom mediów artystycznych w dziedzinie wizualizacji ruchu, w tym opartej na rejestracji ruchu Kung Fu Motion Visualization Tobiasa Gremmlera, ale różni się definiowaniem wyraźnych reguł mapowania cech na wizerunki i oceną ich efektów komunikacyjnych poprzez kontrolowane badanie użytkowników12. W rezultacie zachowuje empiryczną strukturę ruchu, jednocześnie czyniąc jego podstawową logikę wizualnie dostępną.

Wreszcie, ten protokół jest szczególnie odpowiedni dla badaczy humanistyki cyfrowej, projektantów interakcji i praktyków dziedzictwa, którzy chcą scyfryzować i przekazać dziedzictwo niematerialne oparte na ruchu. Ramy odróżniają się od Labanotation, która jest rygorystycznym systemem notacji do rejestracji partytur ruchu dla ekspertów w celu interpretacji i zachowania13.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

Wszystkie metody z udziałem ludzi zostały przeprowadzone zgodnie z wytycznymi instytucjonalnymi i zostały zatwierdzone przez Komisję Etyczną ds. Ochrony Badań na Ludziach przy Szkole Projektowania i Kreatywności Uniwersytetu Technologii Elektronicznej w Guilin (nr zatwierdzenia 2600AL0621). Przed rozpoczęciem gromadzenia danych od wszystkich wykonawców Tai Chi oraz uczestników oceny użytkowej uzyskano pisemną świadomą zgodę. Uczestnicy zostali poinformowani, że udział w badaniu jest dobrowolny, a zanonimizowane dane zostaną wykorzystane do celów badawczych i publikacyjnych.

1. Warunki badania i przygotowanie sprzętu

  1. Przygotuj wyznaczoną strefę przechwytywania ruchu o wymiarach 3 m × 3 m z nierefleksyjnym tłem i jednolitym oświetleniem w laboratorium projektowania i mediów cyfrowych.
    UWAGA: Ogólny pięcioetapowy schemat przenoszenia ucieleśnionego ruchu Tai Chi na dynamiczną komunikację wizualną przedstawiono na Rysunku 1A. Łańcuch metodologiczny oparty na literaturze, wspierający protokół, w tym analiza ruchu, upowszechnianie kulturowe, ocena użyteczności oraz ocena obciążenia poznawczego, został podsumowany w Tabeli 1.
  2. Ustaw dwie zsynchronizowane kamery cyfrowe, aby rejestrować każdą sekwencję Tai Chi z różnych punktów widzenia. Kamerę widoku przedniego umieść w odległości około 3,5 m od centrum strefy przechwytywania.
  3. Ustaw kamerę widoku bocznego w odległości około 3,0 m od centrum strefy przechwytywania. Zamontuj obie kamery na statywach na wysokości klatki piersiowej, jak pokazano na Rysunku 2A.
  4. Skonfiguruj obie kamery tak, aby nagrywały w rozdzielczości 1920 × 1080 pikseli i przy częstotliwości klatek 30 frames/s. Przez cały okres gromadzenia danych stosuj manualną ekspozycję i stałe ustawienia ogniskowej.
  5. Oświetl strefę przechwytywania za pomocą dwóch rozproszonych paneli LED umieszczonych pod kątem około 45° z przodu po lewej i prawej stronie wykonawcy na wysokości klatki piersiowej. Przez cały okres gromadzenia danych utrzymuj jednorodne, nierefleksyjne oświetlenie o natężeniu 500 lux z neutralną temperaturą barwową 5 600 K.
  6. Zsynchronizuj obie kamery przed każdą próbą, wykonując widoczne klaśnięcie obiema rękami w strefie przechwytywania. Wyrównaj nagrania, używając pierwszej klatki przedstawiającej kontakt dłoni, i upewnij się, że błąd synchronizacji nie przekracza jednej klatki przy 30 frames/s.
  7. Ustaw kamerę widoku przedniego prostopadle do płaszczyzny czołowej wykonawcy, a kamerę widoku bocznego pod kątem około 90° po prawej stronie wykonawcy. Użyj stałych ustawień ogniskowej i upewnij się, że całe ciało wykonawcy pozostaje widoczne w obrębie strefy przechwytywania 3 m × 3 m, wyrównując obie kamery za pomocą znaczników podłogowych umieszczonych na granicach strefy przechwytywania.
  8. Użyj gładkiego, nierefleksyjnego tła i usuń z obszaru przechwytywania przedmioty odbijające światło. Przed rozpoczęciem nagrywania potwierdź, że wykonawca jest w pełni widoczny z obu perspektyw kamer, że cienie nie przesłaniają obrysu ciała i że żadne meble, kable ani osoby postronne nie zasłaniają trajektorii ruchu.
  9. Kalibruj przestrzeń nagraniową na początku każdej sesji nagraniowej, filmując wyznaczoną siatkę podłogową i weryfikując, czy granice strefy przechwytywania są widoczne w obu widokach kamer. Ponieważ w analizie wykorzystano bezmarkerowe wideo z dwóch widoków, a nie metryczną rekonstrukcję trójwymiarową, kalibracja polegała na weryfikacji wyrównania widoków, widoczności ciała i normalizacji skali przy użyciu szerokości ramion.
  10. Zapisz każde nagranie jako wideo MP4 o rozdzielczości 1920 × 1080 pikseli i częstotliwości 30 frames/s z kompresją H.264. Nazwij pliki według formatu M##_P##_T#_view.mp4, gdzie M oznacza ruch, P wykonawcę, T próbę, a view kamerę przednią lub boczną.
  11. Przetwórz dane o ruchu na stacji roboczej zdolnej do uruchomienia środowiska programistycznego Python 3.11, biblioteki wizji komputerowej OpenCV, potoku bezmarkerowej estymacji pozy MediaPipe Pose, biblioteki obliczeń numerycznych NumPy, biblioteki zarządzania danymi pandas oraz biblioteki przetwarzania sygnałów SciPy. Zapisz model stacji roboczej, system operacyjny i wersje pakietów oprogramowania użytych do przetwarzania danych, aby zapewnić powtarzalność obliczeń.
    UWAGA: Ogólny pięcioetapowy schemat przenoszenia ucieleśnionego ruchu Tai Chi na dynamiczną komunikację wizualną przedstawiono na Rysunku 1A–E.

Schemat przepływu pracy Tai Chi; rejestracja wideo, analiza ruchu, przetwarzanie danych, formy Tai Chi, analiza.
Rycina 1. Schemat przepływu pracy w celu przekształcenia ucieleśnionego ruchu Tai Chi w dynamiczną komunikację wizualną. (A) Pięcioetapowy proces badania obejmujący wybór ruchów Tai Chi, przechwytywanie ruchu na podstawie wideo, ekstrakcję cech ruchu, wizualne tłumaczenie oparte na regułach oraz ewaluację użytkowników. (B) Osiem wybranych form Tai Chi przeanalizowanych w badaniu. (C) Potok przetwarzania danych o ruchu, obejmujący zsynchronizowaną akwizycję wideo, estymację pozy, przetwarzanie trajektorii, normalizację cyklu ruchu oraz ekstrakcję cech. (D) Eksperymentalne warunki komunikacji: grafika statyczna, konwencjonalne wideo oraz dynamiczny projekt wizualny oparty na danych o ruchu. (E) Ramy koncepcyjne łączące postrzeganą jakość projektu komunikacyjnego, ucieleśnione rozumienie, zaangażowanie estetyczne, rezonans emocjonalny, intencję udostępniania oraz intencję zachowania. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

BibliografiaObszar badawczyŁańcuch danych wykorzystany w poprzednich badaniachŁańcuch statystyczny lub analitycznyImplikacje metodologiczne dla niniejszego badaniaŁańcuch danych wykorzystany w poprzednich pracach
Ho i wsp.2Analiza ruchu Tai ChiRuchy Tai Chi zostały zarejestrowane przy użyciu śledzenia współrzędnych stawów ciała, a następnie określono pozycje stawów kończyn górnych oraz kąty zgięcia w stawach łokciowych.Ilościowe i jakościowe analizy ruchu.Umożliwia wykorzystanie współrzędnych stawów ciała, cech trajektorii oraz wskaźników kinematycznych w celu przekształcenia ruchów Tai Chi w analizowalne dane ucieleśnione.Ruchy Tai Chi zostały zarejestrowane przy użyciu śledzenia współrzędnych stawów ciała, a następnie określono ilościowo pozycje stawów kończyn górnych oraz kąty w stawach łokciowych.
Li i wsp.3Rozpoznawanie ruchów Tai ChiRuchy Tai Chi zostały zarejestrowane za pomocą jednostek pomiaru inercyjnego oraz czasowych sygnałów ruchu.Rozpoznawanie i informacja zwrotna dotycząca interwencji w oparciu o czasowe sieci splotowe.Umożliwia ekstrakcję czasowych cech ruchu, w tym stabilności rytmu, zmienności przyspieszenia oraz struktury sekwencji ruchów.Ruchy Tai Chi zostały zarejestrowane przy użyciu jednostek pomiarowych bezwładności oraz sygnałów ruchu w postaci szeregów czasowych.
Yi i wsp.4Upowszechnianie cyfrowego niematerialnego dziedzictwa kulturowegoZebrano dane dotyczące doświadczeń użytkowników, których poddano ekspozycji na cyfrowe doświadczenia niematerialnego dziedzictwa kulturowego.Do zbadania reakcji afektywnych oraz zachowań związanych z rozpowszechnianiem informacji wykorzystano oprogramowanie SmartPLS oraz jakościową analizę porównawczą opartą na zbiorach rozmytych (fsQCA).Wspiera ramy komunikacyjne łączące doświadczenie cyfrowe, reakcję emocjonalną, tożsamość kulturową oraz intencję rozpowszechniania.Dane dotyczące doświadczeń użytkowników zostały zebrane od uczestników poddanych cyfrowym doświadczeniom niematerialnego dziedzictwa kulturowego.
Brooke15Ocena użytecznościUczestnicy wypełnili zestandaryzowany, 10-punktowy kwestionariusz użyteczności po interakcji z systemem.Wyniki w skali System Usability Scale (SUS) obliczono w zakresie od 0 do 100.Wspiera pomiar postrzeganej użyteczności wizualnego interfejsu komunikacyjnego.Uczestnicy wypełnili wystandaryzowany, 10-pytaniowy kwestionariusz użyteczności po wejściu w interakcję z systemem.
Hart i Staveland16Ocena obciążenia poznawczegoUczestnicy ocenili wymiary obciążenia pracą po zakończeniu zadania.Wyniki wskaźnika obciążenia zadaniowego NASA (NASA-TLX) obliczono na podstawie wielowymiarowych ocen obciążenia pracą.Umożliwia ocenę, czy dynamiczny prototyp wizualny oparty na danych o ruchu poprawia zrozumienie użytkownika, nie powodując nadmiernego obciążenia poznawczego.Uczestnicy ocenili wymiary obciążenia pracą po zakończeniu zadania.

Tabela 1: Wywodzący się z literatury łańcuch metodologiczny wspierający niniejsze badanie.Tabela ta podsumowuje kluczowe referencje, dziedziny badawcze, podejścia do pozyskiwania danych, metody analityczne oraz wkład metodologiczny wykorzystane do opracowania przepływu analizy ruchu, struktury translacji wizualnej, oceny użyteczności oraz ewaluacji obciążenia poznawczego wdrożonych w niniejszym protokole.

Proces przechwytywania ruchu; konfiguracja, estymacja pozy, wstępne przetwarzanie danych, ekstrakcja cech, zestaw danych wynikowych.
Rysunek 2Procedura przechwytywania ruchu w oparciu o wideo oraz ekstrakcji cech ruchu. (AUkład do przechwytywania ruchu z wykorzystaniem zsynchronizowanych kamer widoku przedniego i bocznego wewnątrz wyznaczonego obszaru przechwytywania o wymiarach 3 m × 3 m.B) Wyniki bezmarkerowej estymacji pozy przedstawiające wyekstrahowane punkty charakterystyczne ciała z nagrań w widoku z przodu i z boku. (C) Procedura wstępnego przetwarzania danych, obejmująca ekstrakcję punktów charakterystycznych, przesiewanie brakujących klatek, wygładzanie trajektorii oraz normalizację czasową. (D) Reprezentatywne zrekonstruowane trajektorie ruchu wyznaczone na podstawie punktów kluczowych kończyn górnych, tułowia oraz środka ciała. (E) Cechy ruchu wyekstrahowane z każdej sekwencji ruchowej, obejmujące czas trwania, średnią prędkość, prędkość maksymalną, krzywiznę trajektorii, wskaźnik gładkości, wskaźnik symetrii, amplitudę przesunięcia równowagi oraz stabilność rytmu. (F) Eksportowany zestaw danych cech ruchu wykorzystany do translacji wizualnej. Prosimy kliknąć tutaj, aby wyświetlić powiększoną wersję tej figury.

2. Wybór ruchów Tai Chi i rekrutacja wykonawców

  1. Wybierz osiem reprezentatywnych form Tai Chi do przechwytywania ruchu, aby zarejestrować różne kombinacje trajektorii kolistych, przeniesienia ciężaru ciała, wyprostu kończyn górnych, rotacji tułowia, przejść w równowadze oraz kontroli rytmu (Tabela 2; Rysunek 1B).
    UWAGA: Wybrane formy obejmują: Formę Otwarcia, Ręce jak Chmury, Biały Żuraw Rozpościera Skrzydła, Rozdzielanie Grzywy Dzikiego Konia, Szczotkowanie Kolana i Krok Skrętny, Odpychanie Małpy, Chwytanie Ogona Ptaka oraz Formę Zamknięcia. Formy te stanowią podstawę techniczną do analizy ruchu Tai Chi jako ucieleśnionych danych ruchowych2.
  2. Zrekrutuj wykonawców Tai Chi, uwzględniając zarówno doświadczonych instruktorów, jak i praktyków na poziomie średniozaawansowanym. Zdefiniuj doświadczonych instruktorów jako osoby posiadające ponad pięcioletnie doświadczenie w nauczaniu lub występach, a praktyków średniozaawansowanych jako osoby z co najmniej roczną regularną praktyką.
  3. Przeprowadź screening wszystkich potencjalnych wykonawców pod kątem kwalifikowalności. Uwzględnij osoby w wieku 18–60 lat, które nie zgłaszają urazów układu mięśniowo-szkieletowego w ciągu ostatnich trzech miesięcy i są w stanie wykonać wszystkie wybrane ruchy bez przerwy.
  4. Uzyskaj pisemną świadomą zgodę od wszystkich wykonawców przed rozpoczęciem gromadzenia danych.
  5. Zidentyfikuj potencjalnych wykonawców za pośrednictwem uniwersyteckich instruktorów Tai Chi, kampusowych grup praktykujących oraz lokalnych sieci praktyków. Skontaktuj się z kandydatami drogą mailową lub osobiście, zweryfikuj ich zgodnie z kryteriami kwalifikowalności i zakwalifikuj tylko tych, którzy wyrażą pisemną świadomą zgodę.
  6. Zrekrutuj łącznie 12 wykonawców, w tym pięciu doświadczonych instruktorów i siedmiu praktyków średniozaawansowanych. Wykorzystaj tę próbę do wygenerowania sekwencji ruchu do wstępnego przetwarzania i ekstrakcji cech.
  7. Wybierz ruchy z programu uproszczonego Tai Chi stylu Yang (24 formy), powszechnie stosowanego w nauczaniu publicznym i kontekstach prezentacji kulturalnych.
  8. Wybierz osiem form w drodze dyskusji w zespole badawczym i z instruktorami Tai Chi, tak aby obejmowały one powolne inicjowanie ruchu, trajektorię kolistą, asymetryczny wyprost, przeniesienie ciężaru do przodu, rotację tułowia, odwrót do tyłu, wieloetapową integrację siły oraz stabilizację końcową. Zastosuj te kryteria, aby upewnić się, że wybrane formy reprezentują charakterystykę ruchu docelową dla reguł translacji wizualnej przedstawionych w Tabeli 2.
  9. Zarejestruj dane demograficzne i charakterystykę praktyki wykonawców, w tym wiek, płeć, wzrost, masę ciała, dominującą rękę, lata doświadczenia w Tai Chi oraz status instruktora lub osoby średniozaawansowanej.
  10. Wyklucz kandydatów zgłaszających zaburzenia neurologiczne, zaburzenia równowagi, nieskorygowane wady wzroku, przebyte niedawno operacje, niezdolność do wykonania pełnej sekwencji ruchów lub jakikolwiek stan, który sprawia, że bezpieczny udział jest niewłaściwy.
  11. Nie wymagaj wcześniejszego doświadczenia w badaniach z wykorzystaniem przechwytywania ruchu ani w procedurach rejestracji cyfrowej. Przed zakwalifikowaniem wyjaśnij wszystkim wykonawcom przebieg rejestracji i potwierdź, że nie mają zastrzeżeń co do bycia nagrywanym z dwóch perspektyw kamer.
  12. W procedurze uzyskiwania zgody zatwierdzonej przez komisję etyczną uwzględnij zezwolenie na rejestrację wideo, bezmarkerową analizę ruchu, zanonimizowane przechowywanie danych oraz publikację zagregowanych wyników.
  13. Przedstaw wykonawcom harmonogram badania, instrukcje dotyczące nagrywania, wytyczne dotyczące rozgrzewki oraz daj im możliwość zadawania pytań przed rozpoczęciem rejestracji.
Ruchy Tai ChiFunkcja ucieleśnionego ruchuZnaczenie kulturowe lub cielesneWyekstrahowane wskaźniki ruchuZasada dynamicznego tłumaczenia wizualnego
Formularz otwarciaPowolne inicjowanie, osiadanie pionowe i kontrolowane unoszenie ramieniaRozpoczęcie, ugruntowanie oraz regulacja oddechu i stanu ciałaCzas trwania, wskaźnik płynności, stabilność rytmuPowolne wyłanianie, stopniowe rozszerzanie w pionie i powolna emisja cząstek
Chmurne DłonieCiągły kolisty ruch kończyn górnych i boczne przemieszczanie ciałaKoliście, przepływ, ciągłość i koordynacja między ciałem a intencjąKrzywizna trajektorii, amplituda przesunięcia równowagi, wskaźnik gładkościKoliste linie przepływu, boczne przesunięcia wizualno-grawitacyjne oraz ciągłe smugi cząsteczek
Biały Żuraw Rozpościera SkrzydłaAsymetryczna wyprost kończyny górnej, otwarta postawa i rotacja tułowiaWyprost, otwartość oraz równowaga między siłami skierowanymi w górę i w dółWskaźnik symetrii, prędkość szczytowa, przemieszczenie kończyny górnejKompozycja warstw rozdzielonych, górna rozszerzalność światła i asymetryczne przejścia przezroczystości
Rozdzielanie grzywy dzikiego koniaKrok do przodu, diagonalne rozdzielenie ramion i przeniesienie ciężaru ciałaEkspansja kierunkowa, separacja siły i intencja naprzódAmplituda przesunięcia punktu równowagi, średnia prędkość, krzywizna trajektoriiDiagonalne wstęgi ruchu, przesuwające się naprzód centrum wizualne i warstwowa ekspansja łuku
Krok z odstawieniem pięty i obrotemKoordynacja kroków, ruchów ramion i rotacji tułowiaOchrona, przekierowanie oraz koordynowana kontrola górnej i dolnej części ciałaPrzesunięcie tułowia, indeks symetrii, indeks płynnościObracające się pole widzenia, ślady zamiatania niskiego poziomu oraz złagodzone przejścia krawędzi
Repulse MonkeyKrok wsteczny, naprzemienne ruchy ramion i kontrolowany odwrótKorekta bez utraty kontroli, naprzemienność i stabilnośćStabilność rytmu, przemieszczenie kroków, koordynacja obustronnaNaprzemienne impulsy wizualne, cząsteczki płynące wstecz oraz przesunięte rytmy nieprzezroczystości
Chwyć ogon ptakaSekwencyjne działania pchania, odpychania, rolowania, naciskania i zamykaniaIntegracja wielu sił Tai Chi i ciągła logika ciałaKrzywizna, gładkość, stabilność rytmu, amplituda przesunięcia równowagiWieloetapowe sekwencje łuków, warstwowe fale siły oraz progresywna kompresja i rozluźnienie wizualne
Formularz końcowyPowolny powrót, opuszczanie ramienia i stabilizacja ciałaUkończenie, powrót do stanu spoczynku i wewnętrzne wyciszenieCzas trwania, wskaźnik płynności, stabilność rytmuStopniowe zanikanie, wizualne osiadanie w dół i konwergencja cząsteczek w kierunku centrum

Tabela 2: Charakterystyka ruchów Tai Chi i odpowiadające im reguły translacji wizualnej. Tabela ta podsumowuje cechy ruchów ucieleśnionych, znaczenia kulturowe lub cielesne, wyodrębnione wskaźniki ruchu oraz oparte na regułach mapowania translacji wizualnej zastosowane dla ośmiu wybranych form Tai Chi. Wymienione wskaźniki ruchu posłużyły do generowania dynamicznych zmiennych wizualnych wykorzystanych w ramach projektowania komunikacji sterowanego cechami ruchu.

3. Procedura przechwytywania ruchu

  1. Poleć każdemu wykonawcy przeprowadzenie 5 min rozgrzewki oraz jednej rundy zapoznawczej w obszarze przechwytywania przed formalnym nagraniem.
  2. Poleć każdemu wykonawcy wykonanie każdej z ośmiu wybranych form Tai Chi trzy razy w naturalnym tempie Tai Chi. Nie należy używać metronomu ani zewnętrznie narzuconej prędkości ruchu.
  3. Nagraj gest synchronizacji wizualnej na początku każdej próby, aby ułatwić wyrównanie nagrań w widoku z przodu i z boku podczas przetwarzania wstępnego.
  4. Przypisz unikalny identyfikator ruchu do każdej próby. W identyfikatorze uwzględnij numer wykonawcy, rodzaj ruchu oraz numer próby.
  5. Zapewnij 10 s przerwy między próbami. Zapewnij dłuższą przerwę, gdy wykonawca zgłosi zmęczenie.
  6. Powtórz próbę raz, gdy ruch zostanie przerwany, wykonany poza wyznaczonym obszarem przechwytywania lub gdy wystąpi wyraźny błąd nagrania. Kompletny schemat nagrywania ruchu i ekstrakcji cech przedstawiono na Rysunku 2.
    UWAGA: Rysunek 2 ilustruje kompletny schemat nagrywania ruchu i ekstrakcji cech. Należy zastosować bezmarkerowy schemat oparty na wideo, aby utrzymać powtarzalny i niskokosztowy potok pozyskiwania danych, odpowiedni dla środowisk komunikacji kulturowej, w których czujniki ubieralne są niepraktyczne3.
  7. Zastosuj ustandaryzowaną 5 min rozgrzewkę składającą się z łagodnych ćwiczeń mobilności szyi, barków, tułowia, bioder, kolan i kostek, a następnie powolnych ruchów unoszenia ramion i przenoszenia ciężaru ciała. Rozpocznij formalne nagrywanie dopiero wtedy, gdy wykonawca zadeklaruje brak dyskomfortu i będzie mógł płynnie zrealizować sekwencję ćwiczeń.
  8. Podczas zapoznania poproś każdego wykonawcę o wykonanie jednego próbnego przejścia wybranych form wewnątrz wyznaczonego obszaru, podczas gdy operator sprawdza widoczność ciała w obu widokach kamery. Zakończ etap zapoznania, gdy wykonawca będzie w stanie pozostać w obszarze przechwytywania i podążać za sygnałami do nagrywania bez przerw.
  9. Zdefiniuj naturalne tempo Tai Chi jako tempo wybrane samodzielnie, którego wykonawca zazwyczaj używa podczas nauczania lub praktyki. Poleć wykonawcom, aby nie przyspieszali przed kamerą, i powtórz próbę tylko wtedy, gdy tempo zostanie wyraźnie przerwane lub będzie niezgodne z rundą próbną.
  10. Jako gest synchronizacji wizualnej bezpośrednio przed rozpoczęciem ruchu zastosuj klaśnięcie obydwiema dłońmi na wysokości klatki piersiowej. Oznacz klatkę pierwszego kontaktu dłoni w obu filmach i zweryfikuj synchronizację podczas przetwarzania wstępnego.
  11. Użyj formatu identyfikatora M##_P##_T#, gdzie M oznacza ruch, P oznacza numer wykonawcy, a T oznacza numer próby. Na przykład M02-P07-T3 oznacza trzecią próbę ruchu Cloud Hands wykonaną przez osobę P07.
  12. Oceń zmęczenie na podstawie samoopisów wykonawcy, widocznej niestabilności, spowolnionej regeneracji lub próśb o dodatkowy odpoczynek. Zapewnij dodatkowe 30–60 s przerwy w przypadku zaobserwowania któregokolwiek z wskaźników zmęczenia.
  13. Nagrywaj ruchy w stałej kolejności wymienionej w Tabeli 2, aby zachować spójność między wykonawcami i zmniejszyć ryzyko błędu operatora. Nie należy randomizować kolejności ruchów, ponieważ celem jest ekstrakcja cech ruchu, a nie porównanie efektów terapeutycznych zachowań.
  14. Przekazuj tę samą instrukcję przed każdą próbą: wykonaj przypisaną formę Tai Chi w zwykłym tempie Tai Chi, pozostań w wyznaczonym obszarze i kontynuuj aż do zakończenia formy. Odczytuj instrukcję z przygotowanego skryptu, aby zachować spójność wobec wszystkich wykonawców.
  15. Dopuść jedno natychmiastowe powtórzenie próby w przypadku przerwania, przesłonięcia lub błędu wykonawcy. Jeśli powtórzona próba nadal pozostanie bezużyteczna, udokumentuj ją jako wykluczoną i zapisz przyczynę wykluczenia w dzienniku przetwarzania wstępnego.
  16. Przed każdym blokiem nagrań oraz po każdej regulacji sprzętu sprawdź stabilność kamery, widoczność obszaru przechwytywania, spójność oświetlenia i widoczność ciała. Wstrzymaj nagrywanie i powtórz kontrolę ustawień, jeśli pojawią się cienie, refleksy lub przesłonięcia.
  17. Prześlij pliki wideo do chronionego hasłem folderu projektu natychmiast po każdej sesji nagraniowej i wykonaj ich kopię zapasową na osobnym dysku pamięci. Zweryfikuj integralność plików, otwierając każde nagranie z widoku z przodu i z boku oraz sprawdzając czas trwania nagrania, ciągłość klatek i spójność nazewnictwa plików przed przetwarzaniem wstępnym.
  18. Przeszkol operatorów nagrań, korzystając z tej samej listy kontrolnej ustawień, zasad nazewnictwa plików, procedury synchronizacji i kryteriów powtarzania prób. Przypisz jednego operatora do ustawienia kamery i kontroli nagrywania, a jeśli zasoby kadrowe na to pozwalają, przypisz drugiego operatora do wypełniania listy kontrolnej protokołu.

4. Przetwarzanie wstępne danych o ruchu

  1. Przed dalszą obróbką przejrzyj wszystkie surowe pliki wideo pod kątem stabilności kamery, widoczności ciała, ciągłości klatek i synchronizacji.
  2. Zaimportuj każde wideo do potoku estymacji pozy i wyodrębnij 33 punkty charakterystyczne ciała klatka po klatce przy użyciu potoku estymacji pozy, jak pokazano na Rysunku 1C i Rysunku 2B. Wyeksportuj współrzędne punktów charakterystycznych dla każdej sekwencji ruchu do plików wartości rozdzielanych przecinkami (CSV).
  3. Przetwórz wyeksportowane dane współrzędnych w języku Python, korzystając z biblioteki do komputerowego przetwarzania obrazu, biblioteki do obliczeń numerycznych, biblioteki do zarządzania danymi oraz biblioteki do przetwarzania sygnałów. Przeskanuj dane pod kątem brakujących klatek, niestabilnych estymacji punktów kluczowych i błędów śledzenia ciała.
  4. Wyklucz sekwencję ruchu, jeśli więcej niż 15% klatek zawiera brakujące lub niestabilne estymacje punktów kluczowych, jeśli wykonawca przerywa przed zakończeniem ruchu, jeśli ciało przemieszcza się poza wyznaczony obszar przechwytywania lub jeśli zasłonięcie kamery uniemożliwia niezawodną rekonstrukcję trajektorii.
  5. Wygładź trajektorie punktów kluczowych ciała w zachowanych sekwencjach, używając czwartorzędowego filtru dolnoprzepustowego Butterwortha z częstotliwością odcięcia 6 Hz jako części procesu wstępnego przetwarzania pokazanego na Rysunku 2C.
  6. Znormalizuj każdą zachowaną sekwencję czasowo w zakresie 0%–100% cyklu ruchu, aby ułatwić porównania między wykonawcami o różnej prędkości ruchu.
  7. Znormalizuj współrzędne przestrzenne, korzystając z proporcji ciała poszczególnych wykonawców. Użyj szerokości ramion jako głównego odniesienia skalowania dla porównań trajektorii kończyn górnych i zrekonstruuj trajektorie ruchu do późniejszej analizy (Rysunek 2D).
  8. Wyznacz dwóch przeszkolonych koderów do niezależnego przeglądu wszystkich wykluczonych sekwencji oraz losowej próbki 20% zachowanych sekwencji. Rozstrzygaj rozbieżności poprzez dyskusję z instruktorem Tai Chi i oceń zgodność między sędziami.
  9. Uruchom potok estymacji pozy w środowisku programistycznym i zapisz dokładną wersję pakietu oraz konfigurację modelu w Tabeli Materiałów. Użyj modelu pozy całego ciała z 33 punktami charakterystycznymi, aby wygenerować współrzędne punktów dla każdej klatki wideo.
  10. Włącz wygładzanie punktów charakterystycznych i skonfiguruj potok estymacji pozy z parametrami model_complexity = 1, min_detection_confidence = 0,50 oraz min_tracking_confidence = 0,50, chyba że zastosowano inne zwalidowane ustawienia. Zastosuj identyczne parametry konfiguracji zarówno do filmów z widoku z przodu, jak i z widoku z boku.
  11. Sprawdź każde wideo pod kątem kompatybilności kodeków i odczytuj klatki bezpośrednio za pomocą biblioteki do komputerowego przetwarzania obrazu bez przycinania przestrzennego, gdy całe ciało jest widoczne. Przed wyodrębnieniem punktów charakterystycznych przytnij jedynie segment synchronizacji poprzedzający rozpoczęcie ruchu oraz nieużywane klatki po zakończeniu ruchu.
  12. Wyeksportuj pliki CSV z jednym wierszem na klatkę i kolumnami zawierającymi identyfikator ruchu, indeks klatki, znacznik czasu, nazwę lub indeks punktu charakterystycznego, znormalizowane współrzędne x, y i z oraz wynik widoczności punktu charakterystycznego dla każdego z 33 punktów ciała. Przechowuj pliki z widokiem z przodu i z boku w osobnych folderach, używając identycznych identyfikatorów ruchu.
  13. Zaklasyfikuj estymację punktu charakterystycznego jako niestabilną, gdy jego wynik widoczności jest poniżej 0,50, gdy współrzędne zmieniają się o więcej niż trzy mediany odchyleń bezwzględnych między sąsiednimi klatkami lub gdy punkt charakterystyczny przemieszcza się poza widoczny obszar ciała. Oznacz sekwencje do przeglądu, gdy niestabilne punkty dotyczą głównych punktów kończyn górnych, tułowia lub bioder.
  14. Wykrywaj brakujące klatki na podstawie nieciągłości indeksów klatek lub znaczników czasu oraz braku wierszy z punktami charakterystycznymi w wyeksportowanych plikach CSV. Przeprowadź liniową interpolację izolowanych luk obejmujących mniej niż pięć kolejnych klatek przed wygładzaniem. Wyklucz sekwencje, gdy brakujące lub niestabilne klatki przekraczają 15% całkowitej sekwencji.
  15. Wykrywaj błędy śledzenia ciała poprzez inspekcję wizualną i zautomatyzowane sprawdzanie zamian punktów lewo-prawo, nieplauzibilnych przemieszczeń stawów, nagłych przesunięć pozycji całego ciała oraz współrzędnych ciała poza obszarem przechwytywania. Oznacz dotknięte sekwencje do przeglądu przez kodera i wyklucz je, gdy niezawodna rekonstrukcja trajektorii nie jest możliwa.
  16. Dokumentuj wszystkie wykluczone sekwencje w dzienniku wstępnego przetwarzania zawierającym identyfikator ruchu, identyfikator wykonawcy, typ ruchu, numer próby, przyczynę wykluczenia, procent brakujących punktów kluczowych i decyzję recenzenta. Przechowuj odpowiadające pola statusu sekwencji, procentu brakujących punktów kluczowych i flagi przeglądu przez cały proces wstępnego przetwarzania.
  17. Zaimplementuj czwartorzędowy filtr dolnoprzepustowy Butterwortha 6 Hz przy użyciu funkcji scipy.signal.butter i scipy.signal.filtfilt, aby przeprowadzić filtrowanie z zerową fazą dla każdej trajektorii współrzędnych. Użyj częstotliwości próbkowania 30 klatek/s do wyznaczenia częstotliwości Nyquista i zastosuj identyczne parametry filtru do wszystkich zachowanych sekwencji.
  18. Zdefiniuj rozpoczęcie ruchu jako pierwszy trwały wzrost prędkości nadgarstka lub centrum ciała przekraczający 5% szczytowej prędkości specyficznej dla danej sekwencji po geście synchronizacyjnym. Zdefiniuj zakończenie ruchu jako pierwszy punkt po końcowej fazie ruchu, w którym prędkość pozostaje poniżej tego progu przez co najmniej 10 kolejnych klatek.
  19. Próbkuj każdą zachowaną sekwencję do 101 równomiernie rozmieszczonych punktów czasowych reprezentujących 0%–100% cyklu ruchu poprzez interpolację wygładzonych trajektorii współrzędnych. Użyj znormalizowanych sekwencji do porównań między wykonawcami i późniejszej ekstrakcji cech ruchu.
  20. Zmierz szerokość ramion jako odległość euklidesową między punktami charakterystycznymi lewego i prawego ramienia. Użyj wartości mediany z klatek stabilnych jako odniesienia skalowania specyficznego dla wykonawcy i zastosuj wynikowy współczynnik skali do wszystkich zachowanych prób tego samego wykonawcy.
  21. Znormalizuj współrzędne za pomocą równań Równanie równowagi x'=(x-xc)/Ws; formuła matematyczna; reprezentacja wizualna; zasada fizyczna. oraz równanie y'=(y-yc)/Ws, formuła dla analizy transformacji, koncepcja matematyczna, gdzie xc i yc reprezentują współrzędne centrum ciała, a Ws reprezentuje szerokość ramion wykonawcy. Zastosuj tę samą procedurę normalizacji do trajektorii kończyn górnych, tułowia i centrum ciała.
  22. Przeszkol koderów przy użyciu predefinednych kryteriów wykluczenia, reprezentatywnych próbek wideo i pilotażowego zestawu przeglądowego przed formalnym kodowaniem. Wymagaj od koderów wykazania się spójną identyfikacją brakujących punktów kluczowych, zasłonięć, błędów śledzenia i przerwanych wykonań przed przeglądem danych badawczych.
  23. Wybierz 20% próbki do przeglądu zachowanych sekwencji za pomocą stratyfikowanego losowania według typu ruchu, tak aby każda forma Tai Chi była reprezentowana. Wygeneruj losową próbkę z listy zachowanych identyfikatorów ruchu przed przeglądem koderów.
  24. Oblicz zgodność między sędziami za pomocą κ Cohena dla decyzji zachować/wykluczyć oraz procentową zgodność dla klasyfikacji przyczyn wykluczenia. Przyjmij wartości κ ≥ 0,80 za akceptowalne przed sfinalizowaniem zachowanego zbioru danych.
  25. Przechowuj wszystkie skrypty wstępnego przetwarzania w datowanym katalogu projektu wraz z plikiem wymagań dokumentującym środowisko programistyczne i dokładne wersje potoku estymacji pozy, biblioteki do komputerowego przetwarzania obrazu, biblioteki do obliczeń numerycznych, biblioteki do zarządzania danymi oraz biblioteki do przetwarzania sygnałów. Zapisuj wszelkie późniejsze rewizje skryptów w dzienniku zmian przed ponownym uruchomieniem ekstrakcji cech.
  26. Prowadź dzienniki kontroli jakości przez cały czas trwania wstępnego przetwarzania, w tym statusy sekwencji, procenty brakujących punktów kluczowych, flagi przeglądu i decyzje koderów. Użyj tych dzienników do udokumentowania przejścia od 288 zarejestrowanych sekwencji ruchu do 264 zachowanych sekwencji po przesiewowej ocenie jakości.

5. Ekstrakcja cech ruchu i translacja wizualna

  1. Obliczyć czas trwania ruchu jako czas upływający między rozpoczęciem a zakończeniem ruchu. Obliczyć średnią prędkość oraz prędkość maksymalną na podstawie przemieszczenia kluczowych punktów kończyn górnych i tułowia w kolejnych klatkach. Wyekstrahować cechy czasu trwania ruchu, prędkości, krzywizny trajektorii, płynności, symetrii, amplitudy przesunięcia równowagi oraz stabilności rytmu, zgodnie z podsumowaniem na Rysunku 2E.
  2. Obliczyć krzywiznę trajektorii na podstawie kolistości ścieżek ruchu kończyn górnych. Wyznaczyć płynność ruchu z wariancji przyspieszenia między poszczególnymi klatkami.
  3. Obliczyć symetrię poprzez porównanie wzorców ruchu stawów strony lewej i prawej. Oszacować amplitudę przesunięcia równowagi na podstawie poziomego przemieszczenia środka ciężkości ciała w całym cyklu ruchu.
  4. Obliczyć stabilność rytmu na podstawie zmienności czasowej szczytów prędkości w cyklu ruchu.
  5. Przypisać wynik translacji wizualnej do każdej poprawnej sekwencji, stosując ważoną kombinację krzywizny trajektorii, płynności, stabilności rytmu i amplitudy przesunięcia równowagi. Wyeksportować wynikający z tego zbiór danych cech ruchu do translacji wizualnej (Rysunek 2F).
  6. Przekształcić wyekstrahowane cechy ruchu w dynamiczne elementy wizualne za pomocą systemowego procesu translacji wizualnej opartego na regułach. Powiązać każdą zmienną wizualną z konkretną cechą ruchu ucieleśnionego, korzystając z macierzy translacji przedstawionej na Rysunku 3A.
  7. Przetłumaczyć wysoką krzywiznę trajektorii na koliste linie przepływu i łukowate ścieżki cząsteczek (Rysunek 3B). Mapować wyższe wartości stabilności rytmu na wolniejsze i bardziej regularne wzorce pulsacji (Rysunek 3C).
  8. Przetłumaczyć większe amplitudy przesunięcia równowagi na widoczny ruch centrum wizualnego (Rysunek 3D). Mapować wyższe wartości płynności na ciągłe przejścia gradientowe, a wyższe wartości symetrii na lustrzane lub zrównoważone kompozycje wizualne (Rysunek 3E).
  9. Przejrzeć reguły translacji wizualnej z instruktorami Tai Chi i ekspertami w dziedzinie projektowania komunikacji wizualnej. Potwierdzić, że mapowania wizualne zachowują logikę ruchu ucieleśnionego przy jednoczesnym minimalizowaniu zniekształceń dekoracyjnych14. Reprezentatywny prototyp wizualny oparty na cechach ruchu, wygenerowany przy użyciu tych reguł translacji, przedstawiono na Rysunku 3F.
  10. Do obliczeń czasu trwania wykorzystać te same punkty rozpoczęcia i zakończenia ruchu, które zdefiniowano podczas normalizacji czasowej. Obliczyć czas trwania ruchu jako (klatka końcowa − klatka początkowa)/30 frames/s i podać wynik w sekundach.
  11. Obliczyć prędkość między klatkami, korzystając z euklidesowego przemieszczenia współrzędnych kolejnych punktów charakterystycznych:
     Wzór na prędkość \( v_t = \frac{\sqrt{(x_t-x_{t-1})^2+(y_t-y_{t-1})^2+(z_t-z_{t-1})^2}}{\Delta t} \).
    Gdzie vt to prędkość chwilowa w klatce t, (xt, yt, zt) to współrzędne punktu charakterystycznego w klatce t, (xt−1, yt−1, zt−1) to współrzędne punktu w poprzedniej klatce, a Δt to odstęp czasu między kolejnymi klatkami (1/30 s). Użyć wygładzonych współrzędnych znormalizowanych do szerokości ramion i podać prędkość w znormalizowanych jednostkach szerokości ciała na sekundę.
  12. Przy szacowaniu prędkości kończyn górnych i tułowia uwzględnić lewy i prawy nadgarstek, łokieć, ramię, biodro oraz obliczoną trajektorię środka ciała. Użyć trajektorii nadgarstków i łokci do charakteryzacji ruchu kończyn górnych, a trajektorii środka między ramionami a biodrami do charakteryzacji ruchu tułowia i ruchów związanych z równowagą.
  13. Oszacować krzywiznę trajektorii z kolejnych trójek współrzędnych, korzystając z wzoru:
    Wzór na krzywiznę κi, matematyczny wyraz dla krzywych, koncepcja rachunku wektorowego.
    Obliczyć średnie wartości krzywizny dla znormalizowanego cyklu ruchu i trajektorii kończyn górnych.
  14. Ilościowo określić kolistość jako średnią krzywiznę trajektorii kończyn górnych w zachowanych sekwencjach, znormalizowaną metodą min-max. Wyższe wartości wskazują na bardziej ciągłe trajektorie łukowate lub koliste oraz większą przydatność do wizualnej translacji w formie kolistych linii przepływu.
  15. Obliczyć płynność z wariancji przyspieszenia między klatkami po filtrowaniu, a następnie zastosować odwrócony wynik wariancji przyspieszenia znormalizowany i przeskalowany do zakresu 0–100 w celu raportowania. Wyższe wartości wskazują na płynniejszy ruch z mniejszą liczbą gwałtownych zmian przyspieszenia.
  16. Ilościowo określić symetrię jako wartość jeden minus znormalizowana pierwiastkowa średnia kwadratowa różnicy między trajektoriami punktów charakterystycznych strony lewej i prawej po wyrównaniu czasowym. Wyższe wartości symetrii wskazują na bardziej zrównoważone bilateralne wzorce ruchu.
  17. Obliczyć środek ciała jako średnią pozycję punktów charakterystycznych lewego ramienia, prawego ramienia, lewego biodra i prawego biodra dla każdej klatki. Wykorzystać wynikową trajektorię środka ciała do oszacowania translacji ciała i cech przesunięcia równowagi.
  18. Obliczyć amplitudę przesunięcia równowagi jako zakres znormalizowanego poziomego przemieszczenia środka ciała w całym cyklu ruchu:
     B = max (x′center) − min (x′center)
    Większe wartości wskazują na większy boczny lub przednio-tylny transfer ciężaru, w zależności od widoku kamery.
  19. Zidentyfikować szczyty prędkości, stosując procedurę wykrywania szczytów do wygładzonego profilu prędkości, przy minimalnej wypukłości wynoszącej 10% maksymalnej prędkości danej sekwencji i minimalnym odstępie pięciu klatek. Wizualnie zweryfikować wykryte szczyty dla sekwencji oznaczonych podczas wstępnego przetwarzania.
  20. Ilościowo określić stabilność rytmu jako wartość jeden minus współczynnik zmienności interwałów między szczytami w cyklu ruchu, a następnie przeskalować wynik do zakresu 0–100 w celu raportowania. Wyższe wartości wskazują na bardziej regularne odstępy czasowe między fazami ruchu.
  21. Znormalizować wszystkie cechy ruchu przed ich połączeniem, stosując skalowanie min-max:
     Wzór na normalizację danych, \(X_{\text{norm}} = \frac{X - X_{\text{min}}}{X_{\text{max}} - X_{\text{min}}}\).
    Każdą cechę należy normalizować niezależnie, aby żadna z nich nie dominowała ze względu na skalę pomiaru.
  22. Obliczyć wynik translacji wizualnej (VTS) według wzoru:
     VTS = 100 × (0.35Cnorm + 0.30Snorm + 0.20Rnorm + 0.15Bnorm)
    Gdzie C, S, R i B oznaczają odpowiednio krzywiznę, płynność, stabilność rytmu i amplitudę przesunięcia równowagi. Wyższe wyniki należy interpretować jako większą przydatność do dynamicznej translacji wizualnej sterowanej cechami ruchu, a nie jako lepszą sprawność w wykonywaniu Tai Chi.
  23. Wyznaczyć wagi cech w drodze dyskusji eksperckiej z instruktorami Tai Chi i badaczami projektowania komunikacji wizualnej, przypisując większą wagę krzywiznie i płynności, ponieważ cechy te najbardziej bezpośrednio wpływają na widoczny przepływ i ciągłość. Zweryfikować wynikowe rankingi wyników z ocenami ekspertów dotyczącymi przydatności ruchu do translacji wizualnej przed końcową analizą.
  24. Przeprowadzić ekstrakcję cech ruchu w środowisku programistycznym, wykorzystując bibliotekę computer-vision do obsługi klatek, potok estymacji pozy do ekstrakcji punktów charakterystycznych, bibliotekę obliczeń numerycznych i bibliotekę zarządzania danymi do przetwarzania współrzędnych oraz bibliotekę przetwarzania sygnałów do filtrowania i analizy sygnałów. Zarchiwizować skrypty analizy, wersje pakietów oraz wyeksportowane pliki CSV wraz ze zbiorem danych projektu.
  25. Wdrożyć przepływ translacji wizualnej opartej na regułach w platformie do rozwoju wizualnego TouchDesigner, używając znormalizowanych cech ruchu z plików CSV jako parametrów wejściowych, oraz Adobe After Effects do końcowego komponowania, jeśli będzie to wymagane. Zaimportować każdy wektor cech ruchu, zmapować cechy ruchu na zdefiniowane parametry wizualne, przejrzeć dynamiczny efekt i wyeksportować końcowy prototyp wizualny do oceny przez użytkowników.
  26. Mapować znormalizowane cechy ruchu w sposób ciągły na parametry wizualne, a niskie (<0.33), średnie (0.33–0.66) i wysokie (>0.66) zakresy wartości stosować wyłącznie podczas przeglądu projektu. Na przykład wyższa krzywizna zwiększa promień łuku i gęstość linii przepływu, wyższa stabilność rytmu zmniejsza nieregularność pulsacji, a większe amplitudy przesunięcia równowagi zwiększają przemieszczenie centrum wizualnego.
  27. Generować koliste linie przepływu i trajektorie cząsteczek na podstawie parametru krzywizny, czas pulsacji na podstawie stabilności rytmu, ruch centrum wizualnego na podstawie amplitudy przesunięcia równowagi, ciągłość gradientu na podstawie płynności oraz siłę kompozycji lustrzanej na podstawie symetrii. Zachować identyczne palety kolorystyczne, tła i typografię we wszystkich prototypach, aby zminimalizować efekty zakłócające niezwiązane z dynamiką pochodzącą z ruchu.
  28. Stosować mapowania wizualne w sposób ciągły podczas generowania prototypów, tak aby przyrostowe różnice w cechach ruchu wywoływały proporcjonalne zmiany w zachowaniu wizualnym. Etykiet kategorii używać wyłącznie podczas przeglądu eksperckiego, aby ułatwić dyskusję o niskiej, średniej i wysokiej przydatności do translacji wizualnej.
  29. Przejrzeć reguły translacji z dwoma instruktorami Tai Chi i dwoma ekspertami od projektowania komunikacji wizualnej. Ocenić zgodność z cechami ruchu, interpretowalność kulturową, jasność wizualną oraz ryzyko zniekształceń dekoracyjnych i aktualizować reguły translacji aż do osiągnięcia konsensusu.
  30. Ocenić zachowanie logiki ruchu ucieleśnionego, ustalając, czy każde mapowanie wizualne dokładnie reprezentuje zamierzone charakterystyki ruchu podsumowane w Tabeli 2 oraz czy recenzenci-eksperci oceniają zgodność i interpretowalność jako akceptowalne. Zrewidować mapowania uznane za dekoracyjne, mylące lub niewystarczająco reprezentatywne dla oryginalnych cech ruchu przed wygenerowaniem końcowych prototypów wizualnych.

Wizualne koncepcje dynamiki ruchu, w tym trajektoria, rytm, równowaga; schemat z prototypami.
Rycina 3. Tłumaczenie cech ruchu Tai Chi na dynamiczne zmienne wizualne w oparciu o reguły. (A) Macierz tłumaczenia wizualnego łącząca wyodrębnione cechy ruchu z odpowiadającymi im zmiennymi wizualnymi. (B) Przykład tłumaczenia krzywizny trajektorii na koliste linie przepływu i trajektorie cząsteczek. (C) Przykład tłumaczenia stabilności rytmu na czas trwania animacji i wzorce pulsacji. (D) Przykład tłumaczenia amplitudy przesunięcia równowagi na ruch centrum wizualnego i kompozycję ważoną. (E) Przykład tłumaczenia płynności i symetrii na ciągłość gradientu i równowagę kompozycyjną. (F) Reprezentatywny dynamiczny prototyp wizualny wygenerowany z wyodrębnionych cech ruchu. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

6. Opracowanie prototypu i konfiguracja ewaluacji użytkownika

  1. Opracowano trzy materiały komunikacyjne do porównania eksperymentalnego: wariant z grafiką statyczną, wariant z konwencjonalnym wideo oraz wariant z dynamicznym projektem wizualnym opartym na danych o ruchu, wygenerowany przez system translacji wizualnej (Rysunek 1D). Powstały prototyp wizualny oparty na danych o ruchu przedstawiono na Rysunku 3F.
  2. Zestandaryzowano trzy materiały komunikacyjne pod kątem czasu ekspozycji, gęstości informacji, kolejności prezentacji ruchów, typografii oraz palety kolorystycznej.
  3. Zrekrutowano 180 kwalifikujących się uczestników w wieku 18–35 lat z normalnym lub skorygowanym do normy wzrokiem, bez doświadczenia w profesjonalnym nauczaniu Tai Chi. Uczestników przydzielono losowo do trzech warunków komunikacyjnych w stosunku 1:1:1 (Tabela 3).
  4. Ewaluację użytkowników przeprowadzono w dedykowanym pomieszczeniu do interakcji. Wszystkie materiały eksperymentalne wyświetlano na tym samym 24-calowym monitorze, a uczestników posadzono w odległości około 70 cm od ekranu.
  5. Przez cały czas trwania wszystkich warunków eksperymentalnych utrzymywano stałe oświetlenie pomieszczenia, poziom dźwięku, odległość widzenia, rozdzielczość ekranu oraz czas ekspozycji.
  6. Uczestnikom pozwolono zapoznać się z przydzielonym materiałem podczas 4-minutowego okresu ekspozycji. Zapisano zachowania związane z przeglądaniem, odtwarzaniem, przewijaniem oraz interakcją jako wskaźniki zaangażowania behawioralnego. Koncepcyjne ramy ewaluacji łączące postrzeganą jakość projektu komunikacyjnego, ucieleśnione zrozumienie, zaangażowanie estetyczne, rezonans emocjonalny, intencję dzielenia się oraz intencję zachowania przedstawiono na Rysunku 1E.
  7. Wariant z grafiką statyczną stworzono jako sekwencję nieruchomych paneli wizualnych prezentujących osiem form Tai Chi, krótkie etykiety znaczenia ruchów oraz ten sam tekst objaśniający, który zastosowano w pozostałych wariantach. Panele wyeksportowano w rozdzielczości 1920 × 1080 pikseli i prezentowano na tym samym monitorze podczas 4-minutowego okresu ekspozycji.
  8. Wariant z konwencjonalnym wideo stworzono z tego samego materiału źródłowego z nagraniami Tai Chi, zmontowanego w 4-minutową sekwencję H.264 MP4 o rozdzielczości 1920 × 1080 pikseli i częstotliwości 30 klatek/s. Wykorzystano wyłącznie konwencjonalne materiały wideo i etykiety tekstowe, bez wizualnych nakładek sterowanych cechami ruchu.
  9. Wariant z dynamicznym projektem wizualnym opartym na danych o ruchu wygenerowano poprzez import znormalizowanych danych o cechach ruchu do platformy rozwoju wizualnego, zastosowanie zestawu reguł opisanego w kroku 5 i eksport 4-minutowego prototypu o tej samej kolejności ruchów i tekście objaśniającym, co w dwóch pozostałych wariantach.
  10. We wszystkich trzech wariantach zaprezentowano te same osiem form Tai Chi: Formę Otwierającą, Chmurne Dłonie, Biały Żuraw Rozpościera Skrzydła, Rozdzielanie Grzywy Dzikiego Konia, Zaciskanie Kolana i Krok Obrót, Odpychanie Małpy, Chwytanie Ogona Ptaka oraz Formę Zamykającą. Każdy wariant zawiera nazwę ruchu, krótki opis jego ucieleśnionego znaczenia oraz tę samą kolejność prezentacji.
  11. Zestandaryzowano gęstość informacji poprzez dopasowanie czasu ekspozycji, liczby ruchów, kolejności ruchów, liczby etykiet objaśniających, przybliżonej liczby słów oraz obszaru ekranu przeznaczonego dla każdego ruchu. Przed testowaniem przejrzano wszystkie materiały, aby potwierdzić, że żaden wariant nie zawiera informacji koncepcyjnych, których brak byłoby w pozostałych.
  12. We wszystkich wariantach zastosowano ten sam krój pisma bezszeryfowego, hierarchię etykiet, neutralne tło oraz stonowaną, niebiesko-szarą paletę akcentową. Rozmiar tekstu, rozmieszczenie etykiet i tytuły ruchów pozostawiono spójne, aby różnice między grupami odzwierciedlały tryb komunikacji, a nie niezwiązany z nim styl graficzny.
  13. Uczestników do ewaluacji użytkowników rekrutowano poprzez uniwersyteckie listy mailingowe, ogłoszenia na kampusie oraz z grup uczestników kursów projektowania. Zainteresowanych ochotników przesiewano pod kątem wieku, stanu wzroku, doświadczenia w profesjonalnym nauczaniu Tai Chi oraz zdolności do ukończenia pełnej sesji ewaluacyjnej.
  14. Wyznaczono docelową wielkość próby na około 60 uczestników na wariant, aby zapewnić odpowiednią moc statystyczną do wykrycia średniej wielkości różnic międzygrupowych w przyroście wiedzy i wynikach ucieleśnionego zrozumienia. Ostateczna analizowana próba obejmowała 180 uczestników rozdzielonych pomiędzy trzy warianty.
  15. Sekwencję przydziału wygenerowano za pomocą komputerowej randomizacji blokowej z docelowym stosunkiem 1:1:1 dla trzech wariantów. Przydział do wariantu utajniono do czasu zakończenia przesiewania kwalifikowalności i pomiarów wyjściowych.
  16. Zapisano wiek uczestnika, płeć, wcześniejszą znajomość Tai Chi, wcześniejszą ekspozycję na niematerialne dziedzictwo kulturowe, wykształcenie kierunkowe w zakresie projektowania, stan wzroku oraz wynik wstępnego testu wiedzy kulturowej. Zmienne te wykorzystano do oceny równoważności wyjściowej grup eksperymentalnych.
  17. Z wykluczenia objęto osoby z doświadczeniem w profesjonalnym nauczaniu Tai Chi, nieskorygowaną wadą wzroku, zgłaszanymi zaburzeniami poznawczymi lub neurologicznymi, które mogłyby wpłynąć na rozumienie, osoby, które wcześniej uczestniczyły w procesie projektowania prototypu, oraz osoby z niekompletnymi danymi z ankiet lub zadań.
  18. Materiały prezentowano na 24-calowym monitorze Dell P2422H o rozdzielczości 1920 × 1080 pikseli i częstotliwości odświeżania 60 Hz. Utrzymano identyczną jasność wyświetlacza i ustawienia kolorów we wszystkich sesjach oraz zweryfikowano, że cały obszar bodźca jest widoczny z odległości 70 cm.
  19. Podczas wszystkich sesji ewaluacji użytkowników utrzymywano stabilne oświetlenie wewnętrzne i unikano bezpośrednich odblasków na monitorze. Przed każdą sesją sprawdzano spójność oświetlenia, minimalny poziom hałasu w tle oraz brak rozpraszaczy wizualnych.
  20. Przed ekspozycją uczestnicy otrzymali zestandaryzowane instrukcje pisemne i ustne. Poinformowano ich, że bezpośrednio po zapoznaniu się z przydzielonym materiałem komunikacyjnym wykonają testy wiedzy, rozpoznawania oraz oceny doświadczenia użytkownika.
  21. Podczas 4-minutowego okresu ekspozycji polecono uczestnikom zapoznać się z nazwami ruchów, ucieleśnionymi znaczeniami i wskazówkami wizualnymi przedstawionymi w przydzielonym materiale. W trakcie ekspozycji nie udzielano dodatkowych wyjaśnień.
  22. Uczestnikom pozwolono przeglądać, odtwarzać, przewijać lub wchodzić w interakcje wyłącznie w ramach możliwości przydzielonego wariantu: przegląd nieruchomych paneli w wariancie z grafiką statyczną, kontrola odtwarzania w wariancie z konwencjonalnym wideo oraz interakcja powiązana z cechami ruchu w wariancie z dynamicznym projektem wizualnym opartym na danych o ruchu. Wszystkie dozwolone działania zapisano jako wskaźniki zaangażowania behawioralnego.
  23. Zachowania związane z przeglądaniem, odtwarzaniem, przewijaniem i interakcją rejestrowano za pomocą systemu logowania zdarzeń komputera prezentacyjnego. Logi na poziomie uczestnika wyeksportowano do plików CSV zawierających ID uczestnika, wariant eksperymentalny, czas przebywania (s), liczbę przeglądnięć/odtwarzań, kliknięcia interakcyjne oraz dobrowolny wybór udostępnienia.
  24. Czas przebywania zdefiniowano jako całkowity czas oglądania lub interakcji (s), liczbę przeglądnięć/odtwarzań jako liczbę powtórnych wyświetleń lub akcji odtwarzania, a kliknięcia interakcyjne jako liczbę inicjowanych przez uczestnika wyborów podczas ekspozycji. Dobrowolny wybór udostępnienia zapisano jako wynik binarny (tak/nie) po zakończeniu ewaluacji.
  25. Bezpośrednio przed i po ekspozycji przeprowadzono 20-punktową ocenę wiedzy kulturowej. Przyrost wiedzy obliczono jako wynik testu końcowego minus wynik testu wstępnego, gdzie wyższe wartości wskazują na większą krótkotrwałą naukę z przydzielonego materiału komunikacyjnego.
  26. Rozpoznawanie ruchów mierzono, prosząc uczestników o zidentyfikowanie każdej formy Tai Chi z listy ośmiu badanych ruchów. Odpowiedzi oceniano jako poprawne lub błędne i obliczano dokładność rozpoznawania na poziomie uczestnika.
  27. Rozpoznawanie znaczenia ruchów mierzono, prosząc uczestników o dopasowanie każdej reprezentacji ruchu do odpowiadającego mu ucieleśnionego znaczenia (np. kolistość, ugruntowanie, przesunięcie równowagi lub wycofanie bez utraty kontroli). Wyniki wyrażono jako procent poprawnie dopasowanych elementów.
  28. Ucieleśnione zrozumienie mierzono za pomocą pytań w ankiecie typu Likerta, oceniających postrzeganie przez uczestników rytmu cielesnego, transferu równowagi, przepływu trajektorii i logiki ruchu. Średnie wyniki z pytań określano tak, aby wyższe wartości wskazywały na silniejsze postrzegane ucieleśnione zrozumienie.
  29. Rezonans emocjonalny, zaangażowanie estetyczne, autentyczność kulturową, intencję zachowania oraz intencję dzielenia się mierzono za pomocą wieloelementowych 7-stopniowych skal Likerta zaadaptowanych z literatury dotyczącej cyfrowego dziedzictwa i doświadczeń użytkownika. Każdy konstrukt obliczono jako średnią z elementów zachowanych po ocenie rzetelności. Postrzeganą użyteczność oceniono za pomocą 10-elementowej skali System Usability Scale (SUS)15.
  30. Obciążenie poznawcze mierzono za pomocą wskaźnika NASA Task Load Index (NASA-TLX)16 po ekspozycji na materiał, a wynik przeliczono na skalę 0–100. Niższe wyniki wskazują na niższe postrzegane obciążenie podczas interpretacji materiału komunikacyjnego.
  31. Wszystkie kwestionariusze przeprowadzono elektronicznie na komputerze prezentacyjnym bezpośrednio po zadaniach ekspozycji i rozpoznawania. Odpowiedzi wyeksportowano przy użyciu zanonimizowanych identyfikatorów uczestników.
  32. Przed analizą statystyczną sprawdzono odpowiedzi uczestników pod kątem kompletności, zdublowanych identyfikatorów, nieprawdopodobnych wartości oraz brakujących wyników zadań. Wykluczono niekompletne sesje i zachowano ostateczną analizowaną próbę raportowaną w Tabeli 3.
  33. Wszystkie dane uczestników przechowywano przy użyciu zanonimizowanych identyfikatorów w chronionych hasłem plikach badawczych, dostępnych wyłącznie dla zespołu badawczego. Przed analizą usunięto identyfikatory osobowe, a dokumentację badania zachowano zgodnie z instytucjonalnymi zasadami etyki i zarządzania danymi.
ZmiennaGrupa Grafik Statycznych
(n = 58)		Konwencjonalna grupa wideo
(n = 60)		Grupa Projektowania Wizualnego Dynamicznego
(n = 62)		Test statystycznywartość p
Wiek (lata)23.4 ± 3.823.7 ± 4.124.0 ± 3.9Jednoczynnikowa analiza wariancji (ANOVA)0.71
Kobiety, n (%)33 (56.9)35 (58.3)37 (59.7)Test chi-kwadrat0.95
Tło projektowe, n (%)19 (32.8)21 (35.0)22 (35.5)Test chi-kwadrat0.94
Wcześniejsze doświadczenie w Tai Chi (1–7)2.8 ± 1.32.9 ± 1.43.0 ± 1.3Jednoczynnikowa analiza wariancji (ANOVA)0.68
Wcześniejsza ekspozycja na niematerialne dziedzictwo kulturowe (1–7)3.1 ± 1.43.2 ± 1.53.3 ± 1.4Jednoczynnikowa analiza wariancji (ANOVA)0.74
Wynik testu wiedzy kulturowej przed badaniem (0–20)6.7 ± 2.46.9 ± 2.66.8 ± 2.5Jednoczynnikowa analiza wariancji (ANOVA)0.91
Wzrok prawidłowy lub skorygowany do prawidłowego, n (%)58 (100.0)60 (100.0)62 (100.0)Dokładny test Fishera1
Profesjonalne doświadczenie w nauczaniu Tai Chi, n (%)0 (0.0)0 (0.0)0 (0.0)Nie dotyczy—

Tabela 3: Charakterystyka uczestników i przydział do grup eksperymentalnych. Wyjściowe cechy demograficzne, wcześniejsza znajomość Tai Chi, wcześniejsza ekspozycja na niematerialne dziedzictwo kulturowe oraz wyniki testu wiedzy kulturowej przed badaniem dla uczestników przydzielonych do warunków z grafiką statyczną, konwencjonalnym wideo oraz dynamicznym projektem wizualnym. Dane przedstawiono jako średnia ± odchylenie standardowe lub n (%). Przeprowadzono porównania statystyczne w celu oceny równowagi wyjściowej między grupami.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Charakterystyka cech ruchu wybranych elementów Tai Chi
Nagrano łącznie 288 sekwencji ruchów Tai Chi od 12 wykonawców w ramach ośmiu wybranych form Tai Chi. Po wykluczeniu sekwencji z niepełnym wykonaniem, nadmierną liczbą brakujących szacunków punktów kluczowych, przesłonięciem kamery, niestabilnym śledzeniem punktów charakterystycznych lub przerwaniem występu, do ekstrakcji cech zachowano 264 poprawne sekwencje. Liczba poprawnych sekwencji dla każdego typu ruchu wynosiła od 31 do 34 (Tabela ...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

Niniejsze badanie przedstawia i ocenia solidny, oparty na cechach ruchowych protokół do przekładu cielesnej wiedzy na temat Tai Chi na dynamiczny projekt wizualny. Głównym celem badania było ustalenie, czy empirycznie uzyskane cechy kinematyczne mogą zostać przekształcone w interpretowalne zmienne wizualne, które poprawiają komunikację przekazywanego znaczenia kulturowego. Wyniki pokazują, że komunikacja o niematerialnym dziedzictwie kulturowym opartym na ruchu wymaga znacznie więcej niż powierzchownego wizualnego upięks...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Autorzy deklarują, że nie mają żadnych konfliktów interesów i nie mają nic do ujawnienia.

Podziękowania

Autorzy chcą wyrazić swoją wdzięczność Wydziałowi Innowacji i Designu na Uniwersytecie Miejskim w Makau oraz Szkole Designu i Kreatywności na Uniwersytecie Elektroniczno-Technologicznym w Guilin za zapewnienie wsparcia instytucjonalnego i udostępnienie laboratoriów mediów cyfrowych niezbędnych do przeprowadzenia tego badania. Szczególne podziękowania kierujemy do instruktorów Tai Chi, ekspertów ds. projektowania komunikacji wizualnej oraz wszystkim uczestnikom, którzy zgłosili się na ochotnika do eksperymentów z rejestracją ruchu i oceną użytkowników. Niniejsze badanie nie otrzymało żadnej specyficznej dotacji z żadnej agencji finansowej w sektorze publicznym, komercyjnym lub non-profit.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Adobe After EffectsAdobe Inc.Adobe After Effects 2024 (v24.6)Oprogramowanie do grafiki animacyjnej i efektów specjalnych używane do ostatecznego komponowania prototypu, jeśli jest to wymagane.
Computer WorkstationDell TechnologiesPrecision 3660 Tower; Intel Core i7-12700 CPU; NVIDIA GeForce RTX 3060 GPU; 32 GB RAM; 1 TB SSDStanowisko robocze używane do przetwarzania danych ruchowych, ekstrakcji cech, generowania wizualizacji i analizy statystycznej.
Dell 24-inch MonitorDell TechnologiesP2422HMonitor używany do kontrolowanego eksperymentu ewaluacji użytkowników (1920 × 1080 pikseli, 60 Hz).
Digital Video CameraSony CorporationILCE-7M4Synchronizowane kamery z przodu i z boku używane do rejestracji ruchu (1920 × 1080 pikseli, 30 klatek/s).
MediaPipe PoseGoogle LLCMediaPipe 0.10.14Bezznacznikowa linia do estymacji postawy korzystająca z modelu pełnego ciała z 33 punktami orientacyjnymi (model_complexity = 1, min_detection_confidence = 0.50, min_tracking_confidence = 0.50).
NumPyNumPy DevelopersNumPy 1.26.4Biblioteka do obliczeń numerycznych używana do przetwarzania współrzędnych i obliczeń cech ruchu.
OpenCVOpenCV TeamOpenCV 4.9.0Biblioteka do widzenia komputerowego używana do przetwarzania wideo, ekstrakcji klatek i przetwarzania wstępnego.
Operating SystemMicrosoftWindows 11 Pro 23H2, 64-bitSystem operacyjny używany do przetwarzania danych ruchowych i generowania wizualizacji.
PandasPandas Development TeamPandas 2.2.2Biblioteka do zarządzania danymi używana do przetwarzania strukturalnych danych i eksportu CSV.
PythonPython Software FoundationWersja 3.11Środowisko języka programowania używane do potoku przetwarzania danych.
Randomization SoftwareMicrosoft CorporationMicrosoft Excel for Microsoft 365, Wersja 2405Używany do generowania komputerowej sekwencji randomizacji blokowej dla alokacji uczestników.
SciPySciPy DevelopersSciPy 1.13.1Biblioteka do przetwarzania sygnałów używana do filtracji Butterwortha i analizy sygnałów ruchowych.
Statistical Analysis SoftwareIBM Corp.IBM SPSS Statistics 29.0Używane do analizy niezawodności, testowania hipotez, analizy mediacji i modelowania równań strukturalnych.
Survey Administration PlatformQualtrics LLCPlatforma internetowa Qualtrics XM (dostęp dostępny w maju 2026)Platforma używana do administrowania kwestionariuszami i zbierania odpowiedzi uczestników elektronicznie.
TouchDesignerDerivativeTouchDesigner 2023.11880Platforma do wizualnego programowania używana do generowania dynamicznych wizualizacji napędzanych cechami ruchu.
TripodManfrottoMK055XPRO3Statyw używany do stabilizacji kamer podczas rejestracji ruchu.
Video Synchronization SoftwareCustom Python/OpenCV workflowOpenCV 4.9.0Używane do synchronizacji nagrań z przodu i z boku podczas przetwarzania wstępnego za pomocą wizualnego sygnału klaskania.

Bibliografia

  1. UNESCO. Taijiquan. Representative List of the Intangible Cultural Heritage of Humanity. UNESCO; Paris; 2020. Available from: https://ich.unesco.org/en/RL/taijiquan-00424.
  2. Ho TJ, et al. Quantitative motion analysis of Tai Chi Chuan: The upper extremity movement. Comput Math Methods Med. 2018;2018:2538765.
  3. Li X, Zou L, Li H. Tai Chi movement recognition and precise intervention for the elderly based on inertial measurement units and temporal convolutional neural networks. Sensors. 2024;24(13):4208.
  4. Yi C, Huang J, Song L. Enhancing intangible cultural heritage dissemination through digital experience: An affective events theory approach. Herit Sci. 2025;13:438.
  5. Chen W, Li T, Zhang Y. Embodied cognition model for museum gamification cultural heritage communication: A grounded theory study. Herit Sci. 2025;13:239.
  6. Wilson M. Six views of embodied cognition. Psychon Bull Rev. 2002;9(4):625-36.
  7. Barsalou LW. Grounded cognition. Annu Rev Psychol. 2008;59:617-45.
  8. Zeki S. Inner Vision: An Exploration of Art and the Brain. Oxford University Press; Oxford, UK and New York, NY; 1999.
  9. Selmanovic E, et al. Improving accessibility to intangible cultural heritage preservation using virtual reality. J Comput Cult Herit. 2020;13(2):1-19.
  10. Kico I, Grammalidis N, Christidis Y, Liarokapis F. Digitization and visualization of folk dances in cultural heritage: A review. Inventions. 2018;3(4):72.
  11. Herrow MFM, Azraai NZ. Digital preservation of intangible cultural heritage of Joget dance movement using motion capture technology. Int J Herit Art Multimed. 2021;4(15):1-13.
  12. Gremmler T. Hakka Kung Fu Motion Visualization. In: 300 Years of Hakka Kung Fu. EPFL ArtLab; 2018. Available from: https://www.acim.cityu.edu.hk/projects/300-years-hakka-kung-fu.
  13. Guest AH. Labanotation: The System of Analyzing and Recording Movement. 4th ed. Routledge; New York, NY and London, UK; 2005.
  14. Yu J. An immersive experience of intangible cultural heritage through virtual reality. J Comput Cult Herit. 2025;18(1):1-15.
  15. Brooke J. SUS: A “quick and dirty” usability scale. In: Jordan PW, Thomas B, Weerdmeester BA, McClelland IL, editors. Usability Evaluation in Industry. Taylor & Francis; London, UK; 1996. p. 189-94.
  16. Hart SG, Staveland LE. Development of NASA-TLX Task Load Index: Results of empirical and theoretical research. In: Hancock PA, Meshkati N, editors. Human Mental Workload. North-Holland; Amsterdam, The Netherlands; 1988. p. 139-83.
  17. Reshma MR, et al. Cultural heritage preservation through dance digitization: A review. Digit Appl Archaeol Cult Herit. 2023;28:e00257.
  18. Intawong K, Srisongkram W, Chongruksa P. The Lanna XR dance heritage: Safeguarding and revitalizing cultural heritage through motion capture and extended reality. Digit Appl Archaeol Cult Herit. 2025;36:100298.
  19. Hou Y, et al. Digitizing intangible cultural heritage embodied: State of the art. J Comput Cult Herit. 2023;16(3):1-24.
  20. Barmpounaki I, et al. CretaDance: A methodology for preserving Cretan folk dances through digitization and semantic annotation. In: Proceedings of the ACM International Conference on Digital Heritage and Interactive Systems; New York, NY; 2025. New York, NY: ACM. Available from: https://doi.org/10.1145/3733155.3733219.
  21. International Federation of Library Associations and Institutions. Digital Cultural Heritage: Theory and Practice. IFLA; The Hague, The Netherlands; 2024. Available from: https://www.ifla.org/news/digital-cultural-heritage-theory-and-practice/.
  22. Cheng B, Han W. Double authenticity in digital heritage communication: Examining the interaction effects of virtual cultural ambassadors on tourist behavioral intentions. Asia Pac J Tour Res. 2025;31(2):1-21.
  23. Wang X. The rhythm of Tai Chi: Revitalizing cultural heritage in virtual reality through interactive visuals. In: 2025 4th International Conference on Image Processing and Media Computing (ICIPMC); 2025 Jun 27; IEEE. p. 40-44. Available from: https://doi.org/10.1109/ICIPMC66319.2025.11170688
  24. Zhang J. How do museum tourists’ sensory experiences affect place attachment and behavioral intention? J Hosp Tour Manag. 2024;61:41-53.
  25. Zhao X, Guo Y, Zhang Y. AI-driven Tai Chi mastery using deep learning framework for movement optimization and feedback. Sci Rep. 2025;15:17187.
  26. Guo W. Research on digital interactive dissemination of intangible cultural heritage. In: Proceedings of the International Conference on Language, Art and Human Development; Paris, France; 2026. Atlantis Press; Paris, France. Available from: https://doi.org/10.2991/978-2-38476-511-9_58.
  27. UNESCO. What is intangible cultural heritage? UNESCO; Paris; 2024. Available from: https://ich.unesco.org/en/what-is-intangible-heritage-00003.
  28. International Council on Monuments and Sites. Principles for the Preservation, Conservation and Restoration of Cultural Heritage. ICOMOS; Paris; 2023. Available from: http://www.icomoschina.org.cn/content/details57_1414.html.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Tagi

InżynieriaWydanie 233Wydanie 233wiedza ucieleśnionatranslacja cech ruchu
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.