计算机算法可以识别独特的舞蹈特征

芬兰于韦斯屈莱大学的跨学科音乐研究中心的研究人员近年来一直使用运动捕捉技术来研究人们和舞蹈。它被用作一种更好地了解音乐和个体之间的联系的方式。他们能够通过舞蹈学习到诸如个体的外向性或神经质、情绪以及他们与他人同理心等方面的东西。

通过继续这项工作，他们遇到了一个令人惊讶的新发现。

根据该研究的第一作者埃米莉·卡尔森博士说，“我们实际上并没有寻找这个结果，因为我们最初的目标是研究完全不同的东西。”

“我们的最初想法是看看我们是否可以使用机器学习来识别参与者正在跳的音乐流派，基于他们的动作。”

该研究有73名参与者。随着他们跳着八种不同的流派的音乐，包括布鲁斯、乡村、舞蹈/电子、爵士、金属、流行、雷鬼和说唱，他们被运动捕捉。他们被告知听音乐，然后以任何感觉自然的方式移动他们的身体。

“我们认为研究现象的发生在现实世界中很重要，这就是为什么我们采用自然主义研究范式，”该研究的高级作者、教授佩特里·托维亚宁说。

研究人员使用机器学习分析参与者的动作，试图区分不同的音乐流派。这个过程没有按计划进行，计算机算法只能在不到30%的时间内正确识别流派。

尽管过程没有按计划进行，研究人员还是发现计算机能够根据他们的动作正确识别个体，从73人中识别出个体，准确率为94%，而如果它只是偶然或计算机在没有任何给定信息的情况下猜测，准确率将为2%。

“似乎一个人舞蹈动作是一种指纹，”研究的共同作者、数据分析师帕西·萨里说。“每个人都有一个独特的运动签名，无论什么样的音乐在播放，它都保持不变。”

根据播放的音乐流派，个体舞蹈动作会受到增加的影响。当个人跳金属音乐时，计算机在识别谁时的准确率较低。

“金属音乐与某些类型的动作之间存在着强烈的文化关联，例如头部摇晃，”埃米莉·卡尔森说。“很可能金属音乐使更多的舞者以相似的方式移动，使得区分他们变得更加困难。”

这些新发展可能会导致诸如舞蹈识别软件等东西的出现。

“我们对诸如监视等应用程序的兴趣不大，我们更关心这些结果告诉我们关于人类音乐性的东西，”卡尔森解释说。“我们有很多新的问题要问，比如我们的运动签名是否在我们的一生中保持不变，是否可以根据这些运动签名检测出文化之间的差异，以及人类与计算机相比如何识别个体的舞蹈动作。绝大多数研究都提出更多的问题而不是答案，这项研究也不例外。我们的运动签名是否在我们的一生中保持不变，是否可以根据这些运动签名检测出文化之间的差异，以及人类与计算机相比如何识别个体的舞蹈动作。绝大多数研究都提出更多的问题而不是答案，这项研究也不例外。”