本發(fā)明涉及數(shù)據(jù)處理，特別涉及一種舞蹈動作的預測方法及相關(guān)設備。

背景技術(shù)：

1、音樂和舞蹈的多元契合帶來的藝術(shù)效果是難得的視聽享受，隨著互聯(lián)與計算機技術(shù)的飛速發(fā)展，使得精彩的音樂舞蹈創(chuàng)作不只局限于藝術(shù)工作者本身；由此音樂驅(qū)動舞蹈生成技術(shù)應運而生。

2、目前，在根據(jù)音樂信息生成對應的舞蹈動作時，一般是生成短時的舞蹈序列，若要生成長時的舞蹈序列，則會出現(xiàn)整體不協(xié)調(diào)，舞蹈整體類別的相關(guān)性較差，編舞風格類型不統(tǒng)一的問題，導致舞蹈動作的展示效果較差。

3、需要說明的是，在上述背景技術(shù)部分公開的信息僅用于加強對本公開的背景的理解，因此可以包括不構(gòu)成對本領(lǐng)域普通技術(shù)人員已知的現(xiàn)有技術(shù)的信息。

技術(shù)實現(xiàn)思路

1、本技術(shù)的目的在于提供一種舞蹈動作的預測方法及相關(guān)設備，至少在一定程度上克服現(xiàn)有技術(shù)存在的問題，考慮了用戶的個性化需求，包括文化背景和身體條件，以提供適宜的舞蹈動作推薦，在推薦過程中，用戶的反饋被用來不斷優(yōu)化模型，通過個性化的舞蹈預測和音樂特征生成，用戶能夠享受到更加豐富和滿足其特定需求的舞蹈體驗。

2、本技術(shù)的其他特性和優(yōu)點將通過下面的詳細描述變得顯然，或部分地通過本發(fā)明的實踐而習得。

3、根據(jù)本技術(shù)的一個方面，提供一種舞蹈動作的預測方法，包括：獲取總樣本集、待預測音樂信息和目標用戶信息，其中，所述總樣本集為預設時間段內(nèi)所接收到的不同用戶的舞蹈類型和與所述舞蹈類型相匹配的音樂；對所述目標用戶信息進行處理，生成目標用戶的舞蹈屬性信息；對所述總樣本集進行預處理，生成帶有標識信息的訓練樣本集，其中，所述標識信息用于表征用戶的舞蹈動作處于異常狀態(tài)；獲取與所述標識信息相匹配的初始舞蹈預測模型，其中，所述初始舞蹈預測模型為基于預設時間段內(nèi)所接收到的待預測音樂信息和目標用戶信息所設置的；基于所述帶有標識信息的訓練樣本集對所述初始舞蹈預測模型進行訓練，生成目標舞蹈預測模型；基于所述目標舞蹈預測模型對所述待預測音樂信息和所述目標用戶的舞蹈屬性信息進行處理，生成目標舞蹈動作；對所述目標用戶信息進行處理，生成目標用戶的舞蹈屬性信息，包括：對所述目標用戶信息進行處理，生成目標用戶的舞蹈偏好信息、目標用戶的體檢信息和目標用戶的舞蹈用途信息；對所述目標用戶的舞蹈偏好信息和所述目標用戶的體檢信息進行處理，生成目標用戶的肢體動作因子；基于所述目標用戶的舞蹈用途信息對所述目標用戶的肢體動作因子進行處理，生成目標用戶的舞蹈難度因子；基于所述目標用戶的舞蹈難度因子生成目標用戶的舞蹈屬性信息。

4、具體的，對所述總樣本集進行預處理，生成帶有標識信息的訓練樣本集，包括：對所述總樣本集進行特征提取，確定原始特征庫；根據(jù)所述原始特征庫劃分各個特征數(shù)據(jù)集，生成訓練集和驗證集；利用分類器對原始特征庫劃分各個驗證集進行預測，確定預測結(jié)果；使用預設算法在原始特征庫劃分各個訓練集進行訓練，得到驗證集類預測結(jié)果；根據(jù)預測結(jié)果以及驗證集類預測結(jié)果，生成帶有標識信息的訓練樣本。

5、具體的，對所述總樣本集進行特征提取，確定原始特征庫，包括：獲取與待預測音樂相匹配的歷史音樂數(shù)據(jù)集，其中，所述歷史音樂數(shù)據(jù)集包括基于不同用戶偏好和不同舞蹈類型所生成的舞蹈動作；對所述歷史音樂數(shù)據(jù)集進行處理，獲取舞蹈動作特征和音樂片段相關(guān)性共現(xiàn)頻率；對所述舞蹈動作特征和所述音樂片段相關(guān)性共現(xiàn)頻率進行處理，生成相關(guān)性矩陣信息；基于所述相關(guān)性矩陣信息生成若干舞蹈特征數(shù)據(jù)；基于所述若干舞蹈特征數(shù)據(jù)生成原始特征庫。

6、具體的，所述對所述總樣本集進行特征提取，確定原始特征庫，還包括：所述方法包括用于計算相關(guān)性共現(xiàn)頻率的計算公式，所述計算公式為：；其中，表示概念和概念在報告集共現(xiàn)的次數(shù)，表示概念出現(xiàn)的總次數(shù)，表示概念出現(xiàn)時概念出現(xiàn)的頻率，基于相關(guān)性共現(xiàn)頻率構(gòu)建相關(guān)性矩陣：所述方法包括用于計算相關(guān)性矩陣的計算公式，所述計算公式為：；其中，為共現(xiàn)頻率閾值，如果大于等于共現(xiàn)頻率閾值，則認為概念與概念存在相關(guān)性，否則就不具備相關(guān)性。

7、具體的，基于所述目標舞蹈預測模型對所述待預測音樂信息和所述目標用戶的舞蹈屬性信息進行處理，生成目標舞蹈動作，包括：基于所述目標舞蹈預測模型對所述待預測音樂信息進行處理，生成目標音樂的音律特征和音樂時長信息；基于所述目標舞蹈預測模型對所述目標音樂的音律特征和所述音樂時長信息進行處理，生成音樂影響因子；基于所述目標舞蹈預測模型對所述音樂影響因子和所述目標用戶的舞蹈難度因子進行處理，生成初始舞蹈動作信息。

8、具體的，基于所述目標舞蹈預測模型對所述待預測音樂信息和所述目標用戶的舞蹈屬性信息進行處理，生成目標舞蹈動作，還包括：獲取目標用戶的實時生理狀態(tài)信息，其中，所述目標用戶的實時生理狀態(tài)信息為目標用戶基于初始舞蹈動作信息進行運動時所生成的；基于所述目標舞蹈預測模型對所述目標用戶的實時生理狀態(tài)信息和所述初始舞蹈動作信息進行處理，生成舞蹈動作調(diào)整因子；基于所述舞蹈動作調(diào)整因子對所述待預測音樂信息和所述初始舞蹈動作信息進行處理，生成目標舞蹈動作。

9、本技術(shù)的另一個方面，一種舞蹈動作的預測裝置，其特征在于，包括：獲取模塊，用于獲取總樣本集、待預測音樂信息和目標用戶信息，其中，所述總樣本集為預設時間段內(nèi)所接收到的不同用戶的舞蹈類型和與所述舞蹈類型相匹配的音樂；獲取與標識信息相匹配的初始舞蹈預測模型，其中，所述初始舞蹈預測模型為基于預設時間段內(nèi)所接收到的待預測音樂信息和目標用戶信息所設置的；處理模塊，用于對所述目標用戶信息進行處理，生成目標用戶的舞蹈屬性信息；對所述總樣本集進行預處理，生成帶有標識信息的訓練樣本集，其中，所述標識信息用于表征用戶的舞蹈動作處于異常狀態(tài)；基于所述帶有標識信息的訓練樣本集對所述初始舞蹈預測模型進行訓練，生成目標舞蹈預測模型；基于所述目標舞蹈預測模型對所述待預測音樂信息和所述目標用戶的舞蹈屬性信息進行處理，生成目標舞蹈動作；對所述目標用戶信息進行處理，生成目標用戶的舞蹈屬性信息，包括：對所述目標用戶信息進行處理，生成目標用戶的舞蹈偏好信息、目標用戶的體檢信息和目標用戶的舞蹈用途信息；對所述目標用戶的舞蹈偏好信息和所述目標用戶的體檢信息進行處理，生成目標用戶的肢體動作因子；基于所述目標用戶的舞蹈用途信息對所述目標用戶的肢體動作因子進行處理，生成目標用戶的舞蹈難度因子；基于所述目標用戶的舞蹈難度因子生成目標用戶的舞蹈屬性信息。

10、根據(jù)本技術(shù)的再一個方面，一種電子設備，其特征在于，包括：第一處理器；以及存儲器，用于存儲所述第一處理器的可執(zhí)行指令；其中，所述第一處理器配置為經(jīng)由執(zhí)行所述可執(zhí)行指令來執(zhí)行實現(xiàn)上述的舞蹈動作的預測方法。

11、根據(jù)本技術(shù)的又一個方面，提供一種計算機可讀存儲介質(zhì)，其上存儲有計算機程序，所述計算機程序被第二處理器執(zhí)行時實現(xiàn)上述的舞蹈動作的預測方法。

12、根據(jù)本技術(shù)的又一個方面，提供一種計算機程序產(chǎn)品，包括計算機程序，其特征在于，所述計算機程序被第三處理器執(zhí)行時實現(xiàn)上述的舞蹈動作的預測方法。

13、本技術(shù)所提供的一種舞蹈動作的預測方法及相關(guān)設備，由服務器獲取總樣本集、待預測音樂信息和目標用戶信息，其中，所述總樣本集為預設時間段內(nèi)所接收到的不同用戶的舞蹈類型和與所述舞蹈類型相匹配的音樂；對所述目標用戶信息進行處理，生成目標用戶的舞蹈屬性信息；對所述總樣本集進行預處理，生成帶有標識信息的訓練樣本集，其中，所述標識信息用于表征用戶的舞蹈動作處于異常狀態(tài)；獲取與所述標識信息相匹配的初始舞蹈預測模型，其中，所述初始舞蹈預測模型為基于預設時間段內(nèi)所接收到的待預測音樂信息和目標用戶信息所設置的；基于所述帶有標識信息的訓練樣本集對所述初始舞蹈預測模型進行訓練，生成目標舞蹈預測模型；基于所述目標舞蹈預測模型對所述待預測音樂信息和所述目標用戶的舞蹈屬性信息進行處理，生成目標舞蹈動作。考慮了用戶的個性化需求，包括文化背景和身體條件，以提供適宜的舞蹈動作推薦，在推薦過程中，用戶的反饋被用來不斷優(yōu)化模型。通過這種個性化的舞蹈預測和音樂特征生成，用戶能夠享受到更加豐富和滿足其特定需求的舞蹈體驗。

14、應當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性和解釋性的，并不能限制本公開。