Dance Emotion Recognition Based on Laban Motion Analysis Using Convolutional Neural Network and Long Short-Term Memory

Dance emotion recognition technology is of great significance for the digitalization, virtual performance, inheritance and protection of folk dance. Based on the mechanism that emotion expression in dance performance can be fully expressed through the strength and rhythm of dance movements, a novel dance emotion expression method is proposed to train hybrid deep learning neural network, to effectively identify the seven basic dance emotions of fear, anger, boredom, excitement, joy, relaxation and sadness. First, in order to fully express the emotions contained in the dance movements, this paper defines a dance emotion expression method through Laban Movement Analysis (LMA) method, which includes the characteristic parameters of the three aspects of body structure, spatial orientation and force effect, and converts the original dance movement data into three characteristic expression parameters to obtain dance emotion data. Then, Convolutional Neural Network (CNN) and Long Short-Term Memory (LSTM) hybrid neural network models are used to test and train dance emotion data. Finally, in order to verify the applicability of the CNN-LSTM model, decision tree, random forest, CNN and LSTM are established and compared for accuracy. The results show that it is feasible to identify dance emotion from the perspective of dance movement, and the CNN-LSTM model is of high accuracy.

舞踊の感情認識技術は、民俗舞踊のデジタル化、バーチャル公演、継承・保護にとって大きな意義がある。ダンスパフォーマンスにおける感情表現は、ダンス動作の強弱やリズムによって十分に表現できるというメカニズムに基づき、ハイブリッド深層学習ニューラルネットワークを学習させ、恐怖、怒り、退屈、興奮、喜び、リラックス、悲しみの7つの基本ダンス感情を効果的に識別する、新しいダンス感情表現方法を提案する。まず、ダンス動作に含まれる感情を十分に表現するために、本稿では、身体構造、空間方向、力効果の3つの側面の特性パラメータを含むラバン動作分析（LMA）法によるダンス感情表現法を定義し、元のダンス動作データを3つの特性表現パラメータに変換してダンス感情データを取得する。次に，Convolutional Neural Network (CNN) とLong Short-Term Memory (LSTM) のハイブリッドニューラルネットワークモデルを用いて，ダンス感情データのテストと学習を行う．最後に、CNN-LSTMモデルの適用性を検証するため、決定木、ランダムフォレスト、CNN、LSTMを設定し、精度を比較した。その結果、ダンス動作の観点からダンス感情を識別することは可能であり、CNN-LSTMモデルは高い精度を持つことが示された。