人体动态捕抓，新媒体艺术需要你的参与

对交互，游戏感兴趣的应该知道

可实时捕抓人体动作的交互装置

在很长的时间内

都是通过一个叫Kinect的设备完成。

但是随着Kinect已经停产

新的技术的到来，

有一种更方便的方法

这就是机器学习。

01

用身体作为一种交互语言

Skeletonization 的图像处理技术可用于任何形状生成简笔画。

该算法广泛应用于一些光字母和数字识别中。然而，当它被应用到人的轮廓时，会产生一些特别的抽象效果。

这个项目的灵感来源于儿童简笔画，古代岩画和法国摄影师étienne-Jules Marey的运动研究。

这个装置通过捕捉行人的形象，在屏幕上实时生成了他们的动态骨骼，行人可以看到属于他们自己的动作图形。

与此同时，他们还观察了先前参与者的动态图形，这些参与者的动作在几分钟或几小时之前就被记录下来了。

延展①

万千大众都是我的镜子

延展②

跟硬件结合的装置

*ML5也能做动态识别（但P5第四期课程不涉及硬件教学）

02

与人体结合的艺术作品

作品：Fast Style Transfer Example

从此不再依靠别人的app来实现风格转移。结合p5发挥你的脑洞，比如说面向屏幕眼睛一眨，屏幕上的图片瞬间变了风格？

甚至直接可以用你想要的风格录一段视频

P5.js创始人的作品

作品：How we act together

Lauren Mccarthy，P5的创始人，MIT毕业，2014-2016 ITP 教授， 2017-现在， UCLA DMA项目教授。

How we act together是一个群体艺术，它聚焦在社交过程中的小的姿态与情绪。让参与者不停的重复某一个情绪到达一个他们觉得非常疲惫的点，到一个他们不再对所表达的情绪感觉到自然的点，这个时候情绪就会有所改变。

整个互动过程是由一个电脑程序主导。参与者根据屏幕上给出的命令做出一些表情，只有当他们的表情被计算机视觉算法识别之后，他们才能跟在存储记录里的更多的人互动。

03

舞台新媒体艺术

近期流行的新媒体艺术展览中经常能看到的互动作品，

也少不了人体动态捕捉哦

在日语中，”Hakanai“的意思是”无常的，脆弱的，渐逝的，短暂的“。

这个非常古老的词用于捕捉人性中难以捉摸的方面。它是通过组合象征“人”和“梦想”的图形字符来编写的。

基于物理运动建模的实时动画，在现场播放的原始乐谱上。演员表演后，将邀请观众探索舞台装置。舞蹈编排在移动立方体的沉浸式环境中进行，以此探索梦想的短暂和生命的逸度。

但kinect停产后

如果要实现上述案例的效果

怎么完成人体的动态捕抓呢？

答案是：ML5

ML5

最简单友好的机器学习语言
PoseNet Kinect 替代品

P5 的神奇之处就是它有一个最新的脚本库分支，叫 ML5，可以帮我们更方便的实现想要的效果。P5 第四期课程，新增教学内容，国内首发。

ml5.js 是一个新的 JavaScript 库,旨在使广大的艺术家，创意编码员和学生能够使机器学习变得平易近人。

国内平台首发

ML5 机器学习做艺术创作

从此不再用 Kinect

ML5 用基于 Tensor Flow 的人体动态捕捉功能简直让识别人体的骨骼变得再简单不过了。

曾经看起来高大上（但实际很难用同时也停产了的 Kinect）可以被简单的电脑摄像头给替代了！