ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

LÊ THỊ THANH VÂN

TÌM KIẾM MẪU CHUYỂN ĐỘNG 3D TRONG
MÚA CHÈO TRUYỀN THỐNG

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

Hà Nội – 2021


ĐẠI HỌC QUỐC GIA HÀ NỘI
TRƯỜNG ĐẠI HỌC CÔNG NGHỆ

LÊ THỊ THANH VÂN

TÌM KIẾM MẪU CHUYỂN ĐỘNG 3D TRONG MÚA
CHÈO TRUYỀN THỐNG
Ngành: Khoa học máy tính
Chuyên ngành: Khoa học máy tính
Mã số: 8480101.01

LUẬN VĂN THẠC SĨ KHOA HỌC MÁY TÍNH

NGƯỜI HƯỚNG DẪN KHOA HỌC:
PGS.TS. Lê Thanh Hà
TS. Ma Thị Châu

Hà Nội – 06/2021

1

MỤC LỤC
LỜI CẢM ƠN ..................................................................................................................3
LỜI CAM ĐOAN ............................................................................................................4
DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT .....................................................5
DANH SÁCH CÁC BẢNG ............................................................................................6
DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ .........................................................................7
MỞ ĐẦU .......................................................................................................................11
CHƯƠNG 1: TỔNG QUAN .........................................................................................14
1.1. Định nghĩa bài toán .................................................................................................................... 14
1.1.1. Định nghĩa bài tốn ............................................................................................................. 14
1.2.2. Phân tích bài tốn ................................................................................................................ 14
1.2. Những nghiên cứu trước đây ...................................................................................................... 15
1.2.1. Xác định vị trí mẫu .............................................................................................................. 16
1.2.2. Phân loại mẫu ...................................................................................................................... 16
1.2.3. Trích chọn đặc trưng ........................................................................................................... 17
1.2.4. Nghiên cứu sử dụng dữ liệu múa truyền thống 3D ............................................................. 18
1.3. Phương pháp đề xuất .................................................................................................................. 20
1.3.1. Kỹ thuật sliding window ..................................................................................................... 20
1.3.2. Thuật toán DTW.................................................................................................................. 20

CHƯƠNG 2: CƠ SỞ NGHIÊN CỨU ...........................................................................23
2.1. Múa Chèo truyền thống .............................................................................................................. 23
2.1.1. Giới thiệu múa Chèo truyền thống ...................................................................................... 23
2.1.2. Các tư thế cơ bản trong múa Chèo truyền thống ................................................................. 25
2.1.2.1. Các tư thế tay................................................................................................................ 25
2.1.3.2. Các tư thế chân ............................................................................................................. 36

2.1.3.3. Các tư thế ngồi ............................................................................................................. 41
2.2. Các mẫu chuyển động 3D cơ bản của múa Chèo ....................................................................... 44
2.2.1. Cụm tay ............................................................................................................................... 45
2.2.2. Cụm chân-ngồi .................................................................................................................... 54

CHƯƠNG 3: HỆ THỐNG TÌM KIẾM MẪU CHUYỂN ĐỘNG 3D CHÈO TRUYỀN
THỐNG .........................................................................................................................65
3.1. Mô tả hệ thống tìm kiếm mẫu chuyển động 3D Chèo truyền thống .......................................... 65
3.2. Các thành phần chính trong hệ thống tìm kiếm mẫu chuyển động 3D Chèo truyền thống........ 66
3.2.1. Danh sách các góc cần tính ................................................................................................. 66
3.2.2. Đề xuất các vị trí mẫu ......................................................................................................... 80
3.2.3. Tổng hợp đề xuất................................................................................................................. 82


2
3.2.4. Phân loại nhóm .................................................................................................................... 84

CHƯƠNG 4: THỰC NGHIỆM.....................................................................................86
4.1. Dữ liệu ........................................................................................................................................ 86
4.2. Phương pháp đánh giá ................................................................................................................ 87
4.3. Một số phương pháp dùng để so sánh ........................................................................................ 89
4.3.1. So sánh với DTW ................................................................................................................ 90
4.3.2. So sánh với phương pháp chọn đặc trưng Danh sách góc ................................................... 91
4.4. Kết quả thí nghiệm ..................................................................................................................... 91

CHƯƠNG 5: KẾT LUẬN ...........................................................................................100
TÀI LIỆU THAM KHẢO ...........................................................................................102
PHỤ LỤC ....................................................................................................................105



3

LỜI CẢM ƠN
Để hoàn thành được bài luận văn thạc sĩ này, tơi xin bày tỏ sự cảm kích đặc biệt tới các
cố vấn của tơi, Phó giáo sư Tiến sĩ Lê Thanh Hà và Tiến sĩ Ma Thị Châu – người đã
định hướng, trực tiếp dẫn dắt và cố vấn cho tôi trong suốt thời gian thực hiện đề tài
nghiên cứu khoa học. Xin chân thành cảm ơn những lời nhận xét góp ý thẳng thắn của
thầy cơ giúp tơi hồn thiện đề tài. Đồng thời, thầy cơ cũng là người luôn cho tôi những
lời khuyên vô cùng quý giá về cả kiến thức chuyên môn cũng như định hướng phát triển
sự nghiệp. Một lần nữa, tôi xin gửi lời cảm ơn đến thầy cô bằng tất cả tấm lịng và sự
biết ơn của mình.
Tơi cũng xin gửi lời cảm ơn chân thành đến cơ Bích Ngọc – giáo viên dạy múa Chèo
(trường Đại học Sân khấu Điện Ảnh) đã truyền đạt cho tơi những kiến thức bổ ích về
múa Chèo. Những kiến thức này đã giúp tôi vượt qua những khó khăn trong lúc thực
hiện đề tài.
Sau cùng, tơi xin tỏ lịng biết ơn đến cha mẹ, người thân và bạn bè đã luôn bên cạnh ủng
hộ, động viên tôi trong cuộc sống cũng như trong thời gian hoàn thành luận văn thạc sĩ.
Xin chân thành cảm ơn tất cả mọi người!


4

LỜI CAM ĐOAN
Tơi xin cam đoan đây là cơng trình nghiên cứu của bản thân, không sao chép lại
của người khác. Trong toàn bộ nội dung của luận văn, những điều được trình bày hoặc
là của cá nhân hoặc là được tổng hợp từ nhiều nguồn tài liệu. Các nội dung nghiên cứu
và kết quả trong đề tài này là trung thực, chưa được ai công bố trong bất cứ cơng trình
nào. Nếu có bất kỳ sự gian lận nào, tôi xin chịu trách nhiệm trước Hội đồng cũng như
kết quả luận văn của mình.



5

DANH MỤC CÁC KÝ HIỆU VÀ CHỮ VIẾT TẮT

Tên viết tắt
DTW
HMM
LCSS
EDR
BVH

Giải thích
Dynamic Time Warping
Hiden Markov Model
Longest Common Subsequence
Edit Distance on Real Sequence
Biovision Hierarchy


6

DANH SÁCH CÁC BẢNG
Bảng 4.1. Phân bổ dữ liệu cụm tay dùng cho đánh giá. ................................................86
Bảng 4.2. Phân bổ dữ liệu cụm chân-ngồi dùng cho đánh giá. .....................................87
Bảng 4.3. Kết quả thử nghiệm T0 của cụm tay. ............................................................ 92
Bảng 4.4. Kết quả cụm chân-ngồi ở trường hợp T0. .....................................................93
Bảng 4.5. Kết quả thử nghiệm T1, T2, T3 trên các nhóm tay. ......................................93
Bảng 4.6. Kết quả thử nghiệm T1, T2, T3 dùng DTW cho cụm chân-ngồi..................95
Bảng 4.7. Kết quả so sánh phương pháp đặc trưng cho cụm tay. .................................97

Bảng 4.8. Kết quả so sánh phương pháp chọn đặc trưng cho cụm chân-ngồi. .............98


7

DANH MỤC CÁC HÌNH VẼ, ĐỒ THỊ
Hình 1.1. Một số điểm nối trong khung xương. ............................................................ 15
Hình 1.2. Ví dụ dùng cửa sổ trượt. ................................................................................20
Hình 1.3. Ma trận chi phí............................................................................................... 21
Hình 1.4. Đường đi tối ưu (đường nét đứt). ..................................................................21
Hình 2.1. Quy định các hướng. .....................................................................................24
Hình 2.2. Vị trí tay. ........................................................................................................24
Hình 2.3. Trạng thái ngửa và sấp của một bàn tay. Nguồn: ..24
Hình 2.4. Tư thế múa chạy đàn. ....................................................................................25
Hình 2.5. Động tác múa chạy đàn. ................................................................................26
Hình 2.6. Động tác quay sợi cụm 1. ..............................................................................26
Hình 2.7. Tư thế dâng hoa (cao). ...................................................................................27
Hình 2.8. Động tác dâng hoa (cao). ...............................................................................27
Hình 2.9. Động tác bay. .................................................................................................27
Hình 2.10. Động tác chống sườn. ..................................................................................28
Hình 2.11. Động tác đưa thoi. .......................................................................................28
Hình 2.12. Tư thế dâng rượu. ........................................................................................28
Hình 2.13. Động tác dâng rượu (bên phải). ...................................................................29
Hình 2.14. Động tác dâng rượu (bên trái). ....................................................................29
Hình 2.15. Động tác soi bóng (bên trái). .......................................................................29
Hình 2.16. Động tác soi bóng (bên phải).......................................................................30
Hình 2.17. Động tác rắc dâu (phải). ..............................................................................30
Hình 2.18. Động tác rắc dâu (trái). ................................................................................30
Hình 2.19. Động tác xe tơ cụm 3 (phải). .......................................................................31
Hình 2.20. Động tác xe tơ cụm 3 (trái). .........................................................................31

Hình 2.21. Tư thế cướp bơng.........................................................................................31
Hình 2.22. Động tác múa cướp bơng (hướng 8)............................................................32
Hình 2.23. Động tác múa cướp bơng (hướng 2)............................................................32
Hình 2.24. Động tác phủi tay áo (phải). ........................................................................33
Hình 2.25. Động tác phủi tay áo (trái). ..........................................................................33
Hình 2.26. Động tác đề thơ............................................................................................33
Hình 2.27. Tư thế tấu nhạc. ...........................................................................................34
Hình 2.28. Động tác tấu nhạc (bên phải). ......................................................................34
Hình 2.29. Động tác tấu nhạc (bên trái). .......................................................................34
Hình 2.30. Động tác quay sợi cụm 5 (trái). ...................................................................35
Hình 2.31. Động tác vuốt tóc (bên phải). ......................................................................35
Hình 2.32. Động tác gánh (phải). ..................................................................................35
Hình 2.33. Động tác gánh (bên trái). .............................................................................36
Hình 2.34. Động tác ném (phải). ...................................................................................36
Hình 2.35. Động tác ném (trái). .....................................................................................36
Hình 2.36. Tư thế chữ V. ............................................................................................... 37
Hình 2.37. Động tác xiến (ngang). ................................................................................37
Hình 2.38. Động tác xiến (vịng). ..................................................................................37


8

Hình 2.39. Động tác xiến (thẳng). .................................................................................38
Hình 2.40. Tư thế chân chữ chi. ....................................................................................38
Hình 2.41. Động tác đi chữ chi kiểu nữ tiến. ................................................................ 39
Hình 2.42. Động tác đi chữ chi kiểu nữ lùi. ..................................................................39
Hình 2.43. Động tác đi chữ chi kiểu nam tiến. .............................................................. 39
Hình 2.44. Động tác đi chữ chi kiểu nam lùi................................................................. 40
Hình 2.45. Tư thế quả trám. ..........................................................................................40
Hình 2.46. Tư thế chữ đinh............................................................................................41

Hình 2.47. Tư thế đệm gót............................................................................................. 41
Hình 2.48. Tư thế chân chống chân quỳ. .......................................................................42
Hình 2.49. Tư thế hai đầu gối cùng quỳ. .......................................................................42
Hình 2.50. Ngồi thế 2 cao. ............................................................................................. 43
Hình 2.51. Tư thế ngồi Hai chân co về một bên............................................................43
Hình 2.52. Tư thế duỗi thẳng hai chân. .........................................................................44
Hình 2.53. Tư thế hai chân bắt chéo. .............................................................................44
Hình 2.54. Biểu diễn khung xương 3D. ........................................................................45
Hình 2.55. Biểu diễn 3D tư thế múa chạy đàn. ............................................................. 46
Hình 2.56. Biểu diễn 3D động tác múa chạy đàn. .........................................................46
Hình 2.57. Biểu diễn 3D của động tác quay sợi cụm 1. ................................................46
Hình 2.58. Biểu diễn 3D của tư thế dâng hoa. .............................................................. 47
Hình 2.59. Biểu diễn 3D của tư thế dâng hoa hạ. ..........................................................47
Hình 2.60. Biểu diễn 3D của động tác bay. ...................................................................47
Hình 2.61. Biểu diễn 3D của động tác chống sườn. ......................................................48
Hình 2.62. Biểu diễn 3D của động tác đưa thoi. ...........................................................48
Hình 2.63. Biểu diễn 3D của tư thế dâng rượu.............................................................. 48
Hình 2.64. Biểu diễn 3D của động tác dâng rượu (phải)...............................................49
Hình 2.65. Biểu diễn 3D của động tác dâng rượu (trái). ...............................................49
Hình 2.66. Biểu diễn 3D của động tác xe tơ cụm 3.......................................................49
Hình 2.67. Biểu diễn 3D của chuyển động hạ xuống (thế 3). .......................................50
Hình 2.68. Biểu diễn 3D của chuyển động dâng lên (thế 3). ........................................50
Hình 2.69. Biểu diễn 3D của tư thế cướp bông. ............................................................ 50
Hình 2.70. Biểu diễn 3D của chuyển động vuốt xuống (thế 4 trái). ............................. 51
Hình 2.71. Biểu diễn 3D của chuyển động vuốt xuống (thế 4 phải). ............................ 51
Hình 2.72. Biểu diễn 3D của chuyển động viết (thế 4). ................................................51
Hình 2.73. Biểu diễn 3D của động tác phủi tay áo (phải). ............................................52
Hình 2.74. Biểu diễn 3D của động tác phủi tay áo (trái). ..............................................52
Hình 2.75. Biểu diễn 3D của tư thế tấu nhạc................................................................. 53
Hình 2.76. Biểu diễn 3D của tư thế chạm đầu (thế 5). ..................................................53

Hình 2.77. Biểu diễn 3D của động tác gánh. .................................................................53
Hình 2.78. Biểu diễn 3D của động tác xe tơ cụm 5.......................................................54
Hình 2.79. Biểu diễn 3D của tư thế chân chữ V............................................................54
Hình 2.80. Biểu diễn 3D của động tác xiến ngang. .......................................................55
Hình 2.81. Biểu diễn 3D của tư thế chân chữ chi..........................................................55
Hình 2.82. Biểu diễn 3D của động tác chân chữ chi nữ tiến. ........................................56


9

Hình 2.83. Biểu diễn 3D của động tác chân chữ chi nữ lùi. ..........................................56
Hình 2.84. Biểu diễn 3D của động tác chân chữ chi nam tiến. .....................................56
Hình 2.85. Biểu diễn 3D của động tác chân chữ chi nam lùi. .......................................57
Hình 2.86. Biểu diễn 3D của tư thế chân quả trám. ......................................................57
Hình 2.87. Biểu diễn 3D của chuyển động chân quả trám (trái). ..................................58
Hình 2.88. Biểu diễn 3D của chuyển động chân quả trám (phải). ................................ 58
Hình 2.89. Biểu diễn 3D của tư thế chân chữ đinh. ......................................................59
Hình 2.90. Biểu diễn 3D của chuyển động chân chữ đinh (trái). ..................................59
Hình 2.91. Biểu diễn 3D của chuyển động chân chữ đinh (phải). ................................ 59
Hình 2.92. Biểu diễn 3D của tư thế đệm gót. ................................................................ 60
Hình 2.93. Biểu diễn 3D của tư thế chân chống chân quỳ. ...........................................60
Hình 2.94. Biểu diễn 3D của chuyển động chân chống chân quỳ (trái)........................61
Hình 2.95. Biểu diễn 3D của chuyển động chân chống chân quỳ (phải). .....................61
Hình 2.96. Biểu diễn 3D của tư thế hai đầu gối cùng quỳ. ...........................................61
Hình 2.97. Biểu diễn 3D của chuyển động hai đầu gối cùng quỳ. ................................ 62
Hình 2.98. Biểu diễn 3D của tư thế hai chân co về một bên (trái). ............................... 62
Hình 2.99. Biểu diễn 3D của chuyển động hai chân co về một bên (trái). ...................62
Hình 2.100. Biểu diễn 3D của tư thế duỗi thẳng hai chân. ...........................................63
Hình 2.101. Biểu diễn 3D của chuyển động duỗi thẳng hai chân. ................................ 63
Hình 2.102. Biểu diễn 3D của tư thế hai chân bắt chéo (phải). ....................................63

Hình 2.103. Biểu diễn 3D của chuyển động hai chân bắt chéo (phải). .........................64
Hình 3.1. Luồng hoạt động của thuật tốn đề xuất........................................................65
Hình 3.2. Đặc điểm của nhóm ARM1. ..........................................................................67
Hình 3.3. Đặc điểm của nhóm ARM2. ..........................................................................68
Hình 3.4. Đặc điểm đứng của nhóm LEG1 (đường màu đỏ). .......................................71
Hình 3.5. Đặc điểm bàn chân nhóm LEG1 (đường màu đỏ). .......................................71
Hình 3.6. Luồng hoạt động của bước Đề xuất các vị trí mẫu........................................80
Hình 3.7. Một số đề xuất sinh ra với độ dài mẫu A1 là 5 và sliding là 3. .....................82
Hình 3.8. Luồng hoạt động của bước Tổng hợp đề xuất. ..............................................83
Hình 3.9. Một số đề xuất của các mẫu bị trùng lặp hoặc xếp chồng lên nhau. .............84
Hình 3.10. Luồng hoạt động của bước Phân loại nhóm. ...............................................84
Hình 3.11. Một số nhóm chồng lên nhau. .....................................................................84
Hình 4.1. Biểu diễn các kết quả dự đốn trên một dữ liệu đánh giá 𝑋1. ......................87
Hình 4.2. Biểu diễn kết quả của phép thử T0 cho cụm tay. ..........................................92
Hình 4.3. Biểu diễn kết quả của phép thử T0 cho cụm chân-ngồi. ............................... 93
Hình 4.4. Biểu diễn kết quả các phép thử trên nhóm ARM1. .......................................94
Hình 4.5. Biểu diễn kết quả các phép thử trên nhóm ARM2. .......................................95
Hình 4.6. Biểu diễn kết quả các phép thử trên nhóm ARM3. .......................................95
Hình 4.7. Kết quả áp dụng DTW cho các phép thử trên nhóm LEG1. .........................96
Hình 4.8. Kết quả áp dụng DTW cho các phép thử trên nhóm LEG2. .........................96
Hình 4.9. Kết quả áp dụng DTW cho các phép thử trên nhóm LEG3. .........................97
Hình 4.10. Kết quả áp dụng DTW cho các phép thử trên nhóm SIT1. .........................97
Hình 4.11. Kết quả áp dụng DTW cho các phép thử trên nhóm SIT3. .........................97
Hình 4.12. Kết quả so sánh phương pháp chọn đặc trưng trên cụm tay. ......................98


10

Hình 4.13. Kết quả so sánh phương pháp chọn đặc trưng trên cụm chân-ngồi. ...........99
Hình 6.1. Cấu trúc phần thứ nhất của định dạng BVH. ..............................................112

Hình 6.2. Cấu trúc phần thứ hai của định dạng BVH. ................................................112
Hình 6.3. Cách sắp xếp các phần của nhân vật. ..........................................................112
Hình 6.4. Biểu diễn 1 file có độ dài 914 frame. ..........................................................113


11

MỞ ĐẦU
1. Tính cấp thiết đề tài
Đề tài được tiến hành dựa trên tính cấp thiết bảo tồn và số hoá chuyển động 3D
Chèo truyền thống. Hiện nay, những người am hiểu múa Chèo truyền thống không nhiều
cũng như những nghiên cứu chun sâu cho nó khá ít ỏi. Để các thế hệ trẻ có thể tiếp
cận và tìm hiểu về múa Chèo truyền thống, việc bảo tồn và số hố múa Chèo truyền
thống là vơ cùng cần thiết.
Hơn nữa, sau khi số hoá chuyển động 3D Chèo truyền thống đã phát sinh một vấn
đề, đó là chưa có cơng cụ hỗ trợ quản lý dữ liệu Chèo truyền thống ở định dạng chuyển
động 3D hiệu quả. Khi phân tích dữ liệu Chèo truyền thống trong chuyển động 3D,
chúng ta sẽ có nhiều nhu cầu thao tác dữ liệu. Tìm kiếm những tư thế (hoặc động tác)
cơ bản trong kho lưu trữ dữ liệu Chèo truyền thống ở định dạng chuyển động 3D sẽ trở
nên khó khăn. Bởi lẽ, chúng ta sẽ tốn thời gian kiểm tra từng tệp dữ liệu và xác định
những tư thế (hoặc động tác) cơ bản này.
Vậy nên, đề tài “Tìm kiếm mẫu chuyển động 3D trong múa Chèo truyền thống” trở
nên cần thiết hơn bao giờ hết. Đề tài đề xuất lưu trữ chuyển động 3D Chèo truyền thống,
thuật tốn xác định vị trí mẫu có khả năng xuất hiện và phân loại mẫu chuyển động 3D
Chèo truyền thống. Thuật toán đề xuất này sẽ dựa vào hai kỹ thuật chính là sliding
window và Dynamic Time Warping.
2. Mục đích nghiên cứu
Từ nhu cầu cấp thiết bảo tồn và số hoá chuyển động 3D Chèo truyền thống, chúng
ta cần có những nghiên cứu áp dụng công nghệ trong quản lý dữ liệu này. Từ đề tài này,
chúng ta có hai vấn đề cần giải quyết là lưu trữ chuyển động 3D Chèo truyền thống, xác

định vị trí mẫu có khả năng xuất hiện và phân loại mẫu. Dựa vào vấn đề cần giải quyết,
chúng ta đề ra một số mục tiêu cụ thể.
Đầu tiên, đề tài hỗ trợ xây dựng công cụ quản lý dữ liệu chuyển động 3D Chèo truyền
thống. Thông thường một công cụ quản lý dữ liệu cần có bước đầu tìm kiếm dữ liệu. Từ
kết quả tìm kiếm, chúng ta mới có thể thực hiện các thao tác chỉnh sửa hoặc thêm bớt
dữ liệu. Trong trường hợp múa Chèo truyền thống, chúng ta cần tìm kiếm những tư thế
cơ bản và những động tác của nó. Sau đó, cơng cụ quản lý dữ liệu mới có thể tiến hành
thao tác sửa đổi trên những tư thế (hoặc động tác) này.
Thứ hai, đề tài đề xuất cách lưu trữ dữ liệu chuyển động 3D Chèo truyền thống. Việc
lưu trữ dữ liệu chuyển động 3D Chèo truyền thống là bước quan trọng. Quan trọng vì
việc trích rút nhiều thơng tin hữu ích sẽ phụ thuộc chủ yếu vào bước này. Kéo theo đó,
kết quả thử nghiệm chính xác hay khơng cũng bị ảnh hưởng từ cách trích chọn đặc trưng
này.


12

Thứ ba, đề tài định nghĩa các động tác chuyển động 3D cơ bản của múa Chèo truyền
thống (gọi là mẫu). Trong múa Chèo truyền thống, những biến thể (tư thế, động tác) của
mỗi tư thế cơ bản khá đa dạng về mặt không gian và thời gian nên sẽ khó thu thập đủ dữ
liệu phục vụ cho nghiên cứu. Ở đây, đề tài sẽ cố gắng định nghĩa những mẫu điển hình
nhất làm cơ sở cho việc tìm kiếm.
Thứ tư, đề tài xây dựng thuật tốn tìm kiếm nội dung chuyển động 3D Chèo truyền
thống. Múa Chèo truyền thống có những đặc trưng riêng, khác biệt với múa truyền thống
của những dân tộc khác. Vì thế những nghiên cứu múa truyền thống của nhiều nước
cũng khó áp dụng cho múa Chèo truyền thống được. Hơn nữa, chúng ta chưa có cơng
bố nghiên cứu chun ngành nào cho việc tìm kiếm nội dung chuyển động 3D Chèo
truyền thống. Vậy nên, đề tài sẽ xây dựng một thuật tốn tìm kiếm riêng cho chuyển
động 3D Chèo truyền thống.
3. Đối tượng và phạm vi nghiên cứu

Về đối tượng trong đề tài, chúng ta tập trung hai đối tượng: đối tượng nghiên cứu
và đối tượng khảo sát. Đối tượng nghiên cứu trong đề tài là những tư thế và động tác cơ
bản trong múa Chèo truyền thống. Những tư thế hoặc động tác cơ bản là cơ sở để chúng
ta xây dựng các mẫu trong dữ liệu chuyển động 3D Chèo truyền thống. Mặt khác, đối
tượng khảo sát trong đề tài là chuyển động múa Chèo truyền thống. Những chuyển động
múa này là tổ hợp của nhiều tư thế (hoặc động tác) cơ bản.
Về phạm vi nghiên cứu, đề tài được thực hiện ở phịng thí nghiệm HMI (trường
Đại học Cơng nghệ-Đại học Quốc gia Hà Nội). Thời gian nghiên cứu đề tài kéo dài 6
tháng (từ tháng 10/2020 - 4/2021). Do thời gian nghiên cứu ngắn nên đề tài tập trung
nghiên cứu về các nhóm tư thế cơ bản trong múa Chèo truyền thống (tư thế tay, chân và
ngồi). Cụ thể, đề tài xếp mỗi tư thế cùng với tất các biến thể của tư thế vào cùng một
nhóm.
4. Ý nghĩa khoa học và thực tiễn của đề tài
Đề tài “Tìm kiếm mẫu chuyển động 3D trong múa Chèo truyền thống” có một số
ý nghĩa thực tiễn.
Thứ nhất, đề tài hỗ trợ việc tìm kiếm chuyển động 3D Chèo truyền thống hiệu
quả. So với việc tìm các tư thế động tác cơ bản trong múa Chèo bằng cách thủ công,
việc tự động hoá sẽ giúp chúng ta tiết kiệm thời gian đáng kể.
Thứ hai, đề tài giúp những người yêu nghệ thuật múa Chèo truyền thống có cơ
hội tìm hiểu và học hỏi từ những dữ liệu 3D Chèo truyền thống. Thực tế, những nghệ
nhân và giáo viên của bộ môn nghệ thuật múa Chèo truyền thống không nhiều. Những
người giỏi về bộ môn này ngày càng cao tuổi. Nhiều bài múa của bộ môn nghệ thuật
này chưa được truyền dạy hết. Nghệ thuật Chèo truyền thống có nguy cơ thất truyền. Đề


13

tài ra đời sẽ mang lại cơ hội cho những người tâm huyết với múa Chèo truyền thống có
cơ hội truyền lại cho đời sau vốn kiến thức sâu rộng của họ. Dù những bạn trẻ khơng có
cơ hội lĩnh hội trực tiếp những thế hệ cây đa cây đề, họ vẫn có thể tự chiêm nghiệm dựa

vào bài giảng số hoá về múa Chèo truyền thống.
Thứ ba, đề tài mở đường cho những nghiên cứu sâu hơn về múa Chèo truyền
thống. Nghiên cứu về nghệ thuật múa Chèo truyền thống bị chững lại tính từ những năm
2000 trở về đây. Thêm vào đó, chưa có một nghiên cứu ứng dụng cơng nghệ trong nghệ
thuật múa Chèo truyền thống. Vì thế, sự ra đời của đề tài này sẽ đặt viên gạch đầu tiên
của việc ứng dụng 3D trong múa Chèo truyền thống.
5. Cấu trúc luận văn
Trong luận văn, các hình từ 2.4-2.103 được lấy từ dữ liệu chuyển động 3D Chèo
truyền thống của phịng thí nghiệm HMI [4]. Luận văn được chia thành 5 chương.
Chương 1 nêu rõ bài tốn được giải quyết, cung cấp thơng tin về những nghiên cứu trước
đây và căn cứ vào đó để đề xuất một số kỹ thuật cho đề tài. Chương 2 giới thiệu về múa
Chèo truyền thống và các tư thế (hoặc động tác) cơ bản trong múa Chèo truyền thống.
Thêm nữa, chương 2 cũng đưa ra các định nghĩa về những dữ liệu mẫu chuyển động 3D
được dùng trong bài tốn, cách lưu trữ dữ liệu mẫu. Chương 3 mơ tả chi tiết thuật toán
đề xuất. Chương 4 tiến hành thử nghiệm trên thuật toán đề xuất, nêu các phương pháp
đánh giá và nhận xét kết quả. Chương 5 kết luận những ưu điểm và hạn chế của thuật
toán đề xuất và đưa ra những cải tiến trong tương lai.


14

CHƯƠNG 1: TỔNG QUAN
1.1. Định nghĩa bài toán
1.1.1. Định nghĩa bài tốn
Bài tốn tìm kiếm mẫu chuyển động 3D trong múa Chèo truyền thống phải giải
quyết hai vấn đề: xác định vị trí các mẫu và phân loại các mẫu trong chuyển động 3D.
Việc xác định vị trí các mẫu có thể giải quyết bằng nhiều kỹ thuật. Tuy nhiên, kỹ thuật
sliding window (mục 1.3.1) sẽ quét được hầu hết sự xuất hiện của các mẫu. Phân loại
mẫu trong chuyển động 3D được quy về bài toán so sánh giữa 2 chuyển động tương
đồng (motion similarity). Bài toán này được định nghĩa như sau:

Cho một tập các mẫu Α = {𝐴1 , 𝐴2 , … 𝐴𝑛 } (trong đó 𝐴𝑖 là mẫu) và một dữ liệu
chuyển động X. Yêu cầu tìm kiếm các 𝐴𝑖 có trong X.
Ở đây, tập các mẫu A chính là các tư thế và các biến thể của các tư thế tương ứng
trong chuyển động 3D. Trong khi dữ liệu chuyển động X là bài múa hoặc động tác tổ
hợp từ những tư thế và các biến thể của các tư thế đó trong chuyển động 3D.
1.2.2. Phân tích bài tốn
Trước khi giải quyết bài tốn, ta cần thu hẹp phạm vi bài toán. Đầu tiên, mỗi dữ
liệu (ở định dạng tệp bvh) chỉ lưu thông tin khung xương của một người diễn nên ta sẽ
mặc định bài toán chỉ làm trường hợp xuất hiện một người trong dữ liệu chuyển động
X. Tiếp đến, đề tài phân chia thành các nhóm tương ứng với số lượng các tư thế cơ bản.
Cụ thể, đề tài định nghĩa 15 nhóm tương ứng 15 tư thế cơ bản. Ngồi ra, những động
tác phức tạp sẽ được tách thành những tư thế cơ bản.
Dữ liệu ở dạng bvh có chứa nhiều thông tin về khung xương nhưng chúng ta chỉ
cần 19 điểm (hình 1.1): đầu (Head), cổ (Neck), vai phải (RightShoulder), vai trái
(LeftShoulder), khuỷu tay phải (RightElbow), khuỷu tay trái (LeftElbow), cổ tay phải
(RightWrist), cổ tay trái (LeftWrist), ngón tay phải (RightWristEnd), ngón tay trái
(LeftWristEnd), giữa hơng (Hips), hơng phải (RightHip), hông trái (LeftHip), đầu gối
phải (RightKnee), đầu gối trái (LeftKnee), mắt cá chân phải (RightAnkle), mắt cá chân
trái (LeftAnkle), ngón chân phải (RightToe), ngón chân trái (LeftToe).


15

Hình 1.1. Một số điểm nối trong khung xương.
Để đơn giản, ta coi mỗi frame trong dữ liệu chuyển động chỉ chứa một khung
xương. Ta sẽ so sánh hai khung xương tại vị trí được xét dựa vào so sánh các cặp góc
tạo bởi những vectơ xương tương ứng. Giả sử ta có hai vectơ xương tương ứng là ⃗⃗⃗⃗⃗
𝐴𝐵
và ⃗⃗⃗⃗⃗⃗⃗⃗
𝐴′ 𝐵′ . Cơng thức tính góc 𝜃 tạo bởi giữa hai vectơ này như sau:

⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
′ 𝐵′
⃗⃗⃗⃗⃗ ∙𝐴
𝐴𝐵
)
⃗⃗⃗⃗⃗⃗⃗⃗⃗⃗
|𝐴𝐵 |∙|𝐴′ 𝐵′|

𝜃 = 𝑎𝑐𝑜𝑠 ( ⃗⃗⃗⃗⃗

(1.1)

* Những định nghĩa được đưa ra như sau:
✓ Vectơ đi từ khớp nối A sang khớp nối B được ký hiệu là A_B. Ví dụ:
LHIP_LANKLE là vectơ đi từ khớp nối LHIP (hông trái) sang khớp nối
LANKLE (mắt cá chân trái).
✓ Góc tạo bởi hai vectơ A_B và C_D được ký hiệu là A_B - C_D. Ví dụ:
LHIP_LANKLE - RANKLE_RTOE là góc tạo bởi hai vectơ
LHIP_LANKLE và RANKLE_RTOE.
1.2. Những nghiên cứu trước đây
Bài tốn tìm kiếm những mẫu chuyển động múa Chèo trong chuyển động 3D cần
qua hai bước chính: đề xuất những vùng (segment) trên chuyển động này mà mẫu có thể
xuất hiện (gọi là sinh đề xuất) và gán tên mẫu cho những đề xuất đó (gọi là phân loại
mẫu hay gán nhãn). Trong phần này, luận văn sẽ tìm hiểu những kỹ thuật được áp dụng
cho hai bước trên. Ngoài ra, luận văn cũng tìm hiểu cách chọn đặc trưng dùng trong
phân loại mẫu và những nghiên cứu áp dụng công nghệ trong múa Chèo truyền thống.


16


1.2.1. Xác định vị trí mẫu
Xác định vị trí mẫu là một bước quan trọng của quá trình tìm kiếm mẫu trong
chuỗi thời gian. Hướng tiếp cận Phân mảnh chuỗi thời gian (time series segmentation)
được dùng phổ biến cho bước này bởi tính ưu việt của nó [17]:
-

Tìm kiếm những vị trí tương đồng nhanh và chính xác
Áp dụng nhiều phép đo tính khoảng cách
Khai thác đồng thời nội dung và thứ tự thời gian
Hỗ trợ các thuật toán phân cụm và phân loại
Hỗ trợ phát hiện vị trí thay đổi

Phân mảnh chuỗi thời gian có 3 kiểu chính: sliding window, top-down, bottom-up.
Sliding window [17] bắt đầu bằng cách xác định điểm mút bên trái của segment đầu tiên
(thường là điểm dữ liệu đầu tiên trong chuỗi thời gian). Điểm mút bên trái cũng chính
là điểm bắt đầu cho cửa sổ trượt sang phải dọc theo chuỗi thời gian. Trong khi trượt,
kích thước cửa sổ tăng lên và các điểm dữ liệu mới sẽ tự động được thêm vào segment.
Việc tự động tăng được dừng lại khi giá trị lỗi của segment đó khơng lớn hơn một
ngưỡng cho phép. Điểm dừng này cũng chính là một điểm mút bên trái của segment
mới.
Top-down [17] lúc bắt đầu coi chuỗi thời gian như một phân vùng. Thuật toán tiến
hành đưa ra một danh sách các đề xuất vị trí phân chia. Vị trí tốt nhất chia phân vùng
này thành 2 phần (S1 và S2) thoả mãn độ lệch giữa 2 vùng là lớn nhất. Nếu giá trị lỗi
xấp xỉ (approximation error) của một vùng dưới ngưỡng cho phép thì vùng đó khơng bị
phân chia và vùng đó được chấp nhận. Nếu vượt ngưỡng cho phép thì vùng đó phải tiếp
tục phân chia. Thủ tục này được lặp lại cho đến khi một trong những điều kiện dừng
được thoả mãn 1 trong 2 điều kiện: đạt đến k segment, approximation error dưới ngưỡng
cho phép.
Bottom-up [17] chia chuỗi thời gian (độ dài n) thành một số phần rất nhỏ có độ dài
bằng nhau. Sau đó, tiến hành so sánh các cặp segment liên tiếp nhau. Cặp có giá trị lỗi

nhỏ nhất được hợp lại thành một segment lớn hơn. Thủ tục được lặp lại cho đến khi một
trong những điều kiện dừng được thoả mãn: đạt được k segment, approximation error
vượt quá ngưỡng cho phép.
1.2.2. Phân loại mẫu
Phân loại mẫu chính là so sánh từng mẫu với đề xuất (segment) và chọn tên mẫu
gắn với đề xuất đó. Để làm được điều này, chúng ta cần tìm một kỹ thuật so sánh độ
tương đồng giữa chúng. Theo Anna Sebernegg [24], có nhiều hướng tiếp cận bài toán
này. Ở đây chúng ta tập trung chủ yếu 3 hướng chính: dóng chuỗi theo thời gian
(temporal alignment), so sánh theo quỹ đạo (trajectory-based) và so sánh theo quy tắc
(rule-based).


17

Dóng chuỗi theo thời gian được tiến hành bằng cách đo khoảng cách giữa các
mối nối (joint) hoặc các góc quay [24]. Dynamic Time Warping (DTW) và Hidden
Markov Models (HMM) là hai kỹ thuật điển hình của hướng tiếp cận này. DTW đo độ
tương đồng giữa hai chuỗi biến đổi theo thời gian thơng qua việc tìm đường đi giữa hai
chuỗi này với tổng chi phí nhỏ nhất. Những bài toán đo độ tương đồng thường dùng
thuật toán DTW cho dữ liệu nhiều chiều mặc dù nó có nhược điểm là thời gian chạy bậc
hai và hạn chế trong tìm ý nghĩa giữa hai chuỗi sau khi bỏ qua yếu tố thời gian. Ngược
lại, HMM lại dựa vào việc biểu diễn trạng thái của hoạt động. Người ta dùng HMM chủ
yếu trong giai đoạn huấn luyện (trong học máy) và phân loại lớp. Kỹ thuật này cũng loại
bỏ yếu tố thời gian bằng cách giả thiết rằng các quan sát độc lập nhau về thời gian. Kỹ
thuật HMM cũng đã được áp dụng cho một số tư thế tay (wave, stop, come) [12]. Tuy
nhiên, ta không thể kiểm tra tập dữ liệu 3D Chèo truyền thống theo [12] vì cách lấy đặc
trưng của hai tập dữ liệu là hoàn toàn khác nhau.
Trong hướng tiếp cận So sánh theo quỹ đạo, chuyển động được coi là một tập
hợp các quỹ đạo theo khơng gian-thời gian [24]. Theo đó, độ tương đồng được đo theo
các quỹ đạo này. Cách đo độ tương đồng cũng dùng những phép đo khoảng cách như

DTW, LCSS, edit distance on real sequence (EDR)... Các quỹ đạo có thể lấy từ quá trình
thu dữ liệu chuyển động (dùng các điểm đánh dấu) hoặc dựa vào sự thay đổi không gianthời gian của dữ liệu khung xương 3D. Tuy nhiên, hướng tiếp cận này phụ thuộc lớn
vào độ chính xác của dữ liệu.
Phương pháp so sánh theo quy tắc phần lớn dựa vào khuôn mẫu (template) và
được áp dụng trong nhận diện hành động [24]. Theo phương pháp này, một tập các quy
tắc định nghĩa ra các khuôn mẫu. Hệ thống sẽ so sánh chuyển động cần xét với những
khuôn mẫu được định nghĩa trên. Mặc dù việc triển khai hệ thống khá đơn giản nhưng
chỉ áp dụng cho bài tốn có số lượng khn mẫu ít đa dạng. Vậy nên, hướng này khơng
phù hợp với bài tốn của chúng ta.
Từ những phân tích trên, kỹ thuật DTW (dùng cho hướng tiếp cận gióng chuỗi
theo thời gian) sẽ phù hợp với điều kiện bài toán chúng ta. Điều phù hợp đầu tiên, kỹ
thuật DTW áp dụng cho độ dài mẫu khác nhau. Thực tế, các động tác cơ bản của múa
Chèo được thực hiện trong những khoảng thời gian khác nhau. Ví dụ, động tác quay sợi
cụm 1 biểu diễn trong 11 giây; động tác soi bóng cần 4 giây để hoàn thành. Điều phù
hợp thứ hai là kỹ thuật DTW áp dụng được cho dữ liệu nhiều chiều. Dễ thấy, dữ liệu
chuyển động 3D là dữ liệu nhiều chiều. Dùng DTW với dữ liệu nhiều chiều giúp chúng
ta xây dựng thuật tốn đơn giản hơn.
1.2.3. Trích chọn đặc trưng
Dữ liệu chuyển động chứa thơng tin vị trí, hướng và di chuyển của người trong
không gian 3D kèm theo nhiễu. Mơ hình khung xương người là một cách lưu dữ liệu
chuyển động phổ biến và hiệu quả. Đó là do thiết bị thu dữ liệu sẵn có với giá không


18

quá đắt cùng với sự ra đời của nhiều thuật toán hỗ trợ giải quyết bài toán liên quan đến
cách lấy đặc trưng này. Cách lưu trữ theo khung xương cũng kéo theo nhiều nghiên cứu
quan trọng.
Năm 2016, Raviteja Vemulapalli và Rama Chellappa đã đề xuất kỹ thuật rolling
rotations cho nhận diện hành động người trên dữ liệu 3D [26]. Kỹ thuật này được thực

hiện theo 2 bước: dùng các phép quay 3D để biểu diễn các phần khung xương, sau đó
đưa những chuyển động (ở phép quay 3D) thành những đường cong trong nhóm Lie.
Rolling rotations có nhiều ý nghĩa nhưng đáng chú ý là kỹ thuật này đã giúp giảm chiều
dữ liệu.
Năm 2017, Yusuke Goutsu, Wataru Takano và Yoshihiko Nakamura đã đề xuất
một mơ hình phân loại hoạt động hàng ngày của con người dựa vào những phần trên cơ
thể người và các câu mô tả [11]. Trong khi nghiên cứu, Goutsu và các cộng sự đã phát
hiện ra hai vấn đề. Thứ nhất, đặc trưng được lấy từ một số phần khác nhau của cơ thể
(gọi là đặc trưng cục bộ) có ích hơn là lấy đặc trưng từ toàn bộ cơ thể (gọi là đặc trưng
toàn cục). Ví dụ, hành động “đấm” chỉ sử dụng một tay trong khi hành động “vỗ tay”
dùng cả hai bàn tay... Thứ hai, đặc trưng cục bộ có liên quan đến mục đích của hành
động. Lấy một ví dụ cụ thể cho trường hợp gọi điện thoại. Người gọi cần di chuyển bàn
tay giữ điện thoại áp sát mặt. Khi đó mối quan hệ giữa vị trí bàn tay và mặt là quan trọng.
Năm 2019, Sheng Li và các cộng sự ở đại học Bắc Kinh (Trung Quốc) đưa ra
thuật toán nén dữ liệu 3D (gọi là MJS) để hỗ trợ cho bài toán nhận diện hành động [18].
Qua quá trình quan sát, Li và các đồng nghiệp nhận thấy chỉ một số các điểm nối trong
khung xương có ảnh hưởng đến chuyển động. Phát hiện này đã được áp dụng trong thuật
toán MJS. Thuật toán MJS được thực hiện theo 2 bước: tìm ra các điểm chuyển động
sau đó kết hợp với các thuật tốn nén khơng mất mát dữ liệu.
Năm 2019, Kao và các đồng nghiệp đã đề xuất cách biểu diễn dữ liệu chuyển
động 3D (khung xương) theo đồ thị vô hướng [15]. Mỗi điểm nối của khung xương sẽ
tương ứng với một đỉnh của đồ thị. Mỗi cạnh của đồ thị nhận giá trị trọng số đơn vị.
Từ những phân tích trên, chúng ta rút ra 2 điểm quan trọng. Thứ nhất, đề tài cần
thiết sử dụng dữ liệu chuyển động 3D biểu diễn ở dạng khung xương. Lý do là có nhiều
nghiên cứu về chúng sẽ hỗ trợ đáng kể cho việc tìm kiếm mẫu. Thứ hai, chọn lựa một
số điểm nối trong khung xương có ảnh hưởng đến chuyển động. Việc chọn lựa này sẽ
giúp chúng ta tối ưu thuật tốn tìm kiếm mẫu.
1.2.4. Nghiên cứu sử dụng dữ liệu múa truyền thống 3D
Tới thời điểm này đã có nhiều nghiên cứu về múa truyền thống biểu diễn ở dạng
3D. Dưới đây là một số nghiên cứu điển hình.

Năm 2010, Bjưrn Rennhak cùng các cộng sự đã đề xuất một kỹ thuật phát hiện
cấu trúc chuyển động trong những điệu múa truyền thống Nhật [23]. Từ việc phân tích


19

nghệ thuật múa dân gian Nhật Bản, họ đã rút ra 2 kết luận. Thứ nhất, một loạt các tư thế
trong bài múa sẽ mang đặc trưng cho cấu trúc của một bài múa (dance structure) nhưng
lại ít quan trọng so với các vị trí cơ thể hình thành nên một tư thế (gọi là keyposes). Thứ
hai, khi các tư thế trong bài múa được thực hiện thì chúng sẽ truyền tải phong cách và
nội dung của bài múa. Dựa vào 2 kết luận này, nhóm của Bjưrn Rennhak đã xây dựng
thuật toán phát hiện chuyển động quay (turning motion) của cẳng tay (forearm).
Năm 2017, Protopapadakis và các cộng sự (đại học Kỹ thuật quốc gia Atens, Hy
Lạp) đã xây dựng mơ hình nhận diện múa truyền thống Hy Lạp (không bao gồm các
biến thể) ở dạng 3D [22]. Thiết bị Kinect II được dùng để thu dữ liệu 3D này. Mơ hình
sử dụng một số thuật tốn lấy mẫu dùng để tìm ra các mẫu đại diện. Thuật tốn OPTICS
(Ordering Points to Identify the Clustering Structure) để tìm kiếm các cụm trong dữ liệu.
Thuật toán chọn đại diện phân tán (sparse representative selection) tập trung vào nhận
diện các đối tượng điển hình. Nhóm cũng đã sử dụng một số bộ phân loại: kNN (k
nearest neighbors), cây phân loại, mạng nơron nhân tạo (artificial neural network), SVM
(support vector machine).
Năm 2020, nhóm Joko Sutopo đề xuất một mơ hình phát hiện và nhận diện kiểu
chuyển động múa trong múa rối bóng Golek Menak [14]. Múa rối bóng Golek Menak
là một loại hình múa truyền thống Indonesia. Golek Menak chia ra thành 3 đoạn: mở
màn, hội thoại giữa những người múa, đóng màn. Mỗi đoạn có những điệu bộ (gesture)
khác nhau. Dữ liệu múa Golek Menak được thu bởi thiết bị Kinect X-Box 360. Hệ thống
dùng 16 điểm nối trong khung xương (6 điểm bên trái, 6 điểm bên phải) trong một điệu
bộ để trích rút đặc trưng bằng cách áp dụng LMA (phân tích chuyển động Laban) trên
2 thành phần: Space và Effort. Tiếp đó, thuật tốn đưa các đặc trưng này vào mơ hình
HMM để học cách phân loại các điệu bộ đó.

Hiện tại, Việt Nam có rất ít cơng bố kết quả nghiên cứu về múa truyền thống Việt
Nam liên quan đến dữ liệu chuyển động 3D. Năm 2019, nhóm của Nguyễn Xuân Thành
đã có đề xuất một hệ thống khôi phục dữ liệu khung xương 3D từ dữ liệu khung xương
2D [21]. Hệ thống này dùng thuật toán OMP (Orthogonal Matching Pursuit) để đưa ra
những đề xuất khung xương 3D cho khung xương 2D (gồm 15 điểm). Sau đó, hệ thống
dùng một mơ hình được học sẵn Pose-angle Limits để loại bỏ những khung xương bị lỗi
và chọn ra những đề xuất tốt nhất. Tiếp đến, hệ thống dùng kỹ thuật xử lý pose liên tục
(temporal model) để loại bỏ những điểm nối gây ra chuyển động. Hệ thống sẽ được đánh
giá trên 2 tập dữ liệu CMU và múa truyền thống Việt Nam.
Từ những điều tra ở trên, chúng ta khẳng định rằng, chưa có nghiên cứu nào về
phát hiện và nhận diện mẫu trong chuyển động 3D múa Chèo. Vì vậy, chúng ta có thể
kết luận đề tài đang nghiên cứu là đề tài mới hoàn toàn.


20

1.3. Phương pháp đề xuất
Do đề tài là mới trong nghiên cứu chuyển động 3D Chèo nên chúng ta có thể áp
dụng một số kỹ thuật từ những nghiên cứu trước đó về tìm kiếm mẫu chuyển động 3D
và nghiên cứu trong múa truyền thống nói chung. Ở đây, đề tài chọn hai kỹ thuật chính
được làm là sliding window và thuật toán DTW.
1.3.1. Kỹ thuật sliding window
Kỹ thuật sliding window là một trong những kỹ thuật cơ bản của phương pháp
Phân mảnh chuỗi thời gian (xem mục 1.2.1). Kỹ thuật sliding window dùng một cửa sổ
(gọi là window hay kernel) có kích thước cố định để trượt qua mỗi vị trí của mảng.
Ví dụ, tìm hai số cạnh nhau có giá trị liên tiếp nhau trong một dãy số gồm: 6, 3,
5, 7, 8, 9, 7, 2. Từ yêu cầu bài toán, ta suy ra hiệu của số sau trừ số trước bằng 1. Như
vậy, để giải bài nay ta chỉ cần cho một cửa sổ (độ dài là 2) trượt từ đầu đến cuối mảng
để kiểm tra điều kiện trên. Khi cửa sổ ở vị trí đầu tiên, ta thấy 3 − 6 ≠ 1 không thoả
mãn yêu cầu nên bỏ qua. Cửa sổ trượt đến vị trí thứ hai, ta thấy 5 − 3 ≠ 1 nên bỏ qua.

Sau khi cửa sổ trượt qua hết các vị trí trong mảng ta thu được kết quả là cặp vị trí (4, 5),
(5, 6) tương ứng với cặp giá trị (7, 8), (8, 9).

Hình 1.2. Ví dụ dùng cửa sổ trượt.
Trong đề tài, kỹ thuật sliding window sẽ sinh ra những đề xuất (xem ở mục
3.2.2) mà tại đó mẫu có thể xuất hiện. Mỗi đề xuất có độ dài mặc định bằng độ dài
mẫu.
1.3.2. Thuật toán DTW
Giả sử có hai chuỗi theo thời gian lần lượt là 𝑆 = (𝑠1 , 𝑠2 , … , 𝑠𝑛 ) và 𝑇 =
(𝑡1 , 𝑡2 , … , 𝑡𝑚 ). Mỗi thành phần trong S và T là một giá trị vô hướng. Ta xây dựng một


21

ma trận chi phí kích cỡ n x m. Trong đó, phần tử hàng i cột j (ký hiệu 𝐶(𝑠𝑖 , 𝑡𝑗 )) là khoảng
cách Euclide giữa 𝑠𝑖 và 𝑡𝑗 . Đề tài tính khoảng cách Euclide theo danh sách góc (xem
mục 3.2.1).
t1

t2

t3

t4

t5

s1
s2
s3

s4
s5
s6
s7
Hình 1.3. Ma trận chi phí.
Mục tiêu của thuật tốn DTW là tìm ra đường đi tối ưu, hay nói cách khác đường
đi có độ dài nhỏ nhất. Thuật tốn áp dụng phương pháp lập trình động. Do đó, ta có
phương trình đệ quy tính khoảng cách (tổng chi phí kết nối của đường đi) từ vị trí (1, 1)
đến vị trí (𝑖, 𝑗) là:
𝐷 (𝑖, 𝑗) = 𝑚𝑖𝑛{𝐷 (𝑖 − 1, 𝑗 − 1), 𝐷 (𝑖 − 1, 𝑗), 𝐷 (𝑖, 𝑗 − 1)} + 𝐶(𝑠𝑖 , 𝑡𝑗 )

Hình 1.4. Đường đi tối ưu (đường nét đứt).
Từ đó, thuật tốn DTW [32] được xây dựng như sau:
function DTW(S, T):
𝐷 (1,1) ∶= 𝐶(𝑠1 , 𝑡1 )
for 𝑖 ≔ 2 to n:
𝐷 (𝑖, 1) ≔ 𝐷 (𝑖 − 1,1) + 𝐶(𝑠𝑖 , 𝑡1 )
for 𝑗 ≔ 2 to m:

(1.2)


22

𝐷 (1, 𝑗) = 𝐷 (1, 𝑗 − 1) + 𝐶(𝑠1 , 𝑡𝑗 )
for 𝑖 ≔ 2 to n:
for 𝑗 ≔ 2 đến m:
𝐷 (𝑖, 𝑗) = 𝑚𝑖𝑛{𝐷 (𝑖 − 1, 𝑗 − 1), 𝐷 (𝑖 − 1, 𝑗), 𝐷 (𝑖, 𝑗 − 1)} + 𝐶(𝑠𝑖 , 𝑡𝑗 )
return 𝐷 (𝑚, 𝑛)



23

CHƯƠNG 2: CƠ SỞ NGHIÊN CỨU
2.1. Múa Chèo truyền thống
2.1.1. Giới thiệu múa Chèo truyền thống
Múa Chèo là một trong những thành tố tổ hợp nên sân khấu Chèo [1]: múa, âm
nhạc, diễn... Âm nhạc là phương tiện biểu hiện và cũng là linh hồn của múa Chèo [1].
Nhạc và múa Chèo luôn đồng hành với nhau để tạo ra những đặc điểm, tính cách riêng
cho từng đoạn múa, lớp múa. Ví dụ, bài hát gà rừng đã tạo ra một điệu múa gà rừng đặc
trưng, không thể lẫn với những điệu múa khác [1]. Quan trọng hơn, nhạc cụ trong dàn
nhạc đã là một phần không thể thiếu trong múa Chèo. Trong đó, trống và nhị là hai nhạc
cụ thường được dùng đến nhất. Ở trích đoạn Suý Vân giả dại (xe tơ-dệt vải), âm thanh
của dàn nhạc cất lên, lúc dồn dập lúc nhịp nhàng. Điều đó đã làm cho người xem cảm
nhận và hồ mình vào bối cảnh của từng hoạt động xe tơ, dệt vải, xâu kim của nhân vật
Suý Vân. Khi xe tơ, nhịp trống tăng dần; khi dệt vải thì nhịp trống trở nên đều đặn và
nhịp nhàng.
Căn cứ theo phương tiện biểu diễn, các động tác múa Chèo được chia thành hai
loại chính: múa có đạo cụ và múa khơng đạo cụ [1]. Đạo cụ được dùng để múa là đạo
cụ gắn bó với nhân vật trong sinh hoạt hàng ngày hoặc trong công việc thường xuyên
như quạt, mái chèo… Trong bài múa “Thị Mầu lên chùa”, chiếc quạt đã khắc hoạ thành
công tính cách nhân vật Thị Mầu [1]. Một loạt các động tác quạt chụm, quạt xoè, vờn
bay trên cao, dưới thấp… kèm theo ánh mắc liếc ngang liếc dọc đã cho khán giả thấy
cách yêu của Thị Mầu – một cách yêu rạo rực, cháy bỏng, khát khao, phá bỏ những rào
cản của chế độ phong kiến. Quạt cũng nói lên tính lẳng lơ của Thị Mầu: khi dùng quạt
che mặt, khi dùng chi quạt để vuốt tóc, vuốt má Thị Kính. Một ví dụ khác là mái chèo
được dùng đến trong những động tác múa đẩy thuyền, múa chèo đò. Mái chèo đã thể
hiện linh hoạt theo nội dung của đoạn diễn hoặc minh họa lời hát để người xem dễ hình
dung tưởng tượng. Trong vở Từ Thức, mái chèo trên tay nhân vật Từ Thức khéo léo đưa
thuyền vào động tiên [2]. Trái lại, mái chèo của Tuần Ty (trong trích đoạn Tuần Ty –

Đào Huế) lại vội vàng, gấp gáp làm thuyền xoay đi nhiều hướng [2]. Múa khơng đạo cụ
là múa chỉ dùng hình thể mà không cần thêm đạo cụ. Trước khi đi vào chi tiết, ta cần
nắm được một số quy tắc của múa:
✓ Không gian xung quanh người biểu diễn được chia thành 8 hướng [3]. Hướng
1 là ở phía trước mặt người biểu diễn. Từ đó mà ta xác định các hướng còn
lại.