L'analisi e la rappresentazione del movimento umano rappresentano una sfida complessa per la ricerca scientifica. In questo contesto si colloca anche la Danza Movimento Terapia (DMT), pratica in cui la caratterizzazione del modo di muoversi dei partecipanti è tradizionalmente qualitativa e affidata all'osservazione dell'esperto. Il presente lavoro ha come obiettivo la progettazione e lo sviluppo di un framework per l'analisi quantitativa del movimento umano a partire dai dati di posa estratti dai video di sessioni di movimento. Il sistema adotta un'architettura modulare che implementa un'intera pipeline: gestisce i dati mancanti, costruisce un dataset sperimentale a complessità controllata, applica l'Analisi delle Componenti Principali (PCA) per caratterizzare il movimento individuale e impiega la similarità del coseno e la correlazione di Pearson per individuare fenomeni di somiglianza a livello di gruppo. I risultati mostrano che la PCA riduce efficacemente la dimensionalità e che le metriche riflettono il gradiente di similarità imposto nella costruzione del dataset, fornendo una prima verifica sperimentale della coerenza delle analisi implementate. Gli sviluppi futuri riguarderanno l'estensione delle analisi, l'ampliamento del dataset di riferimento e l'adozione di metriche differenti.
Sistema di Dance Movement Analysis: Analisi Sperimentale / Mattia, C., Daoudagh, S., Paradisi, P.. - ELETTRONICO. - (2026 Jul 17).
Sistema di Dance Movement Analysis: Analisi Sperimentale
Daoudagh Said
;Paolo Paradisi
2026
Abstract
L'analisi e la rappresentazione del movimento umano rappresentano una sfida complessa per la ricerca scientifica. In questo contesto si colloca anche la Danza Movimento Terapia (DMT), pratica in cui la caratterizzazione del modo di muoversi dei partecipanti è tradizionalmente qualitativa e affidata all'osservazione dell'esperto. Il presente lavoro ha come obiettivo la progettazione e lo sviluppo di un framework per l'analisi quantitativa del movimento umano a partire dai dati di posa estratti dai video di sessioni di movimento. Il sistema adotta un'architettura modulare che implementa un'intera pipeline: gestisce i dati mancanti, costruisce un dataset sperimentale a complessità controllata, applica l'Analisi delle Componenti Principali (PCA) per caratterizzare il movimento individuale e impiega la similarità del coseno e la correlazione di Pearson per individuare fenomeni di somiglianza a livello di gruppo. I risultati mostrano che la PCA riduce efficacemente la dimensionalità e che le metriche riflettono il gradiente di similarità imposto nella costruzione del dataset, fornendo una prima verifica sperimentale della coerenza delle analisi implementate. Gli sviluppi futuri riguarderanno l'estensione delle analisi, l'ampliamento del dataset di riferimento e l'adozione di metriche differenti.I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.


