[发明专利]基于虚拟现实技术的显示方法及系统

权利要求书

1.一种基于虚拟现实技术的显示方法，其特征在于，应用于采集终端，所述采集终端包括音频采集部分及图像采集部分，所述方法包括：

通过音频采集部分采集目标区域内的音频数据，并对音频数据进行预处理以生成音频信息；

通过图像采集部分采集目标区域内的图像数据，并对图像数据进行预处理以生成图像信息；

将音频信息及图像信息发送至服务器，以便服务器根据音频信息、图像信息、预置背景图像信息以及虚拟现实终端发送的佩带用户的运动参数信息，生成与用户运动状态同步的三维视频信息；

所述音频采集部分包括多个麦克风及音频预处理装置，

通过音频采集部分采集目标区域内的音频数据，并对音频数据进行预处理以生成音频信息，包括：

通过多个麦克风采集目标区域内的音频数据；

通过音频预处理装置提取符合预置标准的音频数据并根据提取结果生成音频信息；

图像采集装置包括多个摄像头及图像预处理装置，

通过图像采集部分采集目标区域内的图像数据，并对图像数据进行预处理以生成图像信息，包括：

通过多个摄像头采集目标区域内的图像数据；

通过图像预处理装置基于采集到的图像数据生成对应的IP数据流以作为图像信息；

服务器中预先建立用于对运动状态进行识别的模型，并通过调整遗传算法中的权重，以对运动状态进行识别；

先训练模型，再通过模型对运动参数信息对应的运动状态进行识别；

此外，在人体站立、下蹲、起立、行走的不同运动状态下，按照上述方法分别建立模型，对应形成不同运动状态的模型，以分别对不同运动状态进行识别，以实现更为精准且有效率的对运动状态进行识别；

采用支持向量机模型，其中应用非线性映射径向基核函数，以将线性不可分的低维空间映射到线性可分的高维空间；

在训练过程中，随着输入数据的增加，SVM模型需要不断的自我优化，每次输入新的数据，根据交叉验证法原理，计算SVM模型的识别率，通过遗传算法进行适应度评估，训练的识别率高于现有方式，则设为最优参数，否则，执行选择、交叉和变异操作进一步优化训练参数；其中，

适应度评估函数为：f(x_i)＝min(1-g(x_i))，为SVM模型对样本划分的正确率；

基于虚拟现实终端发送的观看当前环境对应的三维视频的请求，根据音频信息、图像信息及预置背景图像生成三维视频信息，并根据运动状态对三维视频信息进行调整以得到与运动状态同步的三维视频信息；

在具体实现时，将音频信息、图像信息及预置背景图像信息进行拼合处理，生成携带时间戳的全景视频流并以ASCII格式进行存储；

将所述与运动状态同步的三维视频信息发送至虚拟现实终端，以便虚拟现实终端对与运动状态同步的三维视频进行显示；

所述图像采集装置包括多个摄像头及图像预处理装置，

通过图像采集部分采集目标区域内的图像数据，并对图像数据进行预处理以生成图像信息，包括：

通过多个摄像头采集目标区域内的图像数据；

通过图像预处理装置基于采集到的图像数据生成对应的IP数据流以作为图像信息；

通过图像预处理装置对采集到的图像数据进行预处理的过程，可包括如下：

步骤1，由预置三维扫描仪构建对象的三维模型并设定初始边界条件；

步骤2，根据边界条件进行三维模型区域分解，分解得到与并行计算服务器中的总进程数相等的子模型数目，并将初始边界条件和各子模型中的元素信息分别输入到各进程；

步骤3，以初始边界条件为计算条件，当计算过程中初始的边界条件发生改变则重新启动边界设置程序，重新对该子模型进行计算，直到边界稳定或计算子结果为常数；

其中，步骤3中的计算方式为：

S31，读入当前进程中对应的输入文件，利用并行特征曲线算法对控制方程中的非线性项进行线性化处理，得到正定、对称的局部线性系统，其中并行特征曲线算法中公式为：

其中，K⁽ⁱ⁾为局部刚度矩阵，u⁽ⁱ⁾为局部未知变量，f⁽ⁱ⁾为已知的局部外力向量，R⁽ⁱ⁾为局部元素标编号和整体元素编号之间映射的0-1矩阵；

S32，对S31的局部未知变量u(i)区分表面自由度和内部自由度并整理，得到表面自由度方程如下:

其中，为当前小区域内部自由度，当前小区域表面和其他区域接界部分自由度，为当前小区域内部自由度对应的外力矢量；为当前小区域表面自由度对应的外力矢量；为矩阵进行初等行列变换后对应的分块矩阵；

S33，运用平衡预条件迭代算法对表面自由度方程进行求解，得到

S34，将代入(2)中的线性系统，采用直接法反解得到

S35，将计算结果u(i)输出到当前进程负责的输出文件中；

S36，如果边界条件发生改变，重新启动边界设置程序，再进行计算，直到边界稳定或者计算子结果定常为止，每完成一定时间步的计算，进行一次输出文件的读写操作，输出文件为 IP 数据流 。