一种实景迷宫系统及其控制方法与流程

本发明涉及实景穿越游戏的技术领域，特别涉及一种实景迷宫系统及其控制方法。

背景技术：

目前，实景穿越游戏、特别是实景迷宫游戏大部分通过设计不同的实际场景和内部结构来提高游戏的难度和趣味性。但是，现有的实景迷宫的内部墙体走向和出口位置等内部结构都是固定不变的，这导致实景迷宫游戏的场景内容构造单一并且重复性较高，这严重地降低了游戏的多样性、挑战性和逼真性。

技术实现要素：

针对现有技术存在的缺陷，本发明提供一种实景迷宫系统及其控制方法，该实景迷宫系统及其控制方法主要通过获取实景迷宫当前内部的人员存在状态信息和/或内部环境状态信息，以此生成关于该实景迷宫的一个或者多个迷宫评价参数，通过预设神经网络模型对所述一个或者多个迷宫评价参数进行计算处理，以确定多个实景迷宫结构变换模式，根据该实景迷宫结构变换模式，对该实景迷宫进行第一次内部结构变换处理，并确定关于当前实景迷宫的穿越成功系数，根据该穿越成功系数，确定是否对该实景迷宫进行第二次内部结构变换处理；可见，该实景迷宫系统及其控制方法有别于是通过简单的组合排列逻辑运算形成不同实景迷宫结构场景的方式，其通过引入神经网络模型学习分析处理的方式不仅能够提高实景迷宫结构场景的设计效率和速度，并且还能够增加实景迷宫结构场景的复杂性和多变性，从而有效地提高实景迷宫结构场景的逼真性和多样性以及改善基于该实景迷宫结构场景的娱乐性和玩赏性。

本发明提供一种实景迷宫系统，其特征在于：

所述实景迷宫系统包括人员存在状态信息获取模块、内部环境状态信息模块、迷宫评价参数生成模块、实景迷宫结构变换模式生成模块和内部结构变换处理模块；其中，

所述人员存在状态信息获取模块用于获取实景迷宫当前内部的人员存在状态信息；

所述内部环境状态信息模块用于获取实景迷宫当前内部环境状态信息；

所述迷宫评价参数生成模块用于根据所述人员存在状态信息和/或所述内部环境状态信息，生成关于所述实景迷宫的一个或者多个迷宫评价参数；

所述实景迷宫结构变换模式生成模块用于通过预设神经网络模型对所述一个或者多个迷宫评价参数进行计算处理，以确定多个实景迷宫结构变换模式；

所述内部结构变换处理模块用于根据所述实景迷宫结构变换模式，对所述实景迷宫进行第一次内部结构变换处理，或者根据关于当前实景迷宫的穿越成功系数、确定是否对所述实景迷宫进行第二次内部结构变换处理；

进一步，所述人员存在状态信息获取模块用于获取实景迷宫当前内部的人员数量、人员历史行走路径和人员与出口之间的距离中的至少一者，以作为所述人员存在状态信息；

所述内部环境状态信息模块用于获取所述实景迷宫内部墙体布设结构、内部空间面积和内部穿越线路中的至少一者，以作为所述内部环境状态信息；

所述迷宫评价参数生成模块用于对所述人员存在状态信息和/或所述内部环境状态信息进行数值化转换处理，以生成所述一个或者多个迷宫评价参数；

进一步，所述实景迷宫结构变换模式生成模块包括神经网络模型构建子模块、模型训练子模块和变换模式确定子模块；其中，

所述神经网络模型构建子模块用于构建关于所述实景迷宫的3d实景神经网络模型，以作为所述预设神经网络模型；

所述模型训练子模块用于对所述3d实景神经网络模型进行优化训练处理；

所述变换模式确定子模块用于将所述一个或者多个迷宫评价参数输入至经过所述优化训练处理的3d实景神经网络模型，以生成多个能够阶跃联动变化的所述实景迷宫结构变换模式；

进一步，所述内部结构变换处理模块根据所述实景迷宫结构变换模式，对所述实景迷宫进行第一次内部结构变换处理具体包括，

根据当前实景迷宫的难度要求，从所述多个能够阶跃联动变化的实景迷宫结构变换模式中，选定一个作为待实现实景迷宫结构变换模式；

以及，根据所述待实现实景迷宫结构变换模式，对所述实景迷宫进行内部墙体位置、内部墙体走向和迷宫出口位置进行不规则的变换处理，以实现所述第一次内部结构变换处理；

进一步，所述内部结构变换处理模块根据关于当前实景迷宫的穿越成功系数、确定是否对所述实景迷宫进行第二次内部结构变换处理具体包括，

在完成所述第一次内部结构变换处理后，根据当前实景迷宫的可穿越路径信息，确定其对应的穿越成功系数；

以及，将所述穿越成功系数与预设成功系数阈值进行比较处理；

以及，若所述比较处理的结果指示所述穿越成功系数小于所述预设成功系数阈值，则对所述实景迷宫进行所述第二次内部结构变换处理，以再次不规则地改变所述实景迷宫的内部墙体位置、内部墙体走向和迷宫出口位置。

本发明还提供一种实景迷宫系统的控制方法，其特征在于，所述实景迷宫系统的控制方法包括如下步骤：

步骤s1，获取实景迷宫当前内部的人员存在状态信息和/或内部环境状态信息，以此生成关于所述实景迷宫的一个或者多个迷宫评价参数；

步骤s2，通过预设神经网络模型对所述一个或者多个迷宫评价参数进行计算处理，以确定多个实景迷宫结构变换模式；

步骤s3，根据所述实景迷宫结构变换模式，对所述实景迷宫进行第一次内部结构变换处理，并确定关于当前实景迷宫的穿越成功系数；

步骤s4，根据所述穿越成功系数，确定是否对所述实景迷宫进行第二次内部结构变换处理；

进一步，在所述步骤s1中，获取实景迷宫当前内部的人员存在状态信息和/或内部环境状态信息，以此生成关于所述实景迷宫的一个或者多个迷宫评价参数具体包括，

步骤s101，获取实景迷宫当前内部的人员数量、人员历史行走路径和人员与出口之间的距离中的至少一者，以作为所述人员存在状态信息；

步骤s102，获取所述实景迷宫内部墙体布设结构、内部空间面积和内部穿越线路中的至少一者，以作为所述内部环境状态信息；

步骤s103，对所述人员存在状态信息和/或所述内部环境状态信息进行数值化转换处理，以生成所述一个或者多个迷宫评价参数；

进一步，在所述步骤s2中，通过预设神经网络模型对所述一个或者多个迷宫评价参数进行计算处理，以确定多个实景迷宫结构变换模式具体包括，

步骤s201，构建关于所述实景迷宫的3d实景神经网络模型，以作为所述预设神经网络模型，并对所述3d实景神经网络模型进行优化训练处理；

步骤s202，将所述一个或者多个迷宫评价参数输入至经过所述优化训练处理的3d实景神经网络模型，以生成多个能够阶跃联动变化的所述实景迷宫结构变换模式；

进一步，在所述步骤s3中，根据所述实景迷宫结构变换模式，对所述实景迷宫进行第一次内部结构变换处理，并确定关于当前实景迷宫的穿越成功系数具体包括，

步骤s301，根据当前实景迷宫的难度要求，从所述多个能够阶跃联动变化的实景迷宫结构变换模式中，选定一个作为待实现实景迷宫结构变换模式；

步骤s302，根据所述待实现实景迷宫结构变换模式，对所述实景迷宫进行内部墙体位置、内部墙体走向和迷宫出口位置进行不规则的变换处理，以实现所述第一次内部结构变换处理；

步骤s303，在完成所述第一次内部结构变换处理后，根据当前实景迷宫的可穿越路径信息，确定其对应的穿越成功系数；

进一步，在所述步骤s4中，根据所述穿越成功系数，确定是否对所述实景迷宫进行第二次内部结构变换处理具体包括，

步骤s401，将所述穿越成功系数与预设成功系数阈值进行比较处理；

步骤s402，若所述比较处理的结果指示所述穿越成功系数小于所述预设成功系数阈值，则维持当前实景迷宫的内部结构不变；

步骤s403，若所述比较处理的结果指示所述穿越成功系数小于所述预设成功系数阈值，则对所述实景迷宫进行所述第二次内部结构变换处理，以再次不规则地改变所述实景迷宫的内部墙体位置、内部墙体走向和迷宫出口位置。

相比于现有技术，该实景迷宫系统及其控制方法有别于是通过简单的组合排列逻辑运算形成不同实景迷宫结构场景的方式，其通过引入神经网络模型学习分析处理的方式不仅能够提高实景迷宫结构场景的设计效率和速度，并且还能够增加实景迷宫结构场景的复杂性和多变性，从而有效地提高实景迷宫结构场景的逼真性和多样性以及改善基于该实景迷宫结构场景的娱乐性和玩赏性。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明提供的一种实景迷宫系统的结构示意图。

图2为本发明提供的一种实景迷宫系统的控制方法的流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

参阅图1，为本发明实施例提供的一种实景迷宫系统及其控制方法的结构示意图。该实景迷宫系统包括人员存在状态信息获取模块、内部环境状态信息模块、迷宫评价参数生成模块、实景迷宫结构变换模式生成模块和内部结构变换处理模块；其中，

该人员存在状态信息获取模块用于获取实景迷宫当前内部的人员存在状态信息；

该内部环境状态信息模块用于获取实景迷宫当前内部环境状态信息；

该迷宫评价参数生成模块用于根据该人员存在状态信息和/或该内部环境状态信息，生成关于该实景迷宫的一个或者多个迷宫评价参数；

该实景迷宫结构变换模式生成模块用于通过预设神经网络模型对该一个或者多个迷宫评价参数进行计算处理，以确定多个实景迷宫结构变换模式；

该内部结构变换处理模块用于根据该实景迷宫结构变换模式，对该实景迷宫进行第一次内部结构变换处理，或者根据关于当前实景迷宫的穿越成功系数、确定是否对该实景迷宫进行第二次内部结构变换处理。

优选地，该人员存在状态信息获取模块用于获取实景迷宫当前内部的人员数量、人员历史行走路径和人员与出口之间的距离中的至少一者，以作为该人员存在状态信息；

该内部环境状态信息模块用于获取该实景迷宫内部墙体布设结构、内部空间面积和内部穿越线路中的至少一者，以作为该内部环境状态信息；

该迷宫评价参数生成模块用于对该人员存在状态信息和/或该内部环境状态信息进行数值化转换处理，以生成该一个或者多个迷宫评价参数。

优选地，该实景迷宫结构变换模式生成模块包括神经网络模型构建子模块、模型训练子模块和变换模式确定子模块；其中，

该神经网络模型构建子模块用于构建关于该实景迷宫的3d实景神经网络模型，以作为该预设神经网络模型；

该模型训练子模块用于对该3d实景神经网络模型进行优化训练处理；

该变换模式确定子模块用于将该一个或者多个迷宫评价参数输入至经过该优化训练处理的3d实景神经网络模型，以生成多个能够阶跃联动变化的该实景迷宫结构变换模式。

优选地，该内部结构变换处理模块根据该实景迷宫结构变换模式，对该实景迷宫进行第一次内部结构变换处理具体包括，

根据当前实景迷宫的难度要求，从该多个能够阶跃联动变化的实景迷宫结构变换模式中，选定一个作为待实现实景迷宫结构变换模式；

以及，根据该待实现实景迷宫结构变换模式，对该实景迷宫进行内部墙体位置、内部墙体走向和迷宫出口位置进行不规则的变换处理，以实现该第一次内部结构变换处理。

优选地，该内部结构变换处理模块根据关于当前实景迷宫的穿越成功系数、确定是否对该实景迷宫进行第二次内部结构变换处理具体包括，

在完成该第一次内部结构变换处理后，根据当前实景迷宫的可穿越路径信息，确定其对应的穿越成功系数；

以及，将该穿越成功系数与预设成功系数阈值进行比较处理；

以及，若该比较处理的结果指示该穿越成功系数小于该预设成功系数阈值，则对该实景迷宫进行该第二次内部结构变换处理，以再次不规则地改变该实景迷宫的内部墙体位置、内部墙体走向和迷宫出口位置。

参阅图2，为本发明实施例提供的一种实景迷宫系统的控制方法的流程示意图。该实景迷宫系统的控制方法包括如下步骤：

步骤s1，获取实景迷宫当前内部的人员存在状态信息和/或内部环境状态信息，以此生成关于该实景迷宫的一个或者多个迷宫评价参数；

步骤s2，通过预设神经网络模型对该一个或者多个迷宫评价参数进行计算处理，以确定多个实景迷宫结构变换模式；

步骤s3，根据该实景迷宫结构变换模式，对该实景迷宫进行第一次内部结构变换处理，并确定关于当前实景迷宫的穿越成功系数；

步骤s4，根据该穿越成功系数，确定是否对该实景迷宫进行第二次内部结构变换处理。

优选地，在该步骤s1中，获取实景迷宫当前内部的人员存在状态信息和/或内部环境状态信息，以此生成关于该实景迷宫的一个或者多个迷宫评价参数具体包括，

步骤s101，获取实景迷宫当前内部的人员数量、人员历史行走路径和人员与出口之间的距离中的至少一者，以作为该人员存在状态信息；

步骤s102，获取该实景迷宫内部墙体布设结构、内部空间面积和内部穿越线路中的至少一者，以作为该内部环境状态信息；

步骤s103，对该人员存在状态信息和/或该内部环境状态信息进行数值化转换处理，以生成该一个或者多个迷宫评价参数。

优选地，在该步骤s2中，通过预设神经网络模型对该一个或者多个迷宫评价参数进行计算处理，以确定多个实景迷宫结构变换模式具体包括，

步骤s201，构建关于该实景迷宫的3d实景神经网络模型，以作为该预设神经网络模型，并对该3d实景神经网络模型进行优化训练处理；

步骤s202，将该一个或者多个迷宫评价参数输入至经过该优化训练处理的3d实景神经网络模型，以生成多个能够阶跃联动变化的该实景迷宫结构变换模式。

优选地，在该步骤s3中，根据该实景迷宫结构变换模式，对该实景迷宫进行第一次内部结构变换处理，并确定关于当前实景迷宫的穿越成功系数具体包括，

步骤s301，根据当前实景迷宫的难度要求，从该多个能够阶跃联动变化的实景迷宫结构变换模式中，选定一个作为待实现实景迷宫结构变换模式；

步骤s302，根据该待实现实景迷宫结构变换模式，对该实景迷宫进行内部墙体位置、内部墙体走向和迷宫出口位置进行不规则的变换处理，以实现该第一次内部结构变换处理；

步骤s303，在完成该第一次内部结构变换处理后，根据当前实景迷宫的可穿越路径信息，确定其对应的穿越成功系数。

优选地，在该步骤s4中，根据该穿越成功系数，确定是否对该实景迷宫进行第二次内部结构变换处理具体包括，

步骤s401，将该穿越成功系数与预设成功系数阈值进行比较处理；

步骤s402，若该比较处理的结果指示该穿越成功系数小于该预设成功系数阈值，则维持当前实景迷宫的内部结构不变；

步骤s403，若该比较处理的结果指示该穿越成功系数小于该预设成功系数阈值，则对该实景迷宫进行该第二次内部结构变换处理，以再次不规则地改变该实景迷宫的内部墙体位置、内部墙体走向和迷宫出口位置。

从上述实施例的内容可知，该实景迷宫系统及其控制方法有别于是通过简单的组合排列逻辑运算形成不同实景迷宫结构场景的方式，其通过引入神经网络模型学习分析处理的方式不仅能够提高实景迷宫结构场景的设计效率和速度，并且还能够增加实景迷宫结构场景的复杂性和多变性，从而有效地提高实景迷宫结构场景的逼真性和多样性以及改善基于该实景迷宫结构场景的娱乐性和玩赏性。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。