基于云计算技术的虚拟现实游戏系统的制作方法

本申请涉及游戏领域，尤其涉及基于云计算技术的虚拟现实游戏系统。

背景技术：

虚拟现实(virtualreality，vr)游戏，是近年随着vr技术的发展而诞生的一种新的游戏方式，其原理是利用电脑模拟产生一个三维空间的虚拟世界，通过给用户提供关于视觉、听觉、触觉等感官上的模拟，从而让用户有身临其境的体验。由于有拟真度和代入感的要求，vr游戏对设备的图形处理能力要求较高，如果用户想要在家庭中使用vr游戏，则需要在家庭中配备性能较高的vr设备，成本较高。

技术实现要素：

本申请提供基于云计算技术的虚拟现实游戏系统，以解决目前家庭内使用vr游戏成本较高的问题。

本申请提供一种基于云计算技术的虚拟现实游戏系统，包括虚拟现实设备，边缘计算设备以及云服务器，其中：

上述虚拟现实设备用于执行如下步骤：在采集到针对上述虚拟现实设备上运行的第一虚拟现实游戏画面的第一用户操作后，向上述边缘计算设备发送第一画面获取请求，上述第一画面获取请求用于请求获取上述第一用户操作对应的第二虚拟现实游戏画面；

上述边缘计算设备用于执行如下步骤：接收上述第一画面获取请求，根据上述第一画面获取请求从本地画面集中获取上述第二虚拟现实游戏画面，并根据上述第二虚拟现实游戏画面确定预测操作标识集，上述预测操作标识集用于指示上述第一用户操作对应的至少一个下一用户操作；将上述第二虚拟现实游戏画面发送给上述虚拟现实设备，并将上述预测操作标识集发送给云服务器；

上述虚拟现实设备还用于执行如下步骤：接收上述第二虚拟现实游戏画面，响应于上述第一用户操作，在上述虚拟现实设备上运行上述第二虚拟现实游戏画面；

上述云服务器用于执行如下步骤：根据上述预测操作标识集生成第三虚拟现实游戏画面，上述第三虚拟现实游戏画面为上述预测操作标识集指示的用户操作对应的虚拟现实游戏画面；将上述第三虚拟现实游戏画面发送给边缘计算设备；

上述边缘计算设备还用于执行如下步骤：接收上述第三虚拟现实游戏画面，将上述第三虚拟现实游戏画面保存至上述本地画面集中。

在该系统中，边缘计算设备在接收到虚拟现实设备基于用户操作发送的获取虚拟现实游戏画面的第一画面获取请求后，根据第一画面获取请求从本地画面集中获取第二虚拟现实游戏画面，然后将第二虚拟现实游戏画面发送给虚拟现实设备，虚拟现实设备运行第二虚拟现实游戏画面，实现了显示与用户操作相对应的虚拟现实游戏画面的功能；并且，边缘计算设备在接收到第一画面获取请求后，还根据第一画面获取请求确定用于指示第一用户操作的下一用户操作的预测操作标识集，将预测操作标识集发送给云服务器，云服务器根据预测操作标识集生成第三虚拟现实游戏画面，将第三虚拟现实游戏画面发送给边缘计算设备，边缘计算设备将接收到第三虚拟现实游戏画面保存在本地画面集中，实现对虚拟现实游戏画面的预先生成与存储。一方面，由于虚拟现实设备只需要对虚拟现实游戏画面进行显示而不需要渲染生成虚拟现实游戏画面，因而对虚拟现实设备的性能要求降低，从而可以降低在家庭中使用vr游戏的成本；另一方面，由于是由云服务器预先生成游戏画面且由边缘计算设备保存游戏画面，边缘计算设备与vr设备之间的交互以及游戏画面的预先生成均可以降低游戏画面的渲染生成时延，两种时延的降低可以使得从vr设备获取到用户操作至vr设备显示用户操作对应的vr游戏画面之间的时间缩短，从而可以避免给用户造成一种游戏卡顿的用户体验，保障用户使用vr游戏时的用户体验。

在一种可能的实现方式中，上述虚拟现实设备还用于执行如下步骤：采集针对上述第一虚拟现实游戏画面的脑波反馈信息以及用户视角信息；将上述脑波反馈信息以及上述用户视角信息发送给上述边缘计算设备；

上述边缘计算设备还用于执行如下步骤：接收上述脑波反馈信息和上述用户视角信息；基于上述脑波反馈信息分析上述第一虚拟现实游戏画面对应的用户情绪；根据上述用户情绪和上述用户视角信息生成参数调整指令；将上述参数调整指令发送给上述虚拟现实设备；

上述虚拟现实设备还用于执行如下步骤：接收上述参数调整指令；根据上述参数调整指令调整上述虚拟现实设备上运行的虚拟现实游戏画面的运行参数。

上述系统，通过针对vr游戏画面的脑波反馈信息，分析用户对vr设备上运行的vr游戏画面的用户情绪，并根据用户情绪和用户视角使虚拟现实设备调整vr游戏画面的运行参数，从而使得vr游戏画面能够适应于用户的情绪和视角信息，从而能够给用户带来更好的用户体验。

在一种可能的实现方式中，上述虚拟现实设备还用于执行如下步骤：采集针对上述第一虚拟现实游戏画面的脑波反馈信息；将上述脑波反馈信息发送给上述边缘计算设备；

上述边缘计算设备还用于执行如下步骤：基于上述脑波反馈信息分析上述第一虚拟现实游戏画面对应的用户情绪，以得到用户情绪指示信息；

上述边缘计算设备还用于执行如下步骤：将上述用户情绪指示信息添加进上述预测操作标识集；

上述云服务器还用于执行如下步骤：在根据上述预测操作标识集生成第三虚拟现实游戏画面时，调整上述第三虚拟现实游戏画面的画质参数，使得调整得到的第三虚拟现实游戏画面匹配于上述用户情绪。

上述系统，通过根据针对vr游戏画面的脑波反馈信息分析用户对vr设备上运行的vr游戏画面的用户情绪，并将指示用户情绪的指示信息携带在指示云服务器生成vr游戏画面的预测操作标识集中，使得云服务器在生成vr游戏画面时能够调整vr游戏画面的画质参数，使其匹配于用户情绪，进而在后续的vr游戏进程中，画质参数能够符合于用户情绪，改善用户使用vr游戏的用户体验。

在一种可能的实现方式中，

上述边缘计算设备在基于上述脑波反馈信息分析上述第一虚拟现实游戏画面对应的用户情绪的过程中，具体用于执行如下步骤：

对上述脑波反馈信息进行特征提取，以得到上述脑波反馈信息对应的特征向量；

将上述特征向量输入至从预设的脑波分析模型，以得到上述脑波分析模型的情绪识别结果；上述脑波分析模型包括(m-1)层，m为上述脑波分析模型可识别的用户情绪的总数量；上述脑波分析模型的每层由不同数量的情绪识别模型组成；上述脑波分析模型的第i层有i个情绪识别模型，每个上述情绪识别模型用于识别两种用户情绪，上述第i层的第一情绪识别模型与第(i+1)层的第二情绪识别模型和第(i+1)层的第三情绪识别模型连接，其中，上述第二情绪识别模型可识别的其中一种用户情绪与上述第一情绪识别模型可识别的其中一种用户情绪相同，上述第三情绪识别模型可识别的其中一种用户情绪与上述第一情绪识别模型可识别的另一种用户情绪相同；上述脑波分析模型的每层均有一个情绪识别结果，第(i+1)层的情绪识别结果与第i层的情绪识别结果相关联，第(m-1)层的情绪识别结果为上述脑波分析模型的情绪识别结果；1≤i≤m；

根据上述脑波分析模型的情绪识别结果确定上述第一虚拟现实游戏画面对应的用户情绪。

上述系统，通过具有多层结构的脑波分析模型对脑波反馈信息对应的特征向量进行识别分析，从而确定用户情绪，识别逻辑简单，在尽可能识别更多用户的情绪下可以提高运算的效率，有助于快速调整运行参数。

在一种可能的实现方式中，上述

上述边缘计算设备在脑波反馈信息进行特征提取，以得到上述脑波反馈信息对应的特征向量的过程中，具体用于执行如下步骤：

根据上述脑波反馈信息分别确定第一特征向量、第二特征向量和第三特征向量，其中，上述第一特征向量用于表征上述脑波反馈信息的能量分布，上述第二特征向量用于表征上述脑波反馈信息的复杂性，上述第三特征向量用于表征上述脑波反馈信息的分形特征；

根据上述第一特征向量、上述第二特征向量以及上述第三特征向量，得到上述脑波反馈信息对应的特征向量。

上述系统，通过从多个维度提取脑波反馈信息的特征向量，可以从多个维度联合分析用户的情绪，从而可以保证确定用户情绪的精准度。

在一种可能的实现方式中，上述边缘计算设备根据上述脑波反馈信息分别确定第一特征向量、第二特征向量和第三特征向量的过程中，具体用于执行如下步骤:

通过离散傅里叶变换计算上述脑波反馈信息的能量特征，得到上述第一特征向量；

计算上述脑波反馈信息的样本熵，得到上述第二特征向量；

通过higuchi算法计算上述脑波反馈信息的分形特征，得到上述第三特征向量。

在一种可能的实现方式中，上述边缘计算设备根据上述脑波反馈信息分别确定第一特征向量、第二特征向量和第三特征向量的过程中，具体用于执行如下步骤:

对上述脑波反馈信息进行小波变换与重构，得到小波分解系数和脑波信号的四种节律波；

根据上述小波分解系数，计算小波能量和小波熵，将上述小波能量和小波熵确定为上述第一特征向量；

计算上述四种节律波的近似熵，将上述近似熵确定为第二特征向量；

计算上述四种节律波的赫斯特指数，将上述赫斯特指数确定为上述第三特征向量。

在一种可能的实现方式中，上述边缘计算设备根据上述脑波反馈信息分别确定第一特征向量、第二特征向量和第三特征向量的过程中，具体用于执行如下步骤:

对上述脑波反馈信息进行小波变换与重构，得到小波分解系数和脑波信号的四种节律波；

通过离散傅里叶变换计算上述脑波反馈信息的能量特征，并根据上述小波分解系数，计算小波能量和小波熵，将上述脑波反馈信息的能量特征以及上述小波能量和小波熵确定为上述第一特征向量；

计算上述脑波反馈信息的样本熵，并计算上述四种节律波的近似熵，将上述样本熵和上述近似熵确定为上述第二特征向量；

通过higuchi算法计算上述脑波反馈信息的分形特征，并计算上述四种节律波的赫斯特指数，将上述脑波反馈信息的分形特征和上述赫斯特指数确定为上述第三特征向量。

在一种可能的实现方式中，上述边缘计算设备在根据上述第一特征向量、上述第二特征向量以及上述第三特征向量，得到上述脑波反馈信息对应的特征向量的过程中，具体用于执行如下步骤：

将上述第一特征向量、上述第二特征向量以及上述第三特征向量进行特征融合，得到上述脑波反馈信息对应的特征向量。

上述系统，通过对第一特征向量、第二特征向量以及第三特征向量进行特征融合，可以提取到最能反馈脑电特征的特征向量，并减少脑波反馈信息对应的特征向量的向量维度，在保证识别精准度的前提下，向量维度的减少可以降低后续情绪识别计算的复杂度，从而提高情绪识别的效率。

在一种可能的实现方式中，

上述第一画面获取请求包括第一画面标识和第一操作标识，上述第一画面标识为上述第一虚拟现实游戏画面的画面标识，上述第一操作标识为上述第一用户操作的操作标识；

上述边缘计算设备在根据上述第一画面获取请求从本地画面集中获取上述第二虚拟现实游戏画面的过程中，具体用于执行如下步骤：

根据上述第一画面标识和上述第一操作标识确定第二画面标识，上述第二画面标识为上述第二虚拟现实游戏画面的画面标识；

根据上述第二画面标识从上述本地画面集中获取上述第二虚拟现实游戏画面对应的多张画面素材；

基于上述多张画面素材渲染生成三维画面，以得到上述第二虚拟现实游戏画面。

上述系统，通过在获取游戏画面的请求中携带指示正在运行的游戏画面的标识和执行的操作标识，然后获取画面素材完成画面的渲染，可以快速实时地生成vr游戏的游戏画面。

本申请可以实现如下有益效果：降低在家庭中使用vr游戏的成本；使得从vr设备获取到用户操作至vr设备显示用户操作对应的vr游戏画面之间的时间缩短，可以避免给用户造成一种游戏卡顿的用户体验，保障用户使用vr游戏时的用户体验。

附图说明

图1为本申请实施例提供的基于边缘计算的vr游戏网络系统架构的示意图；

图2为本申请实施例提供的一种基于云计算技术的虚拟现实游戏系统的示意图框图；

图3为本申请实施例提供的vr游戏画面与用户操作之间的关联关系的示意图；

图4为本申请实施例提供的脑波分析模型以及脑波分析模型的识别逻辑的示意图；

图5为本申请实施例提供的一种虚拟现实设备的结构示意图；

图6为本申请实施例提供的一种边缘计算设备的结构示意图；

图7为本申请实施例提供的一种云服务器的结构示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。

本申请的技术方案可以应用在vr游戏的运行场景中。基于目前的vr游戏的运行场景，本申请将边缘计算技术和云计算技术应用至vr游戏中，提出了一种新的用于vr游戏的系统架构，得到基于云计算技术的虚拟现实游戏系统10。基于云计算技术的虚拟现实游戏系统10可以如图1所示，包括vr设备101、边缘计算设备102以及云服务器103。其中，vr设备101与边缘计算设备102连接，用于实现与用户之间的交互以及基于与用户之间的交互与边缘计算设备102进行交互，从而保障vr游戏的运行；具体地，vr设备可以用于采集用户的语音、手势等各种用户操作，基于采集到的用户操作向边缘计算设备发起请求，以获取与用户操作相对应的vr游戏画面，然后基于vr技术向用户显示该与用户操作相对应的vr游戏画面。边缘计算设备102与云服务器103连接，用于与云服器进行通信交互，云服务器103可以为边缘计算设备102提供各种业务支持，以保障vr游戏的正常运行。

通过在vr游戏场景中应用边缘计算和云计算设备技术，可以将在vr设备上执行或实现的功能转移至边缘计算设备上实现，利用边缘计算的低时延特性保证vr游戏的正常运行，vr设备只需要具备一些基本的功能(如显示功能和通信功能)，从而可以减轻家庭中使用vr游戏的成本。

接下来具体介绍本申请的基于云计算技术的虚拟现实游戏系统。

参见图2，图2为本申请实施例提供的一种基于云计算技术的虚拟现实游戏系统的示意图框图，如图2所示，基于云计算技术的虚拟现实游戏系统20包括虚拟现实设备201、边缘计算设备202以及云服务器203，其中：

虚拟现实设备201用于执行如下步骤：在采集到针对虚拟现实设备201上运行的第一虚拟现实游戏画面的第一用户操作后，向边缘计算设备202发送第一画面获取请求，第一画面获取请求用于请求获取第一用户操作对应的第二虚拟现实游戏画面。

具体地，虚拟现实设备201具体可以为vr眼镜、可穿戴设备等。

可以理解的是，上述第一虚拟现实游戏画面是指虚拟现实设备上实时呈现的vr游戏画面，也可以理解为虚拟现实设备上当前时刻正在展示的vr游戏画面。其中，当前时刻是指正在发生某种事情的时刻。本申请实施例中，当前时刻指正在呈现vr游戏画面的时刻。上述第一用户操作是指用户基于第一虚拟现实游戏画面执行的某种用户操作，该用户操作的实际控制对象为第一虚拟现实游戏画面，其中，实际控制对象是指通过对各种操作外设(如游戏手柄、游戏终端等)的操作而实际控制和作用的对象。上述第二虚拟现实游戏画面是指对第一虚拟现实游戏画面执行第一用户操作后，虚拟现实设备上应呈现的vr游戏画面。

边缘计算设备202用于执行如下步骤：接收第一画面获取请求，根据第一画面获取请求从本地画面集中获取上述第二虚拟现实游戏画面，并根据第二虚拟现实游戏画面确定预测操作标识集，预测操作标识集用于指示上述第一用户操作对应的至少一个下一用户操作；将第二虚拟现实游戏画面发送给上述虚拟现实设备201，并将预测操作标识集发送给云服务器203。

本申请实施例中，本地画面集是用于保存为虚拟现实设备201当前时刻正在显示的vr游戏画面，预先生成的vr游戏画面或vr游戏画面的画面素材的一个或多个本地文件夹/本地数据库。其中，本地画面集中可包含针对虚拟现实设备201当前时刻正在显示的vr游戏画面可执行的所有用户操作对应的vr游戏画面，或者vr画面素材。vr画面素材为渲染生成vr游戏画面的图像素材。

例如，针对于虚拟现实设备201上正在显示的vr游戏画面a，可执行5种操作，分别为操作1、操作2、操作3、操作4、操作5。则本地画面集中包含有对vr游戏画面a执行操作1后，虚拟现实设备201上应呈现的vr游戏画面或呈现vr游戏画面所需的vr画面素材、对vr游戏画面a执行操作2后，虚拟现实设备上应呈现的vr游戏画面或呈现vr游戏画面所需的vr画面素材、对vr游戏画面a执行操作3后，虚拟现实设备201上应呈现的vr游戏画面或呈现vr游戏画面所需的vr画面素材、对vr游戏画面a执行操作4后，虚拟现实设备201上应呈现的vr游戏画面或呈现vr游戏画面所需的vr画面素材、对vr游戏画面a执行操作5后，虚拟现实设备201上应呈现的vr游戏画面或呈现vr游戏画面所需的vr画面素材。

可选地，除了包含针对虚拟现实设备201当前时刻正在显示的vr游戏画面可执行的所有用户操作对应的vr游戏画面或vr画面素材之前，本地游戏画面集还可以包含vr游戏画面与用户操作之间的对应关系、本地游戏画面集中保存的vr游戏画面与虚拟现实设备当前时刻正在显示的vr游戏画面之间的关联关系等用于起标识作用或建立各种关联关系的各种内容。

在第一种可能的场景中，第二虚拟现实游戏画面是已经经过云服务器203渲染后保存在本地画面集中的。在这种情况下，本地画面集中保存的是虚拟现实设备203当前时刻正在显示的vr游戏画面可执行的所有用户操作对应的vr游戏画面，边缘计算设备202可根据第一画面获取请求直接从本地画面集中获取第二虚拟现实游戏画面。通过这种方式，边缘计算设备是直接获取vr游戏画面，可以节省渲染生成vr游戏画面的时间，从而可以减小时延。

具体地，第一画面获取请求可携带第一画面标识和第一操作标识，第一画面标识和第一操作标识分别为第一游戏画面的画面标识和第一用户操作的操作标识，分别用于唯一指示第一游戏画面和第一用户操作；边缘计算设备202可从本地画面集中获取与该第一游戏画面的画面标识和第一用户操作的操作标识相对应的vr游戏画面作为第二虚拟现实游戏画面。

可选地，第一画面获取请求中也可以携带其他与第一游戏画面和第一用户操作有关的内容，从而边缘计算设备202可以根据该其他内容从本地画面集中获取第二虚拟现实游戏画面，本申请不做限制。

在第二种可能的场景中，云服务器203负责为边缘计算设备202提供渲染生成第二虚拟现实游戏画面的vr画面素材，边缘计算设备202根据虚拟现实设备201的请求渲染生成第二虚拟现实游戏画面。在这种情况下，第一画面获取请求可携带第一画面标识和第一操作标识；可根据第一画面标识和第二操作标识确定第二画面标识，其中，第二画面标识为第二虚拟现实游戏画面的画面标识；根据第二画面标识从本地画面集中获取第二虚拟现实游戏画面对应的多张画面素材；基于第二虚拟现实游戏画面对应的多张画面素材生成三维画面，以得到第二虚拟现实游戏画面。通过这种方式，由边缘计算设备根据虚拟现实设备的请求渲染生成vr游戏画面，云服务器只需预先将生成vr游戏画面的画面素材发送给边缘计算设备，在满足实时渲染生成vr游戏的需求的前提之下，可省去云服务器预先生成大量vr游戏画面的操作，一定程度上可以节省云服务器的计算资源。

本申请实施例中，用户操作对应的至少一个下一用户操作是指基于第二虚拟现实游戏画面执行的操作，也就是说，该下一用户操作的实际控制对象为第二虚拟现实游戏画面。一般来说，用户操作对应的至少一个下一用户操作指的是在基于第二虚拟现实画面可执行的所有用户操作。

具体实现中，边缘计算设备202可以预先建立各个vr游戏画面与用户操作之间的关联关系，然后根据vr游戏画面与用户操作之间的关联关系确定预测操作标识集。

举例来进行说明，参见图3，图3示出了vr游戏画面与用户操作之间的关联关系。由图3可知，若用户操作为用户操作a，则可以确定用户操作a的下一用户操作为用户操作a1，用户操作a2，用户操作a3。预测操作标识集即为指示用户操作a1，用户操作a2，用户操作a3的操作标识的集合。

虚拟现实设备201还用于执行如下步骤：接收第二虚拟现实游戏画面响应，于第一用户操作，在虚拟现实设备201上运行第二虚拟现实游戏画面。

具体地，虚拟现实设备201显示第二虚拟现实游戏画面。由于vr设备不用自己渲染生成vr游戏画面，性能较低的vr设备也可以满足用户使用vr游戏的需求，可以降低用户在家庭中使用vr游戏的成本；由于是通过边缘计算设备与vr设备之间通信，可以降低网络时延，从而可以保障vr游戏的正常运行

云服务器203用于执行如下步骤：根据预测操作标识集生成第三虚拟现实游戏画面，第三虚拟现实游戏画面为上述预测操作标识集指示的用户操作对应的虚拟现实游戏画面；将第三虚拟现实游戏画面发送给边缘计算设备202。

可以理解的是，第三虚拟现实游戏画面是指对第二虚拟现实游戏画面执行预测操作指示集指示的用户操作后，虚拟现实设备上应呈现的vr游戏画面。其中，对应于上述第一种可能的场景，云服务器203根据预测操作标识集生成第三虚拟现实游戏画面可以是指云服务器203根据预测操作标识集，直接渲染生成预测操作标识集指示的各个用户操作各自对应的虚拟现实游戏画面。或者，对应于上述第二种可能的场景，云服务器203根据预测操作标识集生成第三虚拟现实游戏画面可以是指云服务器203根据预测操作标识集，生成预测操作标识集指示的各个用户操作各自对应的虚拟现实游戏画面的画面素材。

可以看出，在边缘计算设备接收到获取虚拟现实游戏画面的请求之前，云服务器203已经针对用户可能在虚拟现实设备上执行的用户操作生成了对应的虚拟现实游戏画面或画面素材，使得边缘计算设备可以直接从本地获取虚拟现实游戏画面或虚拟现实游戏画面的画面素材，可以缩短从vr设备获取到用户操作至vr设备显示用户操作对应的vr游戏画面之间的时间。

需要说明的是，前述云服务器203或边缘计算设备202渲染生成虚拟现实游戏画面由预置的渲染程序实现，可采用现有任一生成虚拟现实游戏画面的方法，本申请不做限制。

边缘计算设备202还用于执行如下步骤：接收第三虚拟现实游戏画面，将上述第三虚拟现实游戏画面保存至上述本地画面集中。

上述可知，在上述系统中，边缘计算设备在接收到虚拟现实设备基于用户操作发送的获取虚拟现实游戏画面的第一画面获取请求后，根据第一画面获取请求从本地画面集中获取第二虚拟现实游戏画面，然后将第二虚拟现实游戏画面发送给虚拟现实设备，虚拟现实设备运行第二虚拟现实游戏画面，实现了显示与用户操作相对应的虚拟现实游戏画面的功能；并且，边缘计算设备在接收到第一画面获取请求后，还根据第一画面获取请求确定用于指示第一用户操作的下一用户操作的预测操作标识集，将预测操作标识集发送给云服务器，云服务器根据预测操作标识集生成第三虚拟现实游戏画面，将第三虚拟现实游戏画面发送给边缘计算设备，边缘计算设备将接收到第三虚拟现实游戏画面保存在本地画面集中，实现对虚拟现实游戏画面的预先生成与存储。一方面，由于虚拟现实设备只需要对虚拟现实游戏画面进行显示而不需要渲染生成虚拟现实游戏画面，因而对虚拟现实设备的性能要求降低，从而可以降低在家庭中使用vr游戏的成本；另一方面，由于是由云服务器预先生成游戏画面且由边缘计算设备保存游戏画面，边缘计算设备与vr设备之间的交互以及游戏画面的预先生成均可以降低游戏画面的渲染生成时延，两种时延的降低可以使得从vr设备获取到用户操作至vr设备显示用户操作对应的vr游戏画面之间的时间缩短，从而可以避免给用户造成一种游戏卡顿的用户体验，保障用户使用vr游戏时的用户体验

在一些可能的实施例中，上述基于云计算技术的虚拟现实游戏系统还可以通过vr设备采集用户的脑波信息，基于脑波信息分析用户情绪，并基于用户情绪对vr游戏的游戏画面的画质参数进行调整。

虚拟现实设备201还用于执行如下步骤：采集针对第一虚拟现实游戏画面的脑波反馈信息；将脑波反馈信息发送给边缘计算设备202。

这里，脑波反馈信息为虚拟现实设备201采集到的用于反馈用户针对虚拟现实设备201上当前显示的虚拟现实游戏画面的情绪的脑电波信号。由于用户对虚拟现实游戏画面的帧率、画质等的感受不同，用户会产生眩晕、愉悦、愤怒、忧伤等各种表达用户当前心理状态的情绪，这些情绪会影响用户对虚拟现实游戏的用户体验。考虑到虚拟现实设备一般是头戴式设备，且用户情绪在脑电波中会有所呈现，不同的情绪对应的脑电波信号不同，本申请通过采集用户的脑电波信号来确定用户的情绪，以此为缓解用户的某些不良用户情绪打下基础。具体实现中，虚拟现实设备201可以通过脑电波传感器、信号放大电路、滤波电路等电路组合采集用户的脑电波信号。

边缘计算设备202还用于执行如下步骤：基于脑波反馈信息分析第一虚拟现实游戏画面对应的用户情绪，以得到用户情绪指示信息。

本申请实施例中，边缘计算设备202可以通过对脑波反馈信息进行特征提取，如共空间模式(commonspatialpattern，csp)、小波变换、自回归(autoregressive，ar)模型、功率谱密度等一种或多种特征提取方式，提取得到用于反馈脑电特征的特征向量，即脑波反馈信息对应的特征向量，然后通过用户情绪分类模型对脑波反馈信息对应的特征向量进行分类识别，以确定用户对虚拟现实设备201上当前显示的虚拟现实游戏画面的用户情绪，即第一虚拟现实游戏画面对应的用户情绪。其中，情绪指示信息是指用于指示用户情绪的标识，具体可以为数字、字符编码等。

在一种可能的实现方式中，用户情绪分类模型可以为基于树形结构的脑波分析模型。

在一些实施方式中，脑波分析模型用于识别m种用户情绪，脑波分析模型可以包括(m-1)层，脑波分析模型的每层由不同数量的情绪识别模型组成，每个情绪识别模型用于识别两种用户情绪。其中，脑波分析模型的第i层有i个情绪识别模型，1≤i≤m，第i层的第一情绪识别模型与第(i+1)层的第二情绪识别模型和第(i+1)层的第三情绪识别模型连接，其中，第二情绪识别模型可识别的其中一种用户情绪与第一情绪识别模型可识别的其中一种用户情绪相同，第三情绪识别模型可识别的其中一种用户情绪与第一情绪识别模型可识别的另一种用户情绪相同。

上述脑波分析模型对脑波反馈信息对应的特征向量进行分类识别的具体逻辑可以如下：将第1情绪识别模型作为第1层的目标情绪识别模型，将脑波反馈信息对应的特征向量输入第1层的目标情绪识别模型中，将第1层的目标情绪识别模型的情绪识别结果确定为第1层的情绪识别结果；根据第1层的情绪识别结果，从与第1层的目标情绪识别模型连接的第2层的第二情绪识别模型和第三情绪识别模型中确定第2层的目标情绪识别模型，将脑波反馈信息对应的特征向量输入第2层的目标情绪识别模型中，将第2层的目标情绪识别模型的情绪识别结果确定为第2层的情绪识别结果；以此类推，直至得到第(m-1)层的目标情绪识别模型的情绪识别结果，将第(m-1)层的目标情绪识别模型的情绪识别结果确定为脑波分析模型的情绪识别结果；根据脑波分析模型的情绪识别结果确定第一虚拟现实游戏画面对应的用户情绪。其中，对于第i层的目标情绪识别模型，若第i层的目标情绪识别模型的情绪识别结果对应第i层的目标情绪识别模型可识别的其中一种用户情绪，则将与第i层的目标情绪识别模型连接的第(i+1)层的第二情绪识别模型确定为第(i+1)层的目标情绪识别模型；若第i层的目标情绪识别模型的情绪识别结果对应第i层的目标情绪识别模型可识别的另一种用户情绪，则将与第i层的目标情绪识别模型连接的第(i+1)层的第三情绪识别模型确定为第(i+1)层的目标情绪识别模型。

举例来对上述脑波分析模型和脑波分析模型的识别逻辑进行说明，以m＝4为例，假设用户情绪分别为用户情绪1、用户情绪2、用户情绪3以及用户情绪4。参见图4，图4为本申请实施例提供的脑波分析模型以及脑波分析模型的识别逻辑的示意图。如图4所示，图4中的每个节点均为一个情绪识别模型，分别为情绪识别模型m1～情绪识别模型m6，其中，情绪识别模型m1用于识别用户情绪1和用户情绪2，情绪识别模型m2用于识别用户情绪1和用户情绪3，情绪识别模型m3用于识别用户情绪2和用户情绪4，情绪识别模型m4用于识别用户情绪1和用户情绪4，情绪识别模型m5用于识别用户情绪2和用户情绪3，情绪识别模型m6用于识别用户情绪3和用户情绪4。当情绪识别模型m1的情绪识别结果对应用户情绪1时，则将情绪识别模型m2确定为第2层的目标情绪识别模型，当情绪识别模型m1的情绪识别结果对应用户情绪2时，则将情绪识别模型m3确定为第2层的目标情绪识别模型。同理，若情绪识别模型m2为第2层的目标情绪识别模型，当情绪识别模型m2的情绪识别结果对应用户情绪1时，将情绪识别模型m4确定为第3层的目标情绪识别模型，当情绪识别模型m2的情绪识别结果对应用户情绪3时，将情绪识别模型m5确定为第3层的目标情绪识别模型。若情绪识别模型m3为第2层的目标情绪识别模型，当情绪识别模型m3的情绪识别结果对应用户情绪2时，将情绪识别模型m5确定为第3层的目标情绪识别模型，当情绪识别模型m3的情绪识别结果对应用户情绪3时，将情绪识别模型m6确定为第3层的目标情绪识别模型。最后将第3层的目标情绪识别模型的情绪识别结果确定为脑波分析模型的情绪识别结果。

在一种可行的实施方式中，上述每个情绪识别模型均可以为基于符号函数构造的分类树，分类树的公式可以为：f(x)＝sign(wx+b)，其中，x＝(x1，x2，…，xh)为为脑波反馈信息对应的特征向量，h为脑波反馈信息对应的特征向量的向量维度，w＝(w1，w2，…，xh)为脑波反馈信息对应的特征向量在各向量维度上的权重参数，b为偏置参数。将上述公式展开得到的公式为f(x)＝sign(w1x1+w2x2+…+whxh+b)。情绪识别模型的两种情绪识别结果为1和-1，其中，1和-1分别代表情绪识别模型可识别的两种用户情绪，若计算得到的情绪识别结果为1，则说明用户情绪为情绪识别模型可识别的其中一种用户情绪，若计算得到的结果为-1，则说明用户情绪为情绪识别模型可识别的另一种用户情绪。

其中，对于各个情绪识别模型中的各维度上的权重参数和偏置参数，可以通过获取训练样本进行训练得到，对于其中一个情绪识别模型，可以获取该情绪识别模型可识别的两种用户情绪(以两种用户情绪为用户情绪s1和用户情绪s2为例)各自对应的脑电波样本，其中，对用户情绪s1和用户情绪s2各自对应的脑电波样本分别进行特征提取，得到用户情绪s1和用户情绪s2各自对应的特征向量样本，其中，脑脑电波样本和特征向量样本的数量均为多个，然后将用户情绪s1对应的一个特征向量样本作为上述公式的自变量，即作为x＝(x1，x2，…，xh)，将1作为上述公式的因变量，即作为f(x)(即y)，得到用户情绪s1对应的一个训练样本，将每个特征向量样本均按此方式进行处理，则得到用户情绪s1对应的多个训练样本。并将用户情绪s2对应的一个特征向量样本作为上述公式的自变量，即作为x＝(x1，x2，…，xh)，将-1作为上述公式的因变量，即作为f(x)(即y)，得到用户情绪s2对应的一个训练样本，将每个特征向量样本均按此方式进行处理，则得到用户情绪s2对应的多个训练样本。然后将用户情绪s1和用户情绪s2各自对应的训练样本映射到高维空间，再在多维空间中找到可以将两种类型的元素(指y不同的两种元素)完全区分开的超平面，将超平面对应的参数值确定为各维度上的权重参数和偏置参数。

上述可以看出，边缘计算设备通过用户情绪分类模型中的多层的树形结构对用户情绪进行识别，识别的逻辑简单，相较于将每个用户情绪识别模型都运行一遍从而确定情绪识别结果，树形环状结构只需要运行部分用户情绪模型就可以得到情绪识别结果，在要识别的用户情绪种类较多的情况下，可以提高运算的效率。

在另一些可能的实现方式中，用户情绪分类模型也可以为基于其他结构或识别逻辑的用于对脑波反馈信息对应的特征向量进行分类，以识别用户情绪的模型。具体地，用户情绪分类模型可以为基于全链接的分类模型，例如可以为多层感知机(multilayerperceptron，mlp)分类模型；又或者，用户情绪分类模型可以为基于卷积神级网络的分类模型，例如为vgg等；又或者，用户情绪分类模型基于邻近算法的分类模型，例如可以为k邻近(k-nearestneighbor，knn)分类模型等。不限于这里的举例。

本申请实施例中，边缘计算设备202对脑波反馈信息进行特征提取，得到用于反馈脑电特征的特征向量，可以有多种实现方式。

在一种可能的实现方式中，边缘计算设备202可以根据脑波反馈信息分别确定第一特征向量、第二特征向量以及第三特征向量，其中，第一特征向量用于表征脑波反馈信息的能量分布，第二特征向量用于表征脑波反馈信息的复杂性，第三特征向量用于表征脑波反馈信息的分形特征；根据第一特征向量、第二特征向量以及第三特征向量，得到脑波反馈信息对应的特征向量。在一种具体实现方式中，边缘计算设备202可以将第一特征向量、第二特征向量以及第三特征向量进行拼接，得到脑波反馈信息对应的特征向量。可以理解的是，脑波反馈信息对应的特征向量的向量维度等于第一特征向量、第二特征向量以及第三特征向量的向量维度之和。

其中，在确定第一特征向量、第二特征向量以及第三特征向量的过程中，边缘计算设备202可以用于执行如下步骤：通过离散傅里叶变换计算脑波反馈信息的能量特征，得到第一特征向量；计算脑波反馈信息的样本熵，得到第二特征向量；通过higuchi算法计算脑波反馈信息的分形特征，得到第三特征向量。

或者，也可以执行如下步骤：对脑波反馈信息进行小波变换与重构，得到小波分解系数和脑波信号的四种节律波(指δ波、θ波、α波、β波)，根据小波分解系数，计算小波能量和小波熵，将小波能量和小波熵确定为第一特征向量；计算四种节律波的近似熵，将四种节律波的近似熵确定为第二特征向量；计算四种节律波的赫斯特(hurst)指数，将四种节律波的hurst指数确定为第三特征向量。

或者，还可以执行如下步骤：对脑波反馈信息进行小波变换与重构，得到小波分解系数和脑波信号的四种节律波；通过离散傅里叶变换计算脑波反馈信息的能量特征，并根据小波分解系数，计算小波能量和小波熵，将脑波反馈信息的能量特征以及小波能量和小波熵确定为第一特征向量；计算脑波反馈信息的样本熵，并计算四种节律波的近似熵，将样本熵和近似熵确定为第二特征向量；通过higuchi算法计算脑波反馈信息的分形特征，并计算四种节律波的赫斯特指数，将脑波反馈信息的分形特征和上述赫斯特指数确定为第三特征向量。

本申请实施例的第一特征向量、第二特征向量以及第三特征向量不限于上述实施方式所列，通过从多个维度提取脑波反馈信息的特征，结合多个维度联合确定用户情绪，可以提高用户情绪识别的精准度。应理解的是，在特征提取过程中考虑到的特征因素和使用的特征提取方式越多，提取到的特征向量的向量维度越多，识别能够更精准。

可选地，边缘计算设备202在确定特征向量的过程中，也可以用于执行以下步骤：对第一特征向量、第二特征向量以及第三特征向量进行融合，得到脑波反馈信息对应的特征向量。其中，边缘计算设备202可以通过主成分(principlecomponentanalysis，pca)算法、奇异值分解(singularvaluedecomposition，svd)算法等分析第一特征向量、第二特征向量以及第三特征向量之间的关联关系，通过降维的方式对第一特征向量、第二特征向量以及第三特征向量进行特征融合，将融合得到的特征向量作为脑波反馈信息对应的特征向量。可以理解的是，融合得到的特征向量的向量维度小于第一特征向量、第二特征向量以及第三特征向量的向量维度之和。通过对第一特征向量、第二特征向量以及第三特征向量进行特征融合，可以提取到最能反馈脑电特征的特征向量，并减少脑波反馈信息对应的特征向量的向量维度，在保证识别精准度的前提下，向量维度的减少可以降低后续情绪识别计算的复杂度，从而提高情绪识别的效率。

边缘计算设备202还用于执行如下步骤：将用户情绪指示信息添加进预测操作标识集。

云服务器203还用于执行如下步骤：在根据预测操作标识集生成第三虚拟现实游戏画面时，调整第三虚拟现实游戏画面的画质参数，使得调整得到的第三虚拟现实游戏画面匹配于上述用户情绪。

具体地，第三虚拟现实游戏画面的画质参数可以是指第三虚拟现实游戏画面的分辨率、亮度、色彩饱和度等参数。例如，云服务器根据用户情绪指示信息确定用户情绪为忧伤，则将第三虚拟现实游戏画面的色彩饱和度调高，以缓解用户的忧伤情绪。又或者，云服务器根据用户情绪指示信息确定用户情绪为生气，则调高第三虚拟现实游戏画面的分辨率。关于调整画质参数与用户情绪之间的匹配关系，可根据虚拟现实游戏的实际应用情况设置，本申请不做限制。

上述可知，在该系统中，通过根据针对vr游戏画面的脑波反馈信息分析用户对vr设备上运行的vr游戏画面的用户情绪，并将指示用户情绪的指示信息携带在指示云服务器生成vr游戏画面的预测操作标识集中，使得云服务在生成vr游戏画面时能够调整vr游戏画面的画质参数，使其匹配于用户情绪，从而在后续的vr游戏进程中，画质参数能够符合于用户情绪，改善用户使用vr游戏的用户体验。

可选地，边缘计算设备202在将第二虚拟现实游戏画面发送给虚拟现实设备201之前，也可以根据用户情绪调整第二虚拟现实画面的画质参数，以使得第二虚拟现实画面的画质参数匹配于用户情绪，从而提高用户使用vr游戏的用户体验。

在一些可能的实施例中，还可以通过vr设备采集用户的脑波信息，基于脑波信息分析用户情绪，并基于用户情绪对vr游戏的游戏画面的运行参数进行调整。

虚拟现实设备201还用于执行如下步骤：采集针对第一虚拟现实游戏画面的脑波反馈信息以及用户视角信息；将脑波反馈信息以及上述用户视角信息发送给边缘计算设备202。

有关于脑波反馈信息的描述，可参考前述描述，此处不再赘述。

用户视角信息是指虚拟现实设备201采集到的反映用户当前视角的信息，其对应于用户在观看第一虚拟现实游戏画面时眼睛聚焦的画面内容。具体实现中，虚拟现实设备201可以通过运动追踪感应(如陀螺仪、速度传感器)等采集用户视角信息。

边缘计算设备202还用于执行如下步骤：接收脑波反馈信息和用户视角信息；基于脑波反馈信息分析上述第一虚拟现实游戏画面对应的用户情绪；根据用户情绪和上述用户视角信息生成参数调整指令；将参数调整指令发送给上述虚拟现实设备。

其中，有关于边缘计算设备分析确定用户情绪的具体实现方式，可参考前述描述。边缘计算设备202根据用户情绪和用户视角信息生成参数调整指令具体是指根据用户情绪得到用户对于虚拟现实设备201上显示的虚拟现实游戏画面在当前视角上的反馈，以此确定用户对当前视角下的虚拟现实游戏画面的舒适度反馈，确定与该舒适度反馈相匹配的虚拟现实游戏画面的运行参数，生成该运行参数对应的参数调整指令，从而使得该参数调整指令对应的运行参数能够适应于该舒适度反馈。其中，虚拟现实游戏画面的运行参数可以是指虚拟现实游戏画面的显示角度信息、帧率等。例如，用户情绪为眩晕，则可以生成用于指示调高帧率的参数调整指令。有关于用户情绪、用户视角信息与参数调整之间的关联关系，可根据虚拟现实游戏的实际情况设置，本申请不做限制。

虚拟现实设备201还用于执行如下步骤：接收参数调整指令；根据参数调整指令调整虚拟现实设备201上运行的虚拟现实游戏画面的运行参数。

上述可知，在上述系统中，通过根据针对vr游戏画面的脑波反馈信息分析用户对vr设备上运行的vr游戏画面的用户情绪，并根据用户情绪和用户视角指示虚拟现实设备调整vr游戏画面的运行参数，从而使得vr游戏画面能够适应于用户的情绪和视角信息，从而能够给用户带来更好的用户体验。

上述介绍了本申请的系统，为了更好地实施本申请的方法，接下来介绍本申请系统中的各个装置。

参见图5，图5为本申请实施例提供的一种虚拟现实设备的结构示意图，虚拟现实设备50包括处理器501、存储器502、通信接口503以及传感器504。处理器501、存储器502、通信接口503以及传感器504可以通过总线连接。

处理器501被配置为支持该设备实现上述虚拟现实设备201实现的功能，该处理器601可以是中央处理器(centralprocessingunit，cpu)，网络处理器(networkprocessor，np)，硬件芯片或者其任意组合。上述硬件芯片可以是专用集成电路(applicationspecificintegratedcircuit，asic)，可编程逻辑器件(programmablelogicdevice，pld)或其组合。上述pld可以是复杂可编程逻辑器件(complexprogrammablelogicdevice，cpld)，现场可编程逻辑门阵列(field-programmablegatearray，fpga)，通用阵列逻辑(genericarraylogic，gal)或其任意组合。

存储器502用于存储程序代码等。存储器502可以包括易失性存储器(volatilememory，vm)，例如随机存取存储器(randomaccessmemory，ram)；存储器502也可以包括非易失性存储器(non-volatilememory，nvm)，例如只读存储器(read-onlymemory，rom)，快闪存储器(flashmemory)，硬盘(harddiskdrive，hdd)或固态硬盘(solid-statedrive，ssd)；存储器502还可以包括上述种类的存储器的组合。

通信接口503用于与处理器501配合完成与通信相关的功能，如发送数据、接收数据等。

传感器504用于与处理器配合完成数据采集相关功能，如采集脑波反馈信息、视角信息等等。具体地，传感器可以为陀螺仪、速度传感器、脑电波传感器等。

参见图6，图6为本申请实施例提供的一种边缘计算设备的结构示意图，边缘计算设备60包括处理器601、存储器602以及通信接口603。处理器601、存储器602以及通信接口603可以通过总线连接。

处理器601被配置为支持该设备实现上述边缘计算设备202实现的功能，该处理器601可以是中央处理器(centralprocessingunit，cpu)，网络处理器(networkprocessor，np)，硬件芯片或者其任意组合。上述硬件芯片可以是专用集成电路(applicationspecificintegratedcircuit，asic)，可编程逻辑器件(programmablelogicdevice，pld)或其组合。上述pld可以是复杂可编程逻辑器件(complexprogrammablelogicdevice，cpld)，现场可编程逻辑门阵列(field-programmablegatearray，fpga)，通用阵列逻辑(genericarraylogic，gal)或其任意组合。

存储器602用于存储程序代码等。存储器602可以包括易失性存储器(volatilememory，vm)，例如随机存取存储器(randomaccessmemory，ram)；存储器602也可以包括非易失性存储器(non-volatilememory，nvm)，例如只读存储器(read-onlymemory，rom)，快闪存储器(flashmemory)，硬盘(harddiskdrive，hdd)或固态硬盘(solid-statedrive，ssd)；存储器602还可以包括上述种类的存储器的组合。

通信接口603用于与处理器601配合完成与通信相关的功能，如发送数据、接收数据等。

参见图7，图7为本申请实施例提供的一种云服务器的结构示意图，云服务器70包括处理器701、存储器702以及通信接口703。处理器701、存储器702以及通信接口703可以通过总线连接。

处理器701被配置为支持云服务器实现上述云服务器203实现的功能，该处理器701可以是中央处理器(centralprocessingunit，cpu)，网络处理器(networkprocessor，np)，硬件芯片或者其任意组合。上述硬件芯片可以是专用集成电路(applicationspecificintegratedcircuit，asic)，可编程逻辑器件(programmablelogicdevice，pld)或其组合。上述pld可以是复杂可编程逻辑器件(complexprogrammablelogicdevice，cpld)，现场可编程逻辑门阵列(field-programmablegatearray，fpga)，通用阵列逻辑(genericarraylogic，gal)或其任意组合。

存储器702用于存储程序代码等。存储器702可以包括易失性存储器(volatilememory，vm)，例如随机存取存储器(randomaccessmemory，ram)；存储器702也可以包括非易失性存储器(non-volatilememory，nvm)，例如只读存储器(read-onlymemory，rom)，快闪存储器(flashmemory)，硬盘(harddiskdrive，hdd)或固态硬盘(solid-statedrive，ssd)；存储器702还可以包括上述种类的存储器的组合。

通信接口703用于与处理器701配合完成与通信相关的功能，如发送数据、接收数据等。

以上所揭露的仅为本申请较佳实施例而已，当然不能以此来限定本申请之权利范围，因此依本申请权利要求所作的等同变化，仍属本申请所涵盖的范围。