桌面投影全息技术的制作方法

本发明涉及桌面投影全息技术。

背景技术：

沙盘演练在军事、商业、会议、学习等场合十分常见，常有用图纸、模型两种形式，但是图纸和模型的形态灵活性不强如果将整个桌面作为触摸屏，要求专用的桌面等硬件设备，无法在普通桌子上使用如果仅仅将现有投于墙面的投影互动白板躺着放，在人多的情况下，容易互相遮挡，形成一些区域的盲区。

技术实现要素：

为克服现有技术所存在的缺陷，本发明提供桌面投影全息技术，能够解决上述技术问题。

本发明通过以下技术方案来实现上述目的：

桌面投影全息技术，按照下述步骤依次进行：

步骤一：桌面四个角落放置四个红外摄像头和投影仪，用投影仪通过接收手机信号在桌面上成像，并将红外摄像头上的通讯模块与云端主机连接；

步骤二：红外线触摸框上的垂直两边的led红外线发射灯组发射有序的红外线，在红外线触摸框内交织成一面密集的红外线网，形成一个红外线触摸区，首先摄像头进行人脸识别启动，投影仪作为输出设备，两个普通摄像头(加装红外滤光片)为视频采集输入设备，通过红外led照亮触摸区域，通过视觉检测算法提取出手指指尖的图像坐标，进而通过两幅图像和双目视觉测距原理计算出指尖的三维坐标，并判断其是否接触到了触摸桌面，触控操作当于指触摸屏幕的某一点时，便阻挡了横竖方向上的红外线，激光发射器出射的光照射到对投影屏幕进行操作的人手指上，手指挡住部分入射光，所形成的图像光信号进入红外摄像头；

步骤三：对步骤二中的图像信号进行预处理，通过三维扫描仪构建对象的三维模型，设定初始边界条件，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中总进程数相等的子模型数目，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，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，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；每完成一定时间的计算，进行一次输出文件的读写操作；

步骤四：选用小波变换阈值法对步骤三预处理的过程中电路中的电磁干扰(即高频噪声)进行去噪；

步骤五：采用小波包分解、差分算法分别从四个区域压力的三方向(左右、前后、垂直)提取频域时域特征，用svm进行识别；

步骤六：通过检测到的光亮度及亮度均匀性结合模糊c均值法从步骤五提取的步态频域特征的多个小波包中挑选最小最优小波包集合，再用模糊c均值法基于模糊隶属度排序从挑选出的集合中挑选最小最优小波包分解系数，得到最小最优步态频域特征子集，再与步态时域特征组合，得到融合后的步态特征集，然后采用svm进行步态识别，采用非线性映射径向基核函数将线性不可分的低维空间映射到线性可分的高维空间从而识别建模，先训练分类器，再用分类器识别并添加样本；

步骤七：通过手机对步骤二到步骤七所采集并处理的触摸信号进行分析，并反应到投影的屏幕上，根据触摸信号指令实现对投影屏幕的操作；

步骤八：对于操作者不断重复步骤一到步骤七的过程，随着采样样本量的增加svm分类器能够自适应不断优化完善每次输入新的样本，根据交叉验证法原理，计算svm分类器识别率，进行适应度评估，不设定遗传算法的终止值，终止条件采用比高法，如果训练的识别率高于现有则设为最优参数，否则，执行选择、交叉和变异等操作进一步优化训练参数，实现模型的自适应完善，最后根据个人的观影习惯和动作习惯形成针对个人的个性化模型，根据个性化模型通过手机和投影仪进行基于svm分类器内部数据个性化投影，不断自完善不同人的触摸指令对投影屏幕进行控制。

在本实施例中，步骤五中的频域特征提取是指以提高频域特征对比性和分类能速度：先用线性插值算法将速度维数归一化到同一值，通过一阶差分算法搜索出归一化后速度垂直方向速度曲线上的波谷点，将波谷点作为参考点进行参照，用线性插值法将速度中的左右、前后和垂直方向曲线波形对齐，将去噪后的速度中的垂直速度曲线用一阶差分算法检测出垂直方向的波谷点，作为速度曲线的参考点，以参考点为基准，用线性插值法对速度进行波形对齐，得到对齐后的速度，再用l层小波包分解算法从速度中提取出全程的频域特征。

在本实施例中，光亮度是指垂直于光束传播方向上单位面积的发光强度，亮度均匀性是指投影画面的长和宽都三等分，整个画面分成九份，定位了均匀分别于屏幕上的九个点，亮度最大值和最小值之比。

在本实施例中，所述步骤三中的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；

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；

其他k分量为矩阵进行初等行列变换后对应的分块矩阵；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ub将代入线性系统，采用直接法得到。

在本实施例中，步骤二所述普通摄像头加装有红外滤光片。

在本实施例中，所述激光发射器安装在投影仪上。

在本实施例中，步骤三中所述三维扫描仪通过网络连接到手机。

本发明的有益效果是：

本发明设备由不同角度的投影仪、红外景深摄像头采集不同人的人眼、手势动作，通过深度学习判断每个人适合的动作预判模型，既能预判启动副投影仪减少时延的同时降低功耗，并能根据人动作速度、加速度、幅度，建立适合每个人使用的个性化画像动作操控模型，并通过学习，不断完善云端知识库中的适合个人身高、性别、体型的操控模型，为首次使用的对应画像人群预制。

附图说明

图1是本发明的流程图。

具体实施方式

下面结合附图对本发明作进一步说明：

如图1所示，桌面投影全息技术，按照下述步骤依次进行：

步骤一：桌面四个角落放置四个红外摄像头和投影仪，用投影仪通过接收手机信号在桌面上成像，并将红外摄像头上的通讯模块与云端主机连接；

步骤二：红外线触摸框上的垂直两边的led红外线发射灯组发射有序的红外线，在红外线触摸框内交织成一面密集的红外线网，形成一个红外线触摸区，首先摄像头进行人脸识别启动，投影仪作为输出设备，两个普通摄像头(加装红外滤光片)为视频采集输入设备，通过红外led照亮触摸区域，通过视觉检测算法提取出手指指尖的图像坐标，进而通过两幅图像和双目视觉测距原理计算出指尖的三维坐标，并判断其是否接触到了触摸桌面，触控操作当于指触摸屏幕的某一点时，便阻挡了横竖方向上的红外线，激光发射器出射的光照射到对投影屏幕进行操作的人手指上，手指挡住部分入射光，所形成的图像光信号进入红外摄像头；

步骤三：对步骤二中的图像信号进行预处理，通过三维扫描仪构建对象的三维模型，设定初始边界条件，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中总进程数相等的子模型数目，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，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，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；每完成一定时间的计算，进行一次输出文件的读写操作；

步骤四：选用小波变换阈值法对步骤三预处理的过程中电路中的电磁干扰(即高频噪声)进行去噪；

步骤五：采用小波包分解、差分算法分别从四个区域压力的三方向(左右、前后、垂直)提取频域时域特征，用svm进行识别；

步骤六：通过检测到的光亮度及亮度均匀性结合模糊c均值法从步骤五提取的步态频域特征的多个小波包中挑选最小最优小波包集合，再用模糊c均值法基于模糊隶属度排序从挑选出的集合中挑选最小最优小波包分解系数，得到最小最优步态频域特征子集，再与步态时域特征组合，得到融合后的步态特征集，然后采用svm进行步态识别，采用非线性映射径向基核函数将线性不可分的低维空间映射到线性可分的高维空间从而识别建模，先训练分类器，再用分类器识别并添加样本；

步骤七：通过手机对步骤二到步骤七所采集并处理的触摸信号进行分析，并反应到投影的屏幕上，根据触摸信号指令实现对投影屏幕的操作；

步骤八：对于操作者不断重复步骤一到步骤七的过程，随着采样样本量的增加svm分类器能够自适应不断优化完善每次输入新的样本，根据交叉验证法原理，计算svm分类器识别率，进行适应度评估，不设定遗传算法的终止值，终止条件采用比高法，如果训练的识别率高于现有则设为最优参数，否则，执行选择、交叉和变异等操作进一步优化训练参数，实现模型的自适应完善，最后根据个人的观影习惯和动作习惯形成针对个人的个性化模型，根据个性化模型通过手机和投影仪进行基于svm分类器内部数据个性化投影，不断自完善不同人的触摸指令对投影屏幕进行控制。

在本实施例中，步骤五中的频域特征提取是指以提高频域特征对比性和分类能速度：先用线性插值算法将速度维数归一化到同一值，通过一阶差分算法搜索出归一化后速度垂直方向速度曲线上的波谷点，将波谷点作为参考点进行参照，用线性插值法将速度中的左右、前后和垂直方向曲线波形对齐，将去噪后的速度中的垂直速度曲线用一阶差分算法检测出垂直方向的波谷点，作为速度曲线的参考点，以参考点为基准，用线性插值法对速度进行波形对齐，得到对齐后的速度，再用l层小波包分解算法从速度中提取出全程的频域特征。

在本实施例中，光亮度是指垂直于光束传播方向上单位面积的发光强度，亮度均匀性是指投影画面的长和宽都三等分，整个画面分成九份，定位了均匀分别于屏幕上的九个点，亮度最大值和最小值之比。

在本实施例中，所述步骤三中的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；

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；

其他k分量为矩阵进行初等行列变换后对应的分块矩阵；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ub将代入线性系统，采用直接法得到。

在本实施例中，步骤二所述普通摄像头加装有红外滤光片。

在本实施例中，所述激光发射器安装在投影仪上。

在本实施例中，步骤三中所述三维扫描仪通过网络连接到手机。

最后所应说明的是：以上实施例仅用以说明而非限制本发明的技术方案，尽管参照上述实施例对本发明进行了详细说明，本领域的普通技术人员应该理解：依然可以对本发明进行修改或者等同替换，而不脱离本发明的精神和范围的任何修改或局部替换，其均应涵盖在本发明的权利要求范围当中。