智能交互投影互动技术的制作方法
本发明涉及智能交互投影互动技术。
背景技术：
随着摩尔定律的发展，高端智能手机计算性能与普通台式机已基本相当，但是台式机机并没有被小巧轻便的智能手机完全取代。在办公场景下，更大屏幕和键盘发挥了为用户体验发挥了重要的作用，在智能化发展的今天如何实现人机智能交互是非常有必要的。
技术实现要素：
为克服现有技术所存在的缺陷，本发明提供智能交互投影互动技术，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：
智能交互投影互动技术，按照下述步骤依次进行：
步骤一：实用智能手机连接投影外设，通过投影外设同时投影触控键盘和屏幕到桌面上，操作者佩戴有加速度传感单元使用桌面上的投影键盘进行操作；
步骤二：根据操作者的年龄、性别、学历、职业建立一级静态特征标签库，用于表征整体人群中对应画像人群的习惯属性特征，然后根据外界环境光线分为200流明、600流明、1000流明、2000流明作为光线四个刻度，划分为5个等级并根据手指连续敲击键盘速度(间隔不超过3s视为连续)：分为20次/分钟、30次/分钟、50次/分钟、80次/分钟，划分为5个等级建立二级动态特征标签库。
步骤三：采集操作者的一级静态特征标签库并根据步骤一中操作者的操作速率采集当下二级动态标签匹配在整体人群中对应投影互动模型，进行互动光线亮度和键盘反应灵敏度等级的匹配；
步骤四：通过操作者携带的加速度传感单元所采集的加速度信息分析操作者操作过程的运动状态并采用小波包分解、差分算法分别从提取频域时域特征，用svm进行识别，其中时频可表征动作周期性、变化率和加速度等整体特征，频域可表征谱特性等细节特征；
步骤五：根据模糊c均值法从步骤四提取的动作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，得到最小最优动作频域特征子集，再与动作时域特征组合，得到融合后的动作特征集，之后采用svm进行动作识别，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。先训练分类器，再用分类器识别动作样本。假设动作数据库中已经注册了个人n类动作样本，将样本输入分类器训练，根据输入值判定是1～n中哪一类，如果超出1～n范围，则新注册类别n+1类，然后重新更新分类器；
步骤六：使用分层分级降维建模，利用所述加速度传感器的输出数据，并利用中值滤波判断人体运动类型，分层判断人体是否静止运动、运动部位、类型，分级抽样判断主要特征、全面验证重点特征的影响，进而判断翻身、推动、起床等睡眠等特征，建模时，首先通过加速度计输出合成幅值，处于给定的上下阈值之间，则判定人体静止；反之，则判定人运动，所述加速度计输出合成幅值为：
所述上下阈值分别为：thamin＝8m/s，thamax＝11m/s，第一条件为：
如果第一条件判断为静止，则不进行第二、第三条件的判断，加速度计输出的局部方差，低于给定的阈值，则判定该身体局部静止；反之，则判定该身体局部运动，所述第二条件计算公式为：
其中，thσa＝0.5，如果第二条件判断为该身体局部静止，则不进行第三条件的判断，反之，所述第三条件计算公式为：
步骤七：将根据步骤一到步骤六采集的信息建模后，然后将个体特征、使用习惯、环境特征、调整敏感度、对比度、音效计入建模信息并通过控制模块控制调节相应输出元素；
步骤八：不断重复上述采样次数，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参数，不断完善操作者个体特征信息、环境以及投影设备之间的交互投影过程。
在本实施例中，所述步骤一的操作者连续敲击键盘的速度通过红外摄像头检测手指所遮挡的红外线进行检测计算。
在本实施例中，所述步骤六中的提取特征参数的原始运动向量组(f1，f2，…，fm)，m小于9，提取矩阵为：
在本实施例中，所述智能手机和所述投影外设通过网络连接便于信息传递。
在本实施例中，操作者佩戴的所述加速度传感单元佩戴形体包含但不限于戒指、手环。
在本实施例中，所述红外摄像头安装在投影外设上。
在本实施例中，所述红外摄像头带有图像捕捉系统便于捕捉人的手指。
本发明的有益效果是：
本发明通过智能手机连接投影外设，同时投影触控键盘和屏幕，同时根据用户个体特征、使用习惯、环境特征、调整敏感度、对比度、音效等信息，根据使用感知进行有监督的方式进行传统机器学习与深度学习融合的方法，形成自适应用户使用习惯和环境特征的智能交互投影模型，在数据处理过程中，进行自适应调整及分层分级的数据处理。
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，智能交互投影互动技术，按照下述步骤依次进行：
步骤一：实用智能手机连接投影外设，通过投影外设同时投影触控键盘和屏幕到桌面上，操作者佩戴有加速度传感单元使用桌面上的投影键盘进行操作；
步骤二：根据操作者的年龄、性别、学历、职业建立一级静态特征标签库，用于表征整体人群中对应画像人群的习惯属性特征，然后根据外界环境光线分为200流明、600流明、1000流明、2000流明作为光线四个刻度，划分为5个等级并根据手指连续敲击键盘速度(间隔不超过3s视为连续)：分为20次/分钟、30次/分钟、50次/分钟、80次/分钟，划分为5个等级建立二级动态特征标签库。
步骤三：采集操作者的一级静态特征标签库并根据步骤一中操作者的操作速率采集当下二级动态标签匹配在整体人群中对应投影互动模型，进行互动光线亮度和键盘反应灵敏度等级的匹配；
步骤四：通过操作者携带的加速度传感单元所采集的加速度信息分析操作者操作过程的运动状态并采用小波包分解、差分算法分别从提取频域时域特征，用svm进行识别，其中时频可表征动作周期性、变化率和加速度等整体特征，频域可表征谱特性等细节特征；
步骤五：根据模糊c均值法从步骤四提取的动作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，得到最小最优动作频域特征子集，再与动作时域特征组合，得到融合后的动作特征集，之后采用svm进行动作识别，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。先训练分类器，再用分类器识别动作样本。假设动作数据库中已经注册了个人n类动作样本，将样本输入分类器训练，根据输入值判定是1～n中哪一类，如果超出1～n范围，则新注册类别n+1类，然后重新更新分类器；
步骤六：使用分层分级降维建模，利用所述加速度传感器的输出数据，并利用中值滤波判断人体运动类型，分层判断人体是否静止运动、运动部位、类型，分级抽样判断主要特征、全面验证重点特征的影响，进而判断翻身、推动、起床等睡眠等特征，建模时，首先通过加速度计输出合成幅值，处于给定的上下阈值之间，则判定人体静止；反之，则判定人运动，所述加速度计输出合成幅值为：
所述上下阈值分别为：thamin＝8m/s，thamax＝11m/s，第一条件为：
如果第一条件判断为静止，则不进行第二、第三条件的判断，加速度计输出的局部方差，低于给定的阈值，则判定该身体局部静止；反之，则判定该身体局部运动，所述第二条件计算公式为：
其中，thσa＝0.5，如果第二条件判断为该身体局部静止，则不进行第三条件的判断，反之，所述第三条件计算公式为：
步骤七：将根据步骤一到步骤六采集的信息建模后，然后将个体特征、使用习惯、环境特征、调整敏感度、对比度、音效计入建模信息并通过控制模块控制调节相应输出元素；
步骤八：不断重复上述采样次数，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参数，不断完善操作者个体特征信息、环境以及投影设备之间的交互投影过程。
在本实施例中，所述步骤一的操作者连续敲击键盘的速度通过红外摄像头检测手指所遮挡的红外线进行检测计算。
在本实施例中，所述步骤六中的提取特征参数的原始运动向量组(f1，f2，…，fm)，m小于9，提取矩阵为：
在本实施例中，所述智能手机和所述投影外设通过网络连接便于信息传递。
在本实施例中，操作者佩戴的所述加速度传感单元佩戴形体包含但不限于戒指、手环。
在本实施例中，所述红外摄像头安装在投影外设上。
在本实施例中，所述红外摄像头带有图像捕捉系统便于捕捉人的手指
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。
- 还没有人留言评论。精彩留言会获得点赞！