一种基于电子产品的在线可视化交互系统及方法

1.本发明涉及电子产品在线交互领域，具体涉及一种基于电子产品的在线可视化交互系统及方法。


背景技术：

2.人机交互系统是伴着计算机的诞生就发展起来的。在现代和未来的社会里，只要有人利用通信、计算机等信息处理技术，为社会、经济、环境和资源进行活动时，人机交互都是永恒的主题。鉴于它对科技发展的重要性，研究如何实现自然、便利和无所不在的人机交互，成是现代信息技术，人工智能技术研究的至高目标，也是数学、信息科学、智能科学、神经科学，以及生理、心理科学多科学交叉的新结合点，并将引导着二十一世纪前期信息和计算机研究的热门方向。
3.现有的电子产品的在线可视化交互存在交互指令和交互结果分离呈现的问题，以及不能高效、准确的处理交互数据的问题。本发明提供一种基于电子产品的在线可视化交互系统及方法，解决上述技术问题。


技术实现要素：

4.本发明所要解决的技术问题是现有技术中存在的交互指令和交互结果分离呈现，不能高效、准确的处理交互数据的技术问题。提供一种新的基于电子产品的在线可视化交互系统，该在线可视化交互系统具有良好综合呈现交互指令和交互结果融合，能够高效、精准实现系统运行的特点。
5.为解决上述技术问题，采用的技术方案如下：
6.一种基于电子产品的在线可视化交互系统，所述基于电子产品的在线可视化交互系统包括用于交互指令输入单元、交互指令处理运行单元，能够输出可视化信号的交互输出单元；
7.所述交互指令处理运行单元用于处理交互指令、根据交互指令控制调用电子产品，交互指令处理运行单元执行包括如下步骤：
8.步骤s1，接收交互指令，并解析交互指令；
9.步骤s2，根据交互指令调用控制电子产品的程序运行，得到表征电子产品运行反馈结果的程序反馈场景；
10.步骤s3，将交互指令场景与程序反馈场景融合为反馈链虚拟场景，反馈链虚拟场景能够同时表征交互指令和电子产品运行反馈结果；
11.步骤s4，控制交互输出单元输出经过虚拟融合的反馈链虚拟场景作为可视化反馈结果。
12.上述方案中，为优化，进一步地，步骤s2还包括将交互指令数据、电子产品程序指令数据进行预处理，预处理包括：
13.步骤ss1，区分交互指令数据和电子产品程序指令数据的数据变化率，将数据变化
率低于预设阈值的定义为高级数据，执行步骤ss2，其余的定义为低级数据，执行步骤ss7；
14.步骤ss2，调用第一融合数据处理单元，对高级数据进行处理；
15.步骤ss3，定义其中，k为小于等于k的正整数，k为高级数据库中独立的高级数据的个数，{x1,x2,...xk,xk}是k个数据实测值，j和ν为预设参数，ν1,ν2,...νk为实数集；
16.步骤ss4，通过yk＝μ+αtk+εk，μ＝log(2γ)，计算特征反馈系数
∝
和散度系数γ；其中，εk为预设的误差项系数，tk＝log|νk|；
17.步骤ss5，通过zk＝δνk+εk，计算出位置参数δ，其中，zk＝arctan(im(νk)/re(νk)；
18.步骤ss6，将特征反馈系数
∝
，散度系数γ，位置参数δ带入φ(ν)＝exp{jδν-γ|ν|
∝
}，计算傅里叶变换，得到概率密度函数f(x)，完成高级数据pn的拟合估计融合；
19.步骤ss7，定义作为高级数据变化值，其中，a为实时数据值，作为高级数据变化值，其中，a为实时数据值，为由历史高级数据样本预设的估计参数；
20.步骤ss7，调用第二融合数据处理单元，对低级数据进行处理；
21.步骤ss8，判断步骤ss6拟合估计的高级数据和步骤ss7拟合处理的低级数据，如高级数据变化值大于预定值阈值t
max
或低级数据变化值大于预定值阈值t
max
，则完成预处理，输出预处理结果；否则循环执行步骤ss1。
22.本优选方案，通过对数据的效率优先考虑处理，提高了系统处理的实时性，并对数据进行融合估计，兼顾了系统的精准度。
23.进一步地，所述步骤ss7包括：
24.步骤a，对同一低级数据值进行交错采集，定义为第一时间特征样本集和第二时间特征样本集；
25.步骤b，计算第一时间特征样本集和第二时间特征样本集的高斯卷积变换函数，计算二位二进制维度的高斯特征δ＝{00,01,10,11}；计算三位二进制维度的高斯卷积特征
26.步骤c，对步骤b中高斯特征进行归一化，处理得到一致性区间函数
27.其中，y是m个第一时间特征向量或第二时间特征向量组成的时间特征矩阵，μ为时间特征矩阵的均值，δ为时间特征矩阵的方差；
28.步骤d，计算出d1＝[d11,d21,...dc1]为第一时间特征样本集内两个特征样本的最短距离集合，将di1按照降序进行排列，计算出距离均值最短距离集合，将di1按照降序进行排列，计算出距离均值其中i1＝1,2,3,...c，dic为最短距离；
[0029]
步骤e，计算出d2＝[d12,d22,...dc2]为第二时间特征样本集内两个特征样本的最短距离集合，将di2按照降序进行排列，计算出距离均值最短距离集合，将di2按照降序进行排列，计算出距离均值其
中i2＝1,2,3,...c，dic为最短距离；
[0030]
步骤f，计算出距离权值定义样本统一权值为w＝[w1，w2，...,wm]，权值均值为
[0031]
步骤g，计算出低级数据的融合处理函数
[0032]
本优选方案进一步提供了一种特有的低速数据估计融合方法，能够兼顾效率和准确度。
[0033]
进一步地，所述步骤s3包括：
[0034]
步骤s31，以电子产品虚拟形象为几点，异位定义交互指令场景区域与程序反馈场景区域；
[0035]
步骤s32，识别交互指令场景区域与程序反馈场景区域中的实时变化对象定义为目标空间场景模型，当前反馈链虚拟场景为源空间场景模型；
[0036]
步骤s33，自源空间场景模型提取背景区域获取背景区域的轮廓核心点信息，包括核心点的特征纯度值以及核心点二维平面坐标值；
[0037]
步骤s34，构建源空间场景数据，判断当前像素点是否属于背景区域如当前像素点属于背景区域则执行步骤s35，否则执行s36；
[0038]
步骤s35，获取当前像素点的实际rgb分量值，如实际rgb分量值小于预设的rgb分量阈值，则将该实际rgb分量值定义为rgb分量小值，将rgb分量阈值设定为rgb分量值；否则将实际实际rgb分量值设定为rgb分量值；
[0039]
步骤s36，将当前像素点rgb分类值均设置为0；
[0040]
步骤s37，根据源空间场景数据，以及背景区域的轮廓核心点信息，将rgb分量值均大于预定义阈值的像素点定义背景像素点，根据背景特征纯度重构模型重构源空间场景背景区域；
[0041]
步骤s38，建立背景特征纯度重构模型：
[0042][0043][0044][0045]d′
p
为目标空间场景待融合区域中与背景区域中像素点位置相同的像素点的特征纯度值，像素点p与像素点q互为领域像素点，g
p
和gq分别表示目标空间场景待融合区域中像素点p及其邻域点q的灰度值，σg为基于高斯函数的标准差，t为常数系数，为像素点p的4邻通域，d
′q(t-1)为背景区域中像素点p的邻域点像素点q已知的特征纯度值；
[0046]
步骤s39，将源空间场景模型的背景区域基于轮廓核心点进行ab分块，计算特征纯度值范围为d
ab
＝{d|d
min
≤d≤d
max
}，最小特征纯度值d
min
＝min(da,db)，最大特征纯度值dmax
＝max(da,db)；若背景区域中像素点p对应的目标空间场景特征纯度值在d
ab
之外，则执行步骤s40，否则执行步骤s41；
[0047]
步骤s40，判断背景区域中像素点p位置对应的目标空间场景特征纯度值，与最大特征纯度值d
max
的大小，若目标空间场景特征纯度值大于最大特征纯度值d
max
，则定义该像素点p所在位置融合结果为背景区域像素点参数，否则定义为目标空间场景区域像素点参数；
[0048]
步骤s41，如有背景区域的像素点则执行步骤s42，否则执行步骤s43；其中，qjs为背景子块数量；
[0049]
步骤s42，计算出背景子块区域的像素点p的特征纯度值为d
′
p
，返回执行步骤s39；
[0050][0051]
其中，轮廓核心点a、b组成的背景子块区域对应的二维平面区域范围为r
ab
＝{xs,ys,w,h|w＝x
e-xs，h＝y
e-ys}，二维平面区域起始横坐标为xs＝min(xa,xb)，二维平面区域起始纵坐标为ys＝min(ya,yb)，二维平面区域结束横坐标为xe＝max(xa,xb)，二维平面区域结束纵坐标为ye＝max(ya,yb)，二维平面区域最小特征纯度值对应的像素点为p
min
；
[0052]
步骤s43，建立邻域微结构模型，计算出像素点p的特征纯度值，，返回执行步骤s39；所述邻域微结构模型与背景特征纯度重构模型一致，仅变更w
pq
为：
[0053][0054]
步骤s44，根据位置融合结果，得到实时融合的反馈链虚拟场景。
[0055]
优选方案，提供了一种交互指令场景和反馈场景的融合，能够实时呈现双重效果。
[0056]
本发明还提供一种基于电子产品的在线可视化交互方法，所述方法基于前述的建立电子产品在线可视化交互系统，方法包括：
[0057]
交互指令输入单元、交互指令处理运行单元，能够输出可视化信号的交互输出单元；
[0058]
步骤一，交互指令输入单元采集交互指令，传输给交互指令处理运行单元；
[0059]
步骤二，交互指令处理运行单接收交互指令，并解析交互指令；
[0060]
步骤三，根据解析交互指令的结果，交互指令处理运行单元调用控制电子产品实现指令程序运行，并根据程序运行结果建立表征电子产品运行反馈结果的程序反馈场景；
[0061]
步骤四，交互指令处理运行单元将交互指令场景与程序反馈场景融合为反馈链虚拟场景，反馈链虚拟场景能够同时表征交互指令和电子产品运行反馈结果；
[0062]
步骤五，控制交互输出单元输出经过虚拟融合的反馈链虚拟场景作为可视化反馈结果。
[0063]
进一步地，步骤三还包括将交互指令数据、电子产品程序指令数据进行预处理，预处理包括：
[0064]
步骤ss1，区分交互指令数据和电子产品程序指令数据的数据变化率，将数据变化率低于预设阈值的定义为高级数据，执行步骤ss2，其余的定义为低级数据，执行步骤ss7；
[0065]
步骤ss2，调用第一融合数据处理单元，对高级数据进行处理；
[0066]
步骤ss3，定义其中，k为小于等于k的正整数，k为高级数据库中独立的高级数据的个数，{x1,x2,...xk,xk}是k个数据实测值，j和ν为预设参数，ν1,ν2,...νk为实数集；
[0067]
步骤ss4，通过yk＝μ+αtk+εk，μ＝log(2γ)，计算特征反馈系数
∝
和散度系数γ；其中，εk为预设的误差项系数，tk＝log|νk|；
[0068]
步骤ss5，通过zk＝δνk+εk，计算出位置参数δ，其中，zk＝arctan(im(νk)/re(νk)；
[0069]
步骤ss6，将特征反馈系数
∝
，散度系数γ，位置参数δ带入φ(ν)＝exp{jδν-γ|ν|
∝
}，计算傅里叶变换，得到概率密度函数f(x)，完成高级数据pn的拟合估计融合；
[0070]
步骤ss7，定义作为高级数据变化值，其中，a为实时数据值，作为高级数据变化值，其中，a为实时数据值，为由历史高级数据样本预设的估计参数；
[0071]
步骤ss7，调用第二融合数据处理单元，对低级数据进行处理；
[0072]
步骤ss8，判断步骤ss6拟合估计的高级数据和步骤ss7拟合处理的低级数据，如高级数据变化值大于预定值阈值t
max
或低级数据变化值大于预定值阈值t
max
，则完成预处理，输出预处理结果；否则循环执行步骤ss1。
[0073]
进一步地，所述步骤ss7包括：
[0074]
步骤a，对同一低级数据值进行交错采集，定义为第一时间特征样本集和第二时间特征样本集；
[0075]
步骤b，计算第一时间特征样本集和第二时间特征样本集的高斯卷积变换函数，计算二位二进制维度的高斯特征δ＝{00,01,10,11}；计算三位二进制维度的高斯卷积特征
[0076]
步骤c，对步骤b中高斯特征进行归一化，处理得到一致性区间函数
[0077]
其中，y是m个第一时间特征向量或第二时间特征向量组成的时间特征矩阵，μ为时间特征矩阵的均值，δ为时间特征矩阵的方差；
[0078]
步骤d，计算出d1＝[d11,d21,...dc1]为第一时间特征样本集内两个特征样本的最短距离集合，将di1按照降序进行排列，计算出距离均值最短距离集合，将di1按照降序进行排列，计算出距离均值其中i1＝1,2,3,...c，dic为最短距离；
[0079]
步骤e，计算出d2＝[d12,d22,...dc2]为第二时间特征样本集内两个特征样本的最短距离集合，将di2按照降序进行排列，计算出距离均值最短距离集合，将di2按照降序进行排列，计算出距离均值其中i2＝1,2,3,...c，dic为最短距离；
[0080]
步骤f，计算出距离权值定义样本统一权值为w＝[w1，w2，...,wm]，权值均值为
[0081]
步骤g，计算出低级数据的融合处理函数
[0082]
进一步地，所述步骤四包括：
[0083]
步骤s31，以电子产品虚拟形象为几点，异位定义交互指令场景区域与程序反馈场景区域；
[0084]
步骤s32，识别交互指令场景区域与程序反馈场景区域中的实时变化对象定义为目标空间场景模型，当前反馈链虚拟场景为源空间场景模型；
[0085]
步骤s33，自源空间场景模型提取背景区域获取背景区域的轮廓核心点信息，包括核心点的特征纯度值以及核心点二维平面坐标值；
[0086]
步骤s34，构建源空间场景数据，判断当前像素点是否属于背景区域如当前像素点属于背景区域则执行步骤s35，否则执行s36；
[0087]
步骤s35，获取当前像素点的实际rgb分量值，如实际rgb分量值小于预设的rgb分量阈值，则将该实际rgb分量值定义为rgb分量小值，将rgb分量阈值设定为rgb分量值；否则将实际实际rgb分量值设定为rgb分量值；
[0088]
步骤s36，将当前像素点rgb分类值均设置为0；
[0089]
步骤s37，根据源空间场景数据，以及背景区域的轮廓核心点信息，将rgb分量值均大于预定义阈值的像素点定义背景像素点，根据背景特征纯度重构模型重构源空间场景背景区域；
[0090]
步骤s38，建立背景特征纯度重构模型：
[0091][0092][0093][0094]d′
p
为目标空间场景待融合区域中与背景区域中像素点位置相同的像素点的特征纯度值，像素点p与像素点q互为领域像素点，g
p
和gq分别表示目标空间场景待融合区域中像素点p及其邻域点q的灰度值，σg为基于高斯函数的标准差，t为常数系数，为像素点p的4邻通域，d
′q(t-1)为背景区域中像素点p的邻域点像素点q已知的特征纯度值；
[0095]
步骤s39，将源空间场景模型的背景区域基于轮廓核心点进行ab分块，计算特征纯度值范围为d
ab
＝{d|d
min
≤d≤d
max
}，最小特征纯度值d
min
＝min(da,db)，最大特征纯度值d
max
＝max(da,db)；若背景区域中像素点p对应的目标空间场景特征纯度值在d
ab
之外，则执行步骤s40，否则执行步骤s41；
[0096]
步骤s40，判断背景区域中像素点p位置对应的目标空间场景特征纯度值，与最大特征纯度值d
max
的大小，若目标空间场景特征纯度值大于最大特征纯度值d
max
，则定义该像素点p所在位置融合结果为背景区域像素点参数，否则定义为目标空间场景区域像素点参数；
[0097]
步骤s41，如有背景区域的像素点则执行步骤s42，否则执行步骤s43；其中，qjs为背景子块数量；
[0098]
步骤s42，计算出背景子块区域的像素点p的特征纯度值为d
′
p
，返回执行步骤s39；
[0099][0100]
其中，轮廓核心点a、b组成的背景子块区域对应的二维平面区域范围为r
ab
＝{xs,ys,w,h|w＝x
e-xs，h＝y
e-ys}，二维平面区域起始横坐标为xs＝min(xa,xb)，二维平面区域起始纵坐标为ys＝min(ya,yb)，二维平面区域结束横坐标为xe＝max(xa,xb)，二维平面区域结束纵坐标为ye＝max(ya,yb)，二维平面区域最小特征纯度值对应的像素点为p
min
；
[0101]
步骤s43，建立邻域微结构模型，计算出像素点p的特征纯度值，，返回执行步骤s39；所述邻域微结构模型与背景特征纯度重构模型一致，仅变更w
pq
为：
[0102][0103]
步骤s44，根据位置融合结果，得到实时融合的反馈链虚拟场景。
附图说明
[0104]
下面结合附图和实施例对本发明进一步说明。
[0105]
图1，基于电子产品的在线可视化交互系统示意图。
[0106]
图2，交互指令处理运行单元程序示意图。
[0107]
图3，反馈链虚拟场景示意图。
具体实施方式
[0108]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不用于限定本发明。
[0109]
实施例1
[0110]
本实施例提供一种基于电子产品的在线可视化交互系统，如图1，所述基于电子产品的在线可视化交互系统包括用于交互指令输入单元、交互指令处理运行单元，能够输出可视化信号的交互输出单元；
[0111]
所述交互指令处理运行单元用于处理交互指令、根据交互指令控制调用电子产品，如图2，交互指令处理运行单元执行包括如下步骤：
[0112]
步骤s1，接收交互指令，并解析交互指令；
[0113]
步骤s2，根据交互指令调用控制电子产品的程序运行，得到表征电子产品运行反馈结果的程序反馈场景；
[0114]
步骤s3，将交互指令场景与程序反馈场景融合为反馈链虚拟场景，反馈链虚拟场景能够同时表征交互指令和电子产品运行反馈结果，如图3；
[0115]
步骤s4，控制交互输出单元输出经过虚拟融合的反馈链虚拟场景作为可视化反馈结果。
[0116]
上述方案中，为优化，进一步地，步骤s2还包括将交互指令数据、电子产品程序指令数据进行预处理，预处理包括：
[0117]
步骤ss1，区分交互指令数据和电子产品程序指令数据的数据变化率，将数据变化率低于预设阈值的定义为高级数据，执行步骤ss2，其余的定义为低级数据，执行步骤ss7；
[0118]
步骤ss2，调用第一融合数据处理单元，对高级数据进行处理；
[0119]
步骤ss3，定义其中，k为小于等于k的正整数，k为高级数据库中独立的高级数据的个数，{x1,x2,...xk,xk}是k个数据实测值，j和ν为预设参数，ν1,ν2,...νk为实数集；
[0120]
步骤ss4，通过yk＝μ+αtk+εk，μ＝log(2γ)，计算特征反馈系数
∝
和散度系数γ；其中，εk为预设的误差项系数，tk＝log|νk|；
[0121]
步骤ss5，通过zk＝δνk+εk，计算出位置参数δ，其中，zk＝arctan(im(νk)/re(νk)；
[0122]
步骤ss6，将特征反馈系数
∝
，散度系数γ，位置参数δ带入φ(ν)＝exp{jδν-γ|ν|
∝
}，计算傅里叶变换，得到概率密度函数f(x)，完成高级数据pn的拟合估计融合；
[0123]
步骤ss7，定义作为高级数据变化值，其中，a为实时数据值，作为高级数据变化值，其中，a为实时数据值，为由历史高级数据样本预设的估计参数；
[0124]
步骤ss7，调用第二融合数据处理单元，对低级数据进行处理；
[0125]
步骤ss8，判断步骤ss6拟合估计的高级数据和步骤ss7拟合处理的低级数据，如高级数据变化值大于预定值阈值t
max
或低级数据变化值大于预定值阈值t
max
，则完成预处理，输出预处理结果；否则循环执行步骤ss1。
[0126]
本优选方案，通过对数据的效率优先考虑处理，提高了系统处理的实时性，并对数据进行融合估计，兼顾了系统的精准度。
[0127]
进一步地，所述步骤ss7包括：
[0128]
步骤a，对同一低级数据值进行交错采集，定义为第一时间特征样本集和第二时间特征样本集；
[0129]
步骤b，计算第一时间特征样本集和第二时间特征样本集的高斯卷积变换函数，计算二位二进制维度的高斯特征δ＝{00,01,10,11}；计算三位二进制维度的高斯卷积特征
[0130]
步骤c，对步骤b中高斯特征进行归一化，处理得到一致性区间函数
[0131]
其中，y是m个第一时间特征向量或第二时间特征向量组成的时间特征矩阵，μ为时间特征矩阵的均值，δ为时间特征矩阵的方差；
[0132]
步骤d，计算出d1＝[d11,d21,...dc1]为第一时间特征样本集内两个特征样本的最短距离集合，将di1按照降序进行排列，计算出距离均值最短距离集合，将di1按照降序进行排列，计算出距离均值其中i1＝1,2,3,...c，dic为最短距离；
[0133]
步骤e，计算出d2＝[d12,d22,...dc2]为第二时间特征样本集内两个特征样本的最短距离集合，将di2按照降序进行排列，计算出距离均值最短距离集合，将di2按照降序进行排列，计算出距离均值其中i2＝1,2,3,...c，dic为最短距离；
[0134]
步骤f，计算出距离权值定义样本统一权值为w＝[w1，w2，...,wm]，权值均值为
[0135]
步骤g，计算出低级数据的融合处理函数
[0136]
本优选方案进一步提供了一种特有的低速数据估计融合方法，能够兼顾效率和准确度。
[0137]
进一步地，所述步骤s3包括：
[0138]
步骤s31，以电子产品虚拟形象为几点，异位定义交互指令场景区域与程序反馈场景区域；
[0139]
步骤s32，识别交互指令场景区域与程序反馈场景区域中的实时变化对象定义为目标空间场景模型，当前反馈链虚拟场景为源空间场景模型；
[0140]
步骤s33，自源空间场景模型提取背景区域获取背景区域的轮廓核心点信息，包括核心点的特征纯度值以及核心点二维平面坐标值；
[0141]
步骤s34，构建源空间场景数据，判断当前像素点是否属于背景区域如当前像素点属于背景区域则执行步骤s35，否则执行s36；
[0142]
步骤s35，获取当前像素点的实际rgb分量值，如实际rgb分量值小于预设的rgb分量阈值，则将该实际rgb分量值定义为rgb分量小值，将rgb分量阈值设定为rgb分量值；否则将实际实际rgb分量值设定为rgb分量值；
[0143]
步骤s36，将当前像素点rgb分类值均设置为0；
[0144]
步骤s37，根据源空间场景数据，以及背景区域的轮廓核心点信息，将rgb分量值均大于预定义阈值的像素点定义背景像素点，根据背景特征纯度重构模型重构源空间场景背景区域；
[0145]
步骤s38，建立背景特征纯度重构模型：
[0146][0147][0148][0149]d′
p
为目标空间场景待融合区域中与背景区域中像素点位置相同的像素点的特征纯度值，像素点p与像素点q互为领域像素点，g
p
和gq分别表示目标空间场景待融合区域中像素点p及其邻域点q的灰度值，σg为基于高斯函数的标准差，t为常数系数，为像素点p
的4邻通域，d
′q(t-1)为背景区域中像素点p的邻域点像素点q已知的特征纯度值；
[0150]
步骤s39，将源空间场景模型的背景区域基于轮廓核心点进行ab分块，计算特征纯度值范围为d
ab
＝{d|d
min
≤d≤d
max
}，最小特征纯度值d
min
＝min(da,db)，最大特征纯度值d
max
＝max(da,db)；若背景区域中像素点p对应的目标空间场景特征纯度值在d
ab
之外，则执行步骤s40，否则执行步骤s41；
[0151]
步骤s40，判断背景区域中像素点p位置对应的目标空间场景特征纯度值，与最大特征纯度值d
max
的大小，若目标空间场景特征纯度值大于最大特征纯度值d
max
，则定义该像素点p所在位置融合结果为背景区域像素点参数，否则定义为目标空间场景区域像素点参数；
[0152]
步骤s41，如有背景区域的像素点则执行步骤s42，否则执行步骤s43；其中，qjs为背景子块数量；
[0153]
步骤s42，计算出背景子块区域的像素点p的特征纯度值为d
′
p
，返回执行步骤s39；
[0154][0155]
其中，轮廓核心点a、b组成的背景子块区域对应的二维平面区域范围为r
ab
＝{xs,ys,w,h|w＝x
e-xs，h＝y
e-ys}，二维平面区域起始横坐标为xs＝min(xa,xb)，二维平面区域起始纵坐标为ys＝min(ya,yb)，二维平面区域结束横坐标为xe＝max(xa,xb)，二维平面区域结束纵坐标为ye＝max(ya,yb)，二维平面区域最小特征纯度值对应的像素点为p
min
；
[0156]
步骤s43，建立邻域微结构模型，计算出像素点p的特征纯度值，，返回执行步骤s39；所述邻域微结构模型与背景特征纯度重构模型一致，仅变更w
pq
为：
[0157][0158]
步骤s44，根据位置融合结果，得到实时融合的反馈链虚拟场景。
[0159]
优选方案，提供了一种交互指令场景和反馈场景的融合，能够实时呈现双重效果。
[0160]
本发明还提供一种基于电子产品的在线可视化交互方法，所述方法基于前述的建立电子产品在线可视化交互系统，方法包括：
[0161]
交互指令输入单元、交互指令处理运行单元，能够输出可视化信号的交互输出单元；
[0162]
步骤一，交互指令输入单元采集交互指令，传输给交互指令处理运行单元；
[0163]
步骤二，交互指令处理运行单接收交互指令，并解析交互指令；
[0164]
步骤三，根据解析交互指令的结果，交互指令处理运行单元调用控制电子产品实现指令程序运行，并根据程序运行结果建立表征电子产品运行反馈结果的程序反馈场景；
[0165]
步骤四，交互指令处理运行单元将交互指令场景与程序反馈场景融合为反馈链虚拟场景，反馈链虚拟场景能够同时表征交互指令和电子产品运行反馈结果；
[0166]
步骤五，控制交互输出单元输出经过虚拟融合的反馈链虚拟场景作为可视化反馈结果。
[0167]
进一步地，步骤三还包括将交互指令数据、电子产品程序指令数据进行预处理，预处理包括：
[0168]
步骤ss1，区分交互指令数据和电子产品程序指令数据的数据变化率，将数据变化率低于预设阈值的定义为高级数据，执行步骤ss2，其余的定义为低级数据，执行步骤ss7；
[0169]
步骤ss2，调用第一融合数据处理单元，对高级数据进行处理；
[0170]
步骤ss3，定义其中，k为小于等于k的正整数，k为高级数据库中独立的高级数据的个数，{x1,x2,...xk,xk}是k个数据实测值，j和ν为预设参数，ν1,ν2,...νk为实数集；
[0171]
步骤ss4，通过yk＝μ+αtk+εk，μ＝log(2γ)，计算特征反馈系数
∝
和散度系数γ；其中，εk为预设的误差项系数，tk＝log|νk|；
[0172]
步骤ss5，通过zk＝δνk+εk，计算出位置参数δ，其中，zk＝arctan(im(νk)/re(νk)；
[0173]
步骤ss6，将特征反馈系数
∝
，散度系数γ，位置参数δ带入φ(ν)＝exp{jδν-γ|ν|
∝
}，计算傅里叶变换，得到概率密度函数f(x)，完成高级数据pn的拟合估计融合；
[0174]
步骤ss7，定义作为高级数据变化值，其中，a为实时数据值，作为高级数据变化值，其中，a为实时数据值，为由历史高级数据样本预设的估计参数；
[0175]
步骤ss7，调用第二融合数据处理单元，对低级数据进行处理；
[0176]
步骤ss8，判断步骤ss6拟合估计的高级数据和步骤ss7拟合处理的低级数据，如高级数据变化值大于预定值阈值t
max
或低级数据变化值大于预定值阈值t
max
，则完成预处理，输出预处理结果；否则循环执行步骤ss1。
[0177]
进一步地，所述步骤ss7包括：
[0178]
步骤a，对同一低级数据值进行交错采集，定义为第一时间特征样本集和第二时间特征样本集；
[0179]
步骤b，计算第一时间特征样本集和第二时间特征样本集的高斯卷积变换函数，计算二位二进制维度的高斯特征δ＝{00,01,10,11}；计算三位二进制维度的高斯卷积特征
[0180]
步骤c，对步骤b中高斯特征进行归一化，处理得到一致性区间函数
[0181]
其中，y是m个第一时间特征向量或第二时间特征向量组成的时间特征矩阵，μ为时间特征矩阵的均值，δ为时间特征矩阵的方差；
[0182]
步骤d，计算出d1＝[d11,d21,...dc1]为第一时间特征样本集内两个特征样本的最短距离集合，将di1按照降序进行排列，计算出距离均值最短距离集合，将di1按照降序进行排列，计算出距离均值其中i1＝1,2,3,...c，dic为最短距离；
[0183]
步骤e，计算出d2＝[d12,d22,...dc2]为第二时间特征样本集内两个特征样本的最短距离集合，将di2按照降序进行排列，计算出距离均值最短距离集合，将di2按照降序进行排列，计算出距离均值其中i2＝1,2,3,...c，dic为最短距离；
[0184]
步骤f，计算出距离权值定义样本统一权值为w＝[w1，w2，...,wm]，权值均值为
[0185]
步骤g，计算出低级数据的融合处理函数
[0186]
进一步地，所述步骤四包括：
[0187]
步骤s31，以电子产品虚拟形象为几点，异位定义交互指令场景区域与程序反馈场景区域；
[0188]
步骤s32，识别交互指令场景区域与程序反馈场景区域中的实时变化对象定义为目标空间场景模型，当前反馈链虚拟场景为源空间场景模型；
[0189]
步骤s33，自源空间场景模型提取背景区域获取背景区域的轮廓核心点信息，包括核心点的特征纯度值以及核心点二维平面坐标值；
[0190]
步骤s34，构建源空间场景数据，判断当前像素点是否属于背景区域如当前像素点属于背景区域则执行步骤s35，否则执行s36；
[0191]
步骤s35，获取当前像素点的实际rgb分量值，如实际rgb分量值小于预设的rgb分量阈值，则将该实际rgb分量值定义为rgb分量小值，将rgb分量阈值设定为rgb分量值；否则将实际实际rgb分量值设定为rgb分量值；
[0192]
步骤s36，将当前像素点rgb分类值均设置为0；
[0193]
步骤s37，根据源空间场景数据，以及背景区域的轮廓核心点信息，将rgb分量值均大于预定义阈值的像素点定义背景像素点，根据背景特征纯度重构模型重构源空间场景背景区域；
[0194]
步骤s38，建立背景特征纯度重构模型：
[0195][0196][0197][0198]d′
p
为目标空间场景待融合区域中与背景区域中像素点位置相同的像素点的特征纯度值，像素点p与像素点q互为领域像素点，g
p
和gq分别表示目标空间场景待融合区域中像素点p及其邻域点q的灰度值，σg为基于高斯函数的标准差，t为常数系数，为像素点p的4邻通域，d
′q(t-1)为背景区域中像素点p的邻域点像素点q已知的特征纯度值；
[0199]
步骤s39，将源空间场景模型的背景区域基于轮廓核心点进行ab分块，计算特征纯度值范围为d
ab
＝{d|d
min
≤d≤d
max
}，最小特征纯度值d
min
＝min(da,db)，最大特征纯度值d
max
＝max(da,db)；若背景区域中像素点p对应的目标空间场景特征纯度值在d
ab
之外，则执行步骤s40，否则执行步骤s41；
[0200]
步骤s40，判断背景区域中像素点p位置对应的目标空间场景特征纯度值，与最
大特征纯度值d
max
的大小，若目标空间场景特征纯度值大于最大特征纯度值d
max
，则定义该像素点p所在位置融合结果为背景区域像素点参数，否则定义为目标空间场景区域像素点参数；
[0201]
步骤s41，如有背景区域的像素点则执行步骤s42，否则执行步骤s43；其中，qjs为背景子块数量；
[0202]
步骤s42，计算出背景子块区域的像素点p的特征纯度值为d
′
p
，返回执行步骤s39；
[0203][0204]
其中，轮廓核心点a、b组成的背景子块区域对应的二维平面区域范围为r
ab
＝{xs,ys,w,h|w＝x
e-xs，h＝y
e-ys}，二维平面区域起始横坐标为xs＝min(xa,xb)，二维平面区域起始纵坐标为ys＝min(ya,yb)，二维平面区域结束横坐标为xe＝max(xa,xb)，二维平面区域结束纵坐标为ye＝max(ya,yb)，二维平面区域最小特征纯度值对应的像素点为p
min
；
[0205]
步骤s43，建立邻域微结构模型，计算出像素点p的特征纯度值，，返回执行步骤s39；所述邻域微结构模型与背景特征纯度重构模型一致，仅变更w
pq
为：
[0206][0207]
步骤s44，根据位置融合结果，得到实时融合的反馈链虚拟场景。
[0208]
本实施例未说明的部分，可采用现有的技术予以实现，本实施例不再赘述。
[0209]
尽管上面对本发明说明性的具体实施方式进行了描述，以便于本技术领域的技术人员能够理解本发明，但是本发明不仅限于具体实施方式的范围，对本技术领域的普通技术人员而言，只要各种变化只要在所附的权利要求限定和确定的本发明精神和范围内，一切利用本发明构思的发明创造均在保护之列。