一种多功能智能头盔及其管理平台的制作方法

1.本技术涉及计算机技术领域，尤其涉及一种多功能智能头盔及其管理平台。


背景技术：

2.随着智能终端设备的飞速发展，vr技术也得到了蓬勃发展，vr技术是指利用头盔显示器将人对外界的视觉和听觉进行封闭，引导用户产生一种身在虚拟环境中的感觉。当前的vr类的设备包括：全息头盔、vr头盔和vr眼镜等。但现有的vr头盔功能单一，通常只能直接执行播放vr数据的功能，不会对用户的相关数据和实景的数据进行采集或监控。且当前也没有专门用于对vr头盔进行管理的管理平台，通过该管理平台对需要播放的数据进行分析处理，以及对用户的相关数据进行分析处理，从而提高使用安全性。


技术实现要素：

3.本技术提供一种多功能智能头盔，包括：收发装置、采集装置、选择装置、播放装置和评分装置；其中，收发装置：用于向管理平台发送使用请求；接收管理平台发送的生物采集指令，并将生物采集指令发送至采集装置，接收生物数据并发送至管理平台；接收推送数据，并将推送数据发送至选择装置，接收播放数据，并发送至管理平台；接收实景采集指令，将实景采集指令发送至采集装置，接收实景数据并发送至管理平台；接收使用数据并发送至播放装置；采集装置：用于接收并执行生物采集指令，获得生物数据，并发送至收发装置；接收并执行实景采集指令，获得实景数据，并发送至收发装置；选择装置：接收推送数据，并从推送数据中确认播放数据；播放装置：接收使用数据并播放；评分装置：用于在播放结束后，对本次的使用情况进行体验评分。
4.如上所述的多功能智能头盔，其中，采集装置包括：生物信息采集器和实景数据采集器；其中，生物信息采集器：用于接收并执行生物采集指令，获得生物数据，并发送至收发装置；实景数据采集器：用于接收并执行实景采集指令，获得实景数据，并发送至收发装置。
5.如上所述的多功能智能头盔，其中，在播放使用数据的过程中，生物信息采集器自动对用户的生物信息进行采集，获得实时生物信息，并发送至管理平台；其中，实时生物信息至少包括：实时血压和实时心率。
6.本发明还提供一种管理平台，包括：管理系统和存储系统；其中，管理系统：用于执行如下步骤：接收多功能智能头盔发送的使用请求，根据使用请求向多功能智能头盔发送生物
采集指令，接收多功能智能头盔执行生物采集指令后发送的生物数据；对生物数据进行分析，获得分析数据，根据分析数据确定推送数据，并发送至多功能智能头盔；接收多功能智能头盔发送的播放数据；向多功能智能头盔发送实景采集指令，接收实景数据，根据实景数据对与播放数据相对应的片源进行处理，获得使用数据，并将使用数据发送至多功能智能头盔；接收多功能智能头盔发送的体验评分，根据体验评分和历史数据进行喜好分析，获得新的喜好值，根据新的喜好值对用户喜好进行更新；将本次的使用数据作为历史数据存储于存储系统；存储系统：用于存储历史数据库和用户数据库；历史数据库用于存储历史数据；用户数据库用于存储用户信息。
7.如上所述的管理平台，其中，对生物数据进行分析，获得分析数据，根据分析数据确定推送数据的子步骤如下：对生物数据中的初始生物信息进行判断，获得第一判断结果，第一判断结果为正常和非正常；当第一判断结果为正常，对生物数据中的图像数据进行分析，获得分析数据；根据分析数据进行搜索，获得多个搜索数据，根据搜索数据的名称和类型生成推荐数据。
8.如上所述的管理平台，其中，当第一判断结果为正常，对生物数据中的图像数据进行分析，获得分析数据的子步骤如下：对虹膜图像进行识别，获得用户身份，其中，用户身份包括：新用户和老用户；当用户身份为老用户时，获取相应的用户年龄和用户喜好作为分析数据；当用户身份为新用户时，对面部图像进行分析，获得推荐范围，并将推荐范围作为分析数据。
9.如上所述的管理平台，其中，对面部图像进行分析，获得推荐范围的子步骤如下：将面部图像输入至预先设置的年龄识别模型，获得年龄结果；将面部图像输入至预先设置的性别识别模型，获得性别结果；根据年龄结果和性别结果生成推荐范围。
10.如上所述的管理平台，其中，接收实景数据，根据实景数据对与播放数据相对应的片源进行处理，获得使用数据的子步骤如下：接收实景数据，根据实景数据创建空间结构模型；根据预设的安全距离对空间结构模型进行标记，获得多个标记位置；根据标记位置对空间结构模型进行整体收缩，获得收缩模型；将播放数据相对应的片源与收缩模型进行贴合，获得使用数据。
11.如上所述的管理平台，其中，接收实景数据，根据实景数据创建空间结构模型的子步骤如下：接收实景数据，对实景数据中的实景图像数据进行处理，获得多个模型特征包；根据所有模型特征包进行建模，获得多个子模型；根据实景数据中的实景尺寸数据对所有子模型进行处理，获得空间结构模型。
12.本技术实现的有益效果如下：采用本发明技术方案能对需要播放的数据和用户的相关数据进行获取和分析处理，从而能在保证体验感好的同时提高使用的安全性。
附图说明
13.为了更清楚地说明本技术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技术中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
14.图1为多功能智能头盔和管理平台一种实施例的结构示意图；图2为管理系统进行管理的方法流程图。
具体实施方式
15.下面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，本领域技术人员在没有做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。
16.如图1所示，本技术提供一种多功能智能头盔，包括：收发装置、采集装置、选择装置、播放装置和评分装置。
17.其中，收发装置：用于向管理平台发送使用请求；接收管理平台发送的生物采集指令，并将生物采集指令发送至采集装置，接收生物数据并发送至管理平台；接收推送数据，并将推送数据发送至选择装置，接收播放数据，并发送至管理平台；接收实景采集指令，将实景采集指令发送至采集装置，接收实景数据并发送至管理平台；接收使用数据并发送至播放装置。
18.采集装置：用于接收并执行生物采集指令，获得生物数据，并发送至收发装置；接收并执行实景采集指令，获得实景数据，并发送至收发装置。
19.选择装置：接收推送数据，并从推送数据中确认播放数据。
20.播放装置：接收使用数据并播放。
21.评分装置：用于在播放结束后，对本次的使用情况进行体验评分。
22.进一步的，采集装置包括：生物信息采集器和实景数据采集器。
23.其中，生物信息采集器：用于接收并执行生物采集指令，获得生物数据，并发送至收发装置。
24.实景数据采集器：用于接收并执行实景采集指令，获得实景数据，并发送至收发装置。
25.进一步的，在播放使用数据的过程中，生物信息采集器自动对用户的生物信息进行采集，获得实时生物信息，并发送至管理平台。其中，实时生物信息至少包括：实时血压和实时心率。
26.如图1-图2所示，本技术提供一种管理平台，包括：管理系统和存储系统。
27.其中，管理系统包括：收发单元、预判断单元、搜索单元、创建单元和更新单元。
28.其中，收发单元：用于发送生物采集指令，接收生物数据，并将生物数据发送至预判断单元；发送推送数据，接收播放数据，并将播放数据发送至创建单元；发送实景采集指令，接收实景数据，并将实景数据发送至创建单元；接收使用数据，并将使用数据发送至多功能智能头盔。
29.预判断单元：对生物数据进行分析，获得分析数据。
30.搜索单元：根据分析数据确定推送数据，并发送至收发单元。
31.创建单元：根据实景数据对与播放数据相对应的片源进行处理，获得使用数据，并将使用数据发送至收发单元。
32.更新单元：用于根据多功能智能头盔发送的体验评分和历史数据进行喜好分析，获得新的喜好值，根据新的喜好值对用户喜好进行更新；将本次的使用数据作为历史数据发送至存储系统。
33.进一步的，管理系统：用于执行如下步骤：s210：接收多功能智能头盔发送的使用请求，根据使用请求向多功能智能头盔发送生物采集指令，接收多功能智能头盔执行生物采集指令后发送的生物数据。
34.其中，生物数据至少包括：初始生物信息和图像数据。
35.其中，初始生物信息至少包括：初始血压和初始心率。
36.具体的，初始血压为用户佩戴好多功能智能头盔后还未开始播放使用数据时采集的血压。
37.初始心率为用户佩戴好多功能智能头盔后还未开始播放使用数据时采集的心率。
38.其中，图像数据至少包括：面部图像和虹膜图像。
39.s220：对生物数据进行分析，获得分析数据，根据分析数据确定推送数据，并发送至多功能智能头盔；接收多功能智能头盔发送的播放数据。
40.进一步的，对生物数据进行分析，获得分析数据，根据分析数据确定推送数据的子步骤如下：s2201：对生物数据中的初始生物信息进行判断，获得第一判断结果，第一判断结果为正常和非正常。
41.进一步的，对生物数据中的初始生物信息进行判断，获得第一判断结果的子步骤如下：s22011：根据预设的第一血压阈值对初始血压进行判断，生成第一子判断结果；若初始血压大于第一血压阈值，则生成的第一子判断结果为非正常；若初始血压小于或等于第一血压阈值，则生成的第一子判断结果为正常。
42.具体的，预判断单元中预先设置有第一血压阈值。根据第一血压阈值对初始血压进行判断，若初始血压大于第一血压阈值，表示存在使用多功能智能头盔播放使用数据时产生血压超过健康血压，从而突发脑淤血等疾病的风险，因此，生成的第一子判断结果为非正常；若初始血压小于或等于第一血压阈值，表示不存在使用多功能智能头盔播放使用数据时产生血压超过健康血压，从而突发脑淤血等疾病的风险，因此，生成的第一子判断结果为正常。
43.s22012：根据预设的第一心率阈值对初始心率进行判断，生成第二子判断结果；若初始心率大于第一心率阈值，则生成的第二子判断结果为非正常；若初始心率小于或等于第一心率阈值，则生成的第二子判断结果为正常。
44.具体的，预判断单元中预先设置有第一心率阈值。根据第一心率阈值对初始心率进行判断，若初始心率大于第一心率阈值，表示存在使用多功能智能头盔播放使用数据时产生心率超过健康心率，从而突发心肌梗塞等疾病的风险，因此，生成的第二子判断结果为
非正常；若初始心率小于或等于第一心率阈值，表示不存在因为使用多功能智能头盔播放使用数据时产生心率超过健康心率，从而突发心肌梗塞等疾病的风险，因此，生成的第二子判断结果为正常。
45.s22013：当第一子判断结果和第二子判断结果中存在至少一个非正常，则生成的第一判断结果为非正常；当第一子判断结果和第二子判断结果均为正常，则生成的第一判断结果为正常。
46.s2202：当第一判断结果为正常，对生物数据中的图像数据进行分析，获得分析数据。
47.具体的，当第一判断结果为非正常，则生成警报信息，并将警报信息发送至多功能智能头盔，便于用户根据警报信息停止使用。当第一判断结果为正常，对生物数据中的图像数据进行分析，获得分析数据的子步骤如下：s22021：对虹膜图像进行识别，获得用户身份，其中，用户身份包括：新用户和老用户。
48.具体的，根据虹膜图像生成访问请求，通过访问请求对用户数据库中的用户信息进行遍历；若用户数据库中具有与虹膜图像相同的用户虹膜图像，则生成的用户身份为老用户；若用户数据库中没有与虹膜图像相同的用户虹膜图像，则生成的用户身份为新用户。
49.s22022：当用户身份为老用户时，获取相应的用户年龄和用户喜好作为分析数据；当用户身份为新用户时，对面部图像进行分析，获得推荐范围，并将推荐范围作为分析数据。
50.具体的，当用户身份为老用户时，从用户数据库中获取对应的用户喜好作为分析数据。
51.进一步的，对面部图像进行分析，获得推荐范围的子步骤如下：u1：将面部图像输入至预先设置的年龄识别模型，获得年龄结果。
52.u2：将面部图像输入至预先设置的性别识别模型，获得性别结果。
53.u3：根据年龄结果和性别结果生成推荐范围。
54.s2203：根据分析数据进行搜索，获得多个搜索数据，根据搜索数据的名称和类型生成推荐数据。
55.具体的，搜索单元根据分析数据对网络或现有的片源数据库中的片源数据进行搜索。其中，每个片源数据至少包括：片源、名称、类型和适龄范围。当分析数据为用户年龄和用户喜好时，则将与用户喜好的类型相同或相关，且用户年龄位于适龄范围内的片源数据作为搜索数据，并根据搜索数据的名称和类型生成推荐数据。当分析数据为推荐范围时，则将与年龄结果位于适龄范围内，且符合性别结果的喜好的片源数据作为搜索数据，并根据搜索数据的名称和类型生成推荐数据。管理系统获得推送数据后，将推荐数据发送至多功能智能头盔，多功能智能头盔接收推送数据，并从多个推送数据中选择本次想使用的推荐数据作为播放数据，并将播放数据发送至管理系统。
56.s230：向多功能智能头盔发送实景采集指令，接收实景数据，根据实景数据对与播放数据相对应的片源进行处理，获得使用数据，并将使用数据发送至多功能智能头盔。
57.进一步的，接收实景数据，根据实景数据对与播放数据相对应的片源进行处理，获得使用数据的子步骤如下：
s2301：接收实景数据，根据实景数据创建空间结构模型。
58.进一步的，接收实景数据，根据实景数据创建空间结构模型的子步骤如下：s23011：接收实景数据，对实景数据中的实景图像数据进行处理，获得多个模型特征包。
59.具体的，将实景数据中的实景图像数据输入至预先设置的特征提取模型中，获得多个模型特征包，每个模型特征包中均包括多个用于表征同一物体的特征点。
60.其中，实景数据至少包括：实景图像数据和实景尺寸数据。
61.其中，实景图像数据至少包括：多个物品图像和多个房屋结构图像。
62.具体的，物品图像为能展示实景空间内摆放的物品的图像。房屋结构图像为能展示实景空间内的建筑物结构的图像。
63.其中，实景尺寸数据至少包括：空间尺寸数据、物品尺寸数据和摆放位置数据。
64.具体的，空间尺寸数据为建筑物各部分的长、宽、高和转角度数等数据。
65.物品尺寸数据为物品的长、宽、高等数据。摆放位置数据为物品与建筑物的相邻部分的距离，以及相邻的物品之间的距离。
66.s23012：根据所有模型特征包进行建模，获得多个子模型。
67.具体的，将模型特征包输入预先设置的建模模型中，建模模型接收到模型特征包后，在三维坐标系中先预设一个坐标原点，并将试用模型特征点转换为相应的三维坐标值；利用三维坐标值进行建模，获得子模型。多个子模型中包括：多个物品子模型和多个建筑子模型。
68.进一步的，将模型特征包输入预先设置的建模模型中，获得多个子模型后，还需要对每个子模型进行优化，子步骤如下：t1：对子模型中的多个端部特征点之间的距离进行分析，获得创建距离。
69.具体的，端部特征点为模型特征包中位于该物品各部分的端点位置上的特征点，用于衡量长、宽、高等尺寸。两个相邻的端部特征点之间的创建距离的表达式为：；其中，为端部特征点a的三维坐标值；为端部特征点b的三维坐标值；端部特征点a和端部特征点b为同一个子模型中的相邻端部特征点。
70.t2：根据实景尺寸数据对创建距离进行距离判断，获得距离判断结果；若创建距离与实景尺寸不同，则生成距离判断结果为：不符；若创建距离与实景尺寸相同，则生成距离判断结果为：相符。
71.具体的，根据实景尺寸数据中的空间尺寸数据对建筑结构的子模型进行判断。根据实景尺寸数据中的物品尺寸数据对物体的子模型进行判断。
72.t3：当根据距离判断结果对创建距离进行调整，并将完成调整后的子模型作为最终的子模型，执行s23013。
73.具体的，根据实景尺寸数据中的空间尺寸数据对建筑结构的子模型进行调整。根据实景尺寸数据中的物品尺寸数据对物体的子模型进行调整。
74.s23013：根据实景数据中的实景尺寸数据对所有子模型进行处理，获得空间结构
模型。
75.进一步的，根据实景尺寸数据对子模型进行处理，获得空间结构模型的子步骤如下：p1：根据实景尺寸数据中的摆放位置数据确定每个子模型的贴合特征点。
76.具体的，根据实景尺寸数据中的摆放位置数据确定物品与物品之间的相邻位置上的所有特征点，以及物品与建筑物之间的相邻位置上的所有特征点为贴合特征点。
77.p2：根据贴合特征点对所有子模型进行贴合，获得空间结构模型。
78.具体的，根据贴合特征点将物品子模型放置于建筑子模型中的相应位置，将相邻的多个物品子模型放置于相应的位置，完成放置后，多个分散的子模型即被贴合为了一个整体模型，将该整体模型作为空间结构模型。
79.s2302：根据预设的安全距离对空间结构模型进行标记，获得多个标记位置。
80.具体的，预设的安全距离即在实景中人物与建筑物和摆放的物品之间不会发生碰撞的安全距离。根据预设的安全距离对空间结构模型中的表示墙面的子模型以及表示摆放物品的子模型进行标记，获得多个标记位置，每个标记位置均与表示墙面的子模型以及表示摆放物品的子模型相距一个安全距离。
81.s2303：根据标记位置对空间结构模型进行整体收缩，获得收缩模型。
82.具体的，将空间结构模型按照安全距离，且整体比例不变的进行收缩，完成收缩后，表示墙面的子模型和表示摆放物品的子模型均位于标记位置。
83.s2304：将播放数据相对应的片源与收缩模型进行贴合，获得使用数据。
84.进一步的，将播放数据相对应的片源与收缩模型进行贴合，获得使用数据的子步骤如下：r1：将整个收缩模型的轮廓全部转化为坐标点，将所有坐标点作为边界坐标点。
85.r2：将边界坐标点设置为播放数据相对应的片源的播放画面的边界，将完成播放边界设置的片源作为贴合数据。
86.r3：通过预设的优化模型获取优化参数，利用优化参数对贴合数据的边界画质进行优化，获得使用数据。
87.具体的，当使用者使用多功能智能头盔对使用数据进行播放时，由于片源的播放边界与实景中的墙面或物品等相距一个安全距离，因此，使用者在实景中的移动位置不超过该安全距离，在能增加使用者的移动空间的同时能够保护使用者不会与建筑物或物品相撞而受伤。
88.进一步的，优化参数的表达式为：进一步的，优化参数的表达式为：；其中，为优化参数；为第个边界区域的预设优化参数；为每个预设优化参数的单独变化量；为转置；为偏导符号；为预设优化参数下的第个边界区域；为与第个边界区域对应的第个原始区域；为第个边界区域的二值化图像；为第个原始区域的二值化图像。
89.具体的，优化参数用于对贴合数据的边界画质进行调整，从而减少原始片源（播放数据相对应的片源）的边界画质与贴合数据的边界画质之间的偏差值。边界区域为贴合数据的边界中的一个区域，贴合数据的播放边界包括多个边界区域。原始区域为播放数据相对应的片源的播放画面的边界中的一个区域。
90.s240：接收多功能智能头盔发送的体验评分，根据体验评分和历史数据进行喜好分析，获得新的喜好值，根据新的喜好值对用户喜好进行更新；将本次的使用数据作为历史数据存储于存储系统。
91.进一步的，新的喜好值的表达式如下：；其中，为新的喜好值；为本次的体验评分；为第个与本次使用数据的类型相同的历史数据的使用数据的评分，，为与本次使用数据的类型相同的历史数据的总个数；为使用与本次使用数据的类型相同的使用数据的总时长；为第种使用数据的使用总时长，，为同一用户使用过的使用数据的类型的总个数。
92.进一步的，在播放使用数据的过程中，生物信息采集器自动对用户的生物信息进行采集，获得实时生物信息，并将实时生物信息发送至管理平台，管理平台通过预判断单元对实时生物信息进行分析，获得第二判断结果，其中，第二判断结果为正常，则多功能智能头盔正常播放使用数据，若第二判断结果为非正常，则向多功能智能头盔发送警报信息，令多功能智能头盔暂停播放使用数据。
93.具体的，预判断单元中预先设置有第二心率阈值和第二血压阈值；第二心率阈值大于第一心率阈值，第二心率阈值为人体在运动状态下的极限值；第二血压阈值大于第一血压阈值，第二血压阈值为人体在运动状态下的极限值。当实时血压小于或等于第二血压阈值，且实时心率小于或等于第二心率阈值时，生成的第二判断结果为正常；当实时血压大于第二血压阈值和/或实时心率大于第二心率阈值，则生成的第二判断结果为非正常。
94.其中，存储系统：用于存储历史数据库和用户数据库；历史数据库用于存储多个历史数据；用户数据库用于存储多个用户信息。
95.每个历史数据均至少包括：使用数据的名称、使用数据的类型、使用数据的评分、使用数据的使用次数和使用时长。
96.每个用户信息至少包括：用户名称、用户年龄、用户性别、用户喜好和用户虹膜图像。其中，用户喜好至少包括：喜好的类型和喜好值，一个喜好类型对应一个喜好值。
97.每个用户信息对应至少一个历史数据。
98.本技术能对需要播放的数据和用户的相关数据进行获取和分析处理，从而能在保证体验感好的同时提高使用的安全性。
99.尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，本技术的保护范围意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术保护范围及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。