自动调节视角投影技术的制作方法

本发明涉及自动调节视角投影技术。

背景技术

随着家庭影院技术发展，人们越来越多的享有私人的影视空间。然而不论是lcd、led、投影，甚至360度投影的私人影院，都是按照预先设定的视角去观看，但是看电影过程可能有两个小时或更长时间，可能由坐姿变为躺姿或其他各种姿势，如果还是原有的固定视角，会对颈椎等身体器官带来压迫或不适，影响健康和观影体验，如果360度投影等投影面积较大，可能错过精彩环节，如果由用户实时手动设臵，将对观影过程带来中断，影响用户体验，并且仅仅用摄像头捕捉用户姿势进行角度调整，每个用户习惯不同，如果有些人好动，爱扭头，过分频繁的调整，会让用户无所适从。

技术实现要素：

为克服现有技术所存在的缺陷，本发明提供自动调节视角投影技术，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：

自动调节视角投影技术，按照下述步骤依次进行：

步骤一：通过设置有转向器的投影仪进行全息投影播放影响，观看者佩戴加速度采集模块正常观看影响，将红外摄像头安装到观影者对面，将红外摄像头采集到的观影者面部识别图像、动作图像信息和麦克风采集到的声音信息以及加速度采集信息通过网络交换装置传递给主机；

步骤二：对步骤一中的信息进行图像信息预处理，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；每完成一定时间步的计算，进行一次输出文件的读写操作；

步骤三：用分析模块通过步骤一采集到的加速度信息的规律进行建模，并通过遗传算子的操作，给出运动状态识别结果，供远程管理使用；

步骤四：将投影过程中的抖动噪音平衡、滤波去噪，然后分层分级降维建模，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：

其中，thamax＝50，然后进行运动的状态进行抽样计算并提取特征参数；

步骤五：对步骤二到步骤四中的数据特征融合建模，评估摄像头的光线传感器获得的光线值等级、运动类型、用户设置的重要类型获得光感质量用户5分评价体系，通过有监督分类算法-以历史最佳数据为监督因子对比，建立主观感受与环境参数自适应投影调节模型；

步骤六：建立整体人群对应投影画像模型深度互学模式识别，根据数据库中已经注册了n类样本，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；

步骤七：对计算子结果合并处理，主进程分别读入当前时间步内各个进程的输出文件，将采集到的所述多路视频流进行拼合处理，以生成携带所述时间戳的全景视频流，然后按照区域分解的算法将结果合并还原，将结果以ascll格式暂存；在用户佩戴虚拟现实终端时，检测虚拟现实终端是否处于运动状态，如是，根据加速度调整待播放的视频频帧，以提供给用户同步视频信息，将信息显示于虚拟现实终端的目视区域；

步骤八：分析模块通过上述步骤的分析得出目前观影者的最佳投影角度，调节控制步骤一中的投影仪的转向器从而调节至最佳观看投影角度；

步骤九：对于观影者不断重复步骤一到步骤八的过程，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，实现对于观影者个性化投影方案的不断完善。

在本实施例中，步骤一观影者携带的加速度采集模块采用mems(microflectromechanicalsystems，微机电系统)，关键部分是一种悬臂构造的中间电容板，当速度变化或加速度达到足够大时，它所受的惯性力超过固定或支撑他的力，这时它就会移动，跟上下电容板之间的距离就会变化，上下电容就会因此变化。电容变化跟加速度成正比。电容变化会被转化为电压信号直接输出或经过数字化处理后输出。

在本实施例中，步骤四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：

其中原始向量f1蕴含信息量最多，具有最大方差，称为第一主成分，f2，…，fm依次递减，称为第二主成分、""″、第m主成分。因此主成分分析的过程可以看做是确定权重系数aik(i＝1，″″″，m；k＝1，"""9)的过程。

在本实施例中，所述步骤二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。

本发明的有益效果是：

本发明在投影系统中，采用红外摄像头进行脸部识别，根据每个人的特点预设视角调整敏感度，同时对视频内容中的对象分类和按帧标注，采集用户的关注对象，根据个人参与的观影体验评价进行有监督的深度学习，形成人工智能模型。从而将用户最感兴趣的观影对象，以用户最舒适的姿势视角呈现于用户眼前，并根据用户最适应的敏感度进行视角调整，将用户最适合的视角建立用户特征、情境的模型，建立用户对应人群画像的模型，并优化算法库中整体人群对应画像模型，作为对应人群初始化模型的选择。

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，自动调节视角投影技术，按照下述步骤依次进行：

步骤一：通过设置有转向器的投影仪进行全息投影播放影响，观看者佩戴加速度采集模块正常观看影响，将红外摄像头安装到观影者对面，将红外摄像头采集到的观影者面部识别图像、动作图像信息和麦克风采集到的声音信息以及加速度采集信息通过网络交换装置传递给主机；

步骤二：对步骤一中的信息进行图像信息预处理，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；每完成一定时间步的计算，进行一次输出文件的读写操作；

步骤三：用分析模块通过步骤一采集到的加速度信息的规律进行建模，并通过遗传算子的操作，给出运动状态识别结果，供远程管理使用；

步骤四：将投影过程中的抖动噪音平衡、滤波去噪，然后分层分级降维建模，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：

其中，thamax＝50，然后进行运动的状态进行抽样计算并提取特征参数；

步骤五：对步骤二到步骤四中的数据特征融合建模，评估摄像头的光线传感器获得的光线值等级、运动类型、用户设置的重要类型获得光感质量用户5分评价体系，通过有监督分类算法一以历史最佳数据为监督因子对比，建立主观感受与环境参数自适应投影调节模型；

步骤六：建立整体人群对应投影画像模型深度互学模式识别，根据数据库中已经注册了n类样本，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；

步骤七：对计算子结果合并处理，主进程分别读入当前时间步内各个进程的输出文件，将采集到的所述多路视频流进行拼合处理，以生成携带所述时间戳的全景视频流，然后按照区域分解的算法将结果合并还原，将结果以ascll格式暂存；在用户佩戴虚拟现实终端时，检测虚拟现实终端是否处于运动状态，如是，根据加速度调整待播放的视频频帧，以提供给用户同步视频信息，将信息显示于虚拟现实终端的目视区域；

步骤八：分析模块通过上述步骤的分析得出目前观影者的最佳投影角度，调节控制步骤一中的投影仪的转向器从而调节至最佳观看投影角度；

步骤九：对于观影者不断重复步骤一到步骤八的过程，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，实现对于观影者个性化投影方案的不断完善。

在本实施例中，步骤一观影者携带的加速度采集模块采用mems(microflectromechanicalsystems，微机电系统)，关键部分是一种悬臂构造的中间电容板，当速度变化或加速度达到足够大时，它所受的惯性力超过固定或支撑他的力，这时它就会移动，跟上下电容板之间的距离就会变化，上下电容就会因此变化。电容变化跟加速度成正比。电容变化会被转化为电压信号直接输出或经过数字化处理后输出。

在本实施例中，步骤四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：

其中原始向量f1蕴含信息量最多，具有最大方差，称为第一主成分，f2，…，fm依次递减，称为第二主成分、""″、第m主成分。因此主成分分析的过程可以看做是确定权重系数aik(i＝1，″″″，m；k＝1，"""9)的过程。

在本实施例中，所述步骤二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。

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。