【技术实现步骤摘要】
本专利技术属于视觉感知，具体涉及一种基于vr和机器学习的运动环境视觉感知因子优化方法。
技术介绍
1、现有的研究表明，长期的定量运动可以显著干扰肥胖、血压和心理健康结果。运动状态下的感知人因工程学是运动行为理论与环境心理学的交叉结合。对于用于大众健身的体育馆，建筑环境会影响用户的身体活动。大量的公共卫生研究已经证明，在不同的运动视觉环境中，运动员受到视觉环境因子的影响很大，并影响着他们的满意度评价。对于体育馆环境的改进，现有优化方法的适用性和推广性不足。因此，有必要针对特定的运动环境进行视觉感知影响因素的研究，以期为我国未来的体育馆运动环境设计提供参考。
2、在研究方法方面，一方面传统的方式提取建筑空间要素的常用方法是问卷方法，这些传统方法耗时费力，容易受到调查者的主观感受干扰，结果容易受到先前经验影响。另一方面，现有的大量研究只关注使用光环境目标（亮度、照明、眩光）而不是视觉评价，关于建筑视觉环境的其他元素对视觉评价（颜色、纹理、形状）的影响的研究受到一些设备的限制。
3、此外，在公共健康研究领域，个人的运动认知受到环境因子和情绪体验的双重影响，情绪对用户对环境的评价有很大的影响。以往调查环境因子对运动认知和情绪影响的研究主要依赖于主观问卷评估，缺乏客观数据验证。
技术实现思路
1、针对现有技术的上述不足，本专利技术提供一种基于vr和机器学习的运动环境视觉感知因子优化方法，以解决上述技术问题。
2、本专利技术提供一种基于vr和机器学习的运动环境
3、通过眼动仪实验和sd问卷方式提取出在运动过程中影响视觉感知因子；
4、根据所述因子建立正交沉浸式虚拟现实实验，记录虚拟场景中所述因子在不同的数值下参试者的运动情绪和满意度评价；
5、通过数据拟合确定所述运动情绪与所述满意度评价之间的多元非线性公式；
6、构建人工神经网络预测模型对不同数值的因子对于的满意度评价进行预测，并结合遗传算法对因子的在真实运动环境的最优数值范围进行优化。
7、进一步的，所述通过眼动仪实验和sd问卷方式提取出在运动过程中影响视觉感知因子，包括：
8、眼动仪实验参试者佩戴眼动仪通过散步的方式对所述特定环境的真实场景进行视觉感知，确定参试者关注的实体元素；
9、手动标注实体元素的属性，并采用sd问卷的方式获取每个属性的满意度评价；
10、通过皮尔逊系数计算实体元素的属性及其满意度评价之间的相关性，根据相关性大小筛选所述属性作为运动环境视觉感知因子。
11、进一步的，所述根据所述因子建立正交沉浸式虚拟现实实验，记录虚拟场景中所述因子在不同的数值下参试者的运动情绪和满意度评价，包括：
12、将与运动情绪密切相关的环境因子作为的变量参数，构建vr运动场景；
13、分别设置不同因子及不同数值组合下的虚拟场景，虚拟现实实验参试者佩戴虚拟现实设备在所设vr运动场景进行运动视觉感知；
14、在虚拟现实实验完成后通过情绪自我评价的方式记录愉悦、唤醒和支配三种运动情绪的情绪值和满意度评价。
15、进一步的，所述通过数据拟合确定所述运动情绪与所述满意度评价之间的多元非线性公式，包括：
16、所述情绪评价指标包括愉悦、唤醒、支配和满意度评价的评分；
17、通过最小二乘法计算愉悦p、唤醒a和支配d对满意度评价w的贡献率 α2、 α3、 α4，以及情绪评价指标整体对满意度评价w的贡献率 α1；
18、以 α1、 α2、 α3、 α4作为拟合系数构建三种运动情绪愉悦p、唤醒a和支配d对于满意度评价w之间的多元非线性公式：
19、。
20、进一步的，所述构建人工神经网络预测模型对不同数值的因子对于的满意度评价进行预测，并结合遗传算法对因子的在真实运动环境的最优数值范围进行优化，包括：
21、构建基于人工神经网络的预测模型，并通过正交沉浸式虚拟现实实验的视觉感知因子组合及对应的满意度评价进行训练，所述预测模型以虚拟现实环境视觉感知因子作为输入，将虚拟现实环境的满意度评价作为输出；
22、将预测的满意度评价作为遗传算法的适应度指标，结合所述预测模型进行迭代优化，确定每个因子组合的最优满意度评价下的数值；
23、对每个因子组合下数值的最优值进行整合，得到该因子的最优数值范围。
24、进一步的，在所述根据所述因子建立正交沉浸式虚拟现实实验之前，还包括：对照眼动仪实验的现实运动环境进行vr眼动追踪实验，验证头戴虚拟现实设备的居民在虚拟运动环境中进行运动时的注视特征与现实运动环境获取的因子是否相似，以确定通过虚拟现实技术实现视觉感知的可行性。
25、本专利技术的有益效果在于：应用眼动仪记录运动人群视域内的关注点，获取影响视觉感知的环境元素，结合sd问卷得到影响视觉感知的环境因子，弥补了运动环境中人对视觉环境感知的研究空白。针对体育运动有重大影响的视觉环境方面，通过虚拟现实环境实验研究环境因子对运动情绪的影响，并且分析运动情绪与体育运动环境满意度评价之间的关系。通过基于人工神经网络的预测模型预测运动情绪，其次结合遗传算法计算环境因子的取值范围，有利于改善真实体育场景中的运动视觉环境。
本文档来自技高网...【技术保护点】
1.一种基于VR和机器学习的运动环境视觉感知因子优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过眼动仪实验和SD问卷方式提取出在运动过程中影响视觉感知因子，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述因子建立正交沉浸式虚拟现实实验，记录虚拟场景中所述因子在不同的数值下参试者的运动情绪和满意度评价，包括：
4.根据权利要求1所述的方法，其特征在于，所述通过数据拟合确定所述运动情绪与所述满意度评价之间的多元非线性公式，包括：
5.根据权利要求1所述的方法，其特征在于，所述构建人工神经网络预测模型对不同数值的因子对于的满意度评价进行预测，并结合遗传算法对因子的在真实运动环境的最优数值范围进行优化，包括：
6.根据权利要求1所述的方法，其特征在于，在所述根据所述因子建立正交沉浸式虚拟现实实验之前，还包括：对照眼动仪实验的现实运动环境进行VR眼动追踪实验，验证头戴虚拟现实设备的居民在虚拟运动环境中进行运动时的注视特征与现实运动环境获取的因子是否相似，以确定通过虚拟现实技术实
...【技术特征摘要】
1.一种基于vr和机器学习的运动环境视觉感知因子优化方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述通过眼动仪实验和sd问卷方式提取出在运动过程中影响视觉感知因子，包括：
3.根据权利要求1所述的方法，其特征在于，所述根据所述因子建立正交沉浸式虚拟现实实验，记录虚拟场景中所述因子在不同的数值下参试者的运动情绪和满意度评价，包括：
4.根据权利要求1所述的方法，其特征在于，所述通过数据拟合确定所述运动情绪与所述满意度评价之间的多元非线性公...
【专利技术属性】
技术研发人员：王太洋，罗鹏，夏斯涵，任天硕，
申请(专利权)人：哈尔滨工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。