【技术实现步骤摘要】
本专利技术主要涉及虚拟现实，尤其涉及一种基于身体化认知的虚拟空间互动方法及相关装置。
技术介绍
1、虚拟现实技术主要涉及模拟环境、感知、自然技能和传感设备等方面，其已成为当前的研究热点。虚拟现实技术通过创造出逼真的虚拟空间和虚拟角色与现实用户进行交互，为用户提供沉浸式体验。然而，目前对虚拟空间的交互方法而言，通常采用图像识别行为动作的方法，并且仅采用单帧图像进行用户的行为动作的识别，其识别效果较差并且灵活性不足。同时由于用户所进行的可能是高速动作，仅依靠图像可能会使最终识别出的用户行为动作产生较大的偏差，无法达到对现实用户的行为动作的高精度跟踪匹配，导致虚拟角色无法做出与现实用户的行为动作相对应的高精度的动作，使其动作交互的可靠性不足。同时，目前对于虚拟角色与现实用户的行为动作互动的流畅度也存在不足，使虚拟角色与现实用户的动作同步无法达到理想效果，无法为用户在虚拟空间中提供更为深刻和自然的互动体验。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，本专利技术提供了一种基于身体化认知的虚拟空间互动方法及相关装置，提高了虚拟空间互动的可靠性，从而为用户提供更为深刻和自然的虚拟空间互动体验。
2、为了解决上述技术问题，本专利技术提供了一种基于身体化认知的虚拟空间互动方法，所述方法包括：
3、基于图像采集模组获取用户在体验虚拟空间时的行为图像序列，基于惯性测量单元获取用户在体验虚拟空间时的惯性数据，并对所述行为图像序列和惯性数据进行预处理，获得预处理后的行
4、基于预处理后的行为图像序列生成相邻帧的差分图像，基于相邻帧的差分图像计算相似链强度，并基于所述相似链强度利用单位阶跃函数生成初始动作能量图，对所述初始动作能量图进行强度约束，获得优化动作能量图；
5、基于所述优化动作能量图提取若干种动作图特征，并对若干种动作图特征进行典型相关分析，获得若干个特征映射矩阵，基于若干个特征映射矩阵对若干种动作图特征进行融合，获得目标融合特征；
6、将所述目标融合特征与预设行为特征模板库中的行为特征进行匹配，获得用户的初始人体动作姿态，基于预处理后的惯性数据计算用户的关节动作信息，并基于所述关节动作信息对用户的初始人体动作姿态进行优化，获得优化人体动作姿态；
7、利用同步线程控制在所述虚拟空间中的虚拟角色执行与所述优化人体动作姿态相对应的行为动作，基于虚拟角色的行为动作触发在所述虚拟空间中的交互操作。
8、可选的，所述对所述行为图像序列和惯性数据进行预处理，获得预处理后的行为图像序列和惯性数据，包括：
9、对所述行为图像序列进行降噪处理，获得降噪处理后的行为图像序列；
10、对降噪处理后的行为图像序列进行干扰区域滤除处理，获得干扰区域滤除处理后的行为图像序列；
11、对干扰区域滤除处理后的行为图像序列进行前景图提取和形态学膨胀处理，获得预处理后的行为图像序列；
12、基于预设筛选标准对所述惯性数据进行筛选处理，获得预处理后的惯性数据。
13、可选的，所述基于预处理后的行为图像序列生成相邻帧的差分图像，基于相邻帧的差分图像计算相似链强度，包括：
14、基于预处理后的行为图像序列利用预设帧间隔进行图像帧筛选，获得图像帧集合；
15、对所述图像帧集合进行配准，获得帧配准图；
16、将预处理后的行为图像序列与所述帧配准图进行帧差处理，获得帧差图像序列，并基于所述帧差图像序列生成相邻帧的差分图像；
17、计算所述差分图像中每个像素点的局部相似性离散强度，基于所述局部相似性离散强度构建局部相似性离散强度矩阵；
18、基于所述局部相似性离散强度矩阵计算相邻帧的相似链强度。
19、可选的，所述基于所述相似链强度利用单位阶跃函数生成初始动作能量图，包括：
20、基于所述相似链强度利用线性函数获取表征行为姿态的目标权重，并对所述目标权重进行归一化，获得对应的目标权重向量；
21、基于预处理后的行为图像序列利用所述目标权重向量结合单位阶跃函数进行加权平均处理，生成初始动作能量图。
22、可选的，所述基于所述优化动作能量图提取若干种动作图特征，并对若干种动作图特征进行典型相关分析，获得若干个特征映射矩阵，基于若干个特征映射矩阵对若干种动作图特征进行融合，获得目标融合特征，包括：
23、对所述优化动作能量图进行多维特征提取处理，获得对应的直方图特征、纹理特征和泽尼克矩特征；
24、对所述直方图特征、纹理特征和泽尼克矩特征进行标准化，获得标准化直方图特征、标准化纹理特征和标准化泽尼克矩特征；
25、计算所述标准化直方图特征和标准化纹理特征的第一协方差，计算所述标准化直方图特征和标准化泽尼克矩特征的第二协方差，计算所述标准化纹理特征和标准化泽尼克矩特征的第三协方差；
26、基于所述第一协方差、第二协方差和第三协方差计算目标矩阵，并对所述目标矩阵进行奇异值分解，获得若干个特征映射矩阵；
27、基于预设融合策略利用若干个特征映射矩阵对所述直方图特征、纹理特征和泽尼克矩特征进行融合，获得目标融合特征。
28、可选的，所述基于预处理后的惯性数据计算用户的关节动作信息，并基于所述关节动作信息对用户的初始人体动作姿态进行优化，获得优化人体动作姿态，包括：
29、基于预处理后的惯性数据计算关节运动速度、关节位移角和关节力度信息；
30、基于所述关节运动速度、关节位移角和关节力度信息对用户的初始人体动作姿态进行修正和融合，获得优化人体动作姿态。
31、可选的，所述利用同步线程控制在所述虚拟空间中的虚拟角色执行与所述优化人体动作姿态相对应的行为动作，包括：
32、创建room component组件，基于所述room component组件定义若干个tick事件，基于若干个tick事件渲染同步线程；
33、基于预设检验机制创建action component组件，基于所述action component组件对所述同步线程进行修正，获得修正后的同步线程；
34、基于动作映射单元利用修正后的同步线程将所述优化人体动作姿态映射至所述虚拟空间的虚拟角色中，所述虚拟角色执行与所述优化人体动作姿态相对应的行为动作。
35、另外，本专利技术还提供了一种基于身体化认知的虚拟空间互动装置，所述装置包括：
36、图像和数据预处理模块：用于基于图像采集模组获取用户在体验虚拟空间时的行为图像序列，基于惯性测量单元获取用户在体验虚拟空间时的惯性数据，并对所述行为图像序列和惯性数据进行预处理，获得预处理后的行为图像序列和惯性数据；
37、动作能量图获取模块：用于基于预处理后的行为图像序列生成相邻帧的差分图像，基于相邻帧的差分图像计算相似链强度，并基于所述相似链强度利用单位本文档来自技高网...
【技术保护点】
1.一种基于身体化认知的虚拟空间互动方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于身体化认知的虚拟空间互动方法，其特征在于，所述对所述行为图像序列和惯性数据进行预处理，获得预处理后的行为图像序列和惯性数据，包括：
3.根据权利要求1所述的基于身体化认知的虚拟空间互动方法，其特征在于，所述基于预处理后的行为图像序列生成相邻帧的差分图像，基于相邻帧的差分图像计算相似链强度，包括：
4.根据权利要求1所述的基于身体化认知的虚拟空间互动方法，其特征在于，所述基于所述相似链强度利用单位阶跃函数生成初始动作能量图，包括：
5.根据权利要求1所述的基于身体化认知的虚拟空间互动方法，其特征在于，所述基于所述优化动作能量图提取若干种动作图特征，并对若干种动作图特征进行典型相关分析，获得若干个特征映射矩阵，基于若干个特征映射矩阵对若干种动作图特征进行融合，获得目标融合特征，包括：
6.根据权利要求1所述的基于身体化认知的虚拟空间互动方法，其特征在于，所述基于预处理后的惯性数据计算用户的关节动作信息，并基于所述关节动作信息对用
7.根据权利要求1所述的基于身体化认知的虚拟空间互动方法，其特征在于，所述利用同步线程控制在所述虚拟空间中的虚拟角色执行与所述优化人体动作姿态相对应的行为动作，包括：
8.一种基于身体化认知的虚拟空间互动装置，其特征在于，所述装置包括：
9.一种电子设备，所述电子设备包括处理器及存储器，其特征在于，所述存储器用于存储指令，所述处理器用于调用所述存储器中的指令，使得所述电子设备执行如权利要求1至权利要求7中任一项所述的基于身体化认知的虚拟空间互动方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储计算机指令，当所述计算机指令在电子设备上运行时，使得所述电子设备执行如权利要求1至权利要求7中任一项所述的基于身体化认知的虚拟空间互动方法。
...【技术特征摘要】
1.一种基于身体化认知的虚拟空间互动方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于身体化认知的虚拟空间互动方法，其特征在于，所述对所述行为图像序列和惯性数据进行预处理，获得预处理后的行为图像序列和惯性数据，包括：
3.根据权利要求1所述的基于身体化认知的虚拟空间互动方法，其特征在于，所述基于预处理后的行为图像序列生成相邻帧的差分图像，基于相邻帧的差分图像计算相似链强度，包括：
4.根据权利要求1所述的基于身体化认知的虚拟空间互动方法，其特征在于，所述基于所述相似链强度利用单位阶跃函数生成初始动作能量图，包括：
5.根据权利要求1所述的基于身体化认知的虚拟空间互动方法，其特征在于，所述基于所述优化动作能量图提取若干种动作图特征，并对若干种动作图特征进行典型相关分析，获得若干个特征映射矩阵，基于若干个特征映射矩阵对若干种动作图特征进行融合，获得目标融合特征，包括：
6.根据权利要求1所述的基于身体化认...
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。