[发明专利]一种基于虚拟现实环境预测用户专注度的系统及实现方法在审
申请号: | 201911111980.1 | 申请日: | 2019-11-14 |
公开(公告)号: | CN110852284A | 公开(公告)日: | 2020-02-28 |
发明(设计)人: | 王晓敏;张琨;柴贵山 | 申请(专利权)人: | 北京格如灵科技有限公司 |
主分类号: | G06K9/00 | 分类号: | G06K9/00;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 100016 北京市朝*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 虚拟现实 环境 预测 用户 专注 系统 实现 方法 | ||
1.一种基于虚拟现实环境预测用户专注度的系统,其特征在于,所述系统包括训练模块、用户模块、测试模块、反馈模块和数据传输模块,所述训练模块主要用于数据的预处理以及模型参数的训练,目的是获得对数据拟合最优的模型;
所述用户模块用于为用户提供观看的设备以及内容,并采集用户使用设备过程中产生的原始数据;
所述测试模块用于对用户产生的新数据进行预测打分;
所述反馈模块用于收集用户反馈预测结果的打分与真实情况的一致程度,如果与真实情况相差太多,将该样本保存用于下次模型的版本迭代;
所述数据传输模块用于数据在各模块之间或之内的传递。
2.根据权利要求1所述的一种基于虚拟现实环境预测用户专注度的系统,其特征在于,所述训练模块包括数据预处理单元、模型建立单元及模型训练单元,所述数据预处理单元用于对原始数据进行标准化、随机打乱、分割等操作,以得到对于模型规范的数据;
所述模型建立单元用于具体模型的建造,以得到需要训练的模型框架;
所述模型训练单元用于将预处理之后的眼动数据和对应标签输入模型,利用特定的最优化手段,以得到模型的最优参数解。
3.根据权利要求1所述的一种基于虚拟现实环境预测用户专注度的系统,其特征在于,所述用户模块包括虚拟现实设备单元,虚拟现实内容单元,用户自身单元及数据采集单元;
所述虚拟现实设备单元包括虚拟现实终端以及数据采集传感器,为用户提供虚拟现实环境的设备以及在这个过程中原始数据的采集和存储;
所述虚拟现实内容单元用于给用户提供具体的虚拟现实场景,在具体场景中,用户的眼镜会根据内容的不同产生不一样的眼动数据;
所述用户自身单元用于产生数据的源,也是整个模块的核心;
所述数据采集单元用于采集实验对象在使用设备观看内容时产生的眼动数据:双眼平滑注释点坐标、左右眼的瞳孔大小,和对应的专注度类别标签:高、中和低,并将数据临时保存在本地。
4.根据权利要求1所述的一种基于虚拟现实环境预测用户专注度的系统,其特征在于,所述测试模块包括数据预处理单元和预测打分单元;
所述数据预处理单元用于将用户使用设备过程中的实时数据进行分段切割、标准化,以得到模型需要的规范数据格式;
所述预测打分单元用于将预处理之后的数据输入到训练完成的模型中,以得到最后模型给出的最大概率对应的类别标签。
5.根据权利要求1所述的一种基于虚拟现实环境预测用户专注度的系统,其特征在于,所述反馈模块包括用户反馈单元和数据存储单元;
所述用户反馈单元用于给用户提供一个评分环节,以评价预测的打分与真实情况的一致性;
所述数据存储单元用于将用户评分较低的数据保存,以用来扩充训练数据的覆盖面以达到完善模型的目的。
6.一种基于虚拟现实环境预测用户专注度的实现方法,所述实现方法用于权利要求1至5所述的基于虚拟现实环境预测用户专注度的系统,其特征在于,步骤如下:
步骤一、基于用户模块,通过虚拟现实设备采集不同测试对象观看内容时产生的原始眼动数据,通过用户问卷反馈等方式获得用户的专注度类别;
步骤二、基于训练模块,建立CNN+LSTM+FC模型,并将预处理完的数据及对应的专注度标签输入到模型当中进行模型训练;
步骤三、基于测试模块,对使用设备的用户产生的实时眼动数据进行预处理,然后输入到步骤二已经训练好的模型当中,得出最终的预测专注度类别标签,用以打分;
步骤四、基于反馈模块,通过某些方式让用户根据实际专注度对预测结果进行反馈打分,将被用户打分低的数据收集并保存;
步骤五、将步骤四保存的数据连同原始的数据返回执行步骤二,这里可以用到迁移学习。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京格如灵科技有限公司,未经北京格如灵科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911111980.1/1.html,转载请声明来源钻瓜专利网。