[发明专利]一种基于深度学习与大数据的体感游戏交互方法及系统

摘要

本发明公开了一种基于深度学习与大数据的体感游戏交互方法及系统，属于人机交互技术领域。方法包括步骤一收集动作视频样本数据集；步骤二建立并离线训练深度卷积神经网络模型；步骤三使用将深度卷积神经网络模型。系统包括深度卷积神经网络离线训练模块，实时人机交互模块，基于大数据的深度网络模型在线优化模块。本发明使用普通摄像头实时采集游戏玩家游戏操作视频，经过深度卷积神经网络提取动作高层语义特征，对肢体动作进行判别，并转换为对游戏目标的实际控制数据，从而实现由玩家肢体控制游戏目标做出与玩家运动相应的动作。

主权项

一种基于深度学习与大数据的体感游戏交互方法，其特征在于，所述方法包括：步骤一 收集动作视频样本数据集预先收集不同玩家游戏时的肢体动作视频片段，得到动作视频样本数据集，并为样本数据添加相应的动作标签，动作标签与游戏目标控制指令一一对应；步骤二 建立并离线训练深度卷积神经网络模型对步骤一获得的视频样本数据集进行深度学习训练，建立深度卷积神经网络模型并进行离线训练，离线训练时将误差反向传播，并使用随机梯度下降法更新网络权重参数，最终使网络的损失函数到达一个最小值，所述深度卷积神经网络模型用于输入玩家游戏时的肢体动作视频，输出玩家动作预测结果；所述玩家动作预测结果包括动作分类及动作分类的概率分布数据；步骤三 使用将深度卷积神经网络模型将深度卷积神经网络模型融合进体感游戏交互系统中，通过深度卷积神经网络分析玩家游戏时的实时肢体动作，并转换为对游戏目标的实际控制数据。