[发明专利]具备色彩情绪调节的手机投影技术

摘要

本发明涉及具备色彩情绪调节的手机投影技术，通过智能手机对使用者周边环境进行投影，调节使用者所处生活环境的光纤。本发明的有益效果是：本发明通过智能手环采集使用者的动作、心率，通过智能投影手机进行色彩光线投影，自适应改善学习、工作的环境，结合不同波长光线、季节、个人体征情况，通过整体人群中对应画像模型预测每个人最适合的色彩情绪调节模型，根据引起的心率和动作变化建立的个体情绪效果评价模型，进行有监督的学习，从而建立最适合个体的色彩情绪手机投影模型，根据遗传算法不断修正。

主权项

1.具备色彩情绪调节的手机投影技术，其特征在于：按照下述步骤依次进行：步骤一：使用者佩戴好智能手环，然后通过智能手机控制投影装置将带有颜色的光束投影到被采样者工作或生活所在区域，然后通过调整投影装置上的色谱控制模块来调节所投影出的光束颜色，通过智能手环采集使用者的动作状态数据和心率数据；步骤二：根据操作者的年龄、性别、学历、职业建立一级静态特征标签库，用于表征整体人群中对应画像人群的习惯属性特征，然后根据步骤一采集到的加速度数据和心率数据以及心率变异率作为动态特征建立耳机动态特征标签库。步骤三：选用小波变换阈值法对步骤一的采集过程中电路因为使用者抽动而产生的电磁干扰(即高频噪声)进行去噪；步骤四：采用小波包分解、差分算法分别从压力的三方向(左右、前后、垂直)提取频域时域特征，用SVM进行识别，其中时域特征提取是指将去噪后的作用力中的垂直力曲线用一阶差分法检测前后、垂直方向曲线的波峰点和波谷点，作为作用力曲线的关键点，将垂直方向曲线的波谷点作为作用力曲线的参考点，以垂直方向曲线的关键点的力值及力值出现的时相、相邻关键点作用力变化率和冲量和对应的前后方向曲线上的关键点处的力值、驱动冲量(力‑时间曲线上居于O点以上的力与时间的积分)和制动冲量(力‑时间曲线上居于O点以下的力与时间的积分)，而频域特征提取是将作用力先按垂直力曲线上的参考点将作用力自动波形对齐，以提高频域特征对比性和分类能力：先用线性插值算法将作用力维数归一化到同一值，通过一阶差分算法搜索出归一化后作用力垂直方向力曲线上的波谷点，将波谷点作为参考点进行参照，用线性插值法将作用力中的左右、前后和垂直方向曲线波形对齐；将去噪后的作用力中的垂直力曲线用一阶差分算法检测出垂直方向的波谷点，作为作用力曲线的参考点；以参考点为基准，用线性插值法对作用力进行波形对齐，得到对齐后的作用力；再用L层小波包分解算法从作用力中提取出；步骤五：根据模糊C均值法从步骤四提取的动作频域特征的多个小波包中挑选最小最优小波包集合，再用模糊C均值法基于模糊隶属度排序从挑选出的集合中挑选最小最优小波包分解系数，得到最小最优动作频域特征子集，再与动作时域特征组合，得到融合后的动作特征集，之后采用SVM进行动作识别，采用非线性映射径向基核函数将线性不可分的低维空间映射到线性可分的高维空间。先训练分类器，再用分类器识别动作样本。假设动作数据库中已经注册了个人n类动作样本，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；步骤六：去除掉智能手机在投影过程中因抖动、电磁干扰的因素而产生的噪音，并使用分层分级降维建模，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：tha min＝8m/s，tha max＝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，th_amax＝50，然后进行运动的状态进行抽样计算并特征参数提取和重点特征提取；步骤七：对特征融合建模，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；步骤八：建立整体人群对应投影画像模型深度互学模式识别，对降维后加速度、心率变异率值进行分期，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，通过加速度信号向量模SVMA、角速度信号向量模SVMW，建立和自适应完善的识别模型，对所述运动状态及工作状态生活状态进行细分，获得运动细分环节，环境参数、体征识别类型生活装填质量得分输入，使用通过有监督分类算法，以环境参数作为输入层，以生活装填评分作为输出层。通过与上一次环境参数输入形成的模型(历史最佳生活状态的环境参数)作为对比，个体生活状态好坏作为训练监督因子，更好为1，更差为0，工作信号的正向传播。步骤九：不断重复上述采样次数，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参数，不断完善操作者个体特征信息、环境以及投影设备之间的交互投影过程，实现智能手机投影对使用者个性化模型的自适应完善，让智能手机提供使用者更加舒适的投影环境。