[发明专利]一种基于加速度的有障碍人群个性化虚拟现实插黑方法

权利要求书

1.一种基于加速度的有障碍人群个性化虚拟现实插黑方法，其特征在于，包括如下步骤：

步骤1，构建基于加速度，以及障碍用户类型的个性化插黑时长数据集；其中加速度按大小分为T种类型，障碍用户有N种类型；

不同类型的障碍用户的插黑数据集表示为{A₁,A₂,…,A_N}，存放在矩阵SJ中，SJ＝[{A₁,A₂,…A_n…,A_N}]

其中，表示第n类障碍用户对应的T个加速度分类的插黑时长，其中TM的右上标表示障碍用户的类型，右下标表示对应的加速度分类。

步骤2，获取用户的加速度，计算得到加速度的时域特征和频域特征；

步骤3，构建基于加速度时域和频域特征的概率神经网络，将加速度的时域特征和频域特征输入到概率神经网络，对加速度进行分类。

步骤4，判断障碍用户类型，结合步骤3中得到的加速度分类，通过个性化插黑时长数据集得到用户的个性化插黑时长。

2.根据权利要求1所述一种基于加速度的有障碍人群个性化虚拟现实插黑方法，其特征在于，障碍用户的分类方法如下：

步骤1.1，对用户听觉、视觉和肢体灵活度进行测评，听觉、视觉和肢体灵活度的测评结果分别包括优秀、良好、中等、及格和不及格；

步骤1.2，将听觉、视觉和肢体灵活度中至少一项测评结果为中等及以下的用户定义为障碍用户，根据程度的不同，将障碍用户分为弱听中等、及格和不及格，弱视中等、及格和不及格，四肢灵活度中等、及格和不及格；

步骤1.3，考虑到同一用户有可能存在听觉、视觉和肢体灵活度中的一种或两种障碍，所以将含有不同程度的弱听、弱视和四肢不灵活进行两两组合，以及进行三种类型的组合，形成63种类型的障碍用户。

3.根据权利要求1所述一种基于加速度的有障碍人群个性化虚拟现实插黑方法，其特征在于，步骤2中获取用户的加速度，计算得到加速度的时域特征和频域特征，包括如下步骤：

步骤2.1，利用重力传感器获得获取虚拟现实设备的x、y和z轴的加速度值，本发明中重力传感器的采样频率为200Hz。

步骤2.2，计算加速度的时域特征

使用重力传感器分别获得x、y和z轴的加速度值x_a、y_a、z_a；然后，计算t时间内加速度向量区域值B，计算在t时间内x_a、y_a、z_a的均值D、标准差S和最大幅值及最小幅值M，其计算公式如式(1)至(4)所示。

其中，t为采样时间，N为采样频率，J_x,J_y,J_z分别为t时间三轴上平均加速度。本实施例中t＝500ms,N＝200Hz。

步骤2.3，选取加速度的频域特征。

使用FFT算法提取虚拟现实设备x、y和z轴加速度频域信号。计算加速度频域信号的中值频率E和平均功率频率特征F，其计算公式如式(5)、(6)所示。

其中，P(f)为加速度的功率频谱密度估计函数。

4.根据权利要求1所述一种基于加速度的有障碍人群个性化虚拟现实插黑方法，其特征在于，步骤3中，所述概率神经网络是基于马式距离的概率神经网络，包括输入层、隐藏层、求和层和输出层。

5.根据权利要求1所述一种基于加速度的有障碍人群个性化虚拟现实插黑方法，其特征在于，步骤1中，采用分段式数据集更新策略，构建基于加速度，以及障碍用户类型的个性化插黑时长数据集；

所述分段式数据集更新策略是指，根据每种障碍类型数据集中已获取的用户量U，来确定数据集的更新方式，本申请设置了三个阶段。

(1)对于第n种障碍类型数据集,当1≤U≤U1时，用户进行自定义插黑设置；

其中，表示第n种障碍类型中，第μ个用户在加速度τ时的插黑设置；

(2)对于第n种障碍类型数据集,当U1U≤U2时，用户进行自定义插黑设置

原第n种障碍类型数据集中包括一名志愿者测试得到的最合适插黑时长矩阵为

则第n种障碍类型用户在加速度τ时的插黑时长数据为：

(3)对于第n种障碍类型数据集,当U2U≤U3时，用户进行自定义插黑设置，得到U个用户的插黑设置数据为在U个用户数据中最长每秒插黑时长为WA，最短每秒插黑时长为WB，以WA为区间C的起始端点，WB为终止端点，将区间C平均划分为3个子区间C₁、C₂、C₃，将U个用户的数据与子区间进行匹配，当用户数据数值大小大于子区间起始端点、小于等于子区间终止端点，则该用户数据存放在该区间内。计算每个子区间人数占区间C人数的比重，比重最低的子区间中存放的是噪声数据，对该子空间中的存放的用户数据进行去除；将剩余的子区间的用户数据进行保留，计算剩余两个区间中存放数据的平均值，其中average函数表示计算平均值，每个数据集中的每个加速度都存在两个每秒最合适插黑时长，用户可根据自己需求进行选择。当每个数据集自定义插黑设置用户达U3时，数据集停止更新。