首页 / 专利库 / 电脑图像 / 图像分析 / 一种基于VR技术的记忆提升检测方法及系统

一种基于VR技术的记忆提升检测方法及系统

阅读:395发布:2020-05-08

专利汇可以提供一种基于VR技术的记忆提升检测方法及系统专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于VR技术的记忆提升检测方法及系统,具体涉及记忆提升技术领域,包括:输入构建记忆数据训练场景的相关构建数据和记忆数据,并将数据进行存储;系统构建分类函数,将存储的数据项目隐射到单独的给定类别,提取描述重要数据类的模型,将分类后的模型数据抽出,基于用户的年龄、性别和训练类别对数据进行分类,对每个数据样本进行类别标记,训练集构成分类模型,使用模型识别未知对象的所属类别;获取用户进行记忆训练场景所需的最小数据量: 本发明在无需运动和药物的前提下,可以提高用户的记忆 力 ,从而达到良好的良性循环,改善用户的体验。,下面是一种基于VR技术的记忆提升检测方法及系统专利的具体信息内容。

1.一种基于VR技术的记忆提升检测方法,其特征在于,所述基于VR技术的记忆提升检测方法包括:
输入构建记忆数据训练场景的相关构建数据和记忆数据,并将数据进行存储;
系统构建分类函数,将存储的数据项目隐射到单独的给定类别,提取描述重要数据类的模型,将分类后的模型数据抽出,基于用户的年龄、性别和训练类别对数据进行分类,对每个数据样本进行类别标记,训练集构成分类模型,使用模型识别未知对象的所属类别;
获取用户进行记忆训练场景所需的最小数据量:
其中,Dj和D为场景数据中构建训练场景数据的权重,inf oA是记忆训练数据中单个场景所需要的最小数据量。
2.根据权利要求1所述的一种基于VR技术的记忆提升检测方法,其特征在于,还包括记忆训练场景构建和场景心理状态数据,具体如下:
在获得的单个训练场景数据量的基础上,抽取与用户年龄、性别和训练类别相对应的场景数据,场景数据包括日常数据、学习数据和运动数据;
系统根据日常数据模拟构建用户日常生活中的VR场景,根据学习数据模拟构建用户学习过程中的VR场景,根据运动数据模拟构建用户运动过程中的VR场景,用户通过VR模感受构建的训练VR场景;
利用心理评估单元获取用户在上述VR场景中穿梭时的心理状态数据,并通过计算机对心理状态数据进行评估,将数据可视化
%matplotlib inline
fig,axes=plt.subplots(A、B、C)
plot_categorical_palettes(A、B、C)
plot_circular_palettes(A、B、C)
plot_brewer_palettes(A、B、C)
plot_sequential_palettes(A、B、C)
可视化输出----(A、B、C)。
3.根据权利要求2所述的一种基于VR技术的记忆提升检测方法,其特征在于,通过计算机对心理状态数据进行评估的方法包括如下步骤:
步骤一,获取用户的情感文本信息,将情感文本信息进行存储;
步骤二,构建基于用户文本情感特征的心理评估模型,根据用户词语的情感极性和词性设计词语特征,将用户情感文本中每个词语映射呈情感词向量,并将其作为卷积神经网络的输入,进而加入注意机制对输出结果进行优化,得到包含用户情感特征的文本向量表示;
步骤三,使用Bayes正则化算法优化权值,控制并平衡神经网络拟合程度,改进BP神经网络算法的网络泛化能力,然后将用户情感文本向量作为Bayes正则化神经网络的输入,评估用户的心理状态;
步骤四,将获取的用户心理状态与医生标签进行比对,通过计算损失函数与梯度反向传导,对用户的问答选项进行智能校正,再将用户的生理数据和病理数据与心理状态进行处理后,获得用户心理状态。
4.根据权利要求3所述的一种基于VR技术的记忆提升检测方法,其特征在于,还包括复建场景和获取记忆训练场景的差别:
被测用户根据其在训练过程中感受的VR场景,自行选取构建场景数据,系统根据用户选取的场景数据,对用户在记忆数据训练盒提升过程中的VR场景进行重建;
系统对VR场景进行逐播放,获取场景差异大的图像并进行截图,将截图后的图像信息进行分析对比,获取图像差别,具体如下:
计算场景基础图像与各个训练场景图像之间的距离;
按照距离的递增关系进行排序;
选取距离最小的K个点;
确定前K个点所在类别的出现频率
返回前K个点中出现频率最高的类别作为场景图像的最大差异;
根据最大差异的场景与用户训练场景中重复度最高的场景进行对比,根据两者图像中不同点的数量判断用户的记忆训练和记忆提升度。
5.一种实现权利要求1-4所述基于VR技术的记忆提升检测方法的基于VR技术的记忆提升检测系统,其特征在于,包括中控单元;
所述中控单元连接端设有VR模块、场景构建单元、复建场景单元、心理评估单元、获取场景差别单元和显示单元;
所述VR模块具体为穿戴式VR设备,用于为用户在进行记忆数据训练和提升检测时提供VR体验;
所述场景构建单元和复建场景单元均用于用户记忆训练场景的构建;
所述心理评估单元用于进行记忆训练前和记忆训练后,获取用户的心理状态;
所述获取场景差别单元对用户在记忆训练过程中经历的不同场景的场景影像进行获取,并利用图像分析算法获取场景中的差异;
所述显示单元用于对用户在记忆训练后,对用户的记忆训练提升和用户在训练过程中的心理状态进行显示。

说明书全文

一种基于VR技术的记忆提升检测方法及系统

技术领域

[0001] 本发明涉及记忆提升技术领域,更具体地说,本发明涉及一种基于VR技术的记忆提升检测方法及系统。

背景技术

[0002] 目前,业内常用的现有技术是这样的:
[0003] 心理学包括基础心理学与应用心理学两大领域,其研究涉及知觉、认知、情绪、思维、人格、行为习惯、人际关系、社会关系等许多领域,也与日常生活的许多领域——家庭、教育、健康、社会等发生关联。心理学一方面尝试用大脑运作来解释个体基本的行为与心理机能,同时,心理学也尝试解释个体心理机能在社会行为与社会动中的色;另外,它还与神经科学、医学、哲学、生物学、宗教学等学科有关,因为这些学科所探讨的生理或心理作用会影响个体的心智。实际上,很多人文和自然学科都与心理学有关,人类心理活动其本身就与人类生存环境密不可分。然而,现有人类心理健康问题层出不穷,容易造成记忆差;同时通常的表现是记忆力衰退等各方面机能下降,例如听力、视力下降、行动不便等,这会严重的影响我们生活质量;传统药物容易带来副作用所引起的二次伤害。
[0004] 综上所述,现有技术存在的问题是:
[0005] 现有人类心理健康问题层出不穷,容易造成记忆差;同时通常的表现是记忆力衰退等各方面机能下降,例如听力、视力下降、行动不便等,这会严重的影响我们生活质量;传统药物容易带来副作用所引起的二次伤害。
[0006] 现有技术没有借助于VR技术物理辅助构建加强用户记忆表,不能对能力提升进行有效检测。

发明内容

[0007] 为了克服现有技术的上述缺陷,本发明的实施例提供一种基于VR技术的记忆提升检测方法及系统,通过利用VR技术,模拟用户在日常生活中所遇到的场景景象,使用户在VR场景中获取与现实场景相同的肢体感官感受,模拟不同的场景,使用户在一个高度紧张的情绪环境下,可获取不同的经历,以使记忆更深刻,加强用户的记忆体验,通过这种方式,有能力以一个新方式使人产生电信号,激发大脑神经元细胞核的部分基因片段,从而形成长期的记忆,在无需运动和药物的前提下,可以提高用户的记忆力,从而达到良好的良性循环,改善用户的体验。
[0008] 为实现上述目的,本发明提供如下技术方案:一种基于VR技术的记忆提升检测方法,所述基于VR技术的记忆提升检测方法包括:
[0009] 输入构建记忆数据训练场景的相关构建数据和记忆数据,并将数据进行存储;
[0010] 系统构建分类函数,将存储的数据项目隐射到单独的给定类别,提取描述重要数据类的模型,将分类后的模型数据抽出,基于用户的年龄、性别和训练类别对数据进行分类,对每个数据样本进行类别标记,训练集构成分类模型,使用模型识别未知对象的所属类别;
[0011] 获取用户进行记忆训练场景所需的最小数据量:
[0012]
[0013] 其中,Dj和D为场景数据中构建训练场景数据的权重,infoA是记忆训练数据中单个场景所需要的最小数据量。
[0014] 在一个优选地实施方式中,还包括记忆训练场景构建和场景心理状态数据,具体如下:
[0015] 在获得的单个训练场景数据量的基础上,抽取与用户年龄、性别和训练类别相对应的场景数据,场景数据包括日常数据、学习数据和运动数据;
[0016] 系统根据日常数据模拟构建用户日常生活中的VR场景,根据学习数据模拟构建用户学习过程中的VR场景,根据运动数据模拟构建用户运动过程中的VR场景,用户通过VR模感受构建的训练VR场景;
[0017] 利用心理评估单元获取用户在上述VR场景中穿梭时的心理状态数据,并通过计算机对心理状态数据进行评估,将数据可视化
[0018] %matplotlib inline
[0019] fig,axes=plt.subplots(A、B、C)
[0020] plot_categorical_palettes(A、B、C)
[0021] plot_circular_palettes(A、B、C)
[0022] plot_brewer_palettes(A、B、C)
[0023] plot_sequential_palettes(A、B、C)
[0024] 可视化输出----(A、B、C)。
[0025] 在一个优选地实施方式中,通过计算机对心理状态数据进行评估的方法包括如下步骤:
[0026] 步骤一,获取用户的情感文本信息,将情感文本信息进行存储;
[0027] 步骤二,构建基于用户文本情感特征的心理评估模型,根据用户词语的情感极性和词性设计词语特征,将用户情感文本中每个词语映射呈情感词向量,并将其作为卷积神经网络的输入,进而加入注意力机制对输出结果进行优化,得到包含用户情感特征的文本向量表示;
[0028] 步骤三,使用Bayes正则化算法优化权值,控制并平衡神经网络拟合程度,改进BP神经网络算法的网络泛化能力,然后将用户情感文本向量作为Bayes正则化神经网络的输入,评估用户的心理状态;
[0029] 步骤四,将获取的用户心理状态与医生标签进行比对,通过计算损失函数与梯度反向传导,对用户的问答选项进行智能校正,再将用户的生理数据和病理数据与心理状态进行处理后,获得用户心理状态。
[0030] 在一个优选地实施方式中,还包括复建场景和获取记忆训练场景的差别:
[0031] 被测用户根据其在训练过程中感受的VR场景,自行选取构建场景数据,系统根据用户选取的场景数据,对用户在记忆数据训练和提升过程中的VR场景进行重建;
[0032] 系统对VR场景进行逐播放,获取场景差异大的图像并进行截图,将截图后的图像信息进行分析对比,获取图像差别,具体如下:
[0033] 计算场景基础图像与各个训练场景图像之间的距离;
[0034] 按照距离的递增关系进行排序;
[0035] 选取距离最小的K个点;
[0036] 确定前K个点所在类别的出现频率
[0037] 返回前K个点中出现频率最高的类别作为场景图像的最大差异;
[0038] 根据最大差异的场景与用户训练场景中重复度最高的场景进行对比,根据两者图像中不同点的数量判断用户的记忆训练和记忆提升度。
[0039] 一种基于VR技术的记忆提升检测系统,包括中控单元;
[0040] 所述中控单元连接端设有VR模块、场景构建单元、复建场景单元、心理评估单元、获取场景差别单元和显示单元;
[0041] 所述VR模块具体为穿戴式VR设备,用于为用户在进行记忆数据训练和提升检测时提供VR体验;
[0042] 所述场景构建单元和复建场景单元均用于构建用户记忆训练场景的构建;
[0043] 所述心理评估单元用于对用户在进行记忆训练前和记忆训练后,获取用户的心理状态;
[0044] 所述获取场景差别单元对用户在记忆训练过程中经历的不同场景的场景影像进行获取,并利用图像分析算法获取场景中的差异;
[0045] 所述显示单元用于对用户在记忆训练后,对用户的记忆训练提升和用户在训练过程中的心理状态进行显示。
[0046] 本发明的技术效果和优点:
[0047] 通过利用VR技术,模拟用户在日常生活中所遇到的场景景象,使用户在VR场景中获取与现实场景相同的肢体感官感受,模拟不同的场景,使用户在一个高度紧张的情绪环境下,可获取不同的经历,以使记忆更深刻,加强用户的记忆体验,通过这种方式,有能力以一个新方式使人产生电信号,激发大脑神经元细胞核的部分基因片段,从而形成长期的记忆,在无需运动和药物的前提下,可以提高用户的记忆力,从而达到良好的良性循环,改善用户的体验。附图说明
[0048] 图1为本发明的系统结构示意图。
[0049] 图2为本发明的方法步骤示意图。

具体实施方式

[0050] 下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
[0051] 实施例1
[0052] 如图1-2所示的一种基于VR技术的记忆提升检测方法,所述基于VR技术的记忆提升检测方法包括:
[0053] 输入构建记忆数据训练场景的相关构建数据和记忆数据,并将数据进行存储;
[0054] 系统构建分类函数,将存储的数据项目隐射到单独的给定类别,提取描述重要数据类的模型,将分类后的模型数据抽出,基于用户的年龄、性别和训练类别对数据进行分类,对每个数据样本进行类别标记,训练集构成分类模型,使用模型识别未知对象的所属类别;
[0055] 获取用户进行记忆训练场景所需的最小数据量:
[0056]
[0057] 其中,Dj和D为场景数据中构建训练场景数据的权重,infoA是记忆训练数据中单个场景所需要的最小数据量。
[0058] 实施例2
[0059] 在实施例1的基础上,本发明还包括记忆训练场景构建和场景心理状态数据,具体如下:
[0060] 在获得的单个训练场景数据量的基础上,抽取与用户年龄、性别和训练类别相对应的场景数据,场景数据包括日常数据、学习数据和运动数据;
[0061] 系统根据日常数据模拟构建用户日常生活中的VR场景,根据学习数据模拟构建用户学习过程中的VR场景,根据运动数据模拟构建用户运动过程中的VR场景,用户通过VR模块感受构建的训练VR场景;
[0062] 利用心理评估单元获取用户在上述VR场景中穿梭时的心理状态数据,并通过计算机对心理状态数据进行评估,将数据可视化
[0063] %matplotlib inline
[0064] fig,axes=plt.subplots(A、B、C)
[0065] plot_categorical_palettes(A、B、C)
[0066] plot_circular_palettes(A、B、C)
[0067] plot_brewer_palettes(A、B、C)
[0068] plot_sequential_palettes(A、B、C)
[0069] 可视化输出----(A、B、C)。
[0070] 实施例3
[0071] 在上述实施例的基础中,进一步的,通过计算机对心理状态数据进行评估的方法包括如下步骤:
[0072] 步骤一,获取用户的情感文本信息,将情感文本信息进行存储;
[0073] 步骤二,构建基于用户文本情感特征的心理评估模型,根据用户词语的情感极性和词性设计词语特征,将用户情感文本中每个词语映射呈情感词向量,并将其作为卷积神经网络的输入,进而加入注意力机制对输出结果进行优化,得到包含用户情感特征的文本向量表示;
[0074] 步骤三,使用Bayes正则化算法优化权值,控制并平衡神经网络拟合程度,改进BP神经网络算法的网络泛化能力,然后将用户情感文本向量作为Bayes正则化神经网络的输入,评估用户的心理状态;
[0075] 步骤四,将获取的用户心理状态与医生标签进行比对,通过计算损失函数与梯度反向传导,对用户的问答选项进行智能校正,再将用户的生理数据和病理数据与心理状态进行处理后,获得用户心理状态。
[0076] 实施例4
[0077] 在实施例1-3的基础上,本发明还包括复建场景和获取记忆训练场景的差别:
[0078] 被测用户根据其在训练过程中感受的VR场景,自行选取构建场景数据,系统根据用户选取的场景数据,对用户在记忆数据训练和提升过程中的VR场景进行重建;
[0079] 系统对VR场景进行逐帧播放,获取场景差异大的图像并进行截图,将截图后的图像信息进行分析对比,获取图像差别,具体如下:
[0080] 计算场景基础图像与各个训练场景图像之间的距离;
[0081] 按照距离的递增关系进行排序;
[0082] 选取距离最小的K个点;
[0083] 确定前K个点所在类别的出现频率;
[0084] 返回前K个点中出现频率最高的类别作为场景图像的最大差异;
[0085] 根据最大差异的场景与用户训练场景中重复度最高的场景进行对比,根据两者图像中不同点的数量判断用户的记忆训练和记忆提升度。
[0086] 实施例5
[0087] 如图1所示的一种基于VR技术的记忆提升检测系统,包括中控单元;
[0088] 所述中控单元连接端设有VR模块、场景构建单元、复建场景单元、心理评估单元、获取场景差别单元和显示单元;
[0089] 所述VR模块具体为穿戴式VR设备,用于为用户在进行记忆数据训练和提升检测时提供VR体验;
[0090] 所述场景构建单元和复建场景单元均用于构建用户记忆训练场景的构建;
[0091] 所述心理评估单元用于对用户在进行记忆训练前和记忆训练后,获取用户的心理状态;
[0092] 所述获取场景差别单元对用户在记忆训练过程中经历的不同场景的场景影像进行获取,并利用图像分析算法获取场景中的差异;
[0093] 所述显示单元用于对用户在记忆训练后,对用户的记忆训练提升和用户在训练过程中的心理状态进行显示。
[0094] 最后应说明的几点是:首先,在本申请的描述中,需要说明的是,除非另有规定和限定,术语“安装”、“相连”、“连接”应做广义理解,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,“上”、“下”、“左”、“右”等仅用于表示相对位置关系,当被描述对象的绝对位置改变,则相对位置关系可能发生改变;
[0095] 其次:本发明公开实施例附图中,只涉及到与本公开实施例涉及到的结构,其他结构可参考通常设计,在不冲突情况下,本发明同一实施例及不同实施例可以相互组合;
[0096] 最后:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈