The invention relates to the field of video image data processing, in particular to an emotional virtual reality scene evaluation method based on in-depth learning, including steps: obtaining sample images of various emotional types to form a sample library and preprocessing; standardizing image data of dynamic vision in virtual reality scene and acquisition of virtual reality scene to be evaluated, in a virtual reality scene that meets the requirements of time-length. A series of images are intercepted and the image data to be evaluated are obtained to form the sample database to be evaluated; the depth neural network model is constructed and trained by using the pre-processed emotional stimulus sample images; the depth neural network model is used to evaluate the dynamic visual images collected in the evaluation virtual reality scene, and the emotional types of the evaluation are output. This method allocates the weight of features in each view of each video frame reasonably, and considers the duration of the virtual reality scene comprehensively. It can fully evaluate the emotional triggering of the virtual reality scene on the time axis.
【技术实现步骤摘要】
基于深度学习的情感虚拟现实场景评估方法
本专利技术涉及视频图像数据处理领域,具体为基于深度学习的情感虚拟现实场景评估方法。
技术介绍
虚拟现实场景在日常生活中的应用正在逐步地广泛起来,其中一部分围绕着情感触发及情感评估进行的健康监测、辅助治疗和游戏设计的应用正是发展的重要领域之一。已有的研究表明,利用虚拟现实技术创建出虚拟场景进行心理疾病诊断、治疗可以诊断被试者的心理状况或有效地缓解被试者的焦虑症、恐惧症等精神疾病。虚拟现实场景通过整合计算机图像处理、运动追踪、视觉呈现等技术,具备优秀的沉浸性、可交互性,可以让患者安全可控地完全沉浸在虚拟的场景中进行治疗,从而逐步改善患者的症状。虚拟现实场景在投入正式使用之前,需要进行情感评估,对虚拟现实场景所处的情感触发类别进行评估。在虚拟现实场景情感评估方面中,目前普遍使用的方法还是运用传统情感评估手段进行情感评估,即是通过规范化的心理学实验,获取主观的情感报告。主观情感报告作为主流实验手段,存在数据结果主观、个体差异大、耗费人力物力等不足之处。所以,需要搭建一个神经网络,自动识别一定时长的虚拟现实场景。这样既节省了严格心理学实验评估的一系列需求,又可对一段时间内虚拟现实场景的视觉画面进行多维度、全方位的评估,得出场景的情感类型,分析场景的基础情绪构成,在时间维度、空间维度和复合情绪分析上更具科学性。在相关研究中,通过神经网络进行情感评估的研究主要集中在图片、音频、视频等方面,即利用人工智能、计算机视觉等技术对情感评估素材的情感类型进行自动评估的研究。通过机器学习、图像数据处理等手段找出情感评估素材中的颜色、元素等各类 ...
【技术保护点】
1.基于深度学习的情感虚拟现实场景评估方法,其特征在于,包括以下步骤:S1、获取多种情绪类型的样本图像组成样本库,并对所述样本库中的情绪刺激样本图像进行预处理;S2、标准化虚拟现实场景中动态视觉的图像数据及待评估虚拟现实场景采集,在符合时长要求的虚拟现实场景中,截取一系列图像,获取待评估的图像数据组成待评估样本库;S3、利用预处理后的情绪刺激样本图像构建和训练深度神经网络模型;S4、使用深度神经网络模型对待评估虚拟现实场景中采集的动态视觉图像进行评估,输出评估的情绪类型。
【技术特征摘要】
1.基于深度学习的情感虚拟现实场景评估方法,其特征在于,包括以下步骤:S1、获取多种情绪类型的样本图像组成样本库,并对所述样本库中的情绪刺激样本图像进行预处理;S2、标准化虚拟现实场景中动态视觉的图像数据及待评估虚拟现实场景采集,在符合时长要求的虚拟现实场景中,截取一系列图像,获取待评估的图像数据组成待评估样本库;S3、利用预处理后的情绪刺激样本图像构建和训练深度神经网络模型;S4、使用深度神经网络模型对待评估虚拟现实场景中采集的动态视觉图像进行评估,输出评估的情绪类型。2.根据权利要求1所述的情感虚拟现实场景评估方法,其特征在于,步骤S2中获取待评估的图像数据组成待评估样本库,包括步骤:S21、判断虚拟现实场景是否满足所需的时长要求,若不满足,则将虚拟现实场景分至不合格类别,结束评估;如满足,则进入步骤S22;S22、对步骤S21中满足时长需求的虚拟现实场景,以摄像机主视角为基准,将其在水平方向均分成多个视角;S23、每间隔相等的时间,从各个视角均截取一张图像,直至虚拟现实场景结束放映,获得一组图像数据;S24、将步骤S23中同一个虚拟现实场景截取的图像数据,统一命名,并打包至同一数据包内。3.根据权利要求2所述的情感虚拟现实场景评估方法,其特征在于,步骤S22中,均分成多个视角的过程为:取摄像机主视角中轴线在水平面顺时针旋转,每旋转90°为一个新视角的中轴线,即依次分为四个视角;每两个相邻视角之间存在重叠部分。4.根据权利要求3所述的情感虚拟现实场景评估方法,其特征在于,每两个相邻视角之间的重叠部分为20°。5.根据权利要求2所述的情感虚拟现实场景评估方法,其特征在于,步骤S22中,虚拟现实场景截取图像的命名表示为a-b-c,其中,a为所属虚拟现实场景序号,b表示图像截取所在的时间段编号,c表示图像截取所在的视角;导出时,将a值相同的图像数据打包到同一数据集中。6.根据权利要求1所述的情感虚拟现实场景评估方法,其特征在于,深度神经网络模型包括相连接的基础网络部分...
【专利技术属性】
技术研发人员:晋建秀,张文卓,徐向民,舒琳,黎璎萱,
申请(专利权)人:华南理工大学,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。