关联性交互训练展示方法、系统、设备及存储介质技术方案

本发明专利技术属于虚拟现实领域，提供了关联性交互训练展示方法、系统、设备及存储介质，所述方法通过实时通过第一设备获取第一用户的第一训练意图，基于所述第一训练意图在所述第一设备的互动展示界面提供训练特效A；实时通过第二设备获取第二用户的第二训练意图，基于所述第二训练意图在所述第二设备的互动展示界面提供训练特效B；在所述训练特效A与所述训练特效B之间存在关联时，向所述第一设备的显示界面和所述第二设备的显示界面同步推送训练画面；可以使得两个互联设备同时具有用户的训练交互需求时，基于技能训练意图的关联性，使得两个设备建立统一的训练互动场景，实现两个用户之间的交互训练，有效提升技能训练的效果。有效提升技能训练的效果。有效提升技能训练的效果。

【技术实现步骤摘要】
关联性交互训练展示方法、系统、设备及存储介质


[0001]本专利技术属于虚拟现实
，尤其涉及关联性交互训练展示方法、系统、设备及存储介质。

技术介绍

[0002]随着虚拟现实技术的发展，虚拟现实的人机交互技术在技能训练方面也出现了越来越多的应用。目前，在人机交互
中，如公开号为CN105425953B的专利文件中公开的一种人机交互的方法及系统，该方法包括获取指定对象的个性特征；将所述个性特征赋予虚拟角色，以使虚拟角色模仿所述指定对象与用户进行交互；其中，所述个性特征包括语言特征和语音特征。
[0003]上述方案提供的交互方法中，虽然通过让虚拟角色模仿指定对象相应的个性特征，使得人机进行交互时，能够使虚拟角色能像所述指定对象一样与用户进行互动，但是在实际应用时，其本质上还是与交互设备的虚拟角色进行单调的交互互动，多次使用后就不再有太多的吸引力，使得交互设备的使用频率大大降低，互动性降低，导致交互功能形同虚设，影响了技能训练的效果。

技术实现思路

[0004]本专利技术的目的在于提供关联性交互训练展示方法、系统、设备及存储介质，旨在解决上述
技术介绍
中所提出的技术问题。
[0005]为实现上述目的，本专利技术提供了如下的技术方案。
[0006]第一方面，本专利技术提供了关联性交互训练展示方法；
[0007]所述的关联性交互训练展示方法应用于至少两台互动设备，至少两台互动设备包括第一设备和第二设备；所述关联性交互训练展示方法包括以下步骤：
[0008]实时通过第一设备获取第一用户的第一训练意图，基于所述第一训练意图在所述第一设备的互动展示界面提供训练特效A；
[0009]实时通过第二设备获取第二用户的第二训练意图，基于所述第二训练意图在所述第二设备的互动展示界面提供训练特效B；
[0010]在所述训练特效A与所述训练特效B之间存在关联时，向所述第一设备的显示界面和所述第二设备的显示界面同步推送训练画面，所述训练画面为训练特效A和训练特效B的融合画面。
[0011]作为本专利技术优选实施例技术方案的进一步限定，所述实时通过第一设备获取第一用户的第一训练意图的步骤包括：
[0012]当第一设备检测到第一用户触发交互的输入指令时，获取第一用户的图像信息，其中，所述图像信息包括面部表情图像和肢体动作图像；
[0013]将所述图像信息输入预设的级联神经网络模型进行处理，得到所述第一用户的训练意图。
[0014]作为本专利技术提供的优选实施例技术方案的进一步限定，所述级联神经网络模型基于YOLO算法对图像样本集训练得到，在训练过程中，所述级联神经网络模型的输入为图像样本集中标记了交互意图类型的样本图像信息，所述级联神经网络模型的输出为所述样本图像信息的交互意图；所述交互意图包括肢体动作意图、面部表情意图以及手势动作意图。
[0015]作为本专利技术提供的优选实施例技术方案的进一步限定，所述基于所述第一训练意图在所述第一设备的互动展示界面提供训练特效A的步骤包括：
[0016]服务器提取第一训练意图中的关键词；
[0017]服务器基于所述关键词在特效数据库中进行搜索，获得与所述关键词相匹配的至少两个训练特效；
[0018]第一设备在接收所述服务器发送的至少两个训练特效时，将所述至少两个训练特效在互动展示界面进行展示。
[0019]作为本专利技术提供的优选实施例技术方案的进一步限定，所述基于所述第一训练意图在所述第一设备的互动展示界面提供训练特效A的步骤还包括：
[0020]根据针对所述至少两个训练特效的操作手势，对所述至少两个训练特效执行选择操作；或者，根据针对所述至少两个训练特效的点击操作；
[0021]将选择操作或者点击操作所确定的训练特效作为训练特效A进行展示。
[0022]作为本专利技术提供的优选实施例技术方案的进一步限定，所述在所述训练特效A与所述训练特效B之间存在关联时，向所述第一设备的显示界面和所述第二设备的显示界面同步推送训练画面的步骤包括：
[0023]服务器在接收训练特效A和训练特效B时，基于训练特效A生成多个场景A；以及基于训练特效B生成多个场景B；在所述多个场景A与所述多个场景B存在相同场景时，则确定所述训练特效A和训练特效B之间存在关联；
[0024]将训练特效A和训练特效B在所述相同场景中的融合渲染效果在第一设备和第二设备中进行同步的输出展示。
[0025]第二方面，本专利技术还提供了一种关联性交互训练展示系统。
[0026]所述关联性交互训练展示系统包括：
[0027]第一设备，所述第一设备用于实时获取第一用户的第一训练意图，基于所述第一训练意图在所述第一设备的互动展示界面提供训练特效A；
[0028]第二设备，所述第二设备用于实时获取第二用户的第二训练意图，基于所述第二训练意图在所述第二设备的互动展示界面提供训练特效B；
[0029]服务器，所述服务器用于在所述训练特效A与所述训练特效B之间存在关联时，向所述第一设备的显示界面和所述第二设备的显示界面同步推送训练画面，所述训练画面包括训练特效A和训练特效B。
[0030]第三方面，本专利技术还提供了一种计算机设备，所述计算机设备包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机可读指令；
[0031]其中，所述处理器执行所述计算机可读指令时实现如第一方面所提供的关联性交互训练展示方法。
[0032]第四方面，本专利技术还提供了一种计算机可读存储介质；
[0033]所述计算机可读存储介质存储有计算机可读指令，所述计算机可读指令被一个或
多个处理器执行时，使得所述一个或多个处理器执行如第一方面所提供的关联性交互训练展示方法。
[0034]与现有技术相比，本专利技术提供的关联性交互训练展示方法通过实时通过第一设备获取第一用户的第一训练意图，基于所述第一训练意图在所述第一设备的互动展示界面提供训练特效A；实时通过第二设备获取第二用户的第二训练意图，基于所述第二训练意图在所述第二设备的互动展示界面提供训练特效B；在所述训练特效A与所述训练特效B之间存在关联时，向所述第一设备的显示界面和所述第二设备的显示界面同步推送训练画面，所述训练画面包括训练特效A和训练特效B的融合画面；可以使得两个互联设备同时具有用户的训练交互需求时，基于技能训练意图的关联性，使得两个设备建立统一的训练互动场景，实现两个用户之间的交互训练，有效提升技能训练的效果。
附图说明
[0035]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例。
[0036]图1为本专利技术用于实现关联性交互训练展示方法的系统架构图；
[0037]图2为本专利技术提供的关联性交互训练展示方法的实现流程图；
[0038]图3为本专利技术提供的关联性交互训练展示方法的一个子流程图本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.关联性交互训练展示方法，其特征在于，应用于至少两台互动设备，至少两台互动设备包括第一设备和第二设备；所述关联性交互训练展示方法包括以下步骤：实时通过第一设备获取第一用户的第一训练意图，基于所述第一训练意图在所述第一设备的互动展示界面提供训练特效A；实时通过第二设备获取第二用户的第二训练意图，基于所述第二训练意图在所述第二设备的互动展示界面提供训练特效B；在所述训练特效A与所述训练特效B之间存在关联时，向所述第一设备的显示界面和所述第二设备的显示界面同步推送训练画面，所述训练画面为训练特效A和训练特效B的融合画面。2.根据权利要求1所述的关联性交互训练展示方法，其特征在于，所述实时通过第一设备获取第一用户的第一训练意图的步骤包括：当第一设备检测到第一用户触发交互的输入指令时，获取第一用户的图像信息，其中，所述图像信息包括面部表情图像和肢体动作图像；将所述图像信息输入预设的级联神经网络模型进行处理，得到所述第一用户的训练意图。3.根据权利要求2所述的关联性交互训练展示方法，其特征在于，所述级联神经网络模型基于YOLO算法对图像样本集训练得到，在训练过程中，所述级联神经网络模型的输入为图像样本集中标记了交互意图类型的样本图像信息，所述级联神经网络模型的输出为所述样本图像信息的交互意图；所述交互意图包括肢体动作意图、面部表情意图以及手势动作意图。4.根据权利要求2或3所述的关联性交互训练展示方法，其特征在于，所述基于所述第一训练意图在所述第一设备的互动展示界面提供训练特效A的步骤包括：服务器提取第一训练意图中的关键词；服务器基于所述关键词在特效数据库中进行搜索，获得与所述关键词相匹配的至少两个训练特效；第一设备在接收所述服务器发送的至少两个训练特效时，将所述至少两个训练特效在互动展示界面进行展示。5.根据权利要求4所述的关联性交互训练展示方法，其特征在于，基于所述第一训练意图在所述第一设备的互动展示界面提供训练特效A的步骤还包括：根据针对所述至少两个训练特效的...

【专利技术属性】
技术研发人员：周强，杨大为，侍淳博，
申请(专利权)人：上海千丘智能科技有限公司，
类型：发明
国别省市：