基于深度学习VR渲染图像异常显示检测方法及系统技术方案

本发明专利技术公开一种基于深度学习的VR渲染图像异常显示检测方法及系统，其中，方法包括：实时采集VR一体机曲面双屏上镜渲染后的每一帧图像；构建深度学习模型，以所述视频流中采集的每个图像为输入集，提取人工标注异常渲染图像的关键元素特征，大量训练识别深度学习模型的异常渲染图像以及正常渲染图像形成分类模型；分类模型实时拆分目标视频流检测每一帧图像对异常渲染图像进行识别，提取目标视频流中的异常渲染图像的图像信息。利用上述检测方法提升了检测准确性以及可靠性。提升了检测准确性以及可靠性。提升了检测准确性以及可靠性。

【技术实现步骤摘要】
基于深度学习VR渲染图像异常显示检测方法及系统


[0001]本专利技术涉及VR测试
，尤其涉及基于深度学习VR渲染图像异常显示检测方法及系统。

技术介绍

[0002]研究发现，目前业界对于VR一体机的图像渲染异常检测基本都基于测试人员肉眼识别的处理方式；这种人工识别VR一体机的图像渲染异常的效率低，误差大，且由于终端渲染问题往往有较强的时效性，人工较难做到及时的异常图像捕获，总体无法做到精准的定位和异常图像捕获。
[0003]因此说，如何解决现有技术中的存在的上述技术缺陷是本领域技术人员急需克服的问题。

技术实现思路

[0004]本专利技术一种基于深度学习的VR渲染图像异常显示检测方法，可实现检测VR一体机可视范围内图像渲染是否存在异常节点的测试方法，避免人眼识别失误，从而节约人工成本，极大提高检测效率。
[0005]为实现上述目的，根据本专利技术的第一方面，本专利技术提出了一种基于深度学习的VR渲染图像异常显示检测方法，包括：
[0006]实时采集VR一体机曲面双屏上镜渲染后的每一帧图像，对视频流本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的VR渲染图像异常显示检测方法，其特征在于，包括：实时采集VR一体机曲面双屏上镜渲染后的每一帧图像，对视频流中的多个图像进行人工筛选，人工筛选出异常渲染图像标注以及正常渲染图像标注并存储；所述VR一体机曲面双屏上镜渲染后的每一帧图像为双屏可视范围内图像；构建深度学习模型，以所述视频流中采集的每个图像为输入集，提取人工标注异常渲染图像的关键元素特征，通过对比人工标注异常渲染图像的关键元素特征与每个图像的关键元素特征对比，从而大量训练识别深度学习模型的异常渲染图像以及正常渲染图像形成分类模型；防人眼像机连接VR一体机继续获取VR一体机输出的目标视频流，将所述目标视频流发送分类模型，分类模型实时拆分目标视频流检测每一帧图像对异常渲染图像进行识别，提取目标视频流中的异常渲染图像的图像信息。2.根据权利要求1所述的基于深度学习的VR渲染图像异常显示检测方法，其特征在于，在实时采集VR一体机曲面双屏上镜渲染后的每一帧图像之前，包括：预先将防人眼像机连接VR一体机，录制视频流操作；3.根据权利要求2所述的基于深度学习的VR渲染图像异常显示检测方法，其特征在于，所述人工标注异常渲染图像的关键元素特征包括图像异常色块、图像花屏、图像黑边、图像撕裂、图像闪帧黑屏、左右眼屏幕图像错位、界面UI显示不完整、手柄渲染不完整中的一种或是多种。4.根据权利要求2所述的基于深度学习的VR渲染图像异常显示检测方法，其特征在于，所述目标视频流中的异常渲染图像的图像信息包括：异常渲染图像的关键元素特征、异常渲染图像的所在目标视频帧的位置信息。5.根据权利要求1所述的基于深度学习的VR渲染图像异常显示检测方法，其特征在于，所述通过对比人工标注异常渲染图像的关键元素特征与每个图像的关键元素特征对比，包括：对比人工标注异常渲染图像的关键元素特征与每个图像的关键元素特征，...

【专利技术属性】
技术研发人员：刘冠华，
申请(专利权)人：北京梦想绽放科技有限公司，
类型：发明
国别省市：