一种基于虚拟现实的场景互动式安全培训方法及系统技术方案

本发明专利技术涉及安全培训技术领域，公开了一种基于虚拟现实的场景互动式安全培训方法及系统，该方法包括以下步骤：构建虚拟环境；设计不同难度的培训场景及安全培训资料；选择对应的安全培训资料；为培训人员进行安全培训资料的演示；进行培训内容的虚拟操作，并进行状态识别；根据培训人员的状态动态调整培训场景的难度级别；分析培训学习效果，并基于培训学习效果对安全培训资料进行优化；本发明专利技术还公开了一种基于虚拟现实的场景互动式安全培训系统

【技术实现步骤摘要】
一种基于虚拟现实的场景互动式安全培训方法及系统


[0001]本专利技术涉及安全培训
，具体来说，涉及一种基于虚拟现实的场景互动式安全培训方法及系统
。

技术介绍

[0002]在现代工业生产中，安全培训是至关重要的一环
。
这种培训可以帮助员工了解和掌握各种安全知识和操作技能，从而预防和避免各种安全事故的发生
。
这对于保护员工的生命安全，保障生产的顺利进行，以及避免因为安全事故导致的经济损失都具有重要的意义
。
[0003]传统的安全培训方法主要是通过讲解和演示的方式进行
。
教练或者教师会向员工解释和演示正确的操作步骤和方法，然后员工再根据教练或者教师的示范进行模仿和学习
。
这种方法虽然简单易行，但是效果并不理想
。
因为它缺乏实际操作的环节，员工很难将所学的知识和技能转化为实际操作的能力
。
此外，这种方法也无法模拟真实的工作环境和条件，员工在实际工作中可能会遇到的问题和困难，在培训中往往无法得到有效的模拟和解决<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于虚拟现实的场景互动式安全培训方法，其特征在于，该方法包括以下步骤：
S1、
利用
3D
建模软件根据实际工作环境及操作流程构建虚拟环境，并在虚拟环境中设置虚拟角色；
S2、
根据培训需求设计不同难度的培训场景及安全培训资料；
S3、
培训人员通过交互终端进入虚拟环境，并根据岗位需求选择对应的安全培训资料；
S4、
响应培训人员的选择操作指令，并利用虚拟角色将选择的安全培训资料以第一视角的方式为培训人员进行演示；
S5、
培训人员基于培训结果利用交互终端进行培训内容的虚拟操作，并利用融合识别算法对培训人员在虚拟操作过程中的状态进行识别；
S6、
根据培训人员的状态动态调整培训场景的难度级别，直至培训人员掌握与其岗位相对应的安全培训内容；
S7、
利用培训人员的所有操作行为和过程数据分析培训学习效果，并基于培训学习效果对安全培训资料进行优化
。2.
根据权利要求1所述的一种基于虚拟现实的场景互动式安全培训方法，其特征在于，所述虚拟角色用于为培训人员进行动作演示，以第一视角示范正确和错误操作，还用于与培训人员进行交互，并根据培训人员的操作做出对应的反馈
。3.
根据权利要求1所述的一种基于虚拟现实的场景互动式安全培训方法，其特征在于，所述根据培训需求设计不同难度的培训场景及安全培训资料包括以下步骤：
S21、
明确培训目标及需求，包括培训的主题
、
培训的对象及培训的难度；
S22、
根据培训需求设计不同难度的培训场景，包括初级培训对应的基本安全操作和基本设备使用
、
中级培训对应的常见安全问题和高级设备使用
、
高级培训对应的突发安全事件和复杂安全问题处理；
S23、
根据培训场景编写相应的安全培训资料，包括不同培训场景的详细描述
、
操作步骤及注意事项
。4.
根据权利要求1所述的一种基于虚拟现实的场景互动式安全培训方法，其特征在于，所述培训人员基于培训结果利用交互终端进行培训内容的虚拟操作，并利用融合识别算法结合生理参数对培训人员在虚拟操作过程中的状态进行识别包括以下步骤：
S51、
基于培训结果，培训人员在交互终端上选择待进行的虚拟操作选项，并在虚拟环境中执行对应的虚拟操作；
S52、
利用基于注意力机制的多模态融合识别算法结合生理参数对培训人员在虚拟操作过程中的状态进行识别；其中，所述利用基于注意力机制的多模态融合识别算法结合生理参数对培训人员在虚拟操作过程中的状态进行识别包括以下步骤：
S521、
提取培训人员在虚拟操作过程中的眼动特征
、
脑电特征及跨模态上下交互特征；
S522、
利用语义转换技术将眼动特征
、
脑电特征及跨模态上下交互特征映射到同一向量空间；
S523、
融合不同时期低维特征的残余信息，并对融合后的特征进行状态分类，得到基于融合特征的识别结果；
S524、
利用培训人员在虚拟操作过程中的生理参数对培训人员在虚拟操作过程中的状
态进行识别，得到基于生理参数的识别结果；
S525、
基于融合特征的识别结果和基于生理参数的识别结果分析得到最终的状态识别结果
。5.
根据权利要求4所述的一种基于虚拟现实的场景互动式安全培训方法，其特征在于，所述提取培训人员在虚拟操作过程中的眼动特征
、
脑电特征及跨模态上下交互特征包括以下步骤：
S5211、
采集培训人员在虚拟操作过程中的眼动数据及脑电数据，并进行滑动窗口和归一化处理；
S5212、
分别利用
Transformer
‑
CNN
模型及基于
Transformer
的多头注意力机制提取脑电数据及眼动数据的特征；
S5213、
利用相似性计算得到跨模态数据间的相似性，并通过注意力机制更新权重得到跨模态上下交互特征；其中，所述利用相似性计算得到跨模态数据间的相似性，并通过注意力机制更新权重得到跨模态上下交互特征包括以下步骤：利用线性变换技术将脑电数据和眼动数据映射到注意力空间；使用点积计算脑电数据和眼动数据中各数据点间注意力向量的相...

【专利技术属性】
技术研发人员：陈日华，刘潇，胡留超，姚梦倩，崔艳楠，
申请(专利权)人：南通市聚仁人力资源有限公司，
类型：发明
国别省市：