【技术实现步骤摘要】
本申请涉及人因智能、人工智能、医疗健康的，尤其是涉及一种多模式人因智能训练方法和装置、虚实融合座舱及设备。
技术介绍
1、人因座舱，又称为人因工程座舱，是一个综合了多种技术和设计理念的交互环境。智能座舱可以进行生物反馈放松、认知训练等，对包括但不限于高压/焦虑人群放松、老年人认知障碍康复训练等诸多方面有广泛应用。
2、目前的人因座舱通常提供沉浸式或非沉浸式单一的训练模式，这种单一方式无法满足不同用户的需求，同时也缺乏对用户在不同模式下的心理和心理反应的全面考虑，影响放松/训练的效果。
技术实现思路
1、为了为用户提供适合的训练模式，本申请提供一种多模式人因智能训练方法和装置、虚实融合座舱及设备。
2、第一方面，本申请提供一种多模式人因智能训练方法，采用如下的技术方案：
3、获取用户的人相关数据信息，所述人相关数据信息包括生理信号数据和/或身心指标数据；
4、根据所述人相关数据信息确定用户针对不同训练模式的匹配程度；
5、根据所述匹配程度确定目标训练模式；
6、执行所述目标训练模式，以对所述用户进行人因智能训练。
7、通过采用上述技术方案，电子设备获取用户人相关数据信息，进而根据人相关数据信息，确定用户针对不同训练模式的匹配程度，进而根据匹配程度确定目标训练模式，以使用户采用目标训练模式进行人因智能训练，因此全面考虑用户的生理状态和心理状态，选择适合的训练模式，提高训练效果。
8、进一步地
9、和/或，
10、所述训练模式包括沉浸式训练模式和非沉浸式训练模式。
11、通过采用上述技术方案，本申请可以选择应用实时的人相关数据信息或者历史的人相关数据信息进行人因智能训练，可保留用户数据，用户再次使用设备时，即可调用历史数据并自动进行训练。另一方面，本申请的训练模式包括沉浸式训练模式和非沉浸式训练模式，沉浸式训练模式为用户提供高度逼真的环境模拟，非沉浸式训练模式提供放松的训练环境。
12、进一步地，所述根据所述匹配程度确定目标训练模式，包括以下至少一种：
13、根据所述匹配程度确定目标训练模式；
14、根据所述匹配程度确定训练模式的推荐信息，以供用户基于所述推荐信息确定目标训练模式；
15、根据所述匹配程度确定目标训练模式切换信息，所述目标训练模式切换信息表示用户的训练模式由当前切换模式切换至目标训练模式。
16、通过采用上述技术方案，本申请设置多种使用模式以供用户选择，电子设备可以根据匹配程度直接确定目标训练模式，或进行推荐，或进行自动切换，训练过程灵活。
17、进一步地，所述根据所述匹配程度确定目标训练模式，包括：若根据所述生理信号数据和/或身心指标数据确定用户针对任一训练模式的所述适用度或意愿度大于预设值，则根据所述任一训练模式确定目标训练模式；
18、和/或，
19、所述根据所述匹配程度确定训练模式的推荐信息，包括：若根据所述生理信号数据和/或身心指标数据确定用户针对任一训练模式的所述适用度或意愿度大于预设值，则根据所述任一训练模式确定训练模式的推荐信息；
20、和/或，
21、所述根据所述匹配程度确定目标训练模式切换信息，包括：若根据所述混合数据确定用户针对任一训练模式的所述适用度大于预设值，则根据所述任一训练模式确定目标训练模式切换信息。
22、通过采用上述技术方案，电子设备设置预设值用于快速确定目标训练模式、目标训练模式切换信息和目标训练模式切换信息。
23、进一步地，所述根据所述生理信号数据和/或所述身心指标数据，预测用户针对不同训练模式的适用度或意愿度，包括：
24、对所述生理信号数据进行预处理和特征提取，得到生理特征值，根据所述生理特征值得到生理特征分值；将所述生理特征分值输入至训练好的第一深度学习模型，输出用户针对不同训练模式的适用度；
25、或者，根据所述身心指标数据得到身心特征分值；将所述身心特征分值输入至训练好的第二深度学习模型，输出用户在不同训练模式下的意愿度；
26、或者，对所述生理信号数据进行预处理和特征提取，得到生理特征值，根据所述生理特征值得到生理特征分值；根据所述身心指标数据得到身心特征分值；将所述生理特征分值和所述身心特征分值进行融合，得到融合数据；将所述融合数据输入至训练好的第三深度学习模型，输出用户针对不同训练模式的适用度。
27、通过采用上述技术方案，电子设备根据生理信号数据和第一深度学习模型，确定用户针对不同训练模式的适用度，根据身心指标数据和第二深度学习模型，确定用户针对不同训练模式的意愿度，根据混合数据和第三深度学习模型，确定用户针对不同训练模式的适用度，进而智能分析得到用户对不同训练模式的匹配程度。
28、进一步地，所述对所述生理信号数据进行预处理和特征提取，得到生理特征值，包括：
29、对所述生理数据信息进行滤波处理；
30、根据预设的特征值提取方法，对所述滤波处理后的生理数据信息进行特征值提取，删除伪迹成分，得到多个生理特征值。
31、通过采用上述技术方案，电子设备在处理生理数据时去除噪声或者干扰，可以帮助消除一些非必要的干扰，比如电气噪声、运动伪迹等，这样就可以更清晰地看到真正的生理信号，接着从滤波处理后的实时生理数据信息中提取出有代表性的特征，这些特征可以反映人体的某些生理状态或者疾病情况。在提取特征的过程中，还需要对数据进行清理，删除那些由非生理因素（如运动、电磁干扰等）引起的“伪迹”。这些伪迹如果不进行处理，将会对最终的特征提取结果产生影响，通过这个过程，可以得到一系列的实时生理特征值。
32、进一步地，若所述身心指标数据为问卷数据，所述根据所述身心指标数据得到身心特征分值，包括：
33、获取问卷数据中每条问卷的选择结果对应的第一分值；
34、将各个所述第一分值相加，计算得到总分值，确定所述总分值为身心特征分值。
35、通过采用上述技术方案，对于每个问题，通常会有一系列选项，获取每个问卷对于每个问题的选择结果所对应的第一个分值，下一步就是将这些分值相加，以计算得到总分值，问卷分值可以用来评估问卷的回答情况，评估用户的态度。
36、进一步地，所述将所述生理特征分值和所述身心特征分值进行融合，得到融合数据，包括：
37、计算所述生理特征分值与所述身心特征分值的差值，判断所述差值是否达到预设差值；
38、若是，则确定所述生理特征分值与所述身心特征分值的权重比为第一权重比；所述第一权重比中生理特征分值对应的权重大于所述身心特征分值对应的权重。
39、否则，确定所述生理特征分值与所述身心特征分值的权重比为第二权重比本文档来自技高网...
【技术保护点】
1.一种多模式人因智能训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求1所述的方法，其特征在于，所述获取用户的人相关数据信息，包括：获取生理信号采集设备采集的用户的生理信号数据，和/或，获取用户针对问卷反馈的身心指标数据。
4.根据权利要求1所述的方法，其特征在于，所述根据所述人相关数据信息确定用户针对不同训练模式的匹配程度，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述匹配程度确定目标训练模式，包括以下至少一种：
6.根据权利要求5所述的方法，其特征在于，
7.根据权利要求4所述的方法，其特征在于，所述根据所述生理信号数据和/或所述身心指标数据，预测用户针对不同训练模式的适用度或意愿度，包括：
8.根据权利要求7所述的方法，其特征在于，所述对所述生理信号数据进行预处理和特征提取，得到生理特征值，包括：
9.根据权利要求7所述的方法，其特征在于，若所述身心指标数据为问卷数据，所述根据所述身心指标数据得到身心特征分值，包括：>
10.根据权利要求7所述的方法，其特征在于，所述将所述生理特征分值和所述身心特征分值进行融合，得到融合数据，包括：
11.根据权利要求1所述的方法，其特征在于，所述方法包括：
12.根据权利要求11所述的方法，其特征在于，所述根据所述反馈信息确定反馈适应值，根据所述反馈适应值对用户针对不同训练模式的适用度或意愿度进行修改，包括：
13.一种多模式人因智能训练装置，其特征在于，包括：
14.一种虚实融合座舱，其特征在于，包括：
15.一种电子设备，其特征在于，包括：
16.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1至12中任一项所述的方法的计算机程序。
...【技术特征摘要】
1.一种多模式人因智能训练方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，
3.根据权利要求1所述的方法，其特征在于，所述获取用户的人相关数据信息，包括：获取生理信号采集设备采集的用户的生理信号数据，和/或，获取用户针对问卷反馈的身心指标数据。
4.根据权利要求1所述的方法，其特征在于，所述根据所述人相关数据信息确定用户针对不同训练模式的匹配程度，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述匹配程度确定目标训练模式，包括以下至少一种：
6.根据权利要求5所述的方法，其特征在于，
7.根据权利要求4所述的方法，其特征在于，所述根据所述生理信号数据和/或所述身心指标数据，预测用户针对不同训练模式的适用度或意愿度，包括：
8.根据权利要求7所述的方法，其特征在于，所述对所述生理信号数据进行预处理和特征提取，...
【专利技术属性】
技术研发人员：请求不公布姓名，请求不公布姓名，请求不公布姓名，请求不公布姓名，
申请(专利权)人：北京津发科技股份有限公司，
类型：发明
国别省市：
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。