【技术实现步骤摘要】
本技术涉及人机交互领域，主要解决非压感触控屏下实现智能压力模拟的技术问题。随着移动设备和电子笔的普及，用户对于触控屏的交互体验提出了更高的要求，包括对于书写和绘画等操作的真实感和自然感。传统的触控屏通常使用压力传感器来检测用户的触摸力度，但是在非压感触控屏下，无法直接测量用户的压力，因此需要一种智能算法来模拟用户的压力动作。
技术介绍
1、在传统的触控设备中，压感笔通过内置的压力传感器可以精确检测用户的压力大小，并在屏幕上实现相应的压感效果。然而，在非压感触控屏下，由于缺乏压力传感器，无法直接获取用户的压力信息，这为实现真实的书写和绘画体验带来了挑战。
2、为了解决这一难题，传统的方法包括使用硬件压感笔来替代传统笔，但这种方法需要额外的硬件设备，并且存在成本高、易损坏等问题。另一种方法是利用表面声波技术或光学成像技术来实现压力检测，但这些方法也存在复杂的设备和算法，不适用于大规模商业应用。
3、随着人工智能和模式识别技术的快速发展，基于深度学习的算法逐渐成为解决非压感触控屏下压力模拟的新方向。这些算法通过分析用户...
【技术保护点】
1.一种非压感触控屏下的AI压力模拟系统，其特征在于包括：
2.根据权利要求1所述的非压感触控屏下的AI压力模拟系统，其特征在于所述深度学习模型通过大量触摸屏书写和绘画数据训练得到，包括但不限于卷积神经网络(CNN)和循环神经网络(RNN)等模型。
3.根据权利要求1或2所述的非压感触控屏下的AI压力模拟系统，其特征在于所述实时推断与反馈机制能够在触控屏设备上实现实时的压力模拟，保证用户在书写和绘画过程中获得流畅的反馈体验。
4.根据权利要求1或2所述的非压感触控屏下的AI压力模拟系统，其特征在于能够精准地预测用户在触控屏上的压力分...
【技术特征摘要】
1.一种非压感触控屏下的ai压力模拟系统，其特征在于包括：
2.根据权利要求1所述的非压感触控屏下的ai压力模拟系统，其特征在于所述深度学习模型通过大量触摸屏书写和绘画数据训练得到，包括但不限于卷积神经网络(cnn)和循环神经网络(rnn)等模型。
3.根据权利要求1或2所述的非压感触控屏下的ai压力模拟系统，其特征在于所述实时推断与反馈机制能够在触控屏设备上实现实时...
【专利技术属性】
技术研发人员：瞿鹏，王梓秋，周天才，赵振伸，
申请(专利权)人：西南石油大学，
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。