基于用户行为分析的大规模场景实时渲染方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN109445581A(43)申请公布日2019.03.08(21)申请号201811211325.9(22)申请日2018.10.17(71)申请人北京科技大学地址100083北京市海淀区学院路30号申请人北京时代之峰科技有限公司(72)发明人王晓慧张彦春杨晓红(74)专利代理机构北京市广友专利事务所有限责任公司11237代理人张仲波(51)Int.Cl.G06F3/01(2006.01)G06F16/20(2019.01)G06T15/00(2011.01)权利要求书1页说明书3页附图1页(54)发明名称基于用户行为分析的大规模场景实时渲染方法(57)摘要本发明提供一种基于用户行为分析的大规模场景实时渲染方法，属于机器学习技术领域。该方法首先收集虚拟现实场景中的用户运动行为数据，构建虚拟场景中用户行为数据库。然后基于神经网络构建用户行为分析基础模型，使用用户行为数据库训练模型。最后根据该个性化模型计算下一时刻用户位置和视力范围，根据当前的虚拟现实场景数据，输出需要渲染的场景。该方法在场景的模型量较大、模型质量较高时，能够提前加载用户下一时刻可能的视力范围所及的模型，实现大规模场景的实时渲染，节省渲染资源，避免渲染延迟，进而营造出真实的沉浸感体验。CN109445581ACN109445581A权利要求书1/1页1.一种基于用户行为分析的大规模场景实时渲染方法，其特征在于：包括步骤如下：(1)收集虚拟现实场景中的用户运动行为数据，构建虚拟场景中用户行为数据库；(2)基于神经网络构建用户行为分析基础模型，使用步骤(1)中获得的用户行为数据库训练模型，得到个性化模型；(3)根据步骤(2)中训练好的个性化模型计算下一时刻用户位置和视力范围，根据当前的虚拟现实场景数据，输出需要渲染的场景。2.根据权利要求1所述的基于用户行为分析的大规模场景实时渲染方法，其特征在于：所述步骤(1)中用户行为数据库包括特定场景下用户行为数据库和通用型数据库。3.根据权利要求1所述的基于用户行为分析的大规模场景实时渲染方法，其特征在于：所述步骤(1)中用户运动行为数据包括用户在场景中的位置、用户位移方向和速度、头部转动的方向和速度。4.根据权利要求1所述的基于用户行为分析的大规模场景实时渲染方法，其特征在于：所述步骤(2)中用户行为分析基础模型为基于LSTM的用户行为分析基础模型。5.根据权利要求1所述的基于用户行为分析的大规模场景实时渲染方法，其特征在于：所述步骤(3)具体为：得到下一时刻用户位置及视力范围后，加载用户视力所及的模型，并在这些模型中对于远处的模型，加载其粗糙版本，同时将很久未被关注的模型从内存中撤销。6.根据权利要求1所述的基于用户行为分析的大规模场景实时渲染方法，其特征在于：所述步骤(5)中从内存中撤销的模型为用户3-5min未关注的模型。2CN109445581A说明书1/3页基于用户行为分析的大规模场景实时渲染方法技术领域[0001]本发明涉及机器学习技术领域，特别是指一种基于用户行为分析的大规模场景实时渲染方法。背景技术[0002]虚拟现实技术(VirtualReality，简称VR技术)具有沉浸感、交互性和创意性的特点[1]，融合了计算机图形学、数字图像处理、多媒体、传感器、网络等多学科的最新发展成果，被广泛应用在教育、医疗、设计、艺术、规划等众多领域[2-3]。为了营造真实的沉浸感体验，虚拟现实技术对场景的实时渲染要求很高。当场景的模型量较大、模型质量较高时，实时高质量渲染场景中的所有模型是十分耗费资源的，有时甚至是不能实现的。因此需要模型智能动态预加载和撤销，即只加载用户视力所及的模型，并且在这些模型中对于较远处的模型，加载其粗糙版本，同时将很久未被关注的模型从内存中撤销。虚拟现实中丁点的延迟都会给用户带来不真实的体验，因此预测用户下一时刻可能的位置及视力范围尤为重要，实现大规模场景的提前渲染。[0003]本发明基于用户行为分析预测用户下一时刻可能的位置及视力范围。狭义的用户行为分析是指网络上的用户行为，是指在获得网站访问量基本数据的情况下，对有关数据进行统计、分析，从中发现用户访问网站的规律，已经被广泛应用于信息检索[4]、垃圾邮件识别[5]、网页排序[6]等。本发明中的用户行为分析指的是在虚拟现实场景中，根据用户的运动行为预测下一时刻用户的运动，其中用户行为包括用户在场景中的位置、用户位移方向、位移速度、头部上下转动的方向和速度、头部左右转动的方向和速度。[0004]参考文献：[0005][1]HowardRheingold.VirtualReality:ExploringtheBraveNewTechnologies[M].Simon&Sch