专利名称：一种使现实和虚拟世界中人物交互影响的方法
技术领域：
本发明涉及利用传感器监测现实生活中用户的运动行为，以及将现实世界中用户 行为和虚拟世界中虚拟角色状态以及相关属性相互结合并交互式影响的方法。
背景技术：
根据出版总署09年1月初公布的数据，08年我国网络游戏出版产业实际销售收入 达183. 8亿元，比2007年增长76. 6%。网络游戏产业收入规模已经远远超过传统的三大娱 乐产业一电影、电视和音乐，成为中国娱乐业与互联网行业发展的排头兵。在网络游戏蓬勃发展的同时，也受到了众多质疑和打击。有人认为网络游戏让人 (尤其是青少年)沉迷，导致精神沉沦，而且由于长时间坐着不动，运动机会减少，导致各种 疾病发生。其实网络游戏本身就没有错，适当时间玩乐可以让人放松，所以如何引导人们在 网络游戏上合理花销时间是现在新型游戏的当务之急。随着电子与通信技术的发展，传感器开始覆盖人类生活的各个方面，例如无线接 入点、射频发生器、加速度计等，这些传感器能够在无形中记录人们的行为，从而推断出人 们所处的状态。基于传感器的行为识别已成为目前研究的热点，它们多采用传感器技术和 数据挖掘/机器学习算法相结合的方法，从底层的传感器信息推断高层的用户行为状态。若将现实中推断出来的用户行为状态影响虚拟游戏中的虚拟角色，包括虚拟角色 的行为和情绪等状态以及能力、经验值或虚拟货币等属性，可以让用户主动发觉自身状态， 从而通过游戏正向引导用户调节现有的行为状态。另一方面，游戏中用户闯关的能力，不再 是靠牺牲身体日日夜夜电脑前拼杀得到，而是靠日常生活中时刻调节到最佳的行为状态得 到，这让游戏变得更加健康，更加利于生活。
发明内容
本发明的目的是解决现有的网络游戏严重影响人的日常生活以及身心健康的问 题，提出了一种将行为识别技术引入到虚拟网络游戏当中，由游戏用户的行为状态影响游 戏中的虚拟角色，通过虚拟角色的行为和情绪等状态以及能力、经验值或虚拟货币等属性 的变化反作用于现实中的用户，将现实与虚拟相统一的方法，既能引导用户合理安排游戏 时间，休闲和锻炼两不误，又能让游戏更利于健康生活。为达到上述目的，本发明提供如下技术方案基于虚实结合的对称交互式行为模型方法，包括如下步骤步骤1 用户当前行为状态识别。利用传感器可以测量用户的加速度、速度、所处 环境的信号等各种底层信息，利用机器学习方法推断出用户的行为状态。步骤2 得到现实世界的人物状态参数。根据步骤1推断出的用户状态信息，在已 有的学习库中进行匹配，找出对应的人物状态参数。其中学习库是根据经验统计得到。步骤3 得到虚拟世界角色的状态参数以及各属性参数。我们设定在现实世界与虚拟世界中，人物的同一状态对应着相似的参数，两者存在一定关系。现实世界中人物状态 参数通过非线性映射函数转换，计算出虚拟世界角色的状态参数以及属性参数。步骤4 调整游戏中虚拟角色的行为状态以及对应属性值。根据虚拟世界角色的 状态参数，调整游戏中虚拟角色的行为和情绪等状态，同时根据虚拟世界角色的属性参数， 调整虚拟角色的能力、经验值或虚拟货币等属性。以上步骤将循环进行，并非时刻需要监测用户的行为，而是通过虚拟世界人物的 表现和界面设计(形象和动作等)来反馈提醒用户可通过以上自身行为对虚拟人物进行状 态调整，而不是仅需要用户沉迷于游戏中或长时间通过游戏来增加自己虚拟人物各种状态 (包括拥有物)。本发明产生的有益效果是本发明利用广泛应用的传感器采集用户的各种行为数据，推断用户现处的身体情 况等状态，并将此状态反映至游戏的虚拟角色中，包括虚拟角色的行为和情绪等状态以及 能力、经验值或虚拟货币等属性等，进而使用户主动发觉自身状态的不足，从而进行状态调 整，达到一个游戏正向推动用户健康生活的目的。具体来说，本发明有以下优势1、利用现在广泛应用的传感器，随时探测用户的行为，推测其状态，方便易行。2、让游戏中的虚拟角色的各个属性状态变化反映自身的身体状态，用户主动式发 觉以及被动式提醒，这种方式与其他方式比较，更易于接受，也更有督促力。3、将现实世界与虚拟世界相结合，交互式影响，正向推动用户在游戏与健康之间 达到平衡，从而享受积极的健康生活，该方式也是首创。本发明产生以上3个有益效果，让用户在游戏之中也能随时感知自身的状态信 息，督促自身随时进行行为状态的调节改善。本发明可用于游戏产业和健康行业的软件设 计当中。
图1是基于虚实结合的对称交互式行为模型的流程示意图；图2是基于虚实结合的对称交互式行为模型的模块控制示意图。
具体实施例方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明的基于虚实结合的对称交互式行为模型进一步详细说明。应当理解，此处所描述的 具体实施案例仅仅用以解释本发明，并不用于限定本发明。如附图1所示，基于虚实结合的对称交互式行为模型的流程为当用户处在某一 状态下，传感器采集相关数据，根据这些传感器数据利用机器学习方法，如最近邻(KNN)，支 持向量机(SVM)或隐马模型(HMM)等，推断出用户的状态，然后将得到的状态与已统计好 的学习库进行匹配，找出用户对应的状态参数，再通过非线性映射变换，找到虚拟角色对应 的状态参数以及属性参数，最后通过参数化方法调整虚拟角色的行为和情绪等状态以及能 力、经验值或虚拟货币等属性。以上流程可以概括为四个控制模块(见附图2)，分别对应下 面的4个步骤。具体如下步骤1 用户当前行为状态识别。此模块包含传感器数据采集以及机器学习推断用户行为状态两部分。首先利用传感器采集用户行为状态数据，如利用加速度传感器可以收集用户的加 速度信息，速度传感器可以收集用户速度信息，手机中的Wi-Fi模块可以收集用户所在地 的ap信号强度。接着根据收集到的各种传感器数据，采用机器学习方法推断用户行为状态。如根 据加速度信息可以得到用户跑步或静止等运动状态，根据速度信息得到用户跑步强度信 息。而通过ap信号信息可以得到用户的位置。将所有的传感器信息的综合，得到用户的最 终状态。如根据ap信号信息，推断出用户在公园，加速度信息推断出用户在跑步，速度传感 器信息推断出用户处于适度速度。再综合时间信息，我们可得到，该用户处于一个适度锻炼 的状态。在机器学习领域，需要先建立好用户行为状态模型，其输入是采集到的传感器数 据，而输出是用户的行为状态。有很多方法可以用来建立用户行为状态模型。如可采用最 近邻(KNN)，支持向量机(SVM)或隐马模型(HMM)等学习方法来应用于该问题。支持向量机 (SVM)是机器学习领域常用的训练方法之一，具体使用方法具有公开的工具软件和说明，可 参考http://Svmlight. joachims. org八机器学习方法包括2个过程，其一是训练，人工采 集若干数据，训练后得到判断模型。其二是应用，对新采集的传感器数据判断用户的行为状 态。步骤2 得到现实世界的人物状态参数。此模块也包含两个部分，学习库的建立以 及状态信息到状态参数的匹配。首先根据实际经验统计得到所需的学习库。由于人的状态受多个因素影响，如地 点，行为，时间等，我们定义一个向量涵盖各因素。我们设置各因素最高等级为5，从好到差 分别对应5等级-1等级。若用户在公园正常速度跑步1小时，根据实际经验，公园环境好， 地点因素等级设置为5，跑步属于锻炼，行为因素设置为5，时间1小时适度，时间等级设置 为5，最终的状态参数为(5，5，5)。各因素等级高的情况下，对应于用户身体状况以及精神 状况好。若用户在办公室久坐3个小时，根据实际经验，我们设置状态为(2，2，2)，对应于用 户处于一个疲乏状态。状态向量应尽量涵括各种因素。学习库中应尽量涵括现实生活中用 户的各种状态。学习库建立之后，就可以应用于模型中。将步骤1推断出的用户状态信息，在学习 库中进行匹配，找出对应的人物状态参数向量。同时在以后的应用过程中，继续对学习库进 行修改补充。步骤3 得到虚拟世界角色的状态参数以及属性参数。该模块也包含两个部分，映 射函数的建立以及应用。我们设定在现实世界与虚拟世界中，人物的同一状态对应着相似的参数，两者存
在一定关系。生成虚拟人目前主要的一种技术，是通过计算机图形技术合成三维动画人物，用 动画参数驱动人脸的口型动作和面部、头部等表情动作，其特点在于实时性好。MPEG4视频编码标准中的人脸动画参数框架主要定义了两套参数，一是人脸结 构定义参数 FDP (Faicial Definition Parameter)，另一个是人脸动画参数 FAP (Facial Animation Parameter) 0 FDP参数根据人脸的特征结构，选取了 84个人脸关键特征点作为人脸的结构定义，比如鼻尖、嘴角、眉梢等等。FAP参数基于人脸的肌肉动作，定义了 64种人 脸特征点的基本动作，比如嘴角上翘、眉心上扬、下巴张开等等。FDP参数基本覆盖了人脸动 作的关键特征点，而FAP参数则与FDP参数相对应，描述了人脸基本结构的各种动作类型。 FAP的参数范围设定在0到1024之间，对应了人脸的动作从中性状态到可能的最大幅度的 动作。因此，统计人物同一状态下的现实世界中的参数(步骤2中的状态等级参数)和 该状态下虚拟角色对应状态参数(如FAP参数)，最终得到一个非线性的映射函数F。该非 线性映射函数也可以通过机器学习的方法获得，如支持向量机SVM或神经网络。更深一步， 不仅虚拟人脸部参数可以映射得到，同时也可以映射得到虚拟人动作参数。对于虚拟人能力、经验值或虚拟货币等属性参数，可以通过简单的非线性映射函 数F(X) = g(a)*x+b其中χ为原属性值，b为游戏自设置的某一常数，a为现实世界中人物
Σ ^
状态参数各维数的变化量的平均值，α = ，参数％对应于现实世界中人物状态参数各
Li
维数的变化量，参数i对应于现实世界中人物状态参数中向量维数，如对应步骤2例子中的
地点，行为，时间三因素，i = 1，2，3，函数g为分段函数，“ ,Λ。例如，设置得到映射函数后，将现实世界中人物状态参数通过相应的映射函数转换，计算出 虚拟世界的人物状态参数以及属性参数。步骤4 调整虚拟游戏中虚拟人的状态以及对应的属性值。根据虚拟世界的人物 状态参数，如脸部FAP参数或动作参数，调整游戏虚拟人的状态。具体参照基于MPEG4视频 编码标准的三维人脸动画方法。而属性值的改变只需将步骤3得到的属性参数在游戏界面 中实时刷新即可。若用户状态好，则虚拟人状态好，相应游戏中所需的属性值高，在游戏中表现好， 反之，则表现差，甚至无法正常完成游戏环节。由于游戏中虚拟人反映了用户当前的状态，则用户可自主发觉自身的状态，如果 状态不好，可导致虚拟人在游戏环节中受阻，就可督促用户及时调整自身状态，如加强锻炼 等。以上四个步骤循环进行，让用户在享受游戏的过程中也能照顾好自己的现实生活。以上所述内容，仅为本发明具体的实施方式，但本发明的保护范围并不局限于此， 任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换， 都应涵盖在本发明的保护范围内。
权利要求
一种使现实和虚拟世界中人物交互影响的方法，其特征在于包括如下步骤(1)利用传感器收集现实生活中用户的各种信息；(2)接着根据收集到的各种传感器数据，利用机器学习方法推断用户行为状态；(3)利用用户行为状态与事先建立的用户行为状态学习库进行比较得到用户的人物状态参数；(4)根据统计结果设定在现实世界与虚拟世界中用户的同一状态各自对应着的参数来建立两者之间的函数关系；(5)通过该函数关系并依据步骤3中得到的人物状态参数得出虚拟世界的人物状态参数；(6)根据虚拟世界的人物状态参数，调整该人物在虚拟游戏中的状态。
2.如权利要求1所述的一种使现实和虚拟世界中人物交互影响的方法，其特征在于， 用户的各种信息包括速度、加速度、所处位置参数。
全文摘要
一种使现实和虚拟世界中人物交互影响的方法，包括如下步骤(1)利用传感器收集现实生活中用户的各种信息；(2)接着根据收集到的各种传感器数据，利用机器学习方法推断用户行为状态；(3)利用用户行为状态与事先建立的用户行为状态学习库进行比较得到用户的人物状态参数；(4)根据统计结果设定在现实世界与虚拟世界中用户的同一状态各自对应着的参数来建立两者之间的函数关系；(5)通过该函数关系并依据步骤3中得到的人物状态参数得出虚拟世界的人物状态参数；(6)根据虚拟世界的人物状态参数，调整该人物在虚拟游戏中的状态。
文档编号G06F19/00GK101887489SQ201010180709
公开日2010年11月17日 申请日期2010年5月24日 优先权日2010年5月24日
发明者曹一清, 陈益强 申请人:陈益强;曹一清