CN103026360B - 用于通过采用生物计量信息操作虚拟世界的设备和方法 - Google Patents
用于通过采用生物计量信息操作虚拟世界的设备和方法 Download PDFInfo
- Publication number
- CN103026360B CN103026360B CN201180035744.1A CN201180035744A CN103026360B CN 103026360 B CN103026360 B CN 103026360B CN 201180035744 A CN201180035744 A CN 201180035744A CN 103026360 B CN103026360 B CN 103026360B
- Authority
- CN
- China
- Prior art keywords
- sensor
- sensitive information
- biosensor
- virtual world
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
- G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
- G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
- A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0531—Measuring skin impedance
- A61B5/0533—Measuring galvanic skin response
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/107—Measuring physical dimensions, e.g. size of the entire body or parts thereof
- A61B5/1072—Measuring physical dimensions, e.g. size of the entire body or parts thereof measuring distances on the body, e.g. measuring length, height or thickness
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/20—Input arrangements for video game devices
- A63F13/21—Input arrangements for video game devices characterised by their sensors, purposes or types
- A63F13/212—Input arrangements for video game devices characterised by their sensors, purposes or types using sensors worn by the player, e.g. for measuring heart beat or leg activity
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/20—Input arrangements for video game devices
- A63F13/21—Input arrangements for video game devices characterised by their sensors, purposes or types
- A63F13/215—Input arrangements for video game devices characterised by their sensors, purposes or types comprising means for detecting acoustic signals, e.g. using a microphone
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
- A63F2300/10—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by input arrangements for converting player-generated signals into game device control signals
- A63F2300/1012—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by input arrangements for converting player-generated signals into game device control signals involving biosensors worn by the player, e.g. for measuring heart beat, limb activity
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
- A63F2300/50—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by details of game servers
- A63F2300/55—Details of game data or player data management
- A63F2300/5546—Details of game data or player data management using player registration data, e.g. identification, account, preferences, game history
- A63F2300/5553—Details of game data or player data management using player registration data, e.g. identification, account, preferences, game history user representation in the game field, e.g. avatar
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
Abstract
公开了一种用于处理虚拟世界的设备和方法。根据本发明的特定实施例,可使用生物传感器收集现实世界的关于用户的生物计量信息,并且可基于生物传感器的传感器特性控制收集的信息,从而能够实现虚拟世界和现实世界之间以及虚拟世界之间进行交互。此外,可控制基于收集的生物计量信息在虚拟世界中执行的互动游戏,从而产生具有加强的现实感的虚拟世界。另外,可基于收集的生物计量信息确定和显示现实世界的用户的健康状态,从而能够看到用户的健康状态。
Description
技术领域
示例性实施例涉及用于对虚拟世界进行处理的方法和设备,更具体地讲,涉及用于将关于现实世界的信息应用到虚拟世界的设备和方法。
背景技术
当前,对于体验型游戏的兴趣不断增加。微软公司在“E32009”发布会上介绍了“Project Natal”。“Project Natal”可通过将微软的Xbox360游戏控制台与由深度/彩色相机和麦克风阵列组成的单独的传感器装置组合,来提供用户身体动作捕获功能、人脸识别功能和语音识别功能,从而使用户能够在没有专用控制器的情况下与虚拟世界进行交互。此外,索尼公司提出了作为体验型游戏动作控制器的“Wand”。“Wand”通过把通过将彩色相机、标记(marker)和超声波传感器组合而获得的位置/方向传感技术应用到PlayStation3游戏控制台,来通过控制器的运动轨迹的输入实现与虚拟世界进行交互。
现实世界和虚拟世界之间的交互具有两个方向。在一个方向上,可将由传感器在现实世界中获得的数据信息反映到虚拟世界。在另一方向上,可使用致动器将从虚拟世界获得的数据信息反映到现实世界。实施例提出一种用于将通过现实世界中的传感器获得的数据应用到虚拟世界以实现现实世界和虚拟世界之间的交互的虚拟世界处理设备和方法。
发明内容
技术问题
示例实施例提供一种能够使虚拟世界和现实世界相互操作或虚拟世界之间相互操作的虚拟世界处理设备,所述虚拟世界处理设备包括:输入单元,用于接收由生物传感器关于现实世界中的用户的生物计量收集的感测信息的输入;调整单元,用于基于与生物传感器的能力关联的传感器能力调整感测信息。
示例实施例还提供一种能够使虚拟世界和现实世界相互操作或虚拟世界之间相互操作的虚拟世界处理设备的操作方法,所述方法包括:接收由生物传感器关于现实世界中的用户的生物计量收集的感测信息的输入;基于与生物传感器能力关联的传感器能力调整感测信息。
示例性实施例还提供一种用于在现实世界和虚拟世界之间进行交互的方法,所述方法包括:使用至少一个生物传感器感测关于现实世界中的用户的信息;基于与所述至少一个生物传感器对应的至少一个传感器能力来调整感测信息;基于调整的感测信息控制虚拟世界中的至少一个对象。
有益效果
根据示例实施例,通过使用生物传感器收集关于现实世界中的用户的生物计量信息,并基于生物传感器的传感器能力调整收集的信息,可实现现实世界和虚拟世界之间的相互操作或虚拟世界之间的相互操作。
此外,通过基于收集的生物计量信息控制虚拟世界中运行的体验型游戏,可实现更真实的虚拟世界,另外,通过基于收集的生物计量信息确定和显示现实世界中的用户的健康状况,可检验用户的健康状况。
附图说明
图1示出根据示例实施例的使用传感器控制虚拟世界的虚拟世界对象的操作。
图2示出根据示例实施例的生物传感器以及由生物传感器收集的感测信息。
图3示出根据示例实施例的虚拟世界处理设备的配置。
图4示出根据示例实施例的传感器能力基本类型。
图5示出根据示例实施例的传感器能力基本类型的语法。
图6示出根据示例实施例的传感器能力基本属性的语法。
图7示出根据示例实施例的传感器适应偏好基本类型。
图8示出根据示例实施例的传感器适应偏好基本类型的语法。
图9示出根据示例实施例的传感器适应偏好基本属性的语法。
图10示出根据示例实施例的感测信息基本类型。
图11示出根据示例实施例的虚拟世界处理设备的操作方法。
图12示出根据示例实施例的在脑电图(EEG)的10-20系统中使用的位置名称。
图13示出根据示例实施例的12导联的心电图(ECG)系统中使用的位置名称。
图14示出得自10电极位置的12导联。
图15示出ECG的典型波形。
具体实施方式
现将详细参照示例实施例,附图中示出了示例实施例的示例,其中,相同的标号始终指示相同的元件。以下通过参照附图来描述示例实施例,以解释示例实施例。
图1示出根据示例实施例的使用传感器控制虚拟世界的虚拟世界对象的操作。
参照图1,现实世界中的用户110可使用传感器100操作虚拟世界的对象120。用户110可通过传感器100输入他或她的动作、状态、意图、形状等。传感器100可将包括在传感器信号中的与用户110的动作、状态、意图、形状等有关的控制信息(CI)发送到虚拟世界处理设备。
在此实例中,虚拟世界可被分类为虚拟环境和虚拟世界对象。另外,虚拟世界对象可被分类为虚拟形象(avatar)和虚拟对象。
根据实施例,现实世界中的用户110可包括人、动作、植物、无生命的物体(诸如,物品)乃至用户110的周围环境。
图2示出根据示例实施例的生物传感器以及由生物传感器收集的感测信息。
参照图2,虚拟世界处理设备可使用生物传感器111、112、113、114和115,以收集关于现实世界中的用户101的生物特征的信息121、122、123、124、125、126、127、128、129、130、131、132、133和134。
生物传感器可收集关于现实世界中的用户101的生物特征的信息。生物传感器可包括以下项中的至少一个:身高传感器、体重传感器111、体温传感器112、体脂肪传感器、血型传感器、血压传感器114、血糖传感器115、血氧传感器113、心率传感器、脑电图(EEG)传感器、心电图(ECG)传感器、肌电图(EMG)传感器、眼电图(EOG)传感器、皮肤电反应(GSR)传感器、生物传感器以及电图传感器。
电图传感器可包括EEG传感器、ECG传感器、EMG传感器、EOG传感器和GSR传感器中的至少一个。
身高传感器可测量现实世界中的用户101的身高121。体重传感器111可测量现实世界中的用户的体重122。体温传感器112可测量现实世界中的用户101的体温123。体脂肪传感器可测量现实世界中的用户101的体脂肪124。血型传感器可测量现实世界中的用户101的血型125。血压传感器114可测量现实世界中的用户101的血压126。血糖传感器115可测量现实世界中的用户101的血液中存在的葡萄糖量(即,血糖127)。血氧传感器器113可测量现实世界中的用户101的血液中的氧量(即,血氧128)。心率传感器可测量现实世界中的用户101的心率129。EEG传感器可测量现实世界中的用户101的EEG130。ECG传感器可测量现实世界中的用户101的ECG131。EMG传感器可测量现实世界中的用户101的EMG132。EOG传感器可测量现实世界中的用户101的EOG133。GSR传感器可测量现实世界中的用户101的GSR。电图传感器可测量参考电极和激活电极之间的电图。
生物传感器可对应于使用以下项中的至少两个的组合而配置的传感器:身高传感器、体重传感器111、体温传感器112、体脂肪传感器、血型传感器、血压传感器114、血糖传感器115、血氧传感器113、心率传感器、EEG传感器、ECG传感器、EMG传感器、EOG传感器、GSR传感器、电图传感器。
虚拟世界处理设备可基于生物传感器的特性调整针对现实世界中的用户101的生物特性收集的信息。另外,虚拟世界处理设备可基于调整的信息控制将施加现实世界中的用户101的生物计量信息的生物用户体验(Bio-UX)虚拟世界。
根据示例实施例,虚拟世界处理设备可基于调整的信息控制可在虚拟世界中运行的体验型游戏141。
例如,虚拟世界处理设备可使用体重传感器111收集现实世界中的用户101的体重信息,并可基于收集的体重信息改变体验型游戏141中的虚拟形象的外貌。
虚拟世界处理设备可使用EEG传感器收集现实世界中的用户101的EEG信息,并可基于收集的EEG信息调整体验型游戏141(例如,射箭游戏)中的关于专注的能力。
虚拟世界处理设备可使用EMG传感器收集现实世界中的用户101的EMG信息,并可基于收集的EMG信息调整体验型游戏141(例如,拳击游戏)中的关于力量的能力。
虚拟世界处理设备可使用EOG传感器收集现实世界中的用户101的EOG信息,并可基于收集的EOG信息控制体验型游戏141中的虚拟形象的方向。
虚拟世界处理设备可使用心率传感器收集现实世界中的用户101的心率信息,并可基于收集的心率信息调整体验型游戏141(例如,高尔夫游戏)中的关于稳定状态的能力。
根据示例实施例,虚拟世界处理设备可使用多个生物传感器收集多条生物计量信息,并可基于收集的多条生物计量信息控制体验型游戏141。
例如,虚拟世界处理设备可使用GSR传感器收集现实世界中的用户101的GSR信息,并可使用心率传感器收集用户101的心率信息。这里,GSR信息可对应于例如用户101的情绪变化。虚拟世界处理设备可基于收集的GSR信息和心率信息调整体验型游戏141中的关于压力的能力。
根据示例实施例,虚拟世界处理设备可基于调整的信息来确定现实世界中的用户101的健康状况142。
例如,虚拟世界处理设备可使用电图传感器来收集用户101的参考电极与有源电极之间的电图信息,并且可基于收集的电图信息来确定现实世界中的用户101的健康状况142。
因此,虚拟世界处理设备可基于调整信息检查患者的健康状况、运动状态或老人的健康状况。
图3示出根据示例实施例的虚拟世界处理设备的配置。
参照图3,能够使在虚拟世界与现实世界相互操作或在虚拟世界之间相互操作的虚拟世界处理设备300可包括输入单元310和调整单元320。
输入单元310可接收关于现实世界中的用户的生物特征的由生物传感器301收集的感测信息302的输入。稍后将详细描述感测信息302。
根据示例实施例,输入单元310可接收得自多个生物传感器301的多个感测信息302的输入。
根据示例实施例,输入单元310可接收指示关于虚拟世界中的虚拟对象360的信息的虚拟(VR)对象数据361的输入。另外,输入单元310可接收用于控制感测信息302的传感器适应偏好352的输入。稍后将详细描述传感器适应偏好352。
调整单元320可基于与生物传感器301的能力关联的传感器能力303调整感测信息102。稍后将详细描述传感器能力302。
例如,当使用体重传感器80公斤(kg)的感测信息被收集为感测现实世界中的用户351的体重的结果时,输入单元310可接收80kg的感测信息的输入。在此实例中,当关于体重传感器的传感器能力的最大值(maxValue)对应于70kg时,调整单元320可将80kg的感测信息调整为70kg。另外,虚拟世界处理设备300可将调整的70kg的感测信息应用到虚拟世界。
根据示例实施例,当输入单元310从多个生物传感器301接收到多个感测信息302的输入时,调整单元320可基于与多个相应的生物传感器301关联的多个传感器能力303,调整多个感测信息302。
根据示例实施例,调整单元320可通过将调整的感测信息施加到VR对象数据361来调整VR对象数据361,从而产生VR对象数据362。
根据示例实施例,调整单元320可基于传感器能力303和传感器适应偏好352调整感测信息302。
虚拟世界处理设备300还可包括控制单元330。
控制单元330可基于由调整单元320调整的感测信息,控制在虚拟世界中运行的体验型游戏。
控制单元330可通过将调整的感测信息应用到VR对象数据361来产生VR对象数据362,并可将产生的VR对象数据362应用到体验型游戏,从而控制体验型游戏,其中,VR对象数据361指示关于体验型游戏中的虚拟对象360的信息。
虚拟世界处理设备300还可包括确定单元340。
确定单元340可基于由调整单元320调整的感测信息,确定现实世界中的用户351的健康状况。
虚拟世界处理设备300可向用户351提供由确定单元340确定的用户351的健康状况。
传感器能力表示关于传感器的特性的信息。
传感器能力基本类型表示传感器能力的基本类型。根据实施例,作为与传感器能力有关的元数据类型的部分,传感器能力基本类型可以是与通常应用到所有类型的传感器的传感器能力有关的元数据的基本抽象类型。
以下,将参照图4至图6详细描述传感器能力和传感器能力基本类型。
图4示出根据示例实施例的传感器能力基本类型。
参照图4,传感器能力基本类型400可包括传感器能力基本属性410和任何属性420。
传感器能力基本属性410表示基本包括在传感器能力基本类型400中的一组传感器能力。
任何属性420表示传感器的一组附加传感器能力。任何属性420可对应于可施加到预定的传感器的特有的附加传感器能力。任何属性420可提供扩展性,以包括基本属性以外的其它属性。
图5示出根据示例实施例的传感器能力基本类型的语法。
参照图5,传感器能力基本类型的语法500可包括示图510、属性520和源530。
示图510可包括传感器能力基本类型的示图。
属性520可包括传感器能力基本属性和任何属性。
源530可包括指示使用可扩展标记语言(XML)指示传感器能力基本类型的程序。然而,图5的源530仅作为示例被提供,示例实施例不限于此。
图6示出根据示例实施例的传感器能力基本属性的语法。
参照图6,传感器能力基本属性的语法600可包括示图610、属性620和源630。
示图610可包括传感器能力基本属性的示图。
属性620可包括单位601、最大值(maxValue)602、最小值(minValue)603、偏移604、等级数(numOfLevels)605、灵敏度606、信噪比(SNR)607和准确度608。
单位601表示由传感器测量的值的单位。例如,当传感器是温度计时,单位601可对应于摄氏度(°C)和华氏度(°F)。当传感器是速度传感器时,单位601可对应于公里每小时(km/h)和米每秒(m/s)。
maxValue602表示可由传感器测量的最大值,minValue603表示可由传感器测量的最小值。例如,当传感器是温度计时,maxValue602可对应于50°C,minValue603可对应于0°C。当传感器是相同的温度计时,maxValue602和minValue603可根据目的和传感器的性能而改变。
偏移604表示将与由传感器测量的值相加以获得绝对值的值。例如,在传感器是速度传感器的情况下,当现实世界中的用户或对象静止,并且检测到非“0”的值时,传感器可将偏移604确定为用于把速度调整为“0”的值。例如,当针对现实世界中的静止的汽车速度测量为-1km/h时,偏移604可对应于1km/h。
numOflevels605表示可由传感器测量的多个值。也就是说,numOflevels605可表示可由传感器测量的在由传感器测量的最大值和最小值之间的多个值。例如,在传感器是温度计的情况下,最大值对应于50°C,最小值对应于0°C,当numOflevels605对应于5时,传感器可测量五种温度10°C、20°C、30°C、40°C和50°C。作为另一示例,当现实世界中的温度对应于27°C时,传感器可通过执行向下取整运算来测量20°C的温度。当现实世界中的温度对应于27°C时,传感器可通过向上取整运算来测量30°C的温度。
灵敏度606表示将被传感器使用以测量输出值的最小输入值。也就是说,灵敏度606可表示用于产生输出信号的输入信号的最小大小。例如,在传感器是温度计并且灵敏度606对应于1°C的情况下,传感器会无法测量小于1°C的温度变化,然而,可测量大于或等于1°C的温度改变。具体地讲,当在现实世界中温度从15°C增加到15.5°C时,传感器仍会测量出15°C的温度。
SNR607表示由传感器测量的信号对噪声的值的相对大小。例如,在传感器是麦克风的情况下,当在测量现实世界的用户的语音中存在大量的环境噪声时,传感器的SNR607可对应于相对小的值。
准确度608表示传感器的误差。也就是说,准确度608可表示测量的数量与实际值的接近程度。例如,当传感器是麦克风时,由根据在测量时的温度、湿度等的语音的传播速度方面的差异引起的测量误差可对应于准确度608。另外,可基于由传感器过去测量的值的统计误差率确定传感器的准确度608。
根据示例实施例,属性620还可包括位置。位置表示传感器的位置。例如,当传感器是温度计时,传感器的位置可对应于现实世界中的用户的腋窝的中间。位置可包括经度、纬度、距地面的高度、从地面的方向等。
可如表1所示布置传感器能力基本属性(例如,单位601、maxValue602、minValue603、偏移604、numOflevels605、灵敏度606、SNR607、准确度608和位置)。
[表1]
源630可包括使用XML指示传感器能力基本属性的程序。
标签631表达XML中的maxValue602的定义。根据标签631,maxValue602可具有“float”型数据,并可被可选择地使用。
标签632表达XML中的minValue603的定义。根据标签632,minValue603可具有“float”型数据,并可被可选择地使用。
标签633表达XML中的numOflevels605的定义。根据标签633,numOflevels605可具有“nonnegativeInteger”型数据,并可被可选择地使用。
然而,图6的源630仅被提供为示例,示例实施例不限于此。
以下,将详细描述传感器适应偏好。
传感器适应偏好表示用于控制从传感器接收的值的信息。也就是说,传感器适应偏好可表示关于调整由传感器收集的感测信息的方法的用户的偏好信息。
传感器适应偏好基本类型表示用户的控制信息的基本类型。根据示例实施例,作为与传感器适应偏好有关的元数据类型的部分,传感器适应偏好基本类型可以是与通常应用到所有类型的传感器的传感器适应偏好有关的元数据的基本抽象类型。
以下,将参照图7至图9详细描述传感器适应偏好和传感器适应偏好基本类型。
图7示出根据示例实施例的传感器适应偏好基本类型。
参照图7,传感器适应偏好基本类型700可包括传感器适应偏好基本属性710和任何属性720。
传感器适应偏好基本属性710表示基本包括在传感器适应偏好基本类型700中的一组传感器适应偏好。
任何属性720表示一组附加传感器适应偏好。任何属性720可对应于可应用于预定的传感器的特有的附加传感器能力。任何属性720可提供扩展性,以包括基本属性以外其它属性。
图8示出根据示例实施例的传感器适应偏好基本属性的语法。
参照图8,传感器适应偏好基本类型的语法800可包括示图810、属性820和源830。
示图810可包括传感器适应偏好基本类型的示图。
属性820可包括传感器适应偏好基本属性和任何属性。
源830可包括使用XML指示传感器适应偏好类型的程序。然而,图8的源830仅被提供为示例,示例实施例不限于此。
图9示出根据示例实施例的传感器适应偏好基本属性的语法。
参照图9,传感器适应偏好基本属性的语法900可包括示图910、属性920和源930。
示图910可包括传感器适应偏好基本属性的示图。
属性920可包括传感器标识参考(sensorIdRef)901、传感器适应模式902、激活903、单位904、maxValue905、minValue906和numOflevels907。
sensorIdRef901表示参考产生特定的感测信息的个别传感器的标识(ID)的信息。
传感器适应模式902表示关于传感器的应用方法的用户的偏好信息。根据示例实施例,传感器适应模式902可对应于关于适应方法的传感器适应偏好,其中,所述适应方法用于通过精炼关于现实世界中的用户的动作、状态、意图、形状等的由传感器测量的信息来在虚拟世界中反映信息。例如,“strict”值可指示将现实世界的感测信息直接应用到虚拟世界的用户偏好。“scalable”值可指示通过基于用户的偏好改变现实世界的感测信息,来将现实世界的感测信息应用到虚拟世界的用户偏好。
激活903表示关于在虚拟世界中传感器是否将被激活的信息。例如,激活903可对应于用于确定传感器是否运行的传感器适应偏好。
单位904表示在虚拟世界中将使用的值的单位。例如,单位904可对应于像素。根据示例实施例,单位904可对应于与从传感器接收的值相应的值的单位。
maxValue905表示虚拟世界中将使用的值的最大值,minValue906表示虚拟世界中将使用的值的最小值。根据示例实施例,maxValue905和minValue906可对应于与从传感器接收的值相应的值的单位。
numOflevels907表示在虚拟世界中将使用的多个值。也就是说,numOflevels907可指示对在虚拟世界中将使用的值的最大值和最小值之间的多个操作进行划分的多个值。
可如表2所示布置传感器适应偏好基本属性(例如,sensorIdRef901、传感器适应模式902、激活903、单位904、maxValue905、minValue906和numOflevels907)。
[表2]
源930可包括使用XML指示传感器适应偏好基本属性的程序。
标签931表达XML中的激活903的定义。根据标签931,激活903可具有“Boolean”型数据,并可被可选择地使用。
标签932表达XML中的maxValue905的定义。根据标签932,maxValue905可具有“float”型数据,并可被可选择地使用。
标签933表达XML中的minValue906的定义。根据标签933,minValue906可具有“float”型数据,并可被可选择地使用。
标签934表达XML中的numOflevels907的定义。根据标签934,numOflevels907可具有“nonNegativeInteger”型数据,并可被可选择地使用。
然而,图9的源930仅被提供为示例,示例实施例不限于此。
以下,将描述感测信息。
感测信息可指由现实世界中的传感器收集的信息。
根据示例实施例,感测信息表示与感测信息有关的元数据的根元素。
以下,将参照图10详细描述感测信息。
图10示出根据示例实施例的感测信息基本类型。
参照图10,感测信息基本类型1000可包括感测信息基本属性1010和任何属性1020。
感测信息基本类型1000可对应于可继承各个感测信息的基本类型的最高类型。
感测信息基本属性1010表示用于命令的一组属性。
任何属性1020表示一组附加的感测信息。任何属性1020可对应于可应用于预定的传感器的特有的附加的感测信息。任何属性1020可提供扩展性,以包括基本属性以外的其它属性。
表3示出源1。
源1可包括使用XML指示感测信息基本类型的程序。然而,源1仅被提供为示例,示例实施例不限于此。
[表3]
感测信息基本属性1010可包括ID1011,sensorIdRef1012、组ID(groupID)1013、优先级1014、激活1015和链接列表(linkedlist)1016。
ID1011表示用于标识由传感器收集的感测信息的个别标识的ID信息。
SensorIdRef1012表示参考传感器的信息。也就是说,sensorIdRef1012可表示参考传感器的ID的信息,其中,所述传感器产生包括在特定感测信息中的信息。
groupID1013表示将用于标识包括传感器的多个传感器组的个别标识的信息。也就是说,groupID1013可表示将用于标识包括预定的传感器的多个传感器结构的个别标识的ID信息。
优先级1014表示针对另一条感测信息的感测信息的优先级信息,其中,另一条感测信息共享调整所述感测信息的相同的时间点。例如,值“1”可表示最高的优先级。在此实例中,值越大,优先级越低。
优先级1014的默认值可对应于“1”。当提供具有相同的优先级的至少一条感测信息时,可由适应引擎确定用于处理感测信息的顺序。
优先级1014可用于基于适应VR能力将感测信息应用到虚拟世界对象能力。可在一组传感器中定义虚拟世界对象能力。例如,适应VR可由于适应VR的有限的能力而以优先级1014的降序处理传感器组中的个别感测信息。也就是说,具有相对小的优先级1014的感测信息会丢失。
激活1015表示用于确定传感器是否运行的信息。值为“真”可表示传感器将被激活,值为“假”可表示传感器将被禁用。
linkedlist1016表示用于将多个传感器组合的链接信息。例如,linkedlist1016可指用于使用包含关于邻接传感器的ID的参考信息的方法来将传感器组合的关于多个传感器组的信息。
根据示例实施例,感测信息基本属性1010还可包括值、时间戳和使用期限。
值表示测量的值。值可对应于从传感器接收的值。
时间戳表示在传感器执行感测时的时间信息。
使用期限表示关于传感器命令的有效期限的信息。例如,使用期限可对应于秒单位。
可如表4所示布置感测信息基本属性。
[表4]
以下,将描述关于传感器的详细示例的感测信息。
表5示出源2。
源2示出使用XML示出关于身高传感器的感测信息。然而,源2的程序源仅被提供为示例,示例实施例不限于此。
[表5]
身高传感器类型可对应于用于描述关于身高传感器的感测信息的工具。
身高传感器类型可包括时间戳、单位和值中的至少一个属性。
时间戳表示关于身高传感器的感测时间的信息。
单位表示关于身高传感器的感测信息的单位的信息。
值表示关于由身高传感器感测的值的信息。例如,可以以厘米(cm)为单位感测值。
表6示出示例1。
示例1示出身高传感器类型的示例。然而,示例1仅被提供为身高传感器类型的示例,示例实施例不限于此。
[表6]
参照示例1,由身高感测器测量的感测信息可对应于170.5cm的值。
表7示出身高传感器类型的二进制表示语法(binary representation syntax)。
[表7]
BodyHeightSensorType{ | 比特数 | 形式 |
unitFlag | 1 | bslbf |
SensedInfoBaseType | 见上 | SensedInfoBaseType |
value | 32 | fsfb |
If(unitFlag==1){ | ||
unit | unitType | |
} | ||
} |
表8示出身高传感器类型的二进制表示的附加语义。
[表8]
如在表8中描述,作为数据字段,二进制表示可表示至少一个标记。也就是说,使用二进制表示,感测信息可包括至少一个标记。
至少一个标记中的每个可表示相应的感测信息是否包括预定的字段。当预定的标记的值对应于“0”时,与预定的标记相应的预定的字段会不被包括在感测的信息中。因此,使用标记,可限制与感测信息相应的数据量。
表9示出源3。
源3使用XML示出关于体重传感器的感测信息。然而,源3的程序源仅被提供为示例,示例实施例不限于此。
[表9]
体重传感器类型可对应于用于描述关于体重传感器的感测信息的工具。
体重传感器类型可包括时间戳、单位和值中的至少一个属性。
时间戳表示关于体重传感器的感测时间的信息。
单位表示关于体重传感器的感测信息的单位的信息。
值表示关于由体重传感器感测的值的信息。例如,可以以kg为单位感测值。
表10示出示例2。
[表10]
示例2示出体重传感器类型的示例。然而,示例2仅被提供作为体重传感器类型的示例,示例实施例不限于此。
参照示例2,由体重传感器测量的感测信息可对应于65.4kg的值。
表11示出体重传感器类型的二进制表示语法。
[表11]
BodyWeightSensorType{ | 比特数 | 形式 |
unitFlag | 1 | bslbf |
SensedInfoBaseType | 见上 | SensedInfoBaseType |
value | 32 | fsfb |
If(unitFlag==1){ | ||
unit | unitType | |
} | ||
} |
表12示出体重传感器类型的二进制表示的附加语义。
[表12]
表13示出源4。
[表13]
源4使用XML示出关于体温传感器的感测信息。然而,源4的程序源仅被提供为示例,示例实施例不限于此。
体温传感器类型可对应于用于描述关于体温传感器的感测信息的工具。
体温传感器类型可包括时间戳、单位、值和位置中的至少一个属性。
时间戳表示关于体温传感器的感测时间的信息。
单位表示关于体温传感器的感测信息的单位的信息。
值表示关于由体温传感器感测的值的信息。例如,可以以°C为单位感测值。
位置表示关于体温传感器执行感测的位置的信息。例如,位置可包括一般体温、腋窝、耳、手指、胃肠道、口腔、直肠、脚趾和鼓膜(tympanum)。
表14示出示例3。
[表14]
示例3示出体温传感器类型的示例。然而,示例3仅被提供作为体温传感器类型的示例,示例实施例不限于此。
参照示例3,由体温传感器测量的感测信息可对应于36.5°C的值。
表15示出体温传感器类型的二进制表示语法。
[表15]
BodyTemperatureSensorType{ | 比特数 | 形式 |
unitFlag | 1 | bslbf |
locationFlag | 1 | bslbf |
SensedInfoBaseType | 见上 | SensedInfoBaseType |
value | 32 | fsfb |
If(unitFlag==1){ | ||
unit | unitType | |
} | ||
if(locationFlag==1){ | ||
location | 4 | bslbf |
} | ||
} |
表16示出体温传感器类型的二进制表示的附加语义。
[表16]
表17示出location字段的二进制表示和位置信息。
[表17]
二进制表示(4比特) | 位置信息 |
0 | 保留 |
1 | 一般体温 |
2 | 腋窝(腋下) |
3 | 耳(通常是耳垂) |
4 | 手指 |
5 | 胃肠道 |
6 | 口腔 |
7 | 直肠 |
8 | 脚趾 |
9 | 鼓膜(耳膜) |
10-15 | 保留 |
表18示出源5。
[表18]
源5使用XML示出关于体脂传感器的感测信息。然而,源5的程序源仅被提供作为示例,示例实施例不限于此。
体脂传感器类型可对应于用于描述关于体脂传感器的感测信息的工具。
体脂传感器类型可包括时间戳、单位和值中的至少一个属性。
时间戳表示关于体脂传感器的感测时间的信息。
单位表示关于体脂传感器的感测信息的单位的信息。
值表示关于由体脂传感器感测的值的信息。例如,可以以百分比(%)为单位感测值。
表19示出示例4。
[表19]
示例4示出体脂传感器类型的示例。然而,示例4仅被提供作为体脂传感器类型的示例,示例实施例不限于此。
参照示例4,由体脂传感器测量的感测信息可对应于75%的值。
表20示出体脂传感器类型的二进制表示语法。
[表20]
BodyFatSensorType{ | 比特数 | 形式 |
unitFlag | 1 | bslbf |
SensedInfoBaseType | 见上 | SensedInfoBaseType |
value | 32 | fsfb |
If(unitFlag==1){ | ||
unit | unitType | |
} | ||
} |
表21示出体脂传感器类型的二进制表示的附加语义。
[表21]
表22示出源6。
[表22]
源6使用XML示出关于血型传感器的感测信息。然而,源6的程序源仅被提供作为示例,示例实施例不限于此。
血型传感器类型可对应于用于描述关于血型传感器的感测信息的工具。
血型传感器类型可包括ABO型和Rh型中的至少一个属性。
ABO型表示关于由血型传感器感测的ABO血型的信息。例如,ABO血型可包括A、B、AB和O。
Rh型表示关于由血型传感器感测的Rh血型的信息。例如,Rh型可包括Rh阳性(+)和Rh阴性(-)。
表23示出示例5。
[表23]
示例5示出血型传感器类型的示例。然而,示例5仅被提供作为血型传感器类型的示例,示例实施例不限于此。
参照示例5,由血型传感器测量的感测信息可对应于ABO型中的A型以及Rh型中的Rh+。
表24示出血型传感器类型的二进制表示语法。
[表24]
BloodTypeSensorType | 比特数 | 形式 |
SensedInfoBaseType | 见上 | SensedInfoBaseType |
ABOType | 3 | bslbf |
RhType | 1 | bslbf |
} |
表25示出血型传感器类型的二进制表示的附加语义。
[表25]
表26示出ABOType字段的二进制表示和类型。
[表26]
二进制表示(3比特) | 类型 |
0 | A |
1 | B |
2 | AB |
3 | O |
4-7 | 保留 |
表27示出源7。
[表27]
源7使用XML示出关于血压传感器的感测信息。然而,源7的程序源仅被提供作为示例,示例实施例不限于此。
血压传感器类型可对应于用于描述关于血压传感器的感测信息的工具。
血压传感器类型可包括时间戳、单位、收缩压(systolicBP)、舒张压(diastolicBP)以及平均动脉压(MAP)中的至少一个属性。
时间戳表示关于血压传感器的感测时间的信息。
单位表示关于血压传感器的感测信息的单位的信息。
systolicBP表示关于由血压传感器感测的收缩压的信息。
diastolicBP表示关于由血压传感器感测的舒张压的信息。
MAP表示关于由血压传感器感测的平均动脉压的信息。
表28示出示例6。
[表28]
示例6示出血压传感器类型的示例。然而,示例6仅被提供作为血压传感器类型的示例,示例实施例不限于此。
参照示例6,由血压传感器测量的感测信息可对应于121的systolicBP、83的diastolicBP以及100的MAP。
表29示出血压传感器类型的二进制表示语法。
[表29]
BloodPressureSensorType{ | 比特数 | 形式 |
unitFlag | 1 | bslbf |
systolicBPFlag | 1 | bslbf |
diastolicBPFlag | 1 | bslbf |
MAPFlag | 1 | bslbf |
SensedInfoBaseType | 见上 | SensedInfoBaseType |
if(systolicBPFlag==1){ | ||
systolicBP | 32 | fsfb |
} |
if(diastolicBPFlag==1){ | ||
diastolicBP | 32 | fsfb |
} | ||
if(MAPFlag==1){ | ||
MAP | 32 | fsfb |
} | ||
if(unitFlag==1){ | ||
unit | unitType | |
} | ||
} |
表30示出血压传感器类型的二进制表示的附加语义。
[表30]
表31示出源8。
[表31]
源8使用XML示出关于血糖传感器的感测信息。然而,源8的程序源仅被提供作为示例,示例实施例不限于此。
血糖传感器类型可对应于用于描述关于血糖传感器的感测信息的工具。
血糖传感器类型可包括时间戳、单位和值中的至少一个属性。
时间戳表示关于血糖传感器的感测时间的信息。
单位表示关于血糖传感器的感测信息的单位的信息。
值表示关于由体温传感器感测的值的信息。例如,可以以毫克每分升(mg/dL)为单位感测值。
表32示出示例7。
[表32]
示例7示出血糖传感器类型的示例。然而,示例7仅被提供作为血糖传感器类型的示例,示例实施例不限于此。
参照示例7,由血糖传感器测量的感测信息可对应于115mg/dL的值。
表33示出血糖传感器类型的二进制表示语法。
[表33]
BloodSugarSensorType{ | 比特数 | 形式 |
unitFlag | 1 | bslbf |
SensedInfoBaseType | 见上 | SensedInfoBaseType |
value | 32 | fsfb |
If(unitFlag==1){ | ||
unit | unitType | |
} | ||
} |
表34示出血糖传感器类型的二进制表示的附加语义。
[表34]
表35示出血氧传感器类型的二进制表示语法。
[表35]
BloodOxygenSensorType{ | 比特数 | 形式 |
unitFlag | 1 | bslbf |
SensedInfoBaseType | 见上 | SensedInfoBaseType |
value | 32 | fsfb |
If(unitFlag==1){ | ||
unit | unitType | |
} | ||
} |
表36示出血氧传感器类型的二进制表示的附加语义。
[表36]
表37示出源9。
[表37]
源9使用XML示出关于心率传感器的感测信息。然而,源9的程序源仅被提供作为示例,示例实施例不限于此。
心率传感器类型可对应于用于描述关于心率传感器的感测信息的工具。
心率传感器类型可包括时间戳、单位和值中的至少一个属性。
时间戳表示关于心率传感器的感测时间的信息。
单位表示关于心率传感器的感测信息的单位的信息。
值表示关于由心率传感器感测的值的信息。例如,可以以每分钟心跳(bpm)为单位感测值。
表38示出示例8。
[表38]
示例8示出心率传感器类型的示例。然而,示例8仅被提供作为心率传感器类型的示例,示例实施例不限于此。
参照示例8,由心率传感器测量的感测信息可对应于65bpm的值。
表39示出心率传感器类型的二进制表示语法。
[表39]
HearRateSensorType{ | 比特数 | 形式 |
unitFlag | 1 | bslbf |
SensedInfoBaseType | 见上 | SensedInfoBaseType |
value | 32 | fsfb |
If(unitFlag==1){ | ||
unit | unitType | |
} | ||
} |
表40示出心率传感器类型的二进制表示的附加语义。
[表40]
表41示出源10。
[表41]
源10使用XML示出关于EEG传感器的感测信息。然而,源10的程序源仅被提供作为示例,示例实施例不限于此。
EEG传感器类型可对应于用于描述关于EEG传感器的感测信息的工具。
EEG传感器类型可包括时间戳、单位、阵列值中的至少一个属性。
时间戳表示关于EEG传感器的感测时间的信息。
单位表示关于EEG传感器的感测信息的单位的信息。
阵列值表示关于由EEG传感器感测的值的信息。例如,可以以微伏(μV)为单位感测阵列值。
表42示出示例9。
[表42]
示例9示出EEG传感器类型的示例。然而,示例9仅被提供作为EEG传感器类型的示例,示例实施例不限于此。
表43示出EEG传感器类型的二进制表示语法。
[表43]
表44示出EEG传感器类型的二进制表示的附加语义。
[表44]
表45示出electrodeLocationBase字段的二进制表示和电极位置类型。
[表45]
二进制表示(8比特) | 电极位置类型 |
0 | 保留 |
1 | EEG额极(Frontal Pole)1 |
2 | EEG额极(Frontal Pole)2 |
3 | EEG前额(Frontal)3 |
4 | EEG前额(Frontal)4 |
5 | EEG中枢神经(Central)3 |
6 | EEG中枢神经(Central)4 |
7 | EEG顶骨(Parietal)3 |
8 | EEG顶骨(Parietal)4 |
9 | EEG枕骨(Occipital)1 |
10 | EEG枕骨(Occipital)2 |
11 | EEG前颞(Anterior temporal)7 |
12 | EEG前颞(Anterior temporal)8 |
13 | EEG中颞(Middle temporal)3 |
14 | EEG中颞(Middle temporal)4 |
15 | EEG后颞(Posterior temporal)5 |
16 | EEG后颞(Posterior temporal)6 |
17 | EEG中线前额(Midline-Frontal) |
18 | EEG中线中枢神经(Midline-Central) |
19 | EEG中线顶骨(Midline-Parietal) |
20 | EEG耳(Auricular)1 |
21 | EEG耳(Auricular)2 |
22 | ECG右臂(Right Arm) |
23 | ECG左臂(Left Arm) |
24 | ECG右腿(Right Leg) |
25 | ECG左腿(Left Leg) |
26 | ECG V1 |
27 | ECG V2 |
28 | ECG V3 |
29 | ECG V4 |
30 | ECG V5 |
31 | ECG V6 |
32 | EOG A |
33 | EOG B |
34 | EOG C |
35 | EOG D |
36 | EOG E |
37-255 | 保留 |
表46示出波形模式字段的二进制表示和波形模式类型。
[表46]
二进制表示(4比特) | 波形模式类型 |
0 | 保留 |
1 | EEG Delta |
2 | EEG Theta |
3 | EEG Alpha |
4 | EEG Beta |
5 | EEG Gamma |
6-16 | 保留 |
表47示出源11。
[表47]
源11使用XML示出关于ECG传感器的感测信息。然而,源11的程序源仅被提供作为示例,示例实施例不限于此。
ECG传感器类型可对应于用于描述关于ECG传感器的感测信息的工具。
ECG传感器类型可包括时间戳、单位和阵列值中的至少一个属性。
时间戳表示关于ECG传感器的感测时间的信息。
单位表示关于ECG传感器的感测信息的单位的信息。
阵列值表示关于由ECG传感器感测的值的信息。例如,可以以毫伏(mV)为单位感测阵列值。
表48示出示例10。
[表48]
示例10示出ECG传感器类型的示例。然而,示例10仅被提供作为ECG传感器类型的示例,示例实施例不限于此。
表49示出ECG传感器类型的二进制表示语法。
[表49]
表50示出源12。
[表50]
源12使用XML示出关于EMG传感器的感测信息。然而,源12的程序源仅被提供作为示例,示例实施例不限于此。
EMG传感器类型可对应于用于描述关于EMG传感器的感测信息的工具。
EMG传感器类型可包括时间戳、单位和阵列值中的至少一个属性。
时间戳表示关于EMG传感器的感测时间的信息。
单位表示关于EMG传感器的感测信息的单位的信息。
阵列值表示关于由EMG传感器感测的值的信息。例如,可以以mV为单位感测阵列值。
表51示出示例11。
[表51]
示例11示出EMG传感器类型的示例。然而示例11仅被提供作为EMG传感器类型的示例,示例实施例不限于此。
表52示出EMG传感器类型的二进制表示语法。
[表52]
表53示出源13。
[表53]
源13使用XML示出关于EOG传感器的感测信息。然而,源13的程序源仅被提供作为示例,示例实施例不限于此。
EOG传感器类型可对应于用于描述关于EOG传感器的感测信息的工具。
EOG传感器类型可包括时间戳、单位和阵列值中的至少一个属性。
时间戳表示关于EOG传感器的感测时间的信息。
单位表示关于EOG传感器的感测信息的单位的信息。
阵列值表示关于由EOG传感器感测的值的信息。例如,可以以μV为单位感测阵列值。
表54示出示例12。
[表54]
示例12示出EOG传感器类型的示例。然而,示例12仅被提供作为EOG传感器类型的示例,示例实施例不限于此。
表55示出EOG传感器类型的二进制表示语义。
[表55]
表56示出EOG传感器类型的二进制表示的附加语义。
[表56]
表57示出electrodeLocationBase字段的二进制表示和电极位置类型。
[表57]
二进制表示(8比特) | 电极位置类型 |
0 | 保留 |
1 | EEG额极(Frontal Pole)1 |
2 | EEG额极(Frontal Pole)2 |
3 | EEG前额(Frontal)3 |
4 | EEG前额(Frontal)4 |
5 | EEG中枢神经(Central)3 |
6 | EEG中枢神经(Central)4 |
7 | EEG顶骨(Parietal)3 |
8 | EEG顶骨(Parietal)4 |
9 | EEG枕骨(Occipital)1 |
10 | EEG枕骨(Occipital)2 |
11 | EEG前颞(Anterior temporal)7 |
12 | EEG前颞(Anterior temporal)8 |
13 | EEG中颞(Middle temporal)3 |
14 | EEG中颞(Middle temporal)4 |
15 | EEG后颞(Posterior temporal)5 |
16 | EEG后颞(Posterior temporal)6 |
17 | EEG中线前额(Midline-Frontal) |
18 | EEG中线中枢神经(Midline-Central) |
19 | EEG中线顶骨(Midline-Parietal) |
20 | EEG耳(Auricular)1 |
21 | EEG耳(Auricular)2 |
22 | ECG右臂(RightArm) |
23 | ECG左臂(Left Arm) |
24 | ECG右腿(Right Leg) |
25 | ECG左腿(Left Leg) |
26 | ECG V1 |
27 | ECG V2 |
28 | ECG V3 |
29 | ECG V4 |
30 | ECG V5 |
31 | ECG V6 |
32 | EOG A |
33 | EOG B |
34 | EOG C |
35 | EOG D |
36 | EOG E |
37-255 | 保留 |
表58示出源14。
[表58]
源14使用XML示出关于GSR传感器的感测信息。然而,源14的程序源仅被提供作为示例,示例实施例不限于此。
GSR传感器类型可对应于用于描述关于GSR传感器的感测信息的工具。
GSR传感器类型可包括时间戳、单位和阵列值中的至少一个属性。
时间戳表示关于GSR传感器的感测时间的信息。
单位表示关于GSR传感器的感测信息的单位的信息。
阵列值表示关于由GSR传感器感测的值的信息。例如,可以以毫欧(μΩ)为单位感测阵列值。
表59示出示例13。
[表59]
示例13示出GSR传感器类型的示例。然而,示例13仅被提供作为GSR传感器类型的示例,示例实施例不限于此。
表60示出GSR传感器类型的二进制表示语法。
[表60]
表61示出GSR传感器类型的二进制表示的附加语义。
[表61]
表62示出源15。
[表62]
源15使用XML示出关于生物传感器的感测信息。然而,源15的程序源仅被提供作为示例,示例实施例不限于此。
生物传感器类型可对应于用于描述关于生物传感器的感测信息的工具。
生物传感器类型可包括以下项中的至少一个属性:身高、体重、体温、体脂、血型、血压、血糖、血氧、心率、EEG、ECG、EMG、EOG和GSR。
表63示出生物传感器类型的二进制表示语法。
[表63]
表64示出生物传感器类型的二进制表示的附加语义。
[表64]
表65示出源16。
[表65]
源16使用XML示出关于电图传感器的感测信息。然而,源16的程序源仅被提供作为示例,示例实施例不限于此。
电图传感器类型可对应于用于描述关于电图传感器的感测信息的工具。
电图传感器类型可包括以下项中的至少一个属性:时间戳、波形标签、电极位置基础(electrode location base)、电极位置、波形值、单位、最大振幅和波形模式。
时间戳表示关于电图传感器的感测时间的信息。
波形标签描述基本波形的标签。波形标签可参考由电图分类方案提供的分类方案术语。电图分类方案可在ISO/IEC23005-6的A.2.X中被定义。
电极位置基础描述基础电极的位置。电极位置基础可参考由电图分类方案提供的分类方案术语。电图分类方案可在ISO/IEC23005-6的A.2.X中被定义。
电极位置描述基础电极的位置。电极位置基础可参考由电图分类方案提供的分类方案术语。电图分类方案可在ISO/IEC23005-6的A.2.X中被定义。
波形值以微伏(μV)为单位表示电图传感器的时间序列感测值。
当默认单位以外的其它单位被使用时,单位描述关于波形值和最大振幅两者的感测值的单位。单位可参考由电图分类方案提供的分类方案术语。电图分类方案可在ISO/IEC23005-6的A.2.X中被定义。
最大振幅以μV为单位表示电图传感器的最大振幅。
波形模式描述感测波形的模式。波形模式可参考由电图分类方案提供的分类方案术语。电图分类方案可在ISO/IEC23005-6的A.2.X中被定义。
将参照图12和图13详细描述用于测量两个电极之间的电活动的位置。
电活动可创建两个电极之间的波形。例如,如图12所示可从两个电极FP1和F7获得第一波形。
为了标识每个波形,必需知道使用了两个位置中的哪一个。
表66示出基于频率分类的波形的类型。
[表66]
表67示出波形模式的分类方案。
[表67]
波形的最大振幅可用于表示活动的强度。
关于电图传感器的感测信息可包括时间序列的电位数据、与两个电极位置相应的标签、基于波形的模式的波形分类和最大振幅。
表68示出电图传感器类型的二进制表示语法。
[表68]
表69示出电图传感器类型的二进制表示的附加语义。
[表69]
表70示出waveformLabel字段的二进制表示和波形类型。
[表70]
图11示出根据示例实施例的虚拟世界处理设备的操作方法。
参照图11,虚拟世界处理设备可实现虚拟世界和现实世界之间相互操作或虚拟世界之间相互操作。在S1110,虚拟世界处理设备可接收关于现实世界中的用户的生物计量的由生物传感器收集的感测信息的输入。
例如,虚拟世界处理设备可接收指示关于现实世界中的虚拟对象的信息的VR对象数据的输入。另外,虚拟世界处理设备还可接收用于控制感测信息的传感器适应偏好的输入。
在操作S1120,虚拟世界处理设备可基于与生物传感器的能力关联的传感器能力调整感测信息。
例如,当80kg的感测信息被收集作为使用体重传感器感测现实世界中的用户的体重的结果时,虚拟世界处理设备可接收80kg的感测信息的输入。在此实例中,当关于体重传感器的传感器能力的maxValue对应于70kg时,虚拟世界处理设备可将80kg的感测信息调整为70kg。另外,虚拟世界处理设备可将调整的70kg的感测信息应用到虚拟世界。
根据示例实施例,虚拟世界处理设备可通过将调整的感测信息应用到VR对象数据来调整VR对象数据,从而产生另一条VR对象数据。
根据示例实施例,虚拟世界处理设备可基于传感器能力和传感器适应偏好调整感测信息。
在操作1121,虚拟世界处理设备可基于调整的感测信息控制在虚拟世界中运行的体验型游戏。
例如,虚拟世界处理设备可通过将调整的感测信息应用到VR对象数据来产生另一条VR对象数据,并可将产生的另一条VR对象数据应用到体验型游戏,从而控制体验型游戏,其中,所述VR对象数据指示关于体验型游戏中的虚拟对象的信息。
在操作S1122,虚拟世界处理设备可基于调整的感测信息确定现实世界中的用户的健康状况。另外,虚拟世界处理设备可向用户提供确定的用户健康状况。
图12示出根据示例实施例的在用于EEG的10-20系统中使用的位置名称。
参照图12,符号FP1和FP2表示额极。符号F3和F4表示额叶。符号C3和C4表示中心裂片(central lobe)。符号P3和P4表示顶叶。符号O1和O2表示枕叶。符号F7和F8表示前颞叶。符号T3和T4表示中颞叶。符号T5和T6表示后颞叶。符号FZ表示中线正面叶。符号CZ表示中线中央叶。符号PZ表示中线顶叶。符号A1和A2表示耳状叶。
也就是说,第一个字母F、T、C、P和O分别表示额叶、颞叶、中叶、顶叶和枕叶。其后的字母Z表示位于中央的电极。其后的字母中的偶数(例如,2、4、6和8)表示位于右半球的电极。其后的字母中的奇数(例如,1、3、5和7)表示位于左半球的电极。
图13示出根据示例实施例的在12导联ECG系统中使用的位置名称。
ECG可包括广泛用于指示电极的位置地图。在图13中示出了每个位置的缩写。
基于前述的信息,12导联系统中的每个标签可具有电极的预定位置。
例如,可从位置V1处的单极电极获得V1。
表71描述电极标签和电极位置。
[表71]
表72示出电极位置的分类方案。
[表72]
图14示出得自10-电极位置的12导联。
导联I1410、导联II1415和导联III1420是肢体导联。这些信号中的每个信号的电极可放置在肢体(例如,每个手臂和左腿)。
导联I1410表示左臂(LA)电极和右臂(RA)电极之间的电压。
可通过等式1计算导联I1410。
[等式1]
I=LA-RA.
导联II1415表示左腿(LL)电极和RA电极之间的电压。
可通过等式2计算导联II1415。
[等式2]
II=LL-RA.
导联III1420表示LL电极和LA电极之间的电压。
可通过等式3计算导联III1420
[等式3]
III=LL-LA.
两种类型的导联可对应于单极导联和双极导联。双极导联可具有一个正极和一个负极。在12导联ECG中,肢体导联(例如,导联I1410、导联II1415和导联III1420)可对应于双极导联。单级导联也可具有两个极,然而,负极可对应于由得自若干其它电极的信号组成的复合极。
在12导联ECG中,除肢体导联以外的导联可对应于单极导联。这里,除肢体导联以外的导联可对应于右侧增强矢量(aVR)导联1425、左侧增强矢量导联(aVL)1430、足部增强矢量(aVF)导联1435、导联V11440、导联V21445、导联V31450、导联V41455、导联V51460和导联V61465。
导联aVR1425、导联aVL1430和导联aVF1435可对应于增强肢体导联。可从如肢体导联的三个电极得到增强肢体导联。然而,增强肢体导联可从不同的角度或矢量观看心脏。
导联aVR1425可在右臂上具有正极。负极可对应于LA电极和LL电极的组合,负极可增强右臂上的正极的信号强度。
可通过等式4计算导联VR1425。
[等式4]
导联aVL1430可在左臂上具有正极。负极可对应于RA电极和LL电极的组合,负极可增强左臂上的正极的信号强度。
可通过等式5计算导联aVL1430。
[等式5]
导联aVF1435可在左腿上具有正极。负极可对应于RA电极和LL电极的组合,负极可增强左腿上的正极的信号强度。
可通过等式6计算导联aVF1435。
[等式6]
如等式7表达,可基于肢体导联计算导联aVR1425、导联aVL1430和导联aVF1435。
[等式7]
胸导联的电极可直接放置在胸上。这里,胸导联可对应于导联V11440、导联V21445、导联V31450、导联V41455、导联V51460和导联V61465。由于靠近心脏,因此胸导联不需增强。胸导联可以以所谓的水平面观看心脏的电活动。在水平面上的心脏的电轴可被称为Z轴。
图15示出ECG的典型波形。
典型的心动周期的ECG追踪可包括P波形1510、QRS复合1595、T波形1550和U波形(通常在50%至75%的ECG中可见)。
与EEG不同,ECG波形可对应于连续的五个不同波形(例如,P波形1510、Q波形1520、R波形1530、S波形1540和T波形1550)的复合波形。
在通常的心房除极化期间,主电子矢量可从SA节点指向AV节点,并可从右心房扩散到左心房。可将主电子矢量转换为ECG上的P波形1510。在P波形1510的期间可对应于80毫秒(ms)。
T波形1550可表示心室的复极或恢复。从QRS复合1595的开始到T波形1550的顶点的间隔可被称为绝对不应期。T波形1550的后半段可被称为相对不应期。T波形1550的期间可对应于160ms。
PR段1560可连接P波形1510和QRS复合1595。
ST段1570可连接QRS复合1595和T波形1550。
可从P波形1510的开始到QRS复合1595的开始,测量PR间隔1580。
可从QRS复合1595的开始到T波形1550的结束,测量QT间隔1590。
QRS复合1595可反映右心室和左心室的快速除极化。当与心房比较时,右心室和左心室可具有大的肌肉块。因此,QRS复合1595可比P波形1510具有更大的振幅。
可注意到ECG波形的时间序列数据可不被分类为预定的模式,然而会需要整个时间序列数据,以标识波形的特征。因此,需要使用在每个导联处的电势数据以及每个导联的相应的标签的时间序列。
EMG波形可表达在预定的肌肉处的电活动。针对每个肌肉的电极可通常被放置在肌肉的端点。也就是说,每个肌肉可具有电极的相应的推荐的位置。另外,可能不存在EMG的分类的波形模式信息。可能需要使用在每个肌肉处的电势数据以及每个肌肉的相应的标签的时间序列。
示例实施例包括计算机可读介质,其中,计算机可读介质包括用于实现由计算机实施多种操作的程序指令。介质还可包括单独的程序指令、数据文件、数据结构、表等或它们的组合。介质和程序指令可以是为示例实施例的目的而专门设计和构建的,或者介质和程序指令可以是计算机软件领域里的技术人员公知和可用的。计算机可读介质的示例包括磁介质(诸如,硬盘、软盘和磁带)、光学介质(诸如,CD ROM盘)、磁光介质(磁光盘)以及特别配置为存储和执行程序指令的硬件装置(诸如,只读存储器(ROM)和随机存取存储器(RAM))。程序指令的示例包括诸如由编译器产生的机器代码以及包含可由计算机使用解释器执行的更高级代码的文件两者。所述硬件装置可被配置为用作一个或多个软件模块,以执行上述示例实施例的操作,反之亦然。
虽然已示出和描述了若干示例实施例,但本公开不限于描述的示例实施例。反而,本领域的技术人员将理解,在不脱离本公开的原理和精神的情况下,可对这些示例实施例进行改变,由权利要求及其等同物限定本公开的范围。
Claims (28)
1.一种能够实现虚拟世界和现实世界之间相互操作或虚拟世界之间相互操作的虚拟世界处理设备,所述虚拟世界处理设备包括:
输入单元,用于接收关于现实世界中的用户的生物计量的由生物传感器收集的感测信息的输入;
调整单元,用于根据二进制表示语法基于与生物传感器的能力关联的传感器能力调整感测信息,
其中,二进制表示语法对针对生物计量的属性以及与所述属性对应的标记进行定义,
其中,调整后的感测信息包括标记以及与具有预定逻辑值的至少一个标记对应的属性,
其中,感测信息包括:
标识(ID)信息,用于标识感测信息的个别标识;
组ID信息,用于标识包括生物传感器的多个传感器组的个别标识;
传感器ID参考信息,用于参考生物传感器;
链接列表信息,指示用于组合生物传感器的链接数据结构元素;
激活信息,用于确定生物传感器是否运行;
针对另一条感测信息的优先级信息,其中,在调整感测信息时,所述另一条感测信息与感测信息共享相同的时间点。
2.如权利要求1所述的虚拟世界处理设备,还包括:
控制单元,用于基于调整的感测信息控制在虚拟世界中运行的体验型游戏。
3.如权利要求1所述的虚拟世界处理设备,还包括:
确定单元,用于基于调整的感测信息确定用户的健康状况。
4.如权利要求1所述的虚拟世界处理设备,其中,生物传感器包括以下项中的至少一个:身高传感器、体重传感器、体温传感器、体脂传感器、血型传感器、血压传感器、血糖传感器、血氧传感器、心率传感器、脑电图(EEG)传感器、心电图(ECG)传感器、肌电图(EMG)传感器、眼电图(EOG)传感器、皮肤电反应(GSR)传感器、生物传感器和电图传感器。
5.如权利要求1所述的虚拟世界处理设备,其中,输入单元接收用于控 制感测信息的传感器适应偏好的输入。
6.如权利要求1所述的虚拟世界处理设备,其中,当生物传感器对应于身高传感器时,感测信息包括单位标记(unitFlag)、时间戳、单位和值中的至少一个。
7.如权利要求1所述的虚拟世界处理设备,其中,当生物传感器对应于体重传感器时,感测信息包括单位标记(unitFlag)、时间戳、单位和值中的至少一个。
8.如权利要求1所述的虚拟世界处理设备,其中,当生物传感器对应于体温传感器时,感测信息包括单位标记(unitFlag)、位置标记(locationFlag)、时间戳、单位、值和位置中的至少一个。
9.如权利要求1所述的虚拟世界处理设备,其中,当生物传感器对应于体脂传感器时,感测信息包括单位标记(unitFlag)、时间戳、单位和值中的至少一个。
10.如权利要求1所述的虚拟世界处理设备,其中,当生物传感器对应于血型传感器时,感测信息包括ABO型和Rh型中的至少一个。
11.如权利要求1所述的虚拟世界处理设备,其中,当生物传感器对应于血压传感器时,感测信息包括以下项中的至少一个:单位标记(unitFlag)、收缩压标记(systolicBPFlag)、舒张压标记(diastolicBPFlag)、平均动脉压标记(MAPFlag)、时间戳、单位、收缩压、舒张压和平均动脉压。
12.如权利要求1所述的虚拟世界处理设备,其中,当生物传感器对应于血糖传感器时,感测信息包括单位标记(unitFlag)、时间戳、单位和值中的至少一个。
13.如权利要求1所述的虚拟世界处理设备,其中,当生物传感器对应于血氧传感器时,感测信息包括单位标记(unitFlag)、时间戳、单位和值中的至少一个。
14.如权利要求1所述的虚拟世界处理设备,其中,当生物传感器对应于心率传感器时,感测信息包括单位标记(unitFlag)、时间戳、单位和值中的至少一个。
15.如权利要求1所述的虚拟世界处理设备,其中,当生物传感器对应于EEG传感器时,感测信息包括以下项中的至少一个:电极位置基础标记(electrodeLocationBaseFlag)、电极位置标记(electrodeLocationFlag)、波形 模式标记(wavePatternFlag)、电极位置基础、电极位置、波形模式、时间戳、单位以及阵列值。
16.如权利要求1所述的虚拟世界处理设备,其中,当生物传感器对应于ECG传感器时,感测信息包括时间戳、单位和阵列值中的至少一个。
17.如权利要求1所述的虚拟世界处理设备,其中,当生物传感器对应于EMG传感器时,感测信息包括时间戳、单位和阵列值中的至少一个。
18.如权利要求1所述的虚拟世界处理设备,其中,当生物传感器对应于EOG传感器时,感测信息包括以下项中的至少一个:电极位置基础标记(electrodeLocationBaseFlag)、电极位置标记(electrodeLocationFlag)、电极位置基础、电极位置、时间戳、单位以及阵列值。
19.如权利要求1所述的虚拟世界处理设备,其中,当生物传感器对应于GSR传感器时,感测信息包括单位标记(unitFlag)、dimX、dimY、时间戳、单位以及阵列值中的至少一个。
20.如权利要求1所述的虚拟世界处理设备,其中,当生物传感器的类型对应于生物传感器类型时,感测信息包括以下项中的至少一个:身高标记(BodyHeightFlag)、体重标记(BodyWeightFlag)、体温标记(BodyTemperatureFlag)、体脂标记(BodyFatFlag)、血型标记(BloodTypeFlag)、血压标记(BloodPressureFlag)、血糖标记(BloodSugarFlag)、血氧标记(BloodOxygenFlag)、心率标记(HeartRateFlag)、脑电图标记(EEGFlag)、心电图标记(ECGFlag)、肌电图标记(EMGFlag)、眼电图标记(EOGFlag)、皮肤电反应标记(GSRFlag)、身高、体重、体温、体脂、血型、血压、血糖、血氧、心率、EEG、ECG、EMG、EOG和GSR。
21.如权利要求1所述的虚拟世界处理设备,其中,当生物传感器对应于电图传感器时,感测信息包括以下项中的至少一个:时间戳、波形标签、电极位置基础、电极位置、波形值、单位、最大振幅和波形模式。
22.如权利要求1所述的虚拟世界处理设备,其中,感测信息包括至少一个标记、并且所述至少一个标记中的每个标记指示感测信息是否包括预定字段。
23.一种能够实现虚拟世界和现实世界之间相互操作或虚拟世界之间相互操作的虚拟世界处理设备的操作方法,所述方法包括:
接收关于现实世界中的用户的生物计量的由生物传感器收集的感测信息 的输入;
根据二进制表示语法基于与生物传感器关联的传感器能力调整感测信息,
其中,二进制表示语法对针对生物计量的属性以及与所述属性对应的标记进行定义,
其中,调整后的感测信息包括标记以及与具有预定逻辑值的至少一个标记对应的属性,
其中,感测信息包括:
标识(ID)信息,用于标识感测信息的个别标识;
组ID信息,用于标识包括生物传感器的多个传感器组的个别标识;
传感器ID参考信息,用于参考生物传感器;
链接列表信息,指示用于组合生物传感器的链接数据结构元素;
激活信息,用于确定生物传感器是否运行;
针对另一条感测信息的优先级信息,其中,在调整感测信息时,所述另一条感测信息与感测信息共享相同的时间点。
24.如权利要求23所述的操作方法,还包括:
基于调整的感测信息控制在虚拟世界运行的体验型游戏。
25.如权利要求23所述的操作方法,还包括:
基于调整的感测信息,确定用户的健康状况。
26.一种用于在现实世界和虚拟世界之间进行交互的方法,所述方法包括:
使用至少一个生物传感器感测关于现实世界中的用户的信息;
根据二进制表示语法基于与所述至少一个生物传感器对应的至少一个传感器能力来调整感测信息;
基于调整的感测信息控制虚拟世界中的至少一个对象,
其中,二进制表示语法对针对生物计量的属性以及与所述属性对应的标记进行定义,
其中,调整后的感测信息包括标记以及与具有预定逻辑值的至少一个标记对应的属性,
其中,感测信息包括:
标识(ID)信息,用于标识感测信息的个别标识;
组ID信息,用于标识包括生物传感器的多个传感器组的个别标识;
传感器ID参考信息,用于参考生物传感器;
链接列表信息,指示用于组合生物传感器的链接数据结构元素;
激活信息,用于确定生物传感器是否运行;
针对另一条感测信息的优先级信息,其中,在调整感测信息时,所述另一条感测信息与感测信息共享相同的时间点。
27.如权利要求26所述的方法,还包括使用调整的感测信息显示现实世界中的用户的健康状况。
28.如权利要求26所述的方法,还包括使用传感器适应偏好信息调整感测信息。
Applications Claiming Priority (7)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
KR20100070135 | 2010-07-20 | ||
KR10-2010-0070135 | 2010-07-20 | ||
KR10-2010-0097267 | 2010-10-06 | ||
KR20100097267 | 2010-10-06 | ||
KR10-2011-0024289 | 2011-03-18 | ||
KR1020110024289A KR101890717B1 (ko) | 2010-07-20 | 2011-03-18 | 생체 정보를 활용한 가상 세계 조작 장치 및 방법 |
PCT/KR2011/004346 WO2012011665A2 (ko) | 2010-07-20 | 2011-06-14 | 생체 정보를 활용한 가상 세계 조작 장치 및 방법 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103026360A CN103026360A (zh) | 2013-04-03 |
CN103026360B true CN103026360B (zh) | 2016-11-02 |
Family
ID=45497248
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201180035744.1A Active CN103026360B (zh) | 2010-07-20 | 2011-06-14 | 用于通过采用生物计量信息操作虚拟世界的设备和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US9545567B2 (zh) |
EP (1) | EP2597582B1 (zh) |
JP (1) | JP6145405B2 (zh) |
KR (1) | KR101890717B1 (zh) |
CN (1) | CN103026360B (zh) |
WO (1) | WO2012011665A2 (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8860563B2 (en) * | 2012-06-14 | 2014-10-14 | Immersion Corporation | Haptic effect conversion system using granular synthesis |
DE102012224321B4 (de) | 2012-12-21 | 2022-12-15 | Applejack 199 L.P. | Messvorrichtung zum Erfassen einer Schlagbewegung eines Schlägers, Trainingsvorrichtung und Verfahren zum Training einer Schlagbewegung |
KR102013708B1 (ko) * | 2013-03-29 | 2019-08-23 | 삼성전자주식회사 | 자동 초점 설정 방법 및 이를 위한 장치 |
KR101539923B1 (ko) * | 2013-12-27 | 2015-07-29 | 가톨릭대학교 산학협력단 | 이중 기계학습 구조를 이용한 생체신호 기반의 안구이동추적 시스템 및 이를 이용한 안구이동추적 방법 |
CN103654733B (zh) * | 2014-01-08 | 2015-08-05 | 南京鱼跃软件技术有限公司 | 一种全科测量系统 |
JP2015196091A (ja) * | 2014-04-02 | 2015-11-09 | アップルジャック 199 エル.ピー. | アバターが仮想環境内でプレイヤーを表すためのセンサベースのゲームシステム |
US9389733B2 (en) * | 2014-08-18 | 2016-07-12 | Sony Corporation | Modal body touch using ultrasound |
WO2016089105A1 (ko) * | 2014-12-02 | 2016-06-09 | 삼성전자 주식회사 | 사용자의 상태를 나타내는 상태 데이터를 획득하는 방법 및 디바이스 |
JP2016110631A (ja) | 2014-12-02 | 2016-06-20 | 三星電子株式会社Samsung Electronics Co.,Ltd. | 状態推定装置、状態推定方法およびプログラム |
US10157487B2 (en) | 2015-07-30 | 2018-12-18 | International Business Machines Corporation | VR biometric integration |
KR101756326B1 (ko) * | 2015-11-20 | 2017-07-26 | 동국대학교 산학협력단 | Nui/nux 기반의 vr환경 게임 컨트롤을 시뮬레이션하는 방법, 시스템 및 컴퓨터 판독가능 기록매체 |
WO2017113387A1 (zh) * | 2015-12-31 | 2017-07-06 | 深圳市洛书和科技发展有限公司 | 传感器采集平台 |
US10070799B2 (en) | 2016-12-02 | 2018-09-11 | Pison Technology, Inc. | Detecting and using body tissue electrical signals |
US10394324B2 (en) | 2017-03-13 | 2019-08-27 | Disney Enterprises, Inc. | Configuration for adjusting a user experience based on a biological response |
US11625473B2 (en) | 2018-02-14 | 2023-04-11 | Samsung Electronics Co., Ltd. | Method and apparatus with selective combined authentication |
CN110237514A (zh) * | 2019-06-21 | 2019-09-17 | 上海电机学院 | 肌肉电控制的模拟打保龄球互动设备 |
CN110227244A (zh) * | 2019-06-21 | 2019-09-13 | 上海电机学院 | 肌肉电控制的模拟拳击互动系统 |
KR102381446B1 (ko) * | 2019-08-05 | 2022-04-01 | 장대규 | 스마트 기기를 구비한 led 마스크 |
CN110917612A (zh) * | 2019-11-13 | 2020-03-27 | 芯海科技(深圳)股份有限公司 | 游戏交互方法、装置、电子设备及存储介质 |
KR102341866B1 (ko) * | 2021-08-31 | 2021-12-22 | 주식회사 에스에이엠지엔터테인먼트 | 메타버스 디지털아이돌을 구현하는 인공지능 기반 플랫폼 제공 시스템 및 그 방법 |
KR102592521B1 (ko) * | 2021-11-22 | 2023-10-23 | 주식회사 바이오브레인 | 기상 데이터와 메타버스 연동을 위한 확장현실 가상 콘텐츠 제공 시스템 |
KR102443946B1 (ko) * | 2022-03-03 | 2022-09-16 | 가천대학교 산학협력단 | 허위 아바타 정보로부터 메타버스플랫폼 내 아바타의 정보를 보호하기 위한 아바타의 정보에 대한 소유자 검증을 제공하는 시스템 및 방법 |
KR102432248B1 (ko) * | 2022-03-03 | 2022-08-12 | 가천대학교 산학협력단 | 아바타를 생성하여 외부의 메타버스플랫폼에 제공하여 아바타를 업데이트하고, 업데이트된 아바타에 대한 nft를 제공하는 시스템 및 방법 |
KR102441307B1 (ko) * | 2022-03-07 | 2022-09-06 | 가천대학교 산학협력단 | 소통형 재활 및 직업 프로그램을 통한 복합센서 기반 뇌질환 및 정신질환 예방 가상현실 시스템 |
KR102441306B1 (ko) * | 2022-03-07 | 2022-09-06 | 가천대학교 산학협력단 | 소통형 재활 및 직업 프로그램을 통한 복합센서 기반 조작 및 몰입형 가상현실 시스템 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1719385A (zh) * | 2005-07-21 | 2006-01-11 | 高春平 | 电脑游戏的生理信号控制装置 |
CN201005682Y (zh) * | 2007-01-23 | 2008-01-16 | 王瑞昌 | 用于监测人体体脂的游戏外设 |
CN101310805A (zh) * | 2007-05-25 | 2008-11-26 | 华硕电脑股份有限公司 | 游戏控制器 |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5293187A (en) * | 1992-02-05 | 1994-03-08 | Biocontrol Systems, Inc. | Method and apparatus for eye tracking for convergence and strabismus measurement |
JPH11164966A (ja) * | 1997-12-05 | 1999-06-22 | Enix Corp | 携帯用電子機器装置 |
JP2000024324A (ja) | 1998-05-01 | 2000-01-25 | Sega Enterp Ltd | 携帯型デ―タ記憶装置及び画像表示機能付ゲ―ム装置及びデ―タ通信システム |
JP2001034785A (ja) | 1999-07-16 | 2001-02-09 | Atr Media Integration & Communications Res Lab | 仮想変身装置 |
US6663491B2 (en) * | 2000-02-18 | 2003-12-16 | Namco Ltd. | Game apparatus, storage medium and computer program that adjust tempo of sound |
JP2002018135A (ja) * | 2000-07-06 | 2002-01-22 | Atlus Co Ltd | ゲーム装置 |
JP3931889B2 (ja) * | 2003-08-19 | 2007-06-20 | ソニー株式会社 | 画像表示システム、画像表示装置、画像表示方法 |
WO2006011076A1 (en) | 2004-07-22 | 2006-02-02 | Koninklijke Philips Electronics N.V. | Strategic use of bio-sensor information in multi-player computer game |
KR100493714B1 (ko) * | 2004-11-26 | 2005-06-02 | 주식회사 메디코아 | 자율신경 검사장치 |
KR100636381B1 (ko) | 2004-12-21 | 2006-10-19 | 한국전자통신연구원 | 인간과 유사한 신체 반응을 가지도록 하기 위한 캐릭터애니메이션 시스템 및 그 방법 |
CN101309731B (zh) * | 2005-10-17 | 2011-04-13 | 转换注意力治疗技术有限公司 | 转移注意力治疗的设备以及平板装置 |
JP2006294024A (ja) | 2006-03-30 | 2006-10-26 | Sony Corp | 情報交流・人間関係育成支援システム、情報通信装置、情報交流・人間関係育成支援装置、並びにコンピュータ・プログラム |
KR20080004196A (ko) | 2006-07-05 | 2008-01-09 | 이민화 | 이동 단말기에서 캐릭터 개체를 관리하는 시스템 및 방법 |
US20080319796A1 (en) * | 2007-02-16 | 2008-12-25 | Stivoric John M | Medical applications of lifeotypes |
US8679008B2 (en) * | 2007-02-16 | 2014-03-25 | Galvanic Limited | Biosensor device and method |
KR20090067822A (ko) * | 2007-12-21 | 2009-06-25 | 삼성전자주식회사 | 현실 인자를 반영하는 혼합 세계 생성 시스템 및 구현 방법 |
KR100956406B1 (ko) * | 2008-03-07 | 2010-05-06 | 고려대학교 산학협력단 | 긴장도를 조절하는 드라이빙 시뮬레이션 시스템 및 방법과이에 사용되는 기록매체 |
WO2010000300A1 (en) * | 2008-06-30 | 2010-01-07 | Accenture Global Services Gmbh | Gaming system |
JP2012501020A (ja) | 2008-08-25 | 2012-01-12 | ウニヴェルジテート チューリッヒ プロレクトラート エムエヌヴェー | 調整可能な仮想現実システム |
AU2009305770A1 (en) * | 2008-10-14 | 2010-04-22 | Proteus Digital Health, Inc. | Method and system for incorporating physiologic data in a gaming environment |
US9511289B2 (en) * | 2009-07-10 | 2016-12-06 | Valve Corporation | Player biofeedback for dynamically controlling a video game state |
-
2011
- 2011-03-18 KR KR1020110024289A patent/KR101890717B1/ko not_active Application Discontinuation
- 2011-06-14 WO PCT/KR2011/004346 patent/WO2012011665A2/ko active Application Filing
- 2011-06-14 EP EP11809792.2A patent/EP2597582B1/en active Active
- 2011-06-14 CN CN201180035744.1A patent/CN103026360B/zh active Active
- 2011-06-14 US US13/810,531 patent/US9545567B2/en active Active
- 2011-06-14 JP JP2013520636A patent/JP6145405B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1719385A (zh) * | 2005-07-21 | 2006-01-11 | 高春平 | 电脑游戏的生理信号控制装置 |
CN201005682Y (zh) * | 2007-01-23 | 2008-01-16 | 王瑞昌 | 用于监测人体体脂的游戏外设 |
CN101310805A (zh) * | 2007-05-25 | 2008-11-26 | 华硕电脑股份有限公司 | 游戏控制器 |
Also Published As
Publication number | Publication date |
---|---|
JP2013540454A (ja) | 2013-11-07 |
CN103026360A (zh) | 2013-04-03 |
WO2012011665A3 (ko) | 2012-03-29 |
JP6145405B2 (ja) | 2017-06-14 |
US20130178289A1 (en) | 2013-07-11 |
KR101890717B1 (ko) | 2018-08-23 |
KR20120011772A (ko) | 2012-02-08 |
EP2597582A2 (en) | 2013-05-29 |
US9545567B2 (en) | 2017-01-17 |
WO2012011665A2 (ko) | 2012-01-26 |
EP2597582A4 (en) | 2015-06-10 |
EP2597582B1 (en) | 2017-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103026360B (zh) | 用于通过采用生物计量信息操作虚拟世界的设备和方法 | |
AU2002257964B2 (en) | Patient condition display | |
Choi et al. | Development and evaluation of an ambulatory stress monitor based on wearable sensors | |
CN101720200B (zh) | 用于对参与反应进行测量并评级的方法和系统 | |
KR20210045467A (ko) | 딥 신경 네트워크들에 기초한 정신적 거동 속성들의 인식을 위한 전자 디바이스 | |
Wu et al. | Modeling perceived stress via HRV and accelerometer sensor streams | |
US11013448B2 (en) | Monitoring of biosignals, in particular electrocardiograms | |
CN108371815A (zh) | 一种沉浸式电子游戏操作系统及游戏方法 | |
Shaharudin et al. | Muscle synergies of untrained subjects during 6 min maximal rowing on slides and fixed ergometer | |
Beh et al. | MAUS: A dataset for mental workload assessmenton N-back task using wearable sensor | |
CN108721048A (zh) | 康复训练控制方法、计算机可读存储介质和终端 | |
CN107705848A (zh) | 一种根据用户健康状况推荐调理方案的方法及系统 | |
CN112465059A (zh) | 基于跨脑融合决策的多人运动想象识别方法及脑机系统 | |
CN113782180A (zh) | 检测心律失常心跳并检测心脏标测注释的系统和方法 | |
Castro-Garcia et al. | Towards human stress and activity recognition: A review and a first approach based on low-cost wearables | |
Ismail et al. | A comparison of emotion recognition system using electrocardiogram (ECG) and photoplethysmogram (PPG) | |
Yarici et al. | Hearables: feasibility of recording cardiac rhythms from single in-ear locations | |
CN106056045B (zh) | 一种三导联重构十二导联心电信号的方法 | |
KR102350320B1 (ko) | 전기 자극기를 이용한 개인 맞춤형 헬스 케어 시스템 및 그 방법 | |
Setz et al. | Using ensemble classifier systems for handling missing data in emotion recognition from physiology: one step towards a practical system | |
van den Broek et al. | Prerequisites for Affective Signal Processing (ASP)–Part III | |
Friedrichs et al. | Simple games–complex emotions: Automated affect detection using physiological signals | |
CN111558163A (zh) | 颈部按摩仪及其运动检测方法、计算机可读存储介质 | |
KR20220076581A (ko) | 뮤직 큐레이션과 ems 테라피가 제공되는 인공지능 홈 트레이닝 시스템 및 방법 | |
CN205866740U (zh) | 一种同步获取多维心跳信息的采集装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |