CN111530021A - 一种虚拟云台设备及智能行为感知方法 - Google Patents

Abstract

本发明公开一种虚拟云台设备及智能行为感知方法，涉及虚拟现实技术领域，包括压力传感器组、脚踏板和主控制器；压力传感器组设置在脚踏板的按键面板上；左脚压力传感器组包括第一压力传感器和第二压力传感器；第一压力传感器用于采集左脚脚掌的第一压力值，第二压力传感器用于采集左脚脚后跟的第二压力值；右脚压力传感器组包括第三压力传感器和第四压力传感器，第三压力器用于采集右脚脚掌的第三压力值，第四压力传感器用于采集右脚脚后跟的第四压力值；主控制器与压力传感器组连接，主控制器用于根据压力传感器组采集的各压力值确定用户的移动方向和速度。本发明能够通过简单设备和简单操作实现简化用户学习操作设备的过程。

Description

一种虚拟云台设备及智能行为感知方法

技术领域

本发明涉及虚拟现实技术领域，特别是涉及一种虚拟云台设备及智能行为感知方法。

背景技术

目前VR漫游设备大多数为VR跑步机类型，使用时需要在脚上穿一双类似滑冰鞋的传感设备，还需配置一种配合脚下的凹形球面结构。使用者在漫游时，脚必须向凹形球面内表面滑行，从而实现漫游跑步的效果，且在漫游过程中需要大量练习，消耗体力，导致体验极差。

现有的大多数VR漫游设备存在以下缺点：

1、设备体积庞大，VR跑步机需要一种吊臂结构用来稳定使用者姿态，还需配合脚下的凹形球面结构，整体设备庞大，需要独占一个房间的大小。

2、设备安装复杂，VR跑步机由庞大的几部分结构组合而成，安装过程繁琐且需专业人员安装。

3、使用体验很差，此类设备需要在脚上佩戴传感器来感知运动状态，同时还需配合类似旱冰鞋的专用鞋子。前期需要繁琐的穿戴过程，使用中也需大量的练习，且使用过程中需要完成跑步、转身等动作，长时间使用很耗费体力。

发明内容

本发明的目的是提供一种虚拟云台设备及智能行为感知方法，通过简单的设备和简单的操作以简化用户学习操作设备的过程，为了实现用户行为的精确判断，还提供一种感知方法以通过用户重心变化实现在虚拟空间中用户行为的判断。

为实现上述目的，本发明提供了如下方案：

一种虚拟云台设备，包括压力传感器组、脚踏板和主控制器；

所述压力传感器组设置在所述脚踏板的按键面板上；所述压力传感器组包括左脚压力传感器组和右脚压力传感器组；所述左脚压力传感器组包括第一压力传感器和第二压力传感器；所述第一压力传感器用于采集左脚脚掌的第一压力值，所述第二压力传感器用于采集左脚脚后跟的第二压力值；所述右脚压力传感器组包括第三压力传感器和第四压力传感器，所述第三压力传感器用于采集右脚脚掌的第三压力值，所述第四压力传感器用于采集右脚脚后跟的第四压力值；

所述主控制器与所述压力传感器组连接，所述主控制器用于根据所述压力传感器组采集的第一压力值、第二压力值、第三压力值和第四压力值确定用户的移动方向和速度。

可选的，所述主控制器包括：

压力值获取模块，用于获取所述压力传感器组采集的压力值；所述压力值包括第一压力传感器采集左脚脚掌的第一压力值、第二压力传感器采集左脚脚后跟的第二压力值、第三压力传感器采集右脚脚掌的第三压力值和第四压力传感器采集右脚脚后跟的第四压力值；

重心位置确定模块，用于根据所述压力传感器组采集的第一压力值、第二压力值、第三压力值和第四压力值获得重心矢量以确定用户的重心位置；

用户意图确定模块，用于根据所述重心矢量确定用户的移动方向和速度。

可选的，还包括虚拟现实装置，所述虚拟现实装置与所述主控制器连接，所述主控制器用于将所述用户的移动方向和速度发送至所述虚拟现实装置。

可选的，还包括扶手，所述扶手通过支架固定在所述脚踏板的两侧，且所述压力传感器组位于所述扶手之间的所述脚踏板上。

一种智能行为感知方法，所述智能行为感知方法应用于如上述任意一项所述的虚拟云台设备，所述智能行为感知方法包括：

获取压力传感器组采集的压力值；所述压力值包括第一压力传感器采集左脚脚掌的第一压力值、第二压力传感器采集左脚脚后跟的第二压力值、第三压力传感器采集右脚脚掌的第三压力值和第四压力传感器采集右脚脚后跟的第四压力值；

根据所述压力传感器组采集的第一压力值、第二压力值、第三压力值和第四压力值获得重心矢量以确定用户的重心位置；

根据重心矢量确定用户的移动方向和速度。

可选的，所述根据所述压力传感器组采集的第一压力值、第二压力值、第三压力值和第四压力值获得重心矢量以确定用户的重心位置，具体包括：

根据公式

计算重心偏移角度；其中，F_a为第一压力值，F_b为第二压力值，F_d为第四压力传感器的第四压力值，θ为第一连线与第二连线之间的夹角，所述第一连线为重心位置与第一压力传感器的连线，所述第二连线为第一压力传感器与第四压力传感器之间的连线；

分别获取所述第二压力传感器距所述第一压力传感器的距离和所述第三压力传感器距所述第一压力传感器的距离；

根据公式Lm＝(Fb×Lb+Fc×Lc)/m计算重心的偏移距离，其中，Lb为所述第二压力传感器距所述第一压力传感器的距离，Lc为所述第三压力传感器距所述第一压力传感器的距离，Lm为重心位置距所述第一压力传感器的距离，m为用户的重力；

根据重心偏移角度θ和重心的偏移距离Lm获得重心矢量以确定用户的重心位置。

可选的，所述根据重心矢量确定用户的移动方向和速度，具体包括：

将所述重心矢量的方向确定为用户的移动方向；

获取相邻时间两个重心矢量的差值；

将所述差值除以相邻时间间隔的值确定为用户的移动速度。

可选的，所述智能行为感知方法还包括：

获取设定时间内的多个重心矢量；

根据多个所述重心矢量计算平均重心偏移距离；

判断所述平均重心偏移距离是否位于中心点设定范围内，若是，则表示用户处于静止状态并将所述平均重心偏移距离的点确定为原点。

可选的，所述智能行为感知方法还包括：

根据公式

计算用户属性；

其中，A为用户属性，Ks为性别系数，fa(s)为性别函数，fb(s)为性别互斥函数，Ka为年龄系数，Kh为身高系数，Kw为体重系数，W为体重，H为身高，f(θ)为角度函数，θ为重心偏移角度，PL为平均重心偏移距离；N为单位时间内重心的捕捉次数。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

本发明提供一种虚拟云台设备及智能行为感知方法，通过设置四个压力传感器采集用户左右脚的压力值，主控制器通过压力值判断用户的行为。本发明仅需主控制器和在脚踏板上设置压力传感器即可完成用户行为的判断，从而简化装置及用户操作。本发明提供的智能行为感知方法通过重心的变化判断用户的移动速度和方向，实现对用户行为的提前判断，进而解决虚拟场景由于非主观移动产生的心理预期与虚拟场景中位移不匹配带来的眩晕感。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例虚拟云台设备示意图；

图2为本发明实施例虚拟云台设备俯视图；

图3为本发明实施例虚拟云台设备立体图；

图4为本发明实施例虚拟云台设备软硬件示意图；

图5为本发明实施例智能行为感知方法确定重心原理图；

图6为本发明实施例智能行为感知方法流程图；

图7为本发明实施例智能行为感知方法流程示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本发明的目的是提供一种虚拟云台设备及智能行为感知方法，通过简单的设备和简单的操作以简化用户学习操作设备的过程，为了实现用户行为的精确判断，还提供一种感知方法以通过用户重心变化实现在虚拟空间中用户行为的判断。

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

实施例一

如图1所示，本发明提供一种虚拟云台设备，包括压力传感器组、脚踏板和主控制器。

所述压力传感器组设置在脚踏板的按键面板上；所述压力传感器组包括左脚压力传感器组和右脚压力传感器组；所述左脚压力传感器组包括第一压力传感器和第二压力传感器；所述第一压力传感器用于采集左脚脚掌的第一压力值，所述第二压力传感器用于采集左脚脚后跟的第二压力值；所述右脚压力传感器组包括第三压力传感器和第四压力传感器，所述第三压力传感器用于采集右脚脚掌的第三压力值，所述第四压力传感器用于采集右脚脚后跟的第四压力值。其中的按键面板为方形按键面板，脚踏板上共设有4个方形按键面板，用户使用时双脚踩在方形按键面板上，左右脚各对应脚掌和脚后跟部的按键面板，按键面板受力通过压力传感器将压力值传输到主控制器。

所述主控制器与所述压力传感器组连接，所述主控制器用于根据所述压力传感器组采集的第一压力值、第二压力值、第三压力值和第四压力值确定用户的移动方向和速度。虚拟云台设备的装置如图2和图3所示。虚拟云台设备的软件和硬件如图4所示。

优选的，所述主控制器包括：

压力值获取模块，用于获取压力传感器组采集的压力值；所述压力值包括第一压力传感器采集左脚脚掌的第一压力值、第二压力传感器采集左脚脚后跟的第二压力值、第三压力传感器采集右脚脚掌的第三压力值和第四压力传感器采集右脚脚后跟的第四压力值。

重心位置确定模块，用于根据所述压力传感器组采集的第一压力值、第二压力值、第三压力值和第四压力值获得重心矢量以确定用户的重心位置。

用户意图确定模块，用于根据重心矢量确定用户的移动方向和速度。

虚拟云台设备还包括虚拟现实装置，所述虚拟现实装置与所述主控制器连接，所述主控制器用于将所述用户的移动方向和速度发送至所述虚拟现实装置。其中主控制器可实现标准USB-HID或蓝牙USB-HID输出，兼容主流操作系统。

虚拟云台设备还包括扶手，所述扶手通过支架固定在所述脚踏板的两侧，所述压力传感器组位于所述扶手之间的脚踏板上。

虚拟云台设备还包括采集板，所述主控制器通过采集板获取压力传感器组测量的压力值。

实施例二

如图6所示，本发明还提供一种智能行为感知方法，所述智能行为感知方法应用于如上述的虚拟云台设备，所述智能行为感知方法包括：

步骤101：获取压力传感器组采集的压力值；所述压力值包括第一压力传感器采集左脚脚掌的第一压力值、第二压力传感器采集左脚脚后跟的第二压力值、第三压力传感器采集右脚脚掌的第三压力值和第四压力传感器采集右脚脚后跟的第四压力值。

步骤102：根据所述压力传感器组采集的第一压力值、第二压力值、第三压力值和第四压力值获得重心矢量以确定用户的重心位置。

步骤103：根据重心矢量确定用户的移动方向和速度。

其中，步骤102具体包括：

步骤1021：根据公式

计算重心偏移角度；其中，F_a为第一压力值，F_b为第二压力值，F_d为第四压力传感器的第四压力值，θ为第一连线与第二连线之间的夹角，所述第一连线为重心位置与第一压力传感器的连线，所述第二连线为第一压力传感器与第四压力传感器之间的连线；

步骤1022：分别获取所述第二压力传感器距第一压力传感器的距离和第三压力传感器距所述第一压力传感器的距离。

步骤1023：根据公式Lm＝(Fb×Lb+Fc×Lc)/m计算重心的偏移距离，其中，Lb为所述第二压力传感器距第一压力传感器的距离，Lc为第三压力传感器距第一压力传感器的距离，Lm为重心位置距第一压力传感器的距离，m为用户的重力。

步骤1024：根据重心偏移角度θ和重心的偏移距离Lm获得重心矢量以确定用户的重心位置。

其中，步骤103具体包括：

步骤1031：将所述重心矢量的方向确定为用户的移动方向。

步骤1032：获取相邻时间两个重心矢量的差值。

步骤1033：将所述差值除以相邻时间间隔的值确定为用户的移动速度。

优选的，所述智能行为感知方法还包括：

获取设定时间内的多个重心矢量。

根据多个重心矢量计算平均重心偏移距离。

判断平均重心偏移距离是否位于中心点设定范围内，若是，则表示用户处于静止状态并将平均重心偏移距离的点确定为原点。

优选的，所述智能行为感知方法还包括：

根据公式

计算用户属性。

其中，A为用户属性，Ks为性别系数，fa(s)为性别函数，fb(s)为性别互斥函数，Ka为年龄系数，Kh为身高系数，Kw为体重系数，W为体重，H为身高，f(θ)为角度函数，θ为重心偏移角度，PL为平均重心偏移距离；N为单位时间内重心的捕捉次数。

实施例三

本实施例提供一种关于重心偏移数据的测量过程和记忆判断不同使用者的原理，具体如下：

如图5所示，a、b、c、d分别表示四个压力传感器位置，其中，a为第一压力传感器位置，b为第二压力传感器位置，c为第三压力传感器位置，d为第四压力传感器的位置，Fa，Fb，Fc，Fd分别为四个压力传感器测量的压力值，Fa为第一压力传感器测量的第一压力值，Fb为第二压力传感器测量的第二压力值，Fc为第三压力传感器测量的第三压力值，Fd为第四压力传感器测量的第四压力值。Lb，Lc，Ld分别为b、c、d到a的距离，其中，Lb为第二压力传感器距第一压力传感器的距离，Lc为第三压力传感器距第一压力传感器的距离，Ld为第四压力传感器距第一压力传感器的距离。通过上面参数可以获得人体的重心m。过程如下：

一、单帧率的重心测量：重心m向第一压力传感器a靠近时，第一压力传感器a的压力值会变大，同时重心m远离第二压力传感器b和第四压力传感器d，第二压力传感器b和第四压力传感器d的压力值变小。通过公式tanθ＝(Fa-Fb)/(Fa-Fd)和

得到角度θ。根据力矩平衡原理可以得出以Fa点为原点的力矩平衡公式为：Fa×Lb+Fc×Lc+Fd×Ld-m×Lm＝0；进而得出：Lm＝(Fb×Lb+Fc×Ld)/m，进而得到重心距第一压力传感器a的距离Lm。通过角度θ和距离Lm组成的重心矢量即可获取重心的位置，根据相邻两个重心矢量大小的差除以时间间隔的值得到用户的速度，重心矢量方向即为预测的用户方向。

二、重心平均值测量：主控制器通过采集板在一段时间内多次取样，计算多帧的重心数据，获取平均重心偏移距离和重心偏移角度，当重心偏移数据回归得到中心点附近一定范围时，即可判定为静止状态。

三、程序记忆识别不同用户：根据不同用户重心数据回归的曲线，其中设定四个回归曲线的影响因子，性别、年龄、身高和体重。将性别系数记作Ks，将年龄系数记作Ka，将身高系数记作Kh，将体重系数记作Kw，将不同用户的属性记作A。利用公式：

根据A值的不同从而记忆和判断不同用户。fa(s)和fb(s)是性别函数且互斥，计算的时候会有一个为0值；PL是平均重心的数据偏移距离；f(θ)是角度函数，θ是重心偏移角度，W是体重，H是身高；N为单位时间内重心的捕捉次数。

虚拟云台设备主要性能参数如下：

1、重力传感：4个。

2、响应时间：0.004秒。

3、供电方式：USB供电。

4、通讯协议：HID-USB协议。

5、原点校正：传感自动校正。

6、重力范围：人体重量不超过200kg。

7、行为交互：前进、后退、左转、右转。

8、行动方向：360度。

9、行为档速：4档。

10、兼容系统：windows、Unity。

本发明具有的优势：

1、虚拟云台设备原点(即平衡点，为静止状态)的获取有别于市场上通用型虚拟输入设备，不是固定的原点，而是通过不同的操作人获取不同的原点。即获取不同用户的平均重心偏移距离和偏移角度，当重心偏移数据回归得到中心点附近一定范围时判定为静止状态。

2、虚拟云台设备具有记忆学习功能，通过压力传感器获取操作人的精确重力数值及行为习惯，并保存在主控制器中，便于下次快速操作。

3、操作人智能识别，通过操作人操作得到不同的重力值与习惯，重力值精确到克，可作为唯一识别依据。

虚拟云台设备原点：

X轴值＝操作者左右重力差值×学习系数

Y轴值＝操作者前后重力差值×学习系数

Z轴旋转＝操作者左前与右后重力差值×学习系数

跳跃＝0(即静止，数值越大，跳跃则越高且时间越长)

学习系数为根据操作人总重力及操作习惯而获取的一种系数。其中，操作人的重力即为压力传感器测量的压力值。

虚拟云台设备行为操作内容：

向左、向右＝当前X轴值-原点X轴值

向前、向后＝当前Y轴值-原点Y轴值

旋转＝当前Z轴旋转-原点Z轴旋转

跳跃＝操作过程中悬空时间即压力传感器测量的压力值为0的时间

虚拟云台设备输出：可实现标准USB-HID或蓝牙USB-HID输出，兼容主流操作系统。

其中，智能识别的部分通过机器学习和神经网络来预测人的行为，通过预测支持决策。数据在整个历史数据输入、模型训练、数据预测、决策、执行、结果收集、数据反馈的完整回路中流转。随着数据量的增加，算法会自动对历史数据进行数据清理，同时提取有效特征。大量的数据保证了足够丰富的带特征数据，通过预测模型得出决策的核心输入。依赖训练得到的模型与未来有限的确定因素，来为决策提供数据预测支持。而决策执行的结果又将反馈到训练模型，优化预测。

主控制器的智能识别行为工作逻辑如图7所示：

先从硬件设备接受用户数据，主控制器中的初始模型对数据进行分析判断，算法预测出用户行为数据，产生决策，在行动上表现为将数据传入虚拟场景，然后人在虚拟场景中的坐标产生变化。用户在场景变化时会不自主的改变自己的重心，进而产生结果数据。主控制器将结果数据反馈给算法，算法判断结果是否为用户预期，然后不断修正用户模型，使算法的判断不断优化。

其中，智能判断虚拟场景中的矢量及AI训练的过程中，算法集合了卡尔曼滤波原理，实现递归自学习、滤波平滑、快速预测的目的。卡尔曼滤波算法包含五个方程如下：

1：X(k|k-1)＝AX(k-1|k-1)+BU(k)

2：P(k|k-1)＝AP(k-1|k-1)A’+Q

3：Kg(k)＝P(k|k-1)H’/(HP(k|k-1)H’+R)

4：X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-H X(k|k-1)

5：P(k|k)＝(I-Kg(k)H)P(k|k-1)

通过压力传感器得到角度参量angle_-a，通过前后两个帧率不同的重心值得到差值作为角速度产量angle-_speed_-a，静止状态的角度值angle_-zero。主要数据计算过程如下：

(1)利用卡尔曼滤波算法的第一个方程X(k|k-1)＝AX(k-1|k-1)+BU(k)进行先验估计，可以估算出K时刻的速度参量。之后以此递归。具体如下：根据角度微分等于时间的微分乘以角速度，k时刻角度可近似认为是k-1时刻的角度值加上k-1时刻角加速度值乘以时间，同时要减去静态漂移。angle_a+＝(angle_speed_a-angle_zero)*Time；(Time是卡尔曼滤波采样时间参量，可调节)

(2)预测方差阵的预测值，噪声为数据的方差值。通过卡尔曼滤波算法的第二个方程：P(k|k-1)＝AP(k-1|k-1)A’+Q进行方差矩阵的预测。

C++程序如下：

#define Q_angle 0.001//角度噪声

#define Q_gyro 0.0005//漂移噪声

Pdot[0]＝Q_angle-Pk[0][1]-Pk[1][0]；

Pdot[1]＝-Pk[1][1]；

Pdot[2]＝-Pk[1][1]；

Pdot[3]＝Q_gyro；

Pk[0][0]+＝Pdot[0]*Kalman_Sample_Time；

Pk[0][1]+＝Pdot[1]*Kalman_Sample_Time；

Pk[1][0]+＝Pdot[2]*Kalman_Sample_Time；

Pk[1][1]+＝Pdot[3]*Kalman_Sample_Time

(3)通过卡尔曼滤波第三个方程Kg(k)＝P(k|k-1)H/(HP(k|k-1)H+R)，计算卡尔曼增益K_0，K_1。

#define R_angle 0.05//角度测量噪声值

angle_err＝angle_kal-angle_kalman；

PCt_0＝C_0*Pk[0][0]；

PCt_1＝C_0*Pk[1][0]；

E＝R_angle+C_0*PCt_0；

K_0＝PCt_0/E；

K_1＝PCt_1/E；

(4)通过卡尔曼算法第五个方程：P(k|k)＝(I-Kg(k)H)P(k|k-1)，更新方差阵。对矩阵Pk进行更新，具体如下：

t_0＝PCt_0；

t_1＝C_0*Pk[0][1]；

Pk[0][0]-＝K_0*t_0；

Pk[0][1]-＝K_0*t_1；

Pk[1][0]-＝K_1*t_0；

Pk[1][1]-＝K_1*t_1；

(5)利用第四个方程：X(k|k)＝X(k|k-1)+Kg(k)(Z(k)-H X(k|k-1))，通过卡尔曼增益修正当前的角度，算出当前角速度，从而反馈到程序。

(6)循环此过程，AI训练。

本发明通过一个主控制器，主控制器的功能包括采集传感器数值、模拟原点、操作人行为处理为轴值控制输出，虚拟云台设备有至少四个压力传感器，配合安装脚踏板，分别采集足部四个点的支撑压力。

本发明提供的虚拟云台设备具有在有限范围内轻松实现VR场景漫游的功能，能够替代原先的VR跑步机，并通过数据分析生成不同使用者的数据模型，智能记录、学习用户行为，实现用户在虚拟空间中的方向和速度感知。现有技术中通过手柄等传统外设实现在虚拟空间中的移动，且无法预测用户之后的操作。而本发明提供了全新的外设，通过感知用户重心变化判断用户移动方向和速度，实现用户行为的提前判定，解决虚拟场景由于非主观移动产生的心理预期与虚拟场景中位移不匹配所带来的晕眩感。

本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。

本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (9)

1.一种虚拟云台设备，其特征在于，包括压力传感器组、脚踏板和主控制器；

所述压力传感器组设置在所述脚踏板的按键面板上；所述压力传感器组包括左脚压力传感器组和右脚压力传感器组；所述左脚压力传感器组包括第一压力传感器和第二压力传感器；所述第一压力传感器用于采集左脚脚掌的第一压力值，所述第二压力传感器用于采集左脚脚后跟的第二压力值；所述右脚压力传感器组包括第三压力传感器和第四压力传感器，所述第三压力传感器用于采集右脚脚掌的第三压力值，所述第四压力传感器用于采集右脚脚后跟的第四压力值；

所述主控制器与所述压力传感器组连接，所述主控制器用于根据所述压力传感器组采集的第一压力值、第二压力值、第三压力值和第四压力值确定用户的移动方向和速度。

2.根据权利要求1所述的虚拟云台设备，其特征在于，所述主控制器包括：

压力值获取模块，用于获取所述压力传感器组采集的压力值；所述压力值包括第一压力传感器采集左脚脚掌的第一压力值、第二压力传感器采集左脚脚后跟的第二压力值、第三压力传感器采集右脚脚掌的第三压力值和第四压力传感器采集右脚脚后跟的第四压力值；

重心位置确定模块，用于根据所述压力传感器组采集的第一压力值、第二压力值、第三压力值和第四压力值获得重心矢量以确定用户的重心位置；

用户意图确定模块，用于根据所述重心矢量确定用户的移动方向和速度。

3.根据权利要求1所述的虚拟云台设备，其特征在于，还包括虚拟现实装置，所述虚拟现实装置与所述主控制器连接，所述主控制器用于将所述用户的移动方向和速度发送至所述虚拟现实装置。

4.根据权利要求1所述的虚拟云台设备，其特征在于，还包括扶手，所述扶手通过支架固定在所述脚踏板的两侧，且所述压力传感器组位于所述扶手之间的所述脚踏板上。

5.一种智能行为感知方法，其特征在于，所述智能行为感知方法应用于如上述权利要求1-4任意一项所述的虚拟云台设备，所述智能行为感知方法包括：

获取压力传感器组采集的压力值；所述压力值包括第一压力传感器采集左脚脚掌的第一压力值、第二压力传感器采集左脚脚后跟的第二压力值、第三压力传感器采集右脚脚掌的第三压力值和第四压力传感器采集右脚脚后跟的第四压力值；

根据所述压力传感器组采集的第一压力值、第二压力值、第三压力值和第四压力值获得重心矢量以确定用户的重心位置；

根据重心矢量确定用户的移动方向和速度。

6.根据权利要求5所述的智能行为感知方法，其特征在于，所述根据所述压力传感器组采集的第一压力值、第二压力值、第三压力值和第四压力值获得重心矢量以确定用户的重心位置，具体包括：

根据公式

计算重心偏移角度；其中，F_a为第一压力值，F_b为第二压力值，F_d为第四压力传感器的第四压力值，θ为第一连线与第二连线之间的夹角，所述第一连线为重心位置与第一压力传感器的连线，所述第二连线为第一压力传感器与第四压力传感器之间的连线；

分别获取所述第二压力传感器距所述第一压力传感器的距离和所述第三压力传感器距所述第一压力传感器的距离；

根据公式Lm＝(Fb×Lb+Fc×Lc)/m计算重心的偏移距离，其中，Lb为所述第二压力传感器距所述第一压力传感器的距离，Lc为所述第三压力传感器距所述第一压力传感器的距离，Lm为重心位置距所述第一压力传感器的距离，m为用户的重力；

根据重心偏移角度θ和重心的偏移距离Lm获得重心矢量以确定用户的重心位置。

7.根据权利要求5所述的智能行为感知方法，其特征在于，所述根据重心矢量确定用户的移动方向和速度，具体包括：

将所述重心矢量的方向确定为用户的移动方向；

获取相邻时间两个重心矢量的差值；

将所述差值除以相邻时间间隔的值确定为用户的移动速度。

8.根据权利要求5所述的智能行为感知方法，其特征在于，所述智能行为感知方法还包括：

获取设定时间内的多个重心矢量；

根据多个所述重心矢量计算平均重心偏移距离；

判断所述平均重心偏移距离是否位于中心点设定范围内，若是，则表示用户处于静止状态并将所述平均重心偏移距离的点确定为原点。

9.根据权利要求8所述的智能行为感知方法，其特征在于，所述智能行为感知方法还包括：

根据公式

计算用户属性；

其中，A为用户属性，Ks为性别系数，fa(s)为性别函数，fb(s)为性别互斥函数，Ka为年龄系数，Kh为身高系数，Kw为体重系数，W为体重，H为身高，f(θ)为角度函数，θ为重心偏移角度，PL为平均重心偏移距离；N为单位时间内重心的捕捉次数。

Images