CN114036720B - 用于应急仿真演练的多端输出配置方法、系统及存储介质 - Google Patents

Abstract

本发明涉及一种用于应急仿真演练的多端输出配置方法、系统及存储介质，方法包括：对多种输入设备的操作动作进行封装处理，得到输入中间件；导入用于应急仿真演练的初步模型，将输入中间件与初步模型进行匹配测试；对经匹配测试后的模型进行资源优化处理，得到优化模型；在多端平台对应的自主封装底层框架下对优化模型进行输出配置，从而得到多端输出模型。本发明能够实现不受限于不同操作平台及不同操作方式，不需要重新开发系统，节省了人力和物力成本。

Description

用于应急仿真演练的多端输出配置方法、系统及存储介质

技术领域

本发明主要涉及应急仿真演练数据处理技术领域，具体涉及一种用于应急仿真演练的多端输出配置方法、系统及存储介质。

背景技术

应急仿真演练场景是以三维模拟场景替代传统场景，以开放式演习方式替代传统表演性演习方式，通过对各类灾害数值模拟，重大事故模拟和人员行为数值模拟的仿真，在虚拟空间中最大限度模拟真实情况的发生、发展过程，以及人们在灾害环境中可能做出的各种反应。

应急仿真演练系统可以训练各级决策与指挥人员、事故处置人员；发现应急处置过程中存在的问题；检验和评估应急预案的可操作性和实用性；加强各部门协调能力和应急能力，使应急演练科学化、智能化。

但现有方式主要存在如下问题：

应急仿真演练系统运行平台单一。应急仿真演练系统开发完成之后，只能在原设计的平台运行，受限于不同运行端操作系统、操作方式不同等原因，不能在设计运行之外的其他平台上运行。例如，PC端的3D仿真应急演练系统，只能在PC端运行，而不能在安卓端、VR端运行。如果想要改变运行平台就需要对系统进行重新开发，耗费大量人力物力成本。

发明内容

本发明所要解决的技术问题是针对现有技术的不足，提供一种用于应急仿真演练的多端输出配置方法、系统及存储介质。

本发明解决上述技术问题的技术方案如下：用于应急仿真演练的多端输出配置方法、系统及存储介质，包括如下步骤：

对多种输入设备的操作动作进行封装处理，得到输入中间件；

导入用于应急仿真演练的初步模型，将所述输入中间件与所述初步模型进行匹配测试；

对经匹配测试后的模型进行资源优化处理，得到优化模型；

在多端平台对应的自主封装底层框架下对所述优化模型进行输出配置，从而得到多端输出模型。

本发明的有益效果是：可将多种输入设备的操作动作封装，以输入中间件的方式得到不同输入设备的不同操作动作，将输入中间件与导入的初步模型进行匹配并模型优化，并在多端平台下配置优化模型的输出环境，能够实现不受限于PC端、安卓、VR等不同操作平台及不同操作方式，方便用户运用不同的设备进行应急仿真演练，不需要重新开发系统，节省了人力和物力成本。

本发明解决上述技术问题的另一技术方案如下：用于仿真演练的多端输出配置系统，包括：

封装模块，用于对多种输入设备的操作动作进行封装处理，得到输入中间件；

绑定模块，用于导入用于应急仿真演练的初步模型，将所述输入中间件与所述初步模型进行匹配测试；

优化模块，用于对经匹配测试后的模型进行资源优化处理，得到优化模型；

输出模块，用于在多端平台对应的自主封装底层框架下对所述优化模型进行输出配置，从而得到多端输出模型。

本发明解决上述技术问题的另一技术方案如下：用于仿真演练的多端输出配置系统、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，当所述处理器执行所述计算机程序时，实现如上所述的用于仿真演练的多端输出配置方法。

本发明解决上述技术问题的另一技术方案如下：一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的用于仿真演练的多端输出配置方法。

附图说明

图1为本发明实施例提供的多端输出配置方法的流程示意图；

图2为本发明实施例提供的多端输出配置系统的功能模块框图。

具体实施方式

以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。

实施例1：

如图1所示，用于仿真演练的多端输出配置方法，包括如下步骤：

S1：对多种输入设备的操作动作进行封装处理，得到输入中间件；

S2：导入用于应急仿真演练的初步模型，将所述输入中间件与所述初步模型进行匹配测试；

S3：对经匹配测试后的模型进行资源优化处理，得到优化模型；

S4：在多端平台对应的自主封装底层框架下对所述优化模型进行输出配置，从而得到多端输出模型。

应理解地，初步模型可以为人物模型、物体模型等。

上述实施例中，可将多种输入设备的操作动作封装，以输入中间件的方式得到不同输入设备的不同操作动作，将输入中间件与导入的初步模型进行绑定并模型优化，并在多端平台下配置优化模型的输出环境，能够实现不受限于不同操作平台及不同操作方式，不需要重新开发系统，节省了人力和物力成本。

在实施例1中，所述多种输入设备包括键鼠、虚拟操作杆、模拟键盘和手柄中的至少一种；所述对多种输入设备的操作动作进行封装处理，得到输入中间件的过程包括：

通过预先封装的Input类库建立控制事件，所述控制事件用于记录所述多种输入设备进行操作时所产生的动作信息，所述动作信息包括按下事件、抬起事件、长按事件、转向事件和拖拽事件中的至少一种；

从预设配置表中导入所述多种输入设备的原始配置信息，分别将导入的原始配置信息封装成对应的输入实体操作类，所述输入实体操作类用于将所述动作信息转换为输入逻辑信息；

将所述控制事件和所述输入实体操作类一并封装成所述输入中间件。

具体地，手柄为HTC手柄、PICO手柄等。

通过封装所述控制事件和所述输入实体操作类，即封装得到输入中间件，可将键鼠、虚拟操作杆、模拟键盘、HTC手柄、PICO手柄等不同输入设备达到相同操作的要求，如移动、点击、交互物品等。

应理解地，输入与控制操作也可使用已封装的Input类库，其中包括键盘事件、鼠标事件和触摸事件等一切跨平台所需要的控制事件，比如：按下事件、抬起事件、长按事件等。

根据配置信息通过输入工厂生成不同的输入实体操作类，在实体类中实现具体的输入逻辑信息。输入工厂类似于工厂一样的类的架构，根据不同的输入来分析、判断后，实现不同的逻辑处理。

在实体类逻辑中通过发送点击、移动、交互物品等不同事件来实现人物所做出的相对应动作。实体类是通过继承虚基类和一些接口来实现具体功能的类，里面可封装所需要的操作实现函数，具体的函数根据操作需要而定，一般包括但不限于发点击送、移动、交互物品等操作。

上述实施例中，能够对多种输入设备建立控制事件，并封装成对应的输入实体操作类，实现不同输入设备达到相同操作要求的目的。

在实施例1中，所述多种输入设备包括键鼠、虚拟操作杆、模拟键盘和手柄中的至少一种；所述对多种输入设备的操作动作进行封装处理，得到输入中间件的过程还包括：

通过Input Manager命令建立配置对话框，所述配置对话框用于供平台用户配置所述键鼠的基础参数；

通过Fingers命令建立手势输入控制类库，所述手势输入控制类库用于将所述虚拟操作杆或所述模拟键盘或所述手柄所产生的至少一个动作进行识别，得到对应的触摸手势信息；

将所述配置对话框和所述手势输入控制类库一并封装成所述输入中间件。

应理解地，封装Input Manager建立虚拟轴和按钮，得到配置对话框，平台用户(终端用户)能在美观简便的配置对话框中配置键盘数据。

除原生的触摸系统以外，另外提供鼠标模拟。可使用标准输入类中的鼠标功能来进行输入操作。

封装Fingers来解决手势输入控制，能够应用于Mac、Windows、iOS及Android平台。而且Fingers也支持一些常用的触摸手势，拨入点击、双点击、长时间触摸、拖拽、旋转、双指触摸缩放等操作。

上述操作，可以设置不同的宏来操作，根据不同设备的操作要求，设置不同的宏。描述名称(Descriptive Name)配置(Configuration)对话框输入选项卡中所表现的正名称以及描述负名称(Descriptive Negative Name)配置(Configuration)对话框输入选项卡中表现的负名称都用来独立构建。通过宏快速封装输入中间件。

上述实施例中，能够快速的对键鼠和虚拟操作杆进行配置对话框和手势输入控制类库的封装。

在实施例1中，所述导入用于应急仿真演练的初步模型，将所述输入中间件与所述初步模型进行匹配测试的过程包括：

在本地测试平台导入所述初步模型；

将所述初步模型与预先建立的默认动作捆绑信息进行解绑；

通过Loader对象将所述输入中间件与解绑后的模型进行重新绑定，并通过所述输入中间件将识别到的操作动作输入绑定后的模型中进行匹配测试。

具体地，在本地对于初步模型的管理为，可将初步模型存储在本地的Resources内置文件夹下，并使用Loader对象来进行初步模型的生成与加载。初步模型可使用Assetbundle形式进行包分离，可对任何所需要资源进行打包压缩处理。生成Manifest文件，manifest文件是专门用于存储打包后的AssetBundle文件的基本信息的主要包含信息为CRC校验码和ClassTypes，分别为计算资源的一个特殊信息标识以及当前资源关联使用到了哪些类，这些类是以编号索引的形式存在的，每一个编号对应一个类文件。

具体地，可通过Debugger调试器对初步模型进行调试。调试包括，Callback风格、协程风格等，通过GC回收器进行资源的释放。通过路由Route进行不同平台不同环境的路径策略。

上述实施例中，对初步模型实现自我轻处理，自我是相对于系统的默认配置，根据不同的需要来进行自我调节和筛选。去除一些不必要的且拉低处理性能的一些配置，轻处理指的是在原有的基础上微调，不做核心的更改。通过解绑和重新绑定，一方面可以减少GPU计算量，另一方面可控，利于预加载后常驻内存。

具体地，所述通过Loader对象将所述输入中间件与已解绑的模型进行重新绑定之前，还包括步骤：

从预设配置表中获取限制参数，根据所述限制参数对所述初步模型进行面数和顶点数量的限制。

上述方案，能够限制模型可使用的顶点数量，以便于减少内存占用以及GPU计算量。具体为，根据drawcall、setpasscall、batches等检测值所显示的数值来决定，一般数值越小越好，具体根据不同的项目大小而定，在保证项目流畅、不卡顿、不失真等情况下进行尽可能的优化。

在实施例1中，所述对经匹配测试后的模型进行资源优化处理的过程包括：

对经绑定处理后的初步模型进行输入画面优化处理；

对经绑定处理后的初步模型进行窗体界面优化处理；

对经绑定处理后的初步模型进行无效脚本优化处理；

对经绑定处理后的初步模型进行音效优化处理。

具体地，对经绑定处理后的初步模型进行输入画面优化处理的过程包括：

1.Texture图片处理

去掉alpha通道，此类所展示的图片，基本都没有透明背景的要求，若有特殊要求的图片则放到atlas里。

a.Loading图片这类需要的则比较更加精细，需要把图片设置为AutomaticTrueColor，并且设置真彩色，从而保证不失真。

b.地图、缩略图、UI背景图等等所要求无需精细，则可以设置为自动压缩格式(若是有压缩情况，则都需要把图片宽高尺寸是2的幂，可以在Advance里面设置toNearest)。

图形的优化去除不必要的A通道，若是为2D图片，则需要移除mipmap，质量要求高的则选用trueColor,要求低的则选用16bit或compressed就已经足够。若是为3D贴图，则酌情关闭mipmap，优先选用compressed，谨慎使用trueColor，最后则是合理选择图片大小，以达到最好的优化效果。16bit的高级优化，使用16bit时，可能会出现明显的颜色过度不均匀，但是可以通过RGBA4444和dithering优化来补足显示效果。取消场景的StaticBatch，由于取消后DrawCall无法合并，但是可以另外通过调用StaticBatchingUtility.Combine来进行批处理，则可达到原来的效果。

2.animation clip动画处理

动作片段的处理，作用为减少动作的无用帧，就是两个Keyframe之间的旋转或者位移或者缩放的差别很小的情况下，则可以把Keyframe去掉，这样可以较大的优化存储空间

3.场景处理

纹理合并+静态批处理，lightmap贴图设置自动压缩。一个是减少drawcall，一个是减少内存占用，可实行静态批处理。对贴图使用PVRTC压缩，并且尽可能减小分辨率。

4.特效的检查处理

场景里面如果特效非常多，几百上千个，而且若是特效里面引用相同材质的情况很多，一旦不把这些材质的分别剔除出来，则会造成资源的冗余。所以使用一个最简单的办法就是把所有特效的材质贴图都抠出来打包制作成一个bundle文件，加载特效的时候动态加载材质贴图，则会减少内存的使用，另外，特效贴图大多数都使用了alpha通道，渲染的时候容易造成alpha test(普通透明物体渲染)和alpha blend(交叉透明物体渲染)的问题，会加大CPU处理复合。这种情况的解决办法是拆分贴图的alpha，shader里面做alhpa的混合，则会是运行更为顺畅。

具体地，对经绑定处理后的初步模型进行窗体界面优化处理的过程包括：

加载窗体时采用动态挂载脚本，去掉窗体引用的atlas和font，加载窗体的时候再动态挂载，能够避免打包成bundle后容量过大的问题。

具体地，对经绑定处理后的初步模型进行无效脚本优化处理的过程包括：

将无效脚本进行卸载，即屏蔽掉无用的脚本。制作资源的时候，为了测试效果，多挂载脚本，但是制作完以后通常会忘了把脚本卸载。这些则是多余的abundle资源，并且会形成脚本的缺失，加载bundle的时候会一直报告错误信息，增加CPU负荷，严重则会导致卡顿，能够筛查出无效的脚本能降低卡顿以及额外的CPU处理。

具体地，对经绑定处理后的初步模型进行音效优化处理的过程包括：

由于音效以及texutre本身都是经过压缩的，这些属于优化的数据，打包的时候则选择不压缩打包的方式来进行打成bundle包，不需要再打包，这样则可以大大提高加载资源的速度。

尽量不要使用JS数组以及避免使用泛型容器使用值类型，比如包括结构体之类的。

上述实施例中，能够对初步模型进行资源优化处理，输出较佳品质的画面、场景及音效。

在实施例1中，在多端平台对应的自主封装底层框架下对所述优化模型进行输出配置，从而得到多端输出模型的过程包括：

导入多端平台对应的自主封装底层框架，所述自主封装底层框架包括SDK框架、JDK框架和DNK框架；

根据UI自适应算法在所述自主封装底层框架下对所述优化模型进行输出环境变量的配置，所述输出环境变量包括JAVA_HOME、path和Classpath的配置信息；

利用IL2CPP脚本对所述自主封装底层框架中的引用类型进行DLL裁剪，从而完成对所述优化模型的输出环境配置；

通过路由Route命令建立所述优化模型与多端平台对应的输出路径策略，从而得到多端输出模型。

具体地，可通过路由Route进行不同平台不同环境的路径策略。

将代码中没有引用到的类型裁剪掉，以达到减小发布后包的尺寸的目的，另外通过ink.xml的XML文件选择需要保留的类型，防止意外被裁剪。

代码优化，移除不必要的代码依赖，若是代码中存在了一些大型库的源码或dll，类似于json.net，但却并没有被使用到，则应该将其移除掉，这些没有被使用到的代码或dll可能占用比较大的空间，一旦经过il2cpp编译则可能更加庞大。

上述实施例中，能够实现多端输出，例如PC端、安卓等，能够实现不受限于不同操作平台及不同操作方式，不需要重新开发系统，节省了人力和物力成本。

实施例2：

如图2所示，一种用于应急仿真演练的多端输出配置系统，包括：

封装模块，用于对多种输入设备的操作动作进行封装处理，得到输入中间件；

绑定模块，用于导入用于应急仿真演练的初步模型，将所述输入中间件与所述初步模型进行匹配测试；

优化模块，用于对经匹配测试后的模型进行资源优化处理，得到优化模型；

输出模块，用于在多端平台对应的自主封装底层框架下对所述优化模型进行输出配置，从而得到多端输出模型。

上述实施例中，可将多种输入设备的操作动作封装，以输入中间件的方式得到不同输入设备的不同操作动作，将输入中间件与导入的初步模型进行绑定并模型优化，并在多端平台下配置优化模型的输出环境，能够实现不受限于不同操作平台及不同操作方式，不需要重新开发系统，节省了人力和物力成本。

实施例3：

一种用于仿真演练的多端输出配置系统、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，当所述处理器执行所述计算机程序时，实现如上所述的用于应急仿真演练的多端输出配置方法。

实施例4：

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，实现如上所述的用于应急仿真演练的多端输出配置方法。

本发明的优点包括：

1)可将多种输入设备的操作动作封装，以输入中间件的方式得到不同输入设备的不同操作动作，将输入中间件与导入的初步模型进行绑定并模型优化，并在多端平台下配置优化模型的输出环境，能够实现不受限于不同操作平台及不同操作方式，不需要重新开发系统，节省了人力和物力成本。

2)能够对多种输入设备建立控制事件，并封装成对应的输入实体操作类，实现不同输入设备达到相同操作要求的目的。

3)能够快速的对键鼠和虚拟操作杆进行配置对话框和手势输入控制类库的封装。

4)对初步模型实现自我轻处理，自我是相对于系统的默认配置，根据不同的需要来进行自我调节和筛选。去除一些不必要的且拉低处理性能的一些配置，轻处理指的是在原有的基础上微调，不做核心的更改。通过解绑和重新绑定，一方面可以减少GPU计算量，另一方面可控，利于预加载后常驻内存。

5)能够限制模型可使用的顶点数量，以便于减少内存占用以及GPU计算量。具体为，根据drawcall、setpasscall、batches等检测值所显示的数值来决定，一般数值越小越好，具体根据不同的项目大小而定，在保证项目流畅、不卡顿、不失真等情况下进行尽可能的优化。

6)能够对初步模型进行资源优化处理，输出较佳品质的画面、场景及音效。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本发明实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.用于应急仿真演练的多端输出配置方法，其特征在于，包括如下步骤：

对多种输入设备的操作动作进行封装处理，得到输入中间件；

导入用于应急仿真演练的初步模型，将所述输入中间件与所述初步模型进行匹配测试；

对经匹配测试后的模型进行资源优化处理，得到优化模型；

在多端平台对应的自主封装底层框架下对所述优化模型进行输出配置，从而得到多端输出模型；

所述导入用于应急仿真演练的初步模型，将所述输入中间件与所述初步模型进行匹配测试的过程包括：

在本地测试平台导入所述初步模型；

将所述初步模型与预先建立的默认动作捆绑信息进行解绑；

通过Loader对象将所述输入中间件与解绑后的模型进行重新绑定，并通过所述输入中间件将识别到的操作动作输入绑定后的模型中进行匹配测试。

2.根据权利要求1所述的多端输出配置方法，其特征在于，所述多种输入设备包括键鼠、虚拟操作杆、模拟键盘和手柄中的至少一种；所述对多种输入设备的操作动作进行封装处理，得到输入中间件的过程包括：

通过预先封装的Input类库建立控制事件，所述控制事件用于记录所述多种输入设备进行操作时所产生的动作信息，所述动作信息包括按下事件、抬起事件、长按事件、转向事件和拖拽事件中的至少一种；

从预设配置表中导入所述多种输入设备的原始配置信息，分别将导入的原始配置信息封装成对应的输入实体操作类，所述输入实体操作类用于将所述动作信息转换为输入逻辑信息；

将所述控制事件和所述输入实体操作类一并封装成所述输入中间件。

3.根据权利要求2所述的多端输出配置方法，其特征在于，所述多种输入设备包括键鼠、虚拟操作杆、模拟键盘和手柄中的至少一种；所述对多种输入设备的操作动作进行封装处理，得到输入中间件的过程还包括：

通过Input Manager命令建立配置对话框，所述配置对话框用于供平台用户配置所述键鼠的基础参数；

通过Fingers命令建立手势输入控制类库，所述手势输入控制类库用于将所述键鼠或所述虚拟操作杆或所述模拟键盘或所述手柄所产生的至少一个动作进行识别，得到对应的触摸手势信息；

将所述配置对话框和所述手势输入控制类库一并封装成所述输入中间件。

4.根据权利要求1所述的多端输出配置方法，其特征在于，所述通过Loader对象将所述输入中间件与解绑后的模型进行重新绑定之前，还包括步骤：

从预设配置表中获取限制参数，根据所述限制参数对解绑后的模型进行面数和顶点数量的限制。

5.根据权利要求1所述的多端输出配置方法，其特征在于，所述对经匹配测试后的模型进行资源优化处理的过程包括：

对经绑定处理后的初步模型进行输入画面优化处理；

对经绑定处理后的初步模型进行窗体界面优化处理；

对经绑定处理后的初步模型进行无效脚本优化处理；

对经绑定处理后的初步模型进行音效优化处理。

6.根据权利要求1所述的多端输出配置方法，其特征在于，所述在多端平台对应的自主封装底层框架下对所述优化模型进行输出配置，从而得到多端输出模型的过程包括：

导入多端平台对应的自主封装底层框架，所述自主封装底层框架包括SDK框架、JDK框架和DNK框架；

根据UI自适应算法在所述自主封装底层框架下对所述优化模型进行输出环境变量的配置，所述输出环境变量包括JAVA_HOME、path和Classpath的配置信息；

利用IL2CPP脚本对所述自主封装底层框架中的引用类型进行DLL裁剪，从而完成对所述优化模型的输出环境配置；

通过路由Route命令建立所述优化模型与多端平台对应的输出路径策略，从而得到多端输出模型。

7.用于应急仿真演练的多端输出配置系统，其特征在于，包括：

封装模块，用于对多种输入设备的操作动作进行封装处理，得到输入中间件；

绑定模块，用于导入用于应急仿真演练的初步模型，将所述输入中间件与所述初步模型进行匹配测试；

优化模块，用于对经匹配测试后的模型进行资源优化处理，得到优化模型；

输出模块，用于在多端平台对应的自主封装底层框架下对所述优化模型进行输出配置，从而得到多端输出模型；

所述绑定模块，具体用于：

在本地测试平台导入所述初步模型；

将所述初步模型与预先建立的默认动作捆绑信息进行解绑；

通过Loader对象将所述输入中间件与解绑后的模型进行重新绑定，并通过所述输入中间件将识别到的操作动作输入绑定后的模型中进行匹配测试。

8.一种用于仿真演练的多端输出配置系统、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，当所述处理器执行所述计算机程序时，实现如权利要求1至6任一项所述的用于应急仿真演练的多端输出配置方法。

9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，当所述计算机程序被处理器执行时，实现如权利要求1至6任一项所述的用于应急仿真演练的多端输出配置方法。

Images