(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210653434.6 (22)申请日 2022.06.10 (71)申请人 广州卓远虚拟现实科技有限公司 地址 510000 广东省广州市番禺区大 龙街 文桥路新桥村段13号103栋、 104栋、 105栋 (72)发明人 阳序运　刘卓　张寄望　 (74)专利代理 机构 广州博联知识产权代理有限 公司 44663 专利代理师 梁志标 (51)Int.Cl. G06F 3/01(2006.01) G06F 16/23(2019.01) G06N 3/08(2006.01) A63B 22/02(2006.01) (54)发明名称 一种基于AI深度学习的虚拟现实跑步机自 适应方法及系统 (57)摘要 本申请实施例提供一种基于AI深度学习的 虚拟现实跑步机自适应方法及系统， 依据由跑步 行为数据提取出的跑步姿态特征， 对 跑步行为数 据的跑步事件 标签进行更新， 输出表征自适应性 调整事件的第一自适应性特征， 将第一自适应性 特征与表征计划跑步事件的第二自适应性特征 之间的区别特征与预先进行模式配置的自适应 性特征进行联系度分析， 输出关联度分析信息， 依据关联度分析信息， 分析获得的第一自适应性 特征是否匹配自适应性控制要求， 由此进行自适 应性控制决策， 从而结合了跑步姿态特征进行自 适应性调整事件的自适应性特征分析， 可以提高 自适应性控制决策的可靠性。 权利要求书3页 说明书7页 附图2页 CN 115145391 A 2022.10.04 CN 115145391 A 1.一种基于AI深度 学习的虚拟现实跑步机自适应方法， 其特征在于， 应用于服务器， 所 述方法包括： 确定目标虚拟现实跑步机的跑步机反馈活动数据序列对应的跑步机反馈活动数据所 对应的偏好 强度， 并依据所述偏好强度确定所述跑步机反馈活动数据序列的反馈增强关注 点分布， 基于所述反馈增强关注点对所述目标虚拟现实跑步机进 行对应虚拟现实元素的内 容反馈增强更新， 获得内容反馈增强更新后的虚拟现实元素， 获取内容反馈增强更新后的 所述虚拟现实元 素所对应的跑步行为数据； 依据由所述跑步行为数据提取出的跑步姿态特征， 对所述跑步行为数据的跑步事件标 签进行更新， 输出表征自适应性调整事 件的第一自适应性特 征； 将所述第一自适应性特征与表征计划跑步事件的第二自适应性特征之间的区别特征 与预先进 行模式配置的自适应性特征进 行联系度分析， 输出关联度分析信息； 其中， 所述预 先进行模式配置的自适应性特征依据所述跑步行为数据所属跑步模式数据组的跑步模式 数据组数据确定， 所述预先进 行模式配置的自适应性特征的自适应性参数与所述第二自适 应性特征的自适应性 参数呈关联关系； 依据所述关联度分析信 息， 分析获得的所述第 一自适应性特征是否匹配自适应性控制 要求； 其中， 将匹配 自适应性控制要求的所述第一自适应性特征对所述 目标虚拟现实跑步 机的虚拟场景元素进 行自适应性控制， 将不匹配自适应性控制要求的所述第一自适应性特 征进行继续迭代更新。 2.根据权利要求1所述的基于AI深度学习的虚拟现实跑步机自适应方法， 其特征在于， 所述依据所述关联度分析信息， 分析获得的所述第一自适应性特征是否匹配自适应性控制 要求， 包括： 在所述区别特征继承于预先进行模式配置的自适应性特征时， 分析获得的所述第 一自 适应性特 征匹配自适应性控制要求。 3.根据权利要求1或2所述的基于AI深度 学习的虚拟现实跑步机自适应方法， 其特征在 于， 所述方法还 包括： 获得所述跑步行为数据所属跑步模式数据组的跑步模式数据组数据； 依据所述跑步模式数据组数据确定所述预先进行模式配置的自适应性特征， 其中， 不 同跑步模式数据组对应的预 先进行模式配置的自适应性特 征存在差异。 4.根据权利要求3所述的基于AI深度学习的虚拟现实跑步机自适应方法， 其特征在于， 所述依据所述跑步模式数据组数据确定所述预 先进行模式配置的自适应性特 征， 包括： 在所述跑步模式数据组数据表示所述跑步模式数据组为第 一跑步模式数据组时， 将所 述预先进行模式配置的自适应性特 征设置为第一预 先进行模式配置的自适应性特 征； 在所述跑步模式数据组数据表示所述跑步模式数据组为第 二跑步模式数据组时， 将所 述预先进行模式配置的自适应性特征设置为第二预先进行模式配置的自适应性特征； 其 中， 在所述第一跑步模式数据组对应的指 定自适应性参数覆盖所述第二跑步模式数据组对 应的指定自适应性参数时， 所述第一预先进 行模式配置的自适应性特征继承于所述第二预 先进行模式配置的自适应性特 征。 5.根据权利要求1所述的基于AI深度学习的虚拟现实跑步机自适应方法， 其特征在于， 所述依据所述关联度分析信息， 分析获得的所述第一自适应性特征是否匹配自适应性控制权　利　要　求　书 1/3 页 2 CN 115145391 A 2要求， 包括： 在所述第一自适应性特征与所述第二自适应性特征之间的区别特征未继承于所述预 先进行模式配置的自适应性特征时， 分析获得的所述第一自适应性特征不匹配自适应性控 制要求， 依据所述区别特 征对跑步事 件标签更新活动中执 行的更新特 征进行继续更新。 6.根据权利要求5所述的基于AI深度学习的虚拟现实跑步机自适应方法， 其特征在于， 所述在所述第一自适应性特征与所述第二自适应性特征之间的区别特征未继承于所述预 先进行模式配置的自适应性特征时， 分析获得的所述第一自适应性特征不匹配自适应性控 制要求， 依据所述区别特征对跑步事件标签更新活动中的执行的更新特征进行继续更新， 包括： 在所述第一自适应性特征与所述第二自适应性特征之间的区别特征未继承于所述预 先进行模式配置的自适应性特征时， 依据所述区别特征确定所述第一自适应性特征对应的 场景优化模型； 确定所述场景优化模型关于场景优化特 征的优化维度； 依据所述优化维度对所述更新特 征进行继续更新。 7.根据权利要求1所述的基于AI深度学习的虚拟现实跑步机自适应方法， 其特征在于， 所述获得 跑步行为数据之后， 还 包括： 依据不同挖掘模态的深度学习网络模型对所述跑步行为数据进行跑步姿态分量提取， 输出不同挖掘模态的第一跑步姿态分量轨 迹； 对得到所述第 一跑步姿态分量轨迹进行特征清洗， 输出所述跑步行为数据的第 二跑步 姿态分量轨迹； 其中， 所述第一跑步姿态分量轨迹的分量数量覆盖所述第二跑步姿态分量 轨迹的分量数量； 依据所述第二跑步姿态分量轨 迹确定所述跑步行为数据的跑步姿态特 征。 8.根据权利要求1所述的基于AI深度学习的虚拟现实跑步机自适应方法， 其特征在于， 所述依据由所述跑步行为数据提取出的跑步姿态特征， 对所述跑步行为数据的跑步事件标 签进行更新之前， 还 包括： 确定所述跑步行为数据的虚拟现实场景 更新节点； 将所述虚拟现实场景更新节点与虚拟现实跑步模式的目标虚拟现实场景更新节点进 行联系， 输出节点联系信息； 依据所述节点联系信 息对所述跑步行为数据进行虚拟现实场景关联， 获得虚拟现实场 景关联后的跑步行为数据； 其中， 所述虚拟现实场景更新节点为至少两个； 所述将所述虚拟现实场景更新节点与 虚拟现实跑步模式的目标虚拟现实场景 更新节点进行 联系， 输出节点联系信息， 包括： 根据各个虚拟现实场景更新节点的跑步姿态特征和所述目标虚拟现实场景更新节点 的跑步姿态特征， 分析至少两个虚拟现实场景更新节点中与所述目标虚拟现实场景更新节 点的跑步姿态特 征关联的关键虚拟现实场景 更新节点； 关联所述关键虚拟现实场景更新节点的场景更新元素以及与各个关键虚拟现实场景 更新节点所对应的目标虚拟现实场景 更新节点的场景 更新元素， 输出节点联系信息 。 9.一种基于AI深度学习的虚拟现实跑步机自适应系统， 其特征在于， 所述基于AI深度 学习的虚拟现实跑步机 自适应系统包括服务器以及与所述服务器通信连接的虚拟现实跑权　利　要　求　书 2/3 页 3 CN 115145391 A 3