文献类型：期刊文章

作　　者：董奇峰[1] 郁梅[1] 蒋志迪[2] 鲁子昂[1] 蒋刚毅[1]

DONG Qifeng;YU Mei;JIANG Zhidi;LU Ziang;JIANG Gangyi(Faculty of Information Science and Engineering,Ningbo University,Ningbo 315211,China;College of Information Engineering,College of Science and Technology Ningbo University,Ningbo 315212,China)

机构地区：[1]宁波大学信息科学与工程学院,浙江宁波315211 [2]宁波大学科学技术学院信息工程学院,浙江宁波315212

出　　处：《光学精密工程》

基　　金：浙江省自然科学基金项目(No.LY21F010003);国家自然科学基金项目(No.61871247)。

年　　份：2024

卷　　号：32

期　　号：4

起止页码：595-608

语　　种：中文

收录情况：AJ、BDHX、BDHX2023、CAS、CSCD、CSCD2023_2024、EI、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：沉浸式的虚拟现实体验中视觉诱发晕动症(Visually Induced Motion Sickness,VIMS)是影响虚拟现实系统发展与应用的一个重要问题。现有的基于视觉内容的评价方案大多考虑的要素不够全面,对运动信息的提取较为简单,且少有考虑时域上的突变对晕动症的影响。针对上述问题,提出了虚拟现实中视觉诱发晕动症时空多特征评价模型;基于立体全景视频中空域、时域信息来设计视觉诱发晕动症评价模型,采用更符合人眼感知的加权运动特征,并考虑了立体全景视频时域的突变信息设计了特征提取方式。所提出模型分为预处理模块、特征提取模块及时域聚合与回归模块。预处理模块用于视口提取和光流图、视差图、显著图的估计。特征提取模块包含前背景加权运动特征提取、基于变换域的视差特征提取、空间特征提取及时域突变特征提取。时域聚合后通过支持向量回归得到VIMS评价分数。实验结果表明,该模型在立体全景视频数据库SPVCD上的预测结果与平均主观意见分的皮尔逊线性相关系数为0.821、斯皮尔曼相关系数为0.790、均方根误差为0.489。该模型取得了优良的预测性能,验证了所提出特征提取模块的有效性。

关 键 词：虚拟现实 立体全景视频  晕动症 运动感知 突变特征

分 类 号：TP391.41]