(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 202211341028.2 (22)申请日 2022.10.30 (71)申请人 北京汇智凯亚信息技 术有限公司 地址 100071 北京市丰台区航丰路6号1幢 二层1-3内2253 (72)发明人 帖凯莹　缪炀　穆建莉　邱震　 臧红军　 (74)专利代理 机构 北京鼎云升知识产权代理事 务所(普通 合伙) 11495 专利代理师 吕玉健 (51)Int.Cl. G06V 20/40(2022.01) G06V 10/764(2022.01) G06F 21/60(2013.01) (54)发明名称 融合AR远程交 互协助指导管理系统与方法 (57)摘要 本发明公开一种融合AR远程交互协助指导 管理系统， 属于信息远程交互技术领域， 解决的 技术问题是信息交互， 采用的方案是通过视频处 理单元处理远程数据信息交互过程中的信息， 通 过视频采集单元采集远程数据信息交互过程中 的信息， 通过交换机实现所采集视频图像数据信 息的中继， 通过中央控制单元控制视频图像数据 信息， 通过视频分类单元对获取的图像数据信息 进行分类， 通过以太网远程模块实现传递图像数 据信息； 通过区块链单元实现远程数据信息的加 密和数据共享， 通过视频存储单元存储远程数据 信息。 其中所述视频处理单元为Boo sting算法模 型。 本发明大 大提高了数据信息的交 互能力。 权利要求书2页 说明书6页 附图1页 CN 115546700 A 2022.12.30 CN 115546700 A 1.一种融合AR远程交 互协助指导管理系统， 其特 征在于： 包括： 视频处理单元， 用于处 理远程数据信息交 互过程中的信息； 视频采集单 元， 用于采集远程数据信息交 互过程中的信息； 交换机， 用于实现所采集视频图像数据信息的中继； 中央控制单 元， 用于控制视频图像数据信息； 视频分类单 元， 用于对获取的图像数据信息进行分类； 以太网远程模块， 用于传递图像数据信息； 区块链单 元， 用于实现远程数据信息的加密和数据共享； 视频存储单元， 用于存 储远程数据信息； 其中所述中央控制单元分别与视频处理单元、 视频采集单元、 交换机、 视频分类单元、 以太网远程模块、 区块链单 元和视频存 储单元连接。 2.根据权利要求1所述的一种融合AR远程交互协助指导管理系统， 其特征在于： 其中所 述视频处 理单元为Boosting算法模型。 3.根据权利要求1所述的一种融合AR远程交互协助指导管理系统， 其特征在于： 所述视 频采集单 元为网络摄 像机。 4.根据权利要求1所述的一种融合AR远程交互协助指导管理系统， 其特征在于： 中央控 制单元包括DSP+FPGA控制芯片。 5.根据权利要求1所述的一种融合AR远程交互协助指导管理系统， 其特征在于： 以太网 远程模块包括 通信模块电路。 6.根据权利要求1所述的一种融合AR远程交互协助指导管理系统， 其特征在于： 视频分 类单元包含模糊信息聚类算法模型。 7.根据权利要求1所述的一种融合AR远程交互协助指导管理系统， 其特征在于： 区块链 单元包括区块链 节点。 8.一种融合AR远程交 互协助指导管理方法， 其特 征在于： 包括以下步骤： 步骤1、 通过视频采集单 元采集远程数据信息交 互过程中的信息； 步骤2、 通过视频处 理单元处理远程数据信息交 互过程中的信息； 步骤3、 通过交换机实现所采集视频图像数据信息的中继； 步骤4、 通过中央控制单 元控制视频图像数据信息； 步骤5、 视频分类单 元， 用于对获取的图像数据信息进行分类； 步骤6、 通过以太网远程模块传递图像数据信息； 步骤7、 通过区块链单 元实现远程数据信息的加密和数据共享； 步骤8、 通过视频存 储单元存储远程数据信息 。 9.根据权利要求8所述的一种融合AR远程交互协助指导管理方法， 其特征在于： 所述视 频分类单 元采用模糊信息聚类算法实现协助指导信息各种数据信息的分类； 模糊信息聚类算法的关联函数记作为： 公式(1)， P(d|t， ci)表示ci类智能协助指导信息的特征分辨率； 在客户端进行协助指导权　利　要　求　书 1/2 页 2 CN 115546700 A 2信息数据融合和信息 探索时， 将数据信息治理的特 征集 δk变成为 δ ik(t)： δik(t)＝G(V＝ k|Ui， Θ(t))     (2) 使用延迟更新的方式进行 数据信息的量 化编码， 得到的输出编码结果 为下式(3)； 在数据的目标区域空间， 对收集到的协助指导信息进行 特征的筛选。 10.根据权利要求8所述的一种融合AR远程交互协助指导管理方法， 其特征在于： 视频 处理单元为Boosting算法模型的处 理单元， Boosting算法模型的工作方法为： (1)视频样本选 择， 在采集到的视频图像和数据中， 假 设选取弱学习算法和训练集{(x1, y1)、 (x2,y2),…,(xn,yn)},在该训练集中， 假设xi是输入的视频数据训 练样本向量,yi是 AdaBoost分类器分类的类别标志； (2)视频数据信息初始化， 在对视频图像进行初始化 时， 对所有视频图像训练样本赋予 相同的权重D＝1/n， 然后用AdaBoost分类器学习算法对训练样 本集进行N轮学习训练， 其中 D1(xi)＝1/n,i ＝1,2,…,n； (3)训练权值， 将弱分类器训练成强分类器， 在权值Dt下， 对弱学习算法进行训练， 得出 预测函数ht:X→{‑1,+1}； (4)输出预测值， 并对预测值的误差率进行评估， 误差计算 率公式为： εt＝∑Dt(xi)[ht(xi)≠yi]      (4) (5)判断是否满足要求， 当 ht(xi)≠yi时， ht(xi)＝‑1Dt(xi)exp(‑αtyiht(xi))        (5) 当ht(xi)＝yi时， yiht(xi)＝eα      (6) 其中Zt是能够将以下公式进行归一 化 (5)输出最终的预测函数， 得出归一化图像数据， 当N轮训练结束后， 最终得出预测函数 为： 权　利　要　求　书 2/2 页 3 CN 115546700 A 3