本发明涉及场景还原技术领域，更具体的说是涉及一种场景再现方法及再现系统。
背景技术：
虽然大数据技术的日新月异，但是针对特定场景分析，多是基于人为经验去分析，对于分析结果必然会存在疏忽，进而仿真技术的发展，开始对于特定场景进行仿真再现，但是现有技术中针对特定场景的仿真还存在以下弊端：
1、数据存在结构不统一，数据互通性差，给搭建仿真模型带来困难；
2、数据不完整，无法进行场景再现等；
因此，如何提供一种能够真实还原场景，并且解决数据互通性差的场景再现系统及方法是本领域技术人员亟需解决的问题。
技术实现要素：
有鉴于此，本发明提供了一种场景再现方法及再现系统，不仅能够实现场景真实还原，而且通过基于相同数据构建的模型实现的仿真模型，解决了数据互通性差的问题。
为了实现上述目的，本发明提供如下技术方案：
一方面，本发明公开了一种场景再现方法，具体步骤包括：
获取事件数据集，所述事件数据集包括：事件数据和场景数据；
分别利用所述事件数据和场景数据构建事件再现模型和场景再现模型；
将所述事件再现模型输出的至少一种事件与所述场景再现模型进行融合；
通过增加人为推断数据，排除虚假事件，直到确定唯一事件；
以动画形式进行展示。
优选的，在上述的一种场景再现方法中，构建事件再现模型具体步骤包括：
建立事件数据与事件结果之间的关系，构建事件结果发生数学模型；
利用所述事件数据进行特征选择，构建训练集；
所述训练集输入rf模型中进行训练，得到事件再现模型。
优选的，在上述的一种场景再现方法中，事件结果发生数学模型的表达式：
θ(t 1)＝f(x1(t),x2(t),......，xn-1(t),xn(t))；其中，f(·)为非线性函数，xi(t)为事件结果发生的影响因素。
优选的，在上述的一种场景再现方法中，所述人为推断数据通过人为经验获得。
优选的，在上述的一种场景再现方法中，所述事件再现模型通过增加人为推断数据排除事件，具体数学表达式为：
其中，g(·)，f′(·)为非线性函数，xi(t)为事件结果发生的影响因素；ui(t)为事件结果发生的人为推断数据。
另一方面，本发明还公开了一种场景再现系统，包括：
获取模块，用于获取事件数据集，所述事件数据集包括：事件数据和场景数据；
模型构建模块，用于分别利用所述事件数据和场景数据构建事件再现模型和场景再现模型；
融合模块，将所述事件再现模型输出的至少一种事件与所述场景再现模型进行融合；
虚假排除模块，通过增加人为推断数据，排除虚假事件，直到确定唯一事件；
展示模块，以动画形式进行展示。
优选的，在上述的一种场景再现系统中，所述模型构建模块包括事件再现模型构建模块和场景再现模型构建模块；
所述事件再现模型构建模块包括：
关联关系建立单元，建立事件数据与事件结果之间的关系，构建事件结果发生数学模型；
特征选择单元，利用所述事件数据进行特征选择，构建训练集；
训练单元，所述训练集输入rf模型中进行训练，得到事件再现模型。
所述场景再现模块包括：
记录单元，从现场中获取记录数据，包括有多个逻辑帧分别对应的帧状态数据列表，逻辑帧是状态同步算法中的有状态更新的帧，状态更新包括：场景状态发生变化，和/或，对象状态发生变化；
还原单元，根据在多个逻辑帧产生的场景状态和对象状态生成场景还原视频，并播放场景还原视频。
优选的，在上述的一种场景再现系统中，所述关联关系建立单元确定事件结果发生数学模型表达式为：
θ(t 1)＝f(x1(t),x2(t),......，xn-1(t),xn(t))；其中，f(·)为非线性函数，xi(t)为事件结果发生的影响因素。
优选的，在上述的一种场景再现系统中，所述虚假排除模块包括：人为推断数据获取单元，用于获取人为推断数据；
人为推断数据鉴别单元，鉴别获取的人为推断数据的可能性，并确定人为推断数据的真实性概率；
人为推断数据输出单元，根据所述真实性概率由大到小依次增加事件再现模型中，排除虚假事件。
优选的，在上述的一种场景再现系统中，所述虚假事件排除模块通过增加人为推断数据排除事件，具体数学表达式为：
其中，g(·)，f′(·)为非线性函数，xi(t)为事件结果发生的影响因素；ui(t)为事件结果发生的人为推断数据。
经由上述的技术方案可知，与现有技术相比，本发明公开提供了一种场景再现方法及系统，不仅能够针对历史事件进行还原，并且还包括预测功能，只需更新事件再现模型和场景再现模型中的数据推断出新事件发生的情况，并且能够通过vr技术可视化程度很高，对于医生模拟手术，军人训练，警察侦破等各个方面都具有重要作用，同时场景再现系统及方法，将历史事件还原，对于爱国主义教育也有重要意义。
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，下面将对实施例或现有技术描述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的前提下，还可以根据提供的附图获得其他的附图。
图1附图为本发明的整体方法流程图；
图2附图为本发明的事件再现模型构建方法流程图；
图3附图为本发明的场景再现模型构建方法流程图；
图4附图为本发明的整体结构框图。
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。
可以理解的是，本发明实施例提供的场景再现方法，能够通过构建事件再现模型获取多种造成事件发生的可能，并通过增加约束条件，将虚假可能排除，最终得到唯一事件，以还原事件，对于还原历史事件具有长远意义。以下以某凶杀案为例，本发明的实施例公开了一种场景再现方法，如图1所示，具体步骤包括：
s101获取事件数据集，事件数据集包括：事件数据和场景数据；
事件数据和场景数据，通过侦查人员针对凶案现场进行侦查获得。
具体地，事件数据包括：犯罪现场获取的物证，例如，犯罪工具、被害人的生物特征、其他人的生物特征、死亡事件、死亡原因等等；
场景数据包括：凶案现场的环境、天气、温度、湿度等等；
针对事件数据集并不仅仅包括上述陈述中的数据，除此之外，目击者的证人证言、可疑人员的视频画面等等，简言之，与凶案关联的特征均可作为事件数据集中的数据。
s102分别利用事件数据和场景数据构建事件再现模型和场景再现模型；
具体地，如图2所示，构建事件再现模型具体步骤包括：
s1021建立事件数据与事件结果之间的关系，构建事件结果发生数学模型；
具体地，事件结果发生数学模型的表达式：
θ(t 1)＝f(x1(t),x2(t),......，xn-1(t),xn(t))；其中，f(·)为非线性函数，xi(t)为事件结果发生的影响因素。
s1022利用事件数据进行特征选择，构建训练集；
s1023训练集输入rf模型中进行训练，得到事件再现模型。
具体地，如图3所示，场景再现模型构建的具体步骤：
s1024从现场中获取记录数据，包括有多个逻辑帧分别对应的帧状态数据列表，逻辑帧是状态同步算法中的有状态更新的帧，状态更新包括：场景状态发生变化，和/或，对象状态发生变化；
s1025根据在多个逻辑帧产生的场景状态和对象状态生成场景还原视频，并播放场景还原视频。
进一步，生成场景还原视频，包括：获取场景基本信息和对象基本信息；
例如，场景基本信息包括现场房间的大小、环境因素等，对象基本信息包括屋内的陈设等等。
s103将事件再现模型输出的至少一种事件与场景再现模型进行融合；
事件再现模型根据事件数据和事件发生的结果能够得到至少一种事件可能，将所有事件可能进行输出，在放置到场景再现模型中，通过场景再现模型中的场景基本信息和对象基本信息，能够初步排除不适用当前场景的事件。
s104通过增加人为推断数据，排除虚假事件，直到确定唯一事件；
事件再现模型通过增加人为推断数据排除事件，具体数学表达式为：
其中，g(·)，f′(·)为非线性函数，xi(t)为事件结果发生的影响因素；ui(t)为事件结果发生的人为推断数据。
进一步，通过人为推断数据，例如确定某人痕迹出现在现场，并某人与死者之前有过冲突，增加某人可能存在嫌疑，将某人的存在作为特征输入事件再现模型，便能排除部分事件。
s105以动画形式进行展示。
进一步，可以通过确定的唯一事件的事件数据和场景基本信息、对象基本信息，进行处理得到三维数据，根据三维数据结合预设的模型构建规则，构建三维呈现模型，利用vr技术还原历史事件。
通过上述步骤s101-s105，通过事件数据集确定事件再现模型和场景再现模型，先利用场景再现模型与事件再现模型进行融合，对事件再现模型输出的事件进行约束，排除第一虚假事件；
进一步，增加人为推断数据，并且利用概率生成模型，确定人为推断数据影响事件发生的概率，并排序，通过概率由大到小增加人为推断数据，排除第二虚假事件，直到剩下唯一事件。
在本发明的另一实施例公开了一种场景再现系统，如图4所示，包括：
获取模块，用于获取事件数据集，事件数据集包括：事件数据和场景数据；
模型构建模块，用于分别利用事件数据和场景数据构建事件再现模型和场景再现模型；
融合模块，将事件再现模型输出的至少一种事件与场景再现模型进行融合；
虚假排除模块，通过增加人为推断数据，排除虚假事件，直到确定唯一事件；
展示模块，以动画形式进行展示。
为了进一步优化上述技术方案，模型构建模块包括事件再现模型构建模块和场景再现模型构建模块；
事件再现模型构建模块包括：
关联关系建立单元，建立事件数据与事件结果之间的关系，构建事件结果发生数学模型；
特征选择单元，利用事件数据进行特征选择，构建训练集；
训练单元，训练集输入rf模型中进行训练，得到事件再现模型。
为了进一步优化上述技术方案，关联关系建立单元确定事件结果发生数学模型表达式为：
θ(t 1)＝f(x1(t),x2(t),......，xn-1(t),xn(t))；其中，f(·)为非线性函数，xi(t)为事件结果发生的影响因素。
为了进一步优化上述技术方案，训练单元将每一个事件数据与事件结果进行单独训练，在进行特征融合，最后都到事件再现模型。
为了进一步优化上述技术方案，虚假排除模块包括：人为推断数据获取单元，用于获取人为推断数据；
人为推断数据鉴别单元，鉴别获取的人为推断数据的可能性，并确定人为推断数据的真实性概率；
人为推断数据输出单元，根据真实性概率由大到小依次增加事件再现模型中，排除虚假事件。
为了进一步优化上述技术方案，虚假事件排除模块通过增加人为推断数据排除事件，具体数学表达式为：
其中，g(·)，f′(·)为非线性函数，xi(t)为事件结果发生的影响因素；ui(t)为事件结果发生的人为推断数据。
本发明不仅能够针对历史事件进行还原，并且还包括预测功能，只需更新事件再现模型和场景再现模型中的数据推断出新事件发生的情况，并且能够通过vr技术可视化程度很高，对于医生模拟手术，军人训练，警察侦破等各个方面都具有重要作用。
进一步，本发明的实施例公开的场景再现系统及方法，将历史事件还原，对于爱国主义教育也有重要意义。
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。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
1.一种场景再现方法，其特征在于，具体步骤包括：
获取事件数据集，所述事件数据集包括：事件数据和场景数据；
分别利用所述事件数据和场景数据构建事件再现模型和场景再现模型；
将所述事件再现模型输出的至少一种事件与所述场景再现模型进行融合；
通过增加人为推断数据，排除虚假事件，直到确定唯一事件；
以动画形式进行展示。
2.根据权利要求1所述的一种场景再现方法，其特征在于，构建事件再现模型具体步骤包括：
建立事件数据与事件结果之间的关系，构建事件结果发生数学模型；
利用所述事件数据进行特征选择，构建训练集；
所述训练集输入rf模型中进行训练，得到事件再现模型。
3.根据权利要求2所述的一种场景再现方法，其特征在于，事件结果发生数学模型的表达式：
θ(t 1)＝f(x1(t),x2(t),......，xn-1(t),xn(t))；其中，f(·)为非线性函数，xi(t)为事件结果发生的影响因素。
4.根据权利要求1-3任一项所述的一种场景再现方法，其特征在于，所述人为推断数据通过人为经验获得。
5.根据权利要求1-3任一项所述的一种场景再现方法，其特征在于，所述事件再现模型通过增加人为推断数据排除事件，具体数学表达式为：
其中，g(·)，f′(·)为非线性函数，xi(t)为事件结果发生的影响因素；ui(t)为事件结果发生的人为推断数据。
6.一种场景再现系统，其特征在于，包括：
获取模块，用于获取事件数据集，所述事件数据集包括：事件数据和场景数据；
模型构建模块，用于分别利用所述事件数据和场景数据构建事件再现模型和场景再现模型；
融合模块，将所述事件再现模型输出的至少一种事件与所述场景再现模型进行融合；
虚假排除模块，通过增加人为推断数据，排除虚假事件，直到确定唯一事件；展示模块，以动画形式进行展示。
7.根据权利要求6所述的一种场景再现系统，其特征在于，所述模型构建模块包括事件再现模型构建模块和场景再现模型构建模块；
所述事件再现模型构建模块包括：
关联关系建立单元，建立事件数据与事件结果之间的关系，构建事件结果发生数学模型；
特征选择单元，利用所述事件数据进行特征选择，构建训练集；
训练单元，所述训练集输入rf模型中进行训练，得到事件再现模型。
8.根据权利要求7所述的一种场景再现系统，其特征在于，所述关联关系建立单元确定事件结果发生数学模型表达式为：
θ(t 1)＝f(x1(t),x2(t),......，xn-1(t),xn(t))；其中，f(·)为非线性函数，xi(t)为事件结果发生的影响因素。
9.根据权利要求6-8任一项所述的一种场景再现系统，其特征在于，所述虚假排除模块包括：人为推断数据获取单元，用于获取人为推断数据；
人为推断数据鉴别单元，鉴别获取的人为推断数据的可能性，并确定人为推断数据的真实性概率；
人为推断数据输出单元，根据所述真实性概率由大到小依次增加事件再现模型中，排除虚假事件。
10.根据权利要求6-8任一项所述的一种场景再现系统，其特征在于，所述虚假事件排除模块通过增加人为推断数据排除事件，具体数学表达式为：
其中，g(·)，f′(·)为非线性函数，xi(t)为事件结果发生的影响因素；ui(t)为事件结果发生的人为推断数据。
技术总结