一种视觉疲劳判断方法、系统、设备和存储介质

专利名称：一种视觉疲劳判断方法、系统、设备和存储介质

专利类型：发明专利

专利申请号：CN202110449982.2

专利申请（专利权）人：广东小天才科技有限公司
权利人地址：广东省东莞市长安镇霄边社区东门中路168号

专利发明（设计）人：王越超,尚春莉

专利摘要：本发明公开了一种视觉疲劳判断方法、系统、设备和存储介质，包括：获取实时状态参数；所述实时状态参数包括用眼距离、环境光照强度；将所述实时状态参数与预先测量的调用参数导入预先构建的视觉疲劳模型中，获取区间内视觉疲劳计算值；所述区间内视觉疲劳计算值累加更新所述实时视疲劳数据；判断所述实时视疲劳数据是否大于预设的最大视疲劳阈值，若是，发出过度疲劳提示，否则，继续获取所述实时状态参数。本发明的技术效果：通过在阅读过程中，动态判断视觉疲劳程度，然后累加，提高了视觉疲劳程度的精度与个性化程度。

主权利要求：
1.一种视觉疲劳判断方法，其特征在于，包括：
根据预先采集的样品集构建视觉疲劳模型；
初始化实时视疲劳数据；
获取实时状态参数；
将所述实时状态参数与预先测量的调用参数导入预先构建的所述视觉疲劳模型中，获取区间内视觉疲劳计算值；
所述区间内视觉疲劳计算值累加更新所述实时视疲劳数据；
判断所述实时视疲劳数据是否大于预设的最大视疲劳阈值，若是，发出过度疲劳提示，否则，继续获取所述实时状态参数；
所述样品集包括用眼距离数据集、环境光照强度数据集；
所述实时状态参数包括用眼距离、环境光照强度；
在用户是开始使用时，初始化实时视疲劳数据，然后获取到当前的时间片内的用眼距离和环境光照强度，对该时间片内的视觉疲劳程度进行判断，并计算出相应的区间内视觉疲劳计算值，然后累加更新实时视疲劳数据，得到相应的实时视疲劳数据；
所述样品集还包括：眼球生理数据集；
所述调用参数包括眼球生理参数。
2.根据权利要求1所述的一种视觉疲劳判断方法，其特征在于，还包括：获取用户ID，并构建所述用户ID和与调用参数的映射关系；
当需要使用调用参数时，先获取用户ID；根据所述用户ID调用该用户对应的调用参数。
3.根据权利要求1所述的一种视觉疲劳判断方法，其特征在于，所述实时状态参数还包括阅读介质数据和/或阅读内容数据；
所述样品集还包括阅读介质数据集和/或阅读内容数据集。
4.一种视觉疲劳判断系统，其特征在于，包括：
模型构建模块，用于根据预先采集的样品集构建视觉疲劳模型；
数据初始化模块，用于初始化实时视疲劳数据；
参数获取模块，用于获取实时状态参数；
区间内疲劳值计算模块，用于将所述实时状态参数与预先测量的调用参数导入预先构建的所述视觉疲劳模型中，获取区间内视觉疲劳计算值，并所述区间内视觉疲劳计算值累加更新所述实时视疲劳数据；
最大视疲劳阈值判断模块，用于判断所述实时视疲劳数据是否大于预设的最大视疲劳阈值，若是，发出过度疲劳提示，否则，继续获取所述实时状态参数；
所述样品集包括用眼距离数据集、环境光照强度数据集；
在用户是开始使用时，初始化实时视疲劳数据，然后获取到当前的时间片内的用眼距离和环境光照强度，对该时间片内的视觉疲劳程度进行判断，并计算出相应的区间内视觉疲劳计算值，然后累加更新实时视疲劳数据，得到相应的实时视疲劳数据；
所述样品集还包括：眼球生理数据集；所述调用参数包括眼球生理参数。
5.根据权利要求4所述的一种视觉疲劳判断系统，其特征在于，还包括：ID获取模块，用于获取用户ID，并构建所述用户ID和与调用参数的映射关系；当需要使用调用参数时，先获取用户ID；根据所述用户ID调用该用户对应的调用参数。
6.根据权利要求4所述的一种视觉疲劳判断系统，其特征在于，所述实时状态参数还包括阅读介质数据和/或阅读内容数据；
所述样品集还包括阅读介质数据集和/或阅读内容数据集。
7.一种电子设备，其特征在于，包括处理器、存储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，所述处理器，用于执行所述存储器上所存放的计算机程序，实现如权利要求1‑3任一项所述一种视觉疲劳判断方法。
8.一种存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现如权利要求1‑3任一项所述一种视觉疲劳判断方法。 说明书 : 一种视觉疲劳判断方法、系统、设备和存储介质技术领域[0001] 本发明涉及视觉疲劳估算，特别涉及一种视觉疲劳判断方法、系统、设备和存储介质。背景技术[0002] 在原有的对于视觉疲劳的判断技术中，往往简单地通过年龄、性别、眼球参数等进行判断，得到一个时长，如果用户用眼的时间超过了这个时长，那么便认为用眼时间过长，应当进行休息，亦或者得到一个距离参数，判断用户用眼是否超过了这个距离，如果超过了这个距离，也便认为其视觉疲劳程度过大，应当休息。但是这样一方面其维度单一，不能真正的对用户的视疲劳程度进行非常良好的衡量，往往其只针对时长进行判断，然而实际上，由于用户的使用距离是不同的，针对不同的使用距离，其实际上的所产生的视疲劳程度也是不一样的，譬如看书或者电子设备的距离是不固定的，比如在30cm距离下和在1m的距离下用眼同样的时长，所造成的视疲劳程度是不一样的。用眼时在不同距离下的时间是经常变换的，可能30cm处看一段时间，又在1m处看一段时间，那么一个固定的参数并不能够准确地反映出其真实的视疲劳状态，其视疲劳程度会随之变化的。故实际上若简单的将不同距离上的视疲劳程度简单的叠加，而不加以区分，那么实际上便会得到一个非常离谱的数据，而不是一个准确的数据。发明内容[0003] 为解决上述技术问题，本发明提供一种视觉疲劳判断方法及系统，其具体的技术方案如下：[0004] 一方面提供一种视觉疲劳判断方法，包括：[0005] 初始化实时视疲劳数据；[0006] 获取实时状态参数；所述实时状态参数包括用眼距离、环境光照强度；[0007] 将所述实时状态参数与预先测量的调用参数导入预先构建的视觉疲劳模型中，获取区间内视觉疲劳计算值；[0008] 所述区间内视觉疲劳计算值累加更新所述实时视疲劳数据；[0009] 判断所述实时视疲劳数据是否大于预设的最大视疲劳阈值，若是，发出过度疲劳提示，否则，继续获取所述实时状态参数。[0010] 在本技术方案中，通过在阅读过程中，动态判断视觉疲劳程度，然后将不同光照环境和不同的距离下的视觉疲劳程度进行累加，克服了原有技术中对于不同关照环境和不同距离下的视觉疲劳程度进行简单统一，不加以区分，从而导致在实际的使用过程中对于视觉疲劳程度估计严重偏差的技术问题，实现了提高了视觉疲劳程度的精度与个性化程度。[0011] 优选地，所述初始化实时视疲劳数据前还包括：将所述调用参数导入到所述视觉疲劳模型中，获取最长观看时间。[0012] 优选地，还包括：获取用户ID，并构建所述用户ID和与调用参数的映射关系；[0013] 当需要使用调用参数时，先获取用户ID；根据所述用户ID调用该用户对应的调用参数。[0014] 当无法获取实时状态参数时，将外部输入的当前状态参数作为所述实时状态参数，并根据所述用眼距离获取相应的最长观看时间，并根据所述最长观看时间发出过度疲劳提示。[0015] 优选地，根据预先采集的样品集构建所述视觉疲劳模型；所述样品集包括用眼距离数据集、环境光照强度数据集。[0016] 进一步优选地，所述实时状态参数还包括阅读介质数据和/或阅读内容数据；[0017] 所述样品集还包括阅读介质数据集和/或阅读内容数据集。[0018] 在本技术方案中，通过在构建模型和具体使用的过程中，进一步增加阅读介质数据和/或阅读内容数据两种参数，克服了传统的技术方案中不考虑阅读介质数据和/或阅读内容数据，仅考虑光照和距离的技术问题，进一步提高了视疲劳计算的精确程度。[0019] 另一方面，提供一种视觉疲劳判断系统，包括：[0020] 数据初始化模块，用于初始化实时视疲劳数据；[0021] 参数获取模块，用于获取实时状态参数；所述实时状态参数包括用眼距离、环境光照强度；[0022] 区间内疲劳值计算模块，用于将所述实时状态参数与预先测量的调用参数导入预先构建的视觉疲劳模型中，获取区间内视觉疲劳计算值，并所述区间内视觉疲劳计算值累加更新所述实时视疲劳数据；[0023] 最大视疲劳阈值判断模块，用于判断所述实时视疲劳数据是否大于预设的最大视疲劳阈值，若是，发出过度疲劳提示，否则，继续获取所述实时状态参数。[0024] 在本技术方案中，通过在阅读过程中，动态判断视觉疲劳程度，然后将不同光照环境和不同的距离下的视觉疲劳程度进行累加，克服了原有技术中对于不同关照环境和不同距离下的视觉疲劳程度进行简单统一，不加以区分，从而导致在实际的使用过程中对于视觉疲劳程度估计严重偏差的技术问题，实现了提高了视觉疲劳程度的精度与个性化程度。[0025] 优选地，还包括：报告生成模块，用于将所述调用参数导入到所述视觉疲劳模型中，获取最长观看时间；[0026] 当无法获取实时状态参数时，将外部输入的当前状态参数作为所述实时状态参数，并根据所述用眼距离获取相应的最长观看时间，并根据所述最长观看时间发出过度疲劳提示。[0027] 优选地，还包括：模型构建模块，用于根据预先采集的样品集构建所述视觉疲劳模型；所述样品集包括用眼距离数据集、环境光照强度数据集。[0028] 还包括：ID获取模块，用于获取用户ID，并构建所述用户ID和与调用参数的映射关系；当需要使用调用参数时，先获取用户ID；根据所述用户ID调用该用户对应的调用参数。[0029] 进一步优选地，所述实时状态参数还包括阅读介质数据和/或阅读内容数据；[0030] 所述样品集还包括阅读介质数据集和/或阅读内容数据集。[0031] 在本技术方案中，通过在构建模型和具体使用的过程中，进一步增加阅读介质数据和/或阅读内容数据两种参数，克服了传统的技术方案中不考虑阅读介质数据和/或阅读内容数据，仅考虑光照和距离的技术问题，进一步提高了视疲劳计算的精确程度。[0032] 另一方面，提供一种电子设备，包括处理器、存储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，所述处理器，用于执行所述存储器上所存放的计算机程序，实现所述一种视觉疲劳判断方法。[0033] 另一方面，提供一种存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现所述一种视觉疲劳判断方法。[0034] 本发明至少包括以下一项技术效果：[0035] (1)通过在阅读过程中，动态判断视觉疲劳程度，然后将不同光照环境和不同的距离下的视觉疲劳程度进行累加，克服了原有技术中对于不同关照环境和不同距离下的视觉疲劳程度进行简单统一，不加以区分，从而导致在实际的使用过程中对于视觉疲劳程度估计严重偏差的技术问题，实现了提高了视觉疲劳程度的精度与个性化程度；[0036] (2)通过在构建模型和具体使用的过程中，进一步增加阅读介质数据和/或阅读内容数据两种参数，克服了传统的技术方案中不考虑阅读介质数据和/或阅读内容数据，仅考虑光照和距离的技术问题，进一步提高了视疲劳计算的精确程度。附图说明[0037] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简要介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域的普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。[0038] 图1为本发明实施例1的流程示意图；[0039] 图2为本发明实施例2的流程示意图；[0040] 图3为本发明实施例3的流程示意图；[0041] 图4为本发明实施例4的结构示意图。具体实施方式[0042] 以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其他实施例中也可以实现本申请。在其他情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。[0043] 应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所述描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其他特征、整体、步骤、操作、元素、组件和/或集合的存在或添加。[0044] 为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘出了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。[0045] 还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。[0046] 另外，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。[0047] 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，下面将对照附图说明本发明的具体实施方式。显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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，还可以根据这些附图获得其他的附图，并获得其他的实施方式。[0048] 实施例1：[0049] 如图1所示，本实施例公开了一种视觉疲劳判断方法，包括：[0050] S4：初始化实时视疲劳数据；[0051] S5：获取实时状态参数；所述实时状态参数包括用眼距离、环境光照强度；[0052] S6：将所述实时状态参数与预先测量的调用参数导入预先构建的视觉疲劳模型中，获取区间内视觉疲劳计算值；[0053] S7：所述区间内视觉疲劳计算值累加更新所述实时视疲劳数据；[0054] S8：判断所述实时视疲劳数据是否大于预设的最大视疲劳阈值，若是，进入S9，否则，回到S5；[0055] S9：发出过度疲劳提示。[0056] 在原有的对于视觉疲劳的判断技术中，往往简单地通过年龄、性别、眼球参数等进行判断，得到一个时长，如果用户用眼的时间超过了这个时长，那么便认为用眼时间过长，应当进行休息，亦或者得到一个距离参数，判断用户用眼是否超过了这个距离，如果超过了这个距离，也便认为其视觉疲劳程度过大，应当休息。但是这样一方面其维度单一，不能真正的对用户的视疲劳程度进行非常良好的衡量，往往其只针对时长进行判断，然而实际上，由于用户的使用距离是不同的，针对不同的使用距离，其实际上的所产生的视疲劳程度也是不一样的，故实际上若简单的将不同距离上的视疲劳程度简单的叠加，而不加以区分，那么实际上便会得到一个非常离谱的数据，而不是一个准确的数据。[0057] 故在本实施例中，并不将每一个时刻的视觉疲劳程度进行简单的同一化处理，而是分门别类，进行动态的累加，具体而言，在用户是开始使用时，初始化实时视疲劳数据，然后通过距离传感器、光照传感器等设备获取到当前的这个时间片内的用眼距离和环境光照强度，然后根据该用眼距离和环境光照强度以及预先测量的该用户的眼球参数，对该时间片内的视觉疲劳程度进行判断，从而计算出相应的区间内视觉疲劳计算值，然后累加，进而得到相应的实时视疲劳数据，假设现在的实时疲劳数据并没有超过最大视疲劳阈值，那么便继续进入到下一个时间片，继续获取下一个时间片内的视觉疲劳值并进行累加，循环往复，直到实时视疲劳数据大于最大视疲劳阈值。[0058] 本实施例通过在阅读过程中，动态判断视觉疲劳程度，然后将不同光照环境和不同的距离下的视觉疲劳程度进行累加，克服了原有技术中对于不同关照环境和不同距离下的视觉疲劳程度进行简单统一，不加以区分，从而导致在实际的使用过程中对于视觉疲劳程度估计严重偏差的技术问题，实现了提高了视觉疲劳程度的精度与个性化程度。[0059] 实施例2：[0060] 如图2所示，本实施例公开了一种视觉疲劳判断方法，包括：[0061] S1：将所述调用参数导入到所述视觉疲劳模型中，获取最长观看时间；[0062] S2：判断当前设备是否可获取实时状态参数，若是，进入S4，否则，进入S3；[0063] S3：将外部输入的当前状态参数作为所述实时状态参数，并根据所述用眼距离获取相应的最长观看时间，并根据所述最长观看时间发出过度疲劳提示；[0064] S4：初始化实时视疲劳数据；[0065] S5：获取实时状态参数；所述实时状态参数包括用眼距离、环境光照强度；[0066] S6：将所述实时状态参数与预先测量的调用参数导入预先构建的视觉疲劳模型中，获取区间内视觉疲劳计算值；[0067] S7：所述区间内视觉疲劳计算值累加更新所述实时视疲劳数据；[0068] S8：判断所述实时视疲劳数据是否大于预设的最大视疲劳阈值，若是，发出过度疲劳提示，否则，回到S5。[0069] 由于并不是所有的设备都具有环境光照强度的采集设备和距离传感器，故在实际的使用过程中，若使用的设备上不存在环境光照强度的采集设备和距离传感器，那么便简单的使用最长观看时间进行替代，通过人工估计一个大概的距离，然后进行计时，当计时的时间超过最长观看时间之后，便发出相应的时长提示。[0070] 实施例3：[0071] 如图3所示，本实施例公开了一种视觉疲劳判断方法，包括：[0072] S0：根据预先采集的样品集构建所述视觉疲劳模型；所述样品集包括用眼距离数据集、环境光照强度数据集、还包括阅读介质数据和/或阅读内容数据；[0073] S4：初始化实时视疲劳数据；[0074] S5：获取实时状态参数；所述实时状态参数包括用眼距离、环境光照强度、阅读介质数据和/或阅读内容数据；[0075] S6：将所述实时状态参数与预先测量的调用参数导入预先构建的视觉疲劳模型中，获取区间内视觉疲劳计算值；优选地，还包括：获取用户ID；根据所述用户ID获取对应的调用参数。[0076] S7：所述区间内视觉疲劳计算值累加更新所述实时视疲劳数据；[0077] S8：判断所述实时视疲劳数据是否大于预设的最大视疲劳阈值，若是，发出过度疲劳提示，否则，回到S5。[0078] 在传统中，往往只针对如距离、光照等进行模型构建，但是在实际的使用过程中，被阅读的阅读介质和阅读内容也会对视疲劳的产生造成深刻的影响，比如阅读一本纸质书和使用电子屏幕进行阅读，其产生的疲劳程度是明显不同的，再比如一本书上的字是小四号的字体和一本书上的字是小五号的字体，其所产生的疲劳程度也是不同的，故在本实施例中，不仅仅要对用眼距离、环境光照强度等数据进行判断，同时也要对阅读介质数据和/或阅读内容数据进行建模，从而增强对于视疲劳的精确计算能力。[0079] 具体而言，先通过测试，获取到一定样本量的人群在阅读时的用眼距离、环境光照强度、阅读介质数据和/或阅读内容数据，并获取到其调用参数，从而构建起样品集，然后根据该样品集构建相应的视觉疲劳模型，然后进入到使用过程中，采集到用户的用眼距离、环境光照强度、阅读介质数据和/或阅读内容数据，如果采集起来较为麻烦，也可以直接通过人工输入的方式来设定相关的参数，并根据用眼距离、环境光照强度、阅读介质数据和/或阅读内容数据等参数输出该时间片内的视觉疲劳值，不断累加，直到大于预设的最大视疲劳阈值。[0080] 本实施例通过在构建模型和具体使用的过程中，进一步增加阅读介质数据和/或阅读内容数据两种参数，克服了传统的技术方案中不考虑阅读介质数据和/或阅读内容数据，仅考虑光照和距离的技术问题，进一步提高了视疲劳计算的精确程度。[0081] 实施例4：[0082] 如图4所示，本实施例提供一种视觉疲劳判断系统，包括：数据初始化模块(1)，用于初始化实时视疲劳数据；[0083] 参数获取模块(2)，用于获取实时状态参数；所述实时状态参数包括用眼距离、环境光照强度；[0084] 区间内疲劳值计算模块(3)，用于将所述实时状态参数与预先测量的调用参数导入预先构建的视觉疲劳模型中，获取区间内视觉疲劳计算值，并所述区间内视觉疲劳计算值累加更新所述实时视疲劳数据；[0085] 最大视疲劳阈值判断模块(4)，用于判断所述实时视疲劳数据是否大于预设的最大视疲劳阈值，若是，发出过度疲劳提示，否则，继续获取所述实时状态参数。[0086] 在原有的对于视觉疲劳的判断技术中，往往简单地通过年龄、性别、眼球参数等进行判断，得到一个时长，如果用户用眼的时间超过了这个时长，那么便认为用眼时间过长，应当进行休息，亦或者得到一个距离参数，判断用户用眼是否超过了这个距离，如果超过了这个距离，也便认为其视觉疲劳程度过大，应当休息。但是这样一方面其维度单一，不能真正的对用户的视疲劳程度进行非常良好的衡量，往往其只针对时长进行判断，然而实际上，由于用户的使用距离是不同的，针对不同的使用距离，其实际上的所产生的视疲劳程度也是不一样的，故实际上若简单的将不同距离上的视疲劳程度简单的叠加，而不加以区分，那么实际上便会得到一个非常离谱的数据，而不是一个准确的数据。[0087] 故在本实施例中，并不将每一个时刻的视觉疲劳程度进行简单的同一化处理，而是分门别类，进行动态的累加，具体而言，在用户是开始使用时，初始化实时视疲劳数据，然后通过距离传感器、光照传感器等设备获取到当前的这个时间片内的用眼距离和环境光照强度，然后根据该用眼距离和环境光照强度以及预先测量的该用户的眼球参数，对该时间片内的视觉疲劳程度进行判断，从而计算出相应的区间内视觉疲劳计算值，然后累加，进而得到相应的实时视疲劳数据，假设现在的实时疲劳数据并没有超过最大视疲劳阈值，那么便继续进入到下一个时间片，继续获取下一个时间片内的视觉疲劳值并进行累加，循环往复，直到实时视疲劳数据大于最大视疲劳阈值。[0088] 本实施例通过在阅读过程中，动态判断视觉疲劳程度，然后将不同光照环境和不同的距离下的视觉疲劳程度进行累加，克服了原有技术中对于不同关照环境和不同距离下的视觉疲劳程度进行简单统一，不加以区分，从而导致在实际的使用过程中对于视觉疲劳程度估计严重偏差的技术问题，实现了提高了视觉疲劳程度的精度与个性化程度。[0089] 实施例5：[0090] 本实施例提供一种视觉疲劳判断系统，基于实施例4，包括：还包括：报告生成模块，用于将所述调用参数导入到所述视觉疲劳模型中，获取最长观看时间；[0091] 优选地，还包括：ID获取模块，用于获取用户ID，并构建所述用户ID和与调用参数的映射关系；当需要使用调用参数时，先获取用户ID；根据所述用户ID调用该用户对应的调用参数。[0092] 当无法获取实时状态参数时，将外部输入的当前状态参数作为所述实时状态参数，并根据所述用眼距离获取相应的最长观看时间，并根据所述最长观看时间发出过度疲劳提示。[0093] 由于并不是所有的设备都具有环境光照强度的采集设备和距离传感器，故在实际的使用过程中，若使用的设备上不存在环境光照强度的采集设备和距离传感器，那么便简单的使用最长观看时间进行替代，通过人工估计一个大概的距离，然后进行计时，当计时的时间超过最长观看时间之后，便发出相应的时长提示。[0094] 实施例6：[0095] 本实施例提供一种视觉疲劳判断系统，基于实施例5，还包括：模型构建模块，用于根据预先采集的样品集构建所述视觉疲劳模型；所述样品集包括用眼距离数据集、环境光照强度数据集。所述实时状态参数还包括阅读介质数据和/或阅读内容数据；所述样品集还包括阅读介质数据集和/或阅读内容数据集。[0096] 在传统中，往往只针对如距离、光照等进行模型构建，但是在实际的使用过程中，被阅读的阅读介质和阅读内容也会对视疲劳的产生造成深刻的影响，比如阅读一本纸质书和使用电子屏幕进行阅读，其产生的疲劳程度是明显不同的，再比如一本书上的字是小四号的字体和一本书上的字是小五号的字体，其所产生的疲劳程度也是不同的，故在本实施例中，不仅仅要对用眼距离、环境光照强度等数据进行判断，同时也要对阅读介质数据和/或阅读内容数据进行建模，从而增强对于视疲劳的精确计算能力。[0097] 具体而言，先通过测试，获取到一定样本量的人群在阅读时的用眼距离、环境光照强度、阅读介质数据和/或阅读内容数据，并获取到其调用参数，从而构建起样品集，然后根据该样品集构建相应的视觉疲劳模型，然后进入到使用过程中，采集到用户的用眼距离、环境光照强度、阅读介质数据和/或阅读内容数据，如果采集起来较为麻烦，也可以直接通过人工输入的方式来设定相关的参数，并根据用眼距离、环境光照强度、阅读介质数据和/或阅读内容数据等参数输出该时间片内的视觉疲劳值，不断累加，直到大于预设的最大视疲劳阈值。[0098] 本实施例通过在构建模型和具体使用的过程中，进一步增加阅读介质数据和/或阅读内容数据两种参数，克服了传统的技术方案中不考虑阅读介质数据和/或阅读内容数据，仅考虑光照和距离的技术问题，进一步提高了视疲劳计算的精确程度。[0099] 实施例7：[0100] 本实施例提供一种电子设备，包括处理器、存储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，所述处理器，用于执行所述存储器上所存放的计算机程序，实现实施例1‑3任一所述一种视觉疲劳判断方法。[0101] 所述设备可以为桌上型计算机、笔记本、掌上电脑、平板型计算机、手机、人机交互屏等设备。所述设备可包括，但不仅限于处理器、存储器。本领域技术人员可以理解，仅仅是设备的示例，并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，示例性的：设备还可以包括输入/输出接口、显示设备、网络接入设备、通信总线、通信接口等。通信接口和通信总线，还可以包括输入/输出接口，其中，处理器、存储器、输入/输出接口和通信接口通过通信总线完成相互间的通信。该存储器存储有计算机程序，该处理器用于执行存储器上所存放的计算机程序，实现上述实施例中的方法。[0102] 所述处理器可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignalProcessor，DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，ASIC)、现场可编程门阵列(Field‑ProgrammableGateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。[0103] 所述存储器可以是所述设备的内部存储单元，示例性的：设备的硬盘或内存。所述存储器也可以是所述设备的外部存储设备，示例性的：所述设备上配备的插接式硬盘，智能存储卡(SmartMediaCard，SMC)，安全数字(SecureDigital，SD)卡，闪存卡(FlashCard)等。进一步地，所述存储器还可以既包括所述设备的内部存储单元也包括外部存储设备。所述存储器用于存储所述计算机程序以及所述设备所需要的其他程序和数据。所述存储器还可以用于暂时地存储已经输出或者将要输出的数据。[0104] 通信总线是连接所描述的元素的电路并且在这些元素之间实现传输。示例性的，处理器通过通信总线从其它元素接收到命令，解密接收到的命令，根据解密的命令执行计算或数据处理。存储器可以包括程序模块，示例性的，内核(kernel)，中间件(middleware)，应用程序编程接口(ApplicationProgrammingInterface，API)和应用。该程序模块可以是有软件、固件或硬件、或其中的至少两种组成。输入/输出接口转发用户通过输入/输出接口(示例性的，感应器、键盘、触摸屏)输入的命令或数据。通信接口将该设备与其它网络设备、用户设备、网络进行连接。示例性的，通信接口可以通过有线或无线连接到网络以连接到外部其它的网络设备或用户设备。无线通信可以包括以下至少一种：无线保真(WiFi)，蓝牙(BT)，近距离无线通信技术(NFC)，全球卫星定位系统(GPS)和蜂窝通信等等。有线通信可以包括以下至少一种：通用串行总线(USB)，高清晰度多媒体接口(HDMI)，异步传输标准接口(RS‑232)等等。网络可以是电信网络和通信网络。通信网络可以为计算机网络、因特网、物联网、电话网络。设备可以通过通信接口连接网络，设备和其它网络设备通信所用的协议可以被应用、应用程序编程接口(API)、中间件、内核和通信接口至少一个支持。[0105] 在本申请所提供的实施例中，应该理解到，所揭露的装置/设备和方法，可以通过其他的方式实现。示例性的，以上所描述的装置/设备实施例仅仅是示意性的，示例性的，所述模块或单元的划分，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，示例性的，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。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性、机械或其他的形式。[0106] 所述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实施例方案的目的。[0107] 另外，在本申请各个实施例中的各功能单元可能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。[0108] 所述集成的模块/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，可以存储在一个介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序发送指令给相关的硬件完成，所述的计算机程序可存储于一介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述介质可以包括：能够携带所述计算机程序的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read‑OnlyMemory)、随机存取存储器(RAM，RandomAccessMemory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，示例性的：在某些司法管辖区，根据立法和专利实践，计算机可读的介质不包括电载波信号和电信信号。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，仅以上述各程序模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的程序模块完成，即将所述装置的内部结构划分成不同的程序单元或模块，以完成以上描述的全部或者部分功能。实施例中的各程序模块可以集成在一个处理单元中，也可是各个单元单独物理存在，也可以两个或两个以上单元集成在一个处理单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件程序单元的形式实现。另外，各程序模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。[0109] 实施例8：[0110] 本实施例提供一种存储介质，所述存储介质中存储有至少一条指令，所述指令由处理器加载并执行以实现实施例1‑3任一所述一种视觉疲劳判断方法。[0111] 本发明通过上述实施例，实现了：[0112] (1)通过在阅读过程中，动态判断视觉疲劳程度，然后将不同光照环境和不同的距离下的视觉疲劳程度进行累加，克服了原有技术中对于不同关照环境和不同距离下的视觉疲劳程度进行简单统一，不加以区分，从而导致在实际的使用过程中对于视觉疲劳程度估计严重偏差的技术问题，实现了提高了视觉疲劳程度的精度与个性化程度；[0113] (2)通过在构建模型和具体使用的过程中，进一步增加阅读介质数据、阅读内容数据两种参数，克服了传统的技术方案中不考虑阅读介质数据、阅读内容数据，仅考虑光照和距离的技术问题，进一步提高了视疲劳计算的精确程度。[0114] 尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。[0115] 显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

专利地区：广东

专利申请日期：2021-04-25

专利公开日期：2024-11-22

专利公告号：CN113130076B