CN104146678B - 基于智能手机的眼睛疲劳度数据分析方法 - Google Patents
基于智能手机的眼睛疲劳度数据分析方法 Download PDFInfo
- Publication number
- CN104146678B CN104146678B CN201410399654.6A CN201410399654A CN104146678B CN 104146678 B CN104146678 B CN 104146678B CN 201410399654 A CN201410399654 A CN 201410399654A CN 104146678 B CN104146678 B CN 104146678B
- Authority
- CN
- China
- Prior art keywords
- mobile phone
- eye fatigue
- amplitude
- threshold value
- smart mobile
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于智能手机的眼睛疲劳度数据分析方法,其以个人健康档案数据为基础,通过智能手机的位移传感器实时采集手机的空间坐标信息和环境光亮度,计算其振动幅度和位移矩阵,并根据环境光数据和位移矩阵作为样本,计算环境阈值,分析眼睛疲劳度。该方法能有效地避免人们过量的使用智能手机,纠正不良的生活习惯,有利于保护视力,提高人们对自身健康的认知度。
Description
技术领域
本发明涉及智能手机的数据分析技术,尤其涉及个人健康档案领域的数据分析计算。
背景技术
当前,我国随着社会经济水平的发展,人们对健康问题的关注度逐渐提升,而且,随着社会老龄化以及食品安全问题的加剧,越来越多的人希望得到更为准确地了解如何能够通过事前干预的方式来避免疾病的发生,以及非医疗的方式(如食疗)来预防和治疗疾病。
随着智能手机的应用普及,智能手机被人们用于工作、学习、生活和娱乐之中。但是,手机虽然给人们带来了很多便捷,却同时也给人们带来了很多健康问题,比如因为手机分辨率高、光线强度高以及观看距离近等,造成对眼睛的伤害急剧上升。
另一方面,利用智能手机的多项传感器数据,比如GPS信息,又可以统计人们的活动范围、运动距离、天气环境状况等健康档案有关数据,通过对这些数据进行计算可进一步分析个人健康状况,以进一步得出营养补给方案。
发明内容
为解决上述问题,本发明致力于通过技术手段对人们的活动范围、运动距离、天气环境状况等健康档案有关数据进行分析,进一步得到眼睛疲劳度数据,以更好地降低人们利用智能手机发病的几率,改善社会的医患关系,进而提高人们对自身健康的认知度。
为此,本发明提供了一种基于智能手机的眼睛疲劳度数据分析方法。该方法以个人健康档案数据为基础,根据智能手机的位移传感器实时采集手机的空间坐标信息和环境光亮度,计算其振动幅度和位移矩阵,并根据环境光数据和位移矩阵作为样本,计算不同环境下的环境阈值,再根据环境阈值参数,定义眼睛疲劳模型,统计每天的眼睛疲劳度。
具体的,本发明的一种基于智能手机的眼睛疲劳度数据分析方法包括:
(1)连续采样n周期的手机空间坐标信息和环境光亮度,生成坐标矩阵P:
P={(t1,(x1,y1,z1),b1),(t2,(x2,y2,z2),b2),...(ti,(xi,yi,zi),bi),...,(tm,(xm,ym,zm),bm)};其中,ti为时间,(xi,yi,zi)为空间相对坐标,bi为环境光亮度;
(2)以坐标矩阵P计算手机的即时位移以及位移矩阵 Dt为t时间的即时位移;
(3)以P的环境光数据和位移矩阵D作为样本,根据振幅伤害阈值函数Zt和环境光伤害阈值函数Bt,计算不同环境下的环境阈值矩阵
Ev={(t1,Zt1,Bt1),(t2,Zt2,Bt2),...,(tn,Ztn,Btn)};
(4)根据振幅伤害阈值函数Zt和环境光伤害阈值函数Bt,定义振幅周期t的眼睛疲劳模型:
然后,统计每天的眼睛疲劳度:
所述振幅伤害阈值函数Zt和环境光伤害阈值函数Bt分别定义为下式(1)和式(2):
进一步的,如果每日的眼睛疲劳度数值大于每天正常的眼睛疲劳度阈值,则启动监控线程,在振幅超过振幅阈值或者环境光亮度小于环境光阈值一或大于环境光阈值二的情况下,自动关闭手机屏幕。
所述振幅阈值定义为4mm,环境光阈值一定义为300,环境光阈值二定义为500,关闭屏幕的线程描述如下:
其中,CloseScreen()为关闭屏幕的函数。
本发明的有益效果为:基于智能手机的眼睛疲劳度数据分析方法能够统计用户在不同场合使用手机对眼睛造成的疲劳度,使用户了解到自己的不良手机使用习惯,从而纠正生活方式,有利于保护视力(特别是对于学生、儿童、IT人士),保护眼睛的健康。用户通过本发明,还可以进一步制定针对自身的营养保健方案,提高健康水平。
具体实施方式
以下结合实施例对本发明的技术方案作进一步详细说明。以下实施例在以本发明的技术方案为前提下进行实施,给出了详细的实施方式和过程,但本发明的保护范围不限于下述的实例。
本发明实施例的一种基于智能手机的眼睛疲劳度数据分析方法,包括:
(1)连续采样n周期的手机空间坐标信息和环境光亮度,生成坐标矩阵P:
P={(t1,(x1,y1,z1),b1),(t2,(x2,y2,z2),b2),...(ti,(xi,yi,zi),bi),...,(tm,(xm,ym,zm),bm)};其中,ti为时间,(xi,yi,zi)为空间相对坐标,bi为环境光亮度;
(2)以坐标矩阵P计算手机的即时位移振幅(即在周期t的最大位移值),以及位移矩阵
(3)以P的环境光数据和位移矩阵D作为样本,根据振幅伤害阈值函数(式1)和环境光伤害阈值函数(式2),计算不同环境下的环境阈值矩阵Ev={(t1,Zt1,Bt1),(t2,Zt2,Bt2),...,(tn,Ztn,Btn)};
(4)根据环境阈值参数Zt和Bt,定义振幅周期t的眼睛疲劳模型,见如下式(3):
统计每天的眼睛疲劳度:
根据医学统计数据,每日正常的眼睛疲劳度为(在正常光强度区间[300,500]下,眼睛注视屏幕10小时的疲劳度),计算方法如下:
如果每日的眼睛疲劳度数值大于每天正常的眼睛疲劳度阈值18000,则启动监控线程,在振幅超过4mm或者环境光亮度小于300或大于500的情况下,自动关闭手机屏幕。
上述振幅伤害阈值函数、环境光伤害阈值函数的具体计算过程如下:
1、振幅伤害阈值:
(1)静止态阈值:静止状态下,振幅频率是手的振动频率,根据年龄是否超过60岁,有两种评判参数,年轻人手的晃动位移在2mm/s(毫米/秒)之内,老年人手的晃动位移在4mm/s之内;
(2)运动态阈值:走路、乘公交车等运动状态,振幅频率是运动频率,根据统计结果手的晃动范围在[4mm/s,30mm/s]之内;
2.环境光阈值:若手机亮度传感器的检测范围为20-1000(暗->亮),定义环境光阈值B;
下面,以某26岁IT职员采样为例,来进一步说明本发明具体实施方式。
实施例1
(1)连续采样某26岁IT职员上午9:00:00-9:00:30中30秒的手机空间坐标信息,生成坐标矩阵P:
P={(t1,(2.3,0.7,3.1),350),(t2,(0.3,0.2,1.5),380),(t3,(3.2,0.3,1.6),360),(t4,(0.7,0.1,2.5),360),(t5,(1.8,0.6,1.5),350),(t6,(0.1,0.1,0.7),420),(t7,(0.5,0.1,0.1),380),(t8,(2.5,0.6,2.2),370),(t9,(1.1,0.2,1.3),380),(t10,(0.3,0.2,3.2),400),(t11,(0.9,0.1,1.7),370),(t12,(2.8,1.4,2.4),510),(t13,(3.8,2.1,1.8),600),(t14,(0.8,1.9,1.3),690),(t15,(2.5,2.3,0.3),580),(t16,(1.8,1.4,1.1),690),(t17,(2.7,1.2,0.1),750),(t18,(2.8,1.6,1.5),770),(t19,(3.0,2.7,1.3),720),(t20,(1.5,2.0,0.9),760),(t21,(1.0,2.5,1.3),670),(t22,(3.3,1.2,0.7),690),(t23,(2.1,1.8,4.6),630),(t24,(3.7,2.1,1.5),650),(t25,(0.4,0.9,3.6),580),(t26,(3.4,2.7,0.5),660),(t27,(2.5,2.1,0.4),710),(t28,(3.6,0.1,0.2),710),(t29,(2.4,1.7,0.1),700),(t30,(0.3,2.6,2.6),660)}
(2)以坐标矩阵计算手机的即时位移振幅(即在周期t的最大位移值),得到位移矩阵D如下:
D={(t1,3.9),(t2,1.5),(t3,3.6),(t4,2.6),(t5,2.4),(t6,0.7),(t7,0.5),(t8,3.4),(t9,1.7),(t10,3.2),(t11,1.9),(t12,3.9),(t13,4.7),(t14,3.4),(t15,1.7),(t16,3.2),(t17,1.9),(t18,3.9),(t19,4.2),(t20,2.7),(t21,3.0),(t22,3.6),(t23,5.4),(t24,4.5),(t25,3.7),(t26,4.3),(t27,3.3),(t28,3.6),(t29,2.9),(t30,3.7)};
(3)根据式1和式2计算不同环境下的环境阈值矩阵Ev:
Ev={(t1,Zt1,Bt1),(t2,Zt2,Bt2),...,(tn,Ztn,Btn)}
得到,
Ev={(t1,2,4),(t2,1,4),(t3,1,4),(t4,1,4),(t5,1,4),(t6,1,4),(t7,1,4),(t8,1,4),(t9,1,4),(t10,1,4),(t11,1,4),(t12,2,2),(t13,2,2),(t14,1,2),(t15,1,2),(t16,1,2),(t17,1,2),(t18,1,2),(t19,2,2),(t20,1,2),(t21,1,2),(t22,1,2),(t23,2,2),(t24,2,2),(t25,1,2),(t26,2,2),(t27,1,2),(t28,1,2),(t29,1,2),(t30,1,2)}
(4)根据环境阈值矩阵Ev,分析计算眼睛疲劳指数Etired:
即30秒的疲劳度为54.625,若每日使用眼睛时间为10小时,则估计日疲劳度指数:
(5)该用户的每日疲劳度指数远超过了正常值18000,则启动视力保护进程,其逻辑为:若每日的眼睛疲劳度数值大于每天正常的眼睛疲劳度阈值,则系统在振幅超过4mm或者环境光强度小于300或者大于500的情况下,启动关闭屏幕的线程。所述关闭屏幕的线程形式化描述如下:
其中,CloseScreen()为关闭屏幕的函数。
Claims (4)
1.一种基于智能手机的眼睛疲劳度数据分析方法,其特征在于包括如下步骤:
(1)连续采样n周期的手机空间坐标信息和环境光亮度,生成坐标矩阵P:
P={(t1,(x1,y1,z1),b1),(t2,(x2,y2,z2),b2),...(ti,(xi,yi,zi),bi),...,(tm,(xm,ym,zm),bm)};其中,ti为时间,(xi,yi,zi)为空间相对坐标,bi为环境光亮度;
(2)以坐标矩阵P计算手机的即时位移以及位移矩阵 其中,Dt表示t时间的即时位移;
(3)以P的环境光数据和位移矩阵D作为样本,根据振幅伤害阈值函数Zt和环境光伤害阈值函数Bt,计算不同环境下的环境阈值矩阵
(4)根据振幅伤害阈值函数Zt和环境光伤害阈值函数Bt,定义振幅周期t的眼睛疲劳模型:
然后,统计每天的眼睛疲劳度:
2.如权利要求1所述的方法,其特征在于,振幅伤害阈值函数Zt和环境光伤害阈值函数Bt分别定义为下式(1)和式(2):
其中,bt为t时间的手机亮度,数值上与环境光亮度bi相等。
3.如权利要求1或2所述的方法,其特征在于,如果每日的眼睛疲劳度数值大于每天正常的眼睛疲劳度阈值,则启动监控线程,在振幅超过振幅阈值或者环境光亮度小于环境光阈值一或大于环境光阈值二的情况下,自动关闭手机屏幕。
4.如权利要求3所述的方法,其特征在于,振幅阈值定义为4mm,环境光阈值一定义为300,环境光阈值二定义为500,关闭屏幕的线程描述如下:
其中,CloseScreen()为关闭屏幕的函数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410399654.6A CN104146678B (zh) | 2014-08-14 | 2014-08-14 | 基于智能手机的眼睛疲劳度数据分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410399654.6A CN104146678B (zh) | 2014-08-14 | 2014-08-14 | 基于智能手机的眼睛疲劳度数据分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104146678A CN104146678A (zh) | 2014-11-19 |
CN104146678B true CN104146678B (zh) | 2016-05-04 |
Family
ID=51872471
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410399654.6A Active CN104146678B (zh) | 2014-08-14 | 2014-08-14 | 基于智能手机的眼睛疲劳度数据分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104146678B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104954578A (zh) * | 2015-06-29 | 2015-09-30 | 程强 | 手机息屏的方法和手机 |
CN108537113B (zh) * | 2018-03-02 | 2019-01-04 | 黄润梓 | 眼睛伤害度评估方法 |
NL2022598B1 (en) * | 2019-02-19 | 2020-08-31 | Easee Health B V | A method of performing an eye examination test for examining eyes of a user as well as a corresponding computing device. |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP5429896B2 (ja) * | 2008-05-12 | 2014-02-26 | トムソン ライセンシング | 立体動画による潜在的眼精疲労を測定するシステムおよび方法 |
WO2012160741A1 (ja) * | 2011-05-20 | 2012-11-29 | パナソニック株式会社 | 視覚疲労度測定装置、その方法、視覚疲労度測定システムおよび3次元メガネ |
CN202142160U (zh) * | 2011-07-13 | 2012-02-08 | 上海库源电气科技有限公司 | 一种疲劳驾驶预警系统 |
CN103220583A (zh) * | 2013-03-28 | 2013-07-24 | 四川长虹电器股份有限公司 | 基于智能电视的检测用户疲劳度的系统及方法 |
CN103458259B (zh) * | 2013-08-27 | 2016-04-13 | Tcl集团股份有限公司 | 一种3d视频引起人眼疲劳度的检测方法、装置及系统 |
-
2014
- 2014-08-14 CN CN201410399654.6A patent/CN104146678B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN104146678A (zh) | 2014-11-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103426275B (zh) | 检测用眼疲劳度的装置、台灯及方法 | |
CN103810393B (zh) | 一种基于心电向量的心电波形特征点定位方法 | |
CN104146678B (zh) | 基于智能手机的眼睛疲劳度数据分析方法 | |
CN105528577B (zh) | 基于智能眼镜的识别方法 | |
WO2011095603A3 (en) | Map storage for navigation systems | |
CN107729882A (zh) | 基于图像识别的情绪识别判定方法 | |
CN104224550A (zh) | 督导患者服药依从性、跟踪用药效果的装置及其使用方法 | |
CN113723530B (zh) | 基于视频分析和电子心理沙盘的智能心理评估系统 | |
CN110263874A (zh) | 一种基于注意力关系图学习的图像分类方法及装置 | |
CN102749993B (zh) | 基于骨骼节点数据的动作识别方法 | |
CN203074671U (zh) | 一种智能视力检查装置 | |
Bi et al. | Smartge: identifying pen-holding gesture with smartwatch | |
Zhang et al. | A novel eye gaze tracking technique based on pupil center cornea reflection technique | |
CN104463912A (zh) | 一种基于簇相似的多尺度目标跟踪方法 | |
CN204863192U (zh) | 颈椎监测眼镜 | |
CN204311907U (zh) | 一种具有人脸识别功能的保险柜 | |
US11266346B2 (en) | Method and apparatus for determining sleep state using biometric information and motion information | |
Lai et al. | An intelligent baby care system based on IoT and deep learning techniques | |
CN205721793U (zh) | 一种具有脸部识别功能的移动装置 | |
CN208569612U (zh) | 一种智能字帖装置 | |
CN203053909U (zh) | 一种神经网络信息融合的智能co传感器 | |
CN112783949A (zh) | 人体数据预测方法、装置、电子设备和存储介质 | |
CN104820821A (zh) | 一种基于流行学习的人体行为识别方法 | |
WO2023284067A1 (zh) | 面神经功能评估方法、装置、计算机设备及存储介质 | |
CN204311908U (zh) | 一种具有3d人脸识别功能的保险柜 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |