CN104182041B - 眨眼类型确定方法及眨眼类型确定装置 - Google Patents

眨眼类型确定方法及眨眼类型确定装置 Download PDF

Info

Publication number
CN104182041B
CN104182041B CN201410389697.6A CN201410389697A CN104182041B CN 104182041 B CN104182041 B CN 104182041B CN 201410389697 A CN201410389697 A CN 201410389697A CN 104182041 B CN104182041 B CN 104182041B
Authority
CN
China
Prior art keywords
blink
amplitude peak
type
corresponding relation
user
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
Application number
CN201410389697.6A
Other languages
English (en)
Other versions
CN104182041A (zh
Inventor
刘浩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zhigu Ruituo Technology Services Co Ltd
Original Assignee
Beijing Zhigu Ruituo Technology Services Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Zhigu Ruituo Technology Services Co Ltd filed Critical Beijing Zhigu Ruituo Technology Services Co Ltd
Priority to CN201410389697.6A priority Critical patent/CN104182041B/zh
Publication of CN104182041A publication Critical patent/CN104182041A/zh
Priority to PCT/CN2015/085001 priority patent/WO2016019812A1/en
Priority to US15/502,496 priority patent/US20170220109A1/en
Application granted granted Critical
Publication of CN104182041B publication Critical patent/CN104182041B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/013—Eye tracking input arrangements
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F1/00—Details not covered by groups G06F3/00 - G06F13/00 and G06F21/00
    • G06F1/16—Constructional details or arrangements
    • G06F1/1613—Constructional details or arrangements for portable computers
    • G06F1/163—Wearable computers, e.g. on a belt
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/015—Input arrangements based on nervous system activity detection, e.g. brain waves [EEG] detection, electromyograms [EMG] detection, electrodermal response detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Computer Hardware Design (AREA)
  • Software Systems (AREA)
  • Biomedical Technology (AREA)
  • Neurosurgery (AREA)
  • Neurology (AREA)
  • General Health & Medical Sciences (AREA)
  • Dermatology (AREA)
  • Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Eye Examination Apparatus (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本申请实施例公开了一种眨眼类型确定方法及确定装置，所述方法包括：获取一用户一眨眼的一眼电波形信号；确定根据所述眼电波形信号的幅度峰值和幅度峰值与眨眼类型的一对应关系能否确定所述眨眼的眨眼类型；响应于根据所述幅度峰值和所述对应关系不能确定所述眨眼的所述眨眼类型，根据至少一眼电信号波形模式对所述眼电波形信号进行匹配，确定所述眨眼的所述眨眼类型。本申请实施例的技术方案通过一眨眼的眼电波形信号的幅度峰值无法确定所述眨眼的眨眼类型时，通过波形模式匹配来进行眨眼类型的确定，同时兼顾了眨眼类型检测的准确性和效率。

Description

眨眼类型确定方法及眨眼类型确定装置
技术领域
本申请涉及眼动检测技术，尤其涉及一种眨眼类型确定方法及装置。
背景技术
随着技术的发展，人机交互的手段也不断增加，从通过键盘、鼠标、触屏等手动交互到语音、眼动等，人机交互越来越遍历。例如：智能眼镜等用户设备可以使用用户的眨眼作为控制输入，进行拍照的触发，免去了使用拍照按钮和语音命令的繁琐过程，大大提高了用户使用的便利性。
但是，用户的眨眼分为有意识眨眼和无意识眨眼，有意识的眨眼可以作为智能眼镜的输入控制信号，而无意识的眨眼因其不可控性应将其作为噪声去除，以免影响用户的智能眼镜使用体验。
发明内容
本申请的目的是：提供一种眨眼类型确定技术方案。
第一方面，本申请的一可能的实施方案提供了一种眨眼类型确定方法，包括：
获取一用户一眨眼的一眼电波形信号；
确定根据所述眼电波形信号的幅度峰值和幅度峰值与眨眼类型的一对应关系能否确定所述眨眼的眨眼类型；
响应于根据所述幅度峰值和所述对应关系不能确定所述眨眼的所述眨眼类型，根据至少一眼电信号波形模式对所述眼电波形信号进行匹配，确定所述眨眼的所述眨眼类型。
第二方面，本申请的一可能的实施方案提供了一种眨眼类型确定装置，包括：
信号获取模块，用于获取一用户一眨眼的一眼电波形信号；
第一确定模块，用于确定根据所述眼电波形信号的幅度峰值和幅度峰值与眨眼类型的一对应关系能否确定所述眨眼的眨眼类型；
第二确定模块，用于响应于根据所述幅度峰值和所述对应关系不能确定所述眨眼的所述眨眼类型，根据至少一眼电信号波形模式对所述眼电波形信号进行匹配，确定所述眨眼的所述眨眼类型。
第三方面，本申请的一可能的实施方案提供了一种用户设备，包括上面的实施方案所述的眨眼类型确定装置。
本申请实施例的至少一个实施方案通过一眨眼的眼电波形信号的幅度峰值无法确定所述眨眼的眨眼类型时，通过波形模式匹配来进行眨眼类型的确定，同时兼顾了眨眼类型检测的准确性和效率。
附图说明
图1为本申请实施例的一种眨眼类型确定方法的流程示意图；
图2为本申请实施例的一种眨眼类型确定方法的峰值范围与眨眼类型的对应关系示意图；
图3为本申请实施例的一种眨眼类型确定装置的结构示意框图；
图4a和4b分别为本申请实施例的两种眨眼类型确定装置的结构示意框图；
图4c为本申请实施例的一种眨眼类型确定装置的信号获取模块的结构示意框图；
图5为本申请实施例一种用户设备的结构示意框图；
图6为本申请实施例的一种眨眼类型确定装置的结构示意框图。
具体实施方式
下面结合附图(若干附图中相同的标号表示相同的元素)和实施例，对本申请的具体实施方式作进一步详细说明。以下实施例用于说明本申请，但不用来限制本申请的范围。
本领域技术人员可以理解，本申请中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
本申请的发明人经过研究发现，由于有意识眨眼和无意识眨眼分别对应的幅度峰值范围有重叠区域，因此在通过眼电波形信号的幅度峰值来区分有意识眨眼和无意识眨眼时，准确度会降低，对于位于所述重叠区域的幅度峰值，无法对其对应的眨眼类型进行准确判断，会造成眨眼控制信号的误触发。
如图1所示，本申请实施例一种可能的实施方式提供了一种眨眼类型确定方法，包括：
S110获取一用户一眨眼的一眼电波形信号；
S120确定根据所述眼电波形信号的幅度峰值和幅度峰值与眨眼类型的一对应关系能否确定所述眨眼的眨眼类型；
S130响应于根据所述幅度峰值和所述对应关系不能确定所述眨眼的所述眨眼类型，根据至少一眼电信号波形模式对所述眼电波形信号进行匹配，确定所述眨眼的所述眨眼类型。
举例来说，本发明提供的眨眼类型确定装置作为本实施例的执行主体，执行S110～S130。具体地，所述眨眼类型确定装置可以以软件、硬件或软硬件结合的方式设置在用户设备中，或者，所述眨眼类型确定装置本身就是所述用户设备；所述用户设备包括但不限于：电脑、平板电脑、智能手机、智能眼镜、智能头盔、智能手环、智能戒指等，其中智能眼镜又分为智能框架眼镜和智能隐形眼镜。
本申请实施例可能的实施方式在通过一眨眼的眼电波形信号的幅度峰值无法确定所述眨眼的眨眼类型时，通过波形模式匹配来进行眨眼类型的确定，同时兼顾了眨眼类型检测的准确性和效率。
通过下面的实施方式进一步说明本申请实施例方法的各步骤：
S110获取一用户一眨眼的一眼电波形信号。
在本申请实施例中，获取所述眼电波形信号的方式有多种，例如在一种可能的实施方式中，所述步骤S110包括：
采集所述眼电波形信号。
在本实施方式中，例如可以通过一眼电传感器件采集所述至少一眼电信号。一般来说所述眼电传感器件包括多个电极片，用于贴近用户眼眶周围的多个位置，例如将所述多个电极片分别设置在所述用户被测眼睛的眼内角和眼外角、眼睑的上方和下方以及额头正中间等位置，用于采集用户眼睛动作产生的眼电信号。
在一些可能的实施方式中，所述电极片可以被嵌入集成在有框眼镜的框架上，方便用户使用。因此，在本实施方式中，可选地，所述用户设备可以为所述智能框架眼镜和所述智能头盔，所述眼电传感器件可以集成在所述智能框架眼镜或所述智能头盔上。
在本申请实施例另一种可能的实施方式中，所述步骤S110包括：
从至少一外部设备获取所述的眼底波形信号。
在本实施方式中，例如可以通过所述眨眼类型确定装置的通信器件从至少一外部设备接收所述至少一眼电波形信号。例如：所述眨眼类型确定装置可以设置于一电脑、平板电脑、手机、智能手表等用户设备中，所述用户另外还佩戴有一眼电采集装置，所述眨眼类型确定装置可以通过通信器件从所述眼电采集装置获得所述眼电信号。
S120确定根据所述眼电波形信号的幅度峰值和幅度峰值与眨眼类型的一对应关系能否确定所述眨眼的眨眼类型；
在本申请实施例一种可能的实施方式中，所述眨眼类型包括：无意识眨眼和有意识眨眼。
在本申请实施例一种可能的实施方式中，所述幅度峰值与眨眼类型的对应关系包括：
对应于所述无意识眨眼的第一幅度峰值范围；
对应于所述有意识眨眼的第二幅度峰值范围；以及
同时对应于所述无意识眨眼和所述有意识眨眼的第三幅度峰值范围。
如图2所示为一种可能的无意识眨眼对应的幅度峰值范围U和有意识眨眼对应的幅度峰值范围C的示意图。由所述图2可以看出，所述无意识眨眼对应的幅度峰值范围U对应的幅度峰值为TU1～TU2，所述有意识眨眼对应的幅度峰值范围C对应的幅度峰值为TC1～TC2,由图可以得知，所述幅度峰值范围U和所述幅度峰值范围C有重叠的幅度峰值范围TU1～TC2。因此，在本申请实施例中，所述第一幅度峰值范围为TC1～TU1，所述第二幅度峰值范围为TC2～TU2，所述重叠的幅度峰值范围TU1～TC2为所述第三幅度峰值范围。
本领域技术人员可以知道，当获取的所述用户的一眨眼对应的眼电波形信号的幅度峰值分别在TC1～TU1和TC2～TU2范围内时，可以确定所述眼电波形信号对应的眨眼分别为无意识眨眼和有意识眨眼，但是当所述眼电波形信号的幅度峰值在TU1～TC2范围时，就无法准确确定所述眨眼的类型。因此，对于幅度峰值落在该重叠范围的眼电波形信号需要找到其他的方法来进行眨眼类型的确定。
在本申请实施例一种可能的实施方式中，所述各眨眼类型对应的幅度峰值范围可以是根据多个用户的眨眼状况进行统计得到的一般值。
本申请发明人经过研究发现，由于不同用户的人体肤质的导电性、眨眼的环境和眼球运动的幅度和范围是不一样的，因此不同用户的有意识眨眼和/或无意识眨眼对应的幅度峰值范围有可能是不同的，因此，对一用户的眨眼类型进行确定时，使用该用户的个性化幅度峰值与眨眼类型的对应关系准确度和效率会更高。因此，在本申请实施例另一种可能的实施方式中，所述对应关系为对应于所述用户的个性化幅度峰值与眨眼类型的对应关系。
在一种可能的实施方式中，所述对应关系可以是从外部设备获取的，或者是从本地一存储器件读取的历史数据。
在另一种可能的实施方式中，所述方法还包括：
通过对所述用户进行学习，获得所述个性化幅度峰值与眨眼类型的对应关系。
例如，在用户使用所述眨眼类型确定装置时，提示用户保持无意识眨眼一段时间(据统计，正常人平均每分钟无意识眨眼十几次，通常2～6秒就要眨眼一次，每次眨眼用0.2～0.4秒钟时间)和有意识眨眼多次；记录用于训练的多次无意识眨眼和多次有意识眨眼的眼电波形信号并从中学习出用户的个性化幅度峰值与眨眼类型的对应关系，例如包括：所述用户有意识眨眼的眼电波形信号的幅度峰值范围，所述用户无意识眨眼的眼电波形信号的幅度峰值范围。
其中，在一种可能的实施方式中，该个性化的对应关系如果需要被应用于该用户今后使用所述眨眼类型确定装置的过程中，可以将所述个性化的对应关系与所述用户关联并保持在一存储器件中。
如上面所述的，在所述对应关系为上面所述的三个幅度峰值范围时，本申请实施例一种可能的实施方式中，所述步骤S120可以包括：
确定所述幅度峰值对应哪个幅度峰值范围，其中，
响应于所述幅度峰值对应于所述第三幅度峰值范围，根据所述幅度峰值和所述对应关系不能确定所述眨眼的所述眨眼类型。
当然，对应的，响应于所述幅度峰值不对应于所述第三幅度峰值范围，根据所述幅度峰值和所述对应关系能够确定所述眨眼的所述眨眼类型。
其中，可选地，在一种可能的实施方式中，所述方法还包括：
响应于根据所述幅度峰值和所述对应关系可以确定所述眨眼的所述眨眼类型，根据所述幅度峰值和所述对应关系确定所述眨眼的所述眨眼类型。
其中，在所述对应关系为上面所述的三个幅度峰值范围时，响应于所述幅度峰值对应于所述第一幅度峰值范围，确定所述眨眼的所述眨眼类型为所述无意识眨眼；
响应于所述幅度峰值对应于所述第二幅度峰值范围，确定所述眨眼的所述眨眼类型为所述有意识眨眼。
S130响应于根据所述幅度峰值和所述对应关系不能确定所述眨眼的所述眨眼类型，根据至少一眼电信号波形模式对所述眼电波形信号进行匹配，确定所述眨眼的所述眨眼类型。
在本申请实施例一种可能的实施方式中，所述至少一眼电信号波形模式包括以下的至少一个：无意识眨眼波形模式和有意识眨眼波形模式。例如：所述至少一眼电信号波形模式为所述无意识眨眼波形模式、或所述有意识眨眼波形模式、或所述无意识眨眼波形模式和有意识眨眼波形模式。
以所述至少一眼电信号波形模式为所述无意识眨眼波形模式为例进行说明，此时，所述步骤S130例如可以包括：
通过所述无意识眨眼波形模式对所述眼电波形信号进行匹配，如果所述眼电波形信号与所述无意识眨眼波形模式相匹配，则可以确定所述眼电波形信号对应的所述眨眼为所述无意识眨眼；反之，如果不匹配，则确定所述眨眼为所述有意识眨眼。
同样的，在一种可能的实施方式中，所述至少一眼电信号波形模式也可以是根据多个用户的眨眼状况进行训练统计得到的一般模式。
在另一种可能的实施方式中，由于不同用户的个体差异，对一用户的眨眼类型进行确定时，使用该用户的个性化眼电信号波形模式进行模式匹配准确度和效率会更高。因此，在本申请实施例另一种可能的实施方式中，所述至少一眼电信号波形模式为对应于所述用户的至少一个性化眼电信号波形模式。
同样，在一种可能的实施方式中，对应于所述用户的至少一个性化眼电信号波形模式可以是从外部或内部的存储器获取的。
或者，在一种可能的实施方式中，所述方法还包括：
通过所述对用户进行学习，获得所述至少一个性化眼电信号波形模式。
在一种可能的实施方式中，在上述得到所述用户的个性化幅度峰值与眨眼类型的对应关系的过程中，还可以获得所述至少一个性化眼电信号波形模式。
由上面可以看出，单独通过所述眼电波形信号的幅度峰值来确定所述眨眼类型的效率较高，但是由于有上面所述的重叠区域，因此确定的准确率会降低；单独通过眼电信号波形模式匹配来确定所述眼电波形信号的对应的眨眼类型时，对于那些可以通过幅度峰值就可以准确判断对于眨眼类型的眼底波形信号来说，效率比较低。因此，本申请实施例的方法，对可以通过幅度峰值准确确定眨眼类型的眼电波形信号采用上面所述的幅度峰值和眨眼类型的对应关系来确定对应的眨眼类型，而对于无法通过所述幅度峰值来准确确定眨眼类型的眼电波形信号通过波形匹配的方式来确定对应的眨眼类型，兼顾了效率和准确度。
本领域技术人员可以理解，在本申请具体实施方式的上述方法中，各步骤的序号大小并不意味着执行顺序的先后，各步骤的执行顺序应以其功能和内在逻辑确定，而不应对本申请具体实施方式的实施过程构成任何限定。
如图3所示，本申请实施例一种可能的实施方式还提供了一种眨眼类型确定装置300，包括：
信号获取模块310，用于获取一用户一眨眼的一眼电波形信号；
第一确定模块320，用于确定根据所述眼电波形信号的幅度峰值和幅度峰值与眨眼类型的一对应关系能否确定所述眨眼的眨眼类型；
第二确定模块330，用于响应于根据所述幅度峰值和所述对应关系不能确定所述眨眼的所述眨眼类型，根据至少一眼电信号波形模式对所述眼电波形信号进行匹配，确定所述眨眼的所述眨眼类型。
本申请实施例可能的实施方式在通过一眨眼的眼电波形信号的幅度峰值无法确定所述眨眼的眨眼类型时，通过波形模式匹配来进行眨眼类型的确定，同时兼顾了眨眼类型检测的准确性和效率。
如图4a所示，在一种可能的实施方式中，所述装置300还包括：
第三确定模块350，用于响应于根据所述幅度峰值和所述对应关系可以确定所述眨眼的所述眨眼类型，根据所述幅度峰值和所述对应关系确定所述眨眼的所述眨眼类型。
由于单独通过所述眼电波形信号的幅度峰值来确定所述眨眼类型的效率较高，但是由于有上面所述的重叠区域，因此确定的准确率会降低；单独通过眼电信号波形模式匹配来确定所述眼电波形信号的对应的眨眼类型时，对于那些可以通过幅度峰值就可以准确判断对于眨眼类型的眼底波形信号来说，效率比较低。在本实施方式中，对于可以通过所述幅度峰值进行眨眼类型确定的眼电波形信号通过所述幅度峰值进行确定，对于不可以通过所述幅度峰值进行眨眼类型确定的眼电波形信号再通过下面模式匹配来进行确定，兼顾了所述眨眼类型确定的效率和准确率。
通过下面的实施方式进一步说明本申请实施例装置的各模块。
如图4b所示，在一种可能的实施方式中，所述信号获取模块310包括：
眼电采集单元311，用于采集所述眼电波形信号。
在本实施方式中，所述眼电采集单元311例如可以包括多个电极片，用于贴近用户眼眶周围的多个位置，例如将所述多个电极片分别设置在所述用户被测眼睛的眼内角和眼外角、眼睑的上方和下方以及额头正中间等位置，用于采集用户眼睛动作产生的眼电信号。在一些可能的实施方式中，所述电极片可以被嵌入集成在有框眼镜的框架上，方便用户使用。
如图4c所示，在另一种可能的实施方式中，所述信号获取模块310包括：
通信单元312，用于从至少一外部设备获取所述的眼底波形信号。
在本实施方式中，例如可以通过所述通信单元312从至少一外部设备接收所述至少一眼电波形信号。例如：所述眨眼类型确定装置可以设置于一电脑、平板电脑、手机、智能手表等用户设备中，所述用户另外还佩戴有一眼电采集装置，所述信号获取模块310可以通过所述通信单元312从所述眼电采集装置获得所述眼电信号。
在本申请实施例一种可能的实施方式中，所述眨眼类型包括：无意识眨眼和有意识眨眼。
在本申请实施例一种可能的实施方式中，所述幅度峰值与眨眼类型的对应关系包括：
对应于所述无意识眨眼的第一幅度峰值范围；
对应于所述有意识眨眼的第二幅度峰值范围；以及
同时对应于所述无意识眨眼和所述有意识眨眼的第三幅度峰值范围。
一种可能的幅度峰值与眨眼类型的对应关系参见上述方法实施例中与图2对应实施例中的描述，这里不再赘述。
在本申请实施例一种可能的实施方式中，所述各眨眼类型对应的幅度峰值范围可以是根据多个用户的眨眼状况进行统计得到的一般值。
本申请发明人经过研究发现，由于不同用户的人体肤质的导电性、眨眼的环境和眼球运动的幅度和范围是不一样的，因此不同用户的有意识眨眼和/或无意识眨眼对应的幅度峰值范围有可能是不同的，因此，对一用户的眨眼类型进行确定时，使用该用户的个性化幅度峰值与眨眼类型的对应关系准确度和效率会更高。因此，在本申请实施例另一种可能的实施方式中，所述对应关系为对应于所述用户的个性化幅度峰值与眨眼类型的对应关系。
在一种可能的实施方式中，所述对应关系可以是从外部设备获取的，或者是从本地一存储模块读取的历史数据。
在另一种可能的实施方式中，如图4b所示，所述装置300还包括：
关系获取模块340，用于通过对所述用户进行学习，获得所述个性化幅度峰值与眨眼类型的对应关系。
例如，所述关系获取模块340在用户使用所述眨眼类型确定装置时，提示用户保持无意识眨眼一段时间和有意识眨眼多次；记录用于训练的多次无意识眨眼和多次有意识眨眼的眼电波形信号并从中学习出用户的个性化幅度峰值与眨眼类型的对应关系，例如包括：所述用户有意识眨眼的眼电波形信号的幅度峰值范围，所述用户无意识眨眼的眼电波形信号的幅度峰值范围。
在一种可能的实施方式中，所述装置还包括存储模块390，用于存储所述对应关系。所述存储模块390存储的所述对应关系可以用于所述用户之后的眨眼类型确定。
如图4b所示，如上面所述的，在所述对应关系为上面所述的三个幅度峰值范围时，在一种可能的实施方式中，所述第一确定模块320包括：
峰值范围确定单元321，用于确定所述幅度峰值对应哪个幅度峰值范围，其中，
响应于所述幅度峰值对应于所述第三幅度峰值范围，根据所述幅度峰值和所述对应关系不能确定所述眨眼的所述眨眼类型。
当然，对应的，所述峰值范围确定单元321在确定根据所述幅度峰值和所述对应关系能否确定所述眨眼类型时，响应于所述幅度峰值不对应于所述第三幅度峰值范围，根据所述幅度峰值和所述对应关系能够确定所述眨眼的所述眨眼类型。
如图4b所示，在一种可能的实施方式中，在所述对应关系为上面所述的三个幅度峰值范围时，所述装置300还包括：
第四确定模块360，用于响应于所述幅度峰值对应于所述第一幅度峰值范围，确定所述眨眼的所述眨眼类型为所述无意识眨眼；
第五确定模块370，用于响应于所述幅度峰值对应于所述第二幅度峰值范围，确定所述眨眼的所述眨眼类型为所述有意识眨眼。
在本申请实施例一种可能的实施方式中，所述至少一眼电信号波形模式包括以下的至少一个：无意识眨眼波形模式和有意识眨眼波形模式。例如：所述至少一眼电信号波形模式为所述无意识眨眼波形模式、或所述有意识眨眼波形模式、或所述无意识眨眼波形模式和有意识眨眼波形模式。
以所述至少一眼电信号波形模式为所述无意识眨眼波形模式为例进行说明，此时，所述第二确定模块330进一步用于：
通过所述无意识眨眼波形模式对所述眼电波形信号进行匹配，如果所述眼电波形信号与所述无意识眨眼波形模式相匹配，则可以确定所述眼电波形信号对应的所述眨眼为所述无意识眨眼；反之，如果不匹配，则确定所述眨眼为所述有意识眨眼。
同样的，在一种可能的实施方式中，所述至少一眼电信号波形模式也可以是根据多个用户的眨眼状况进行训练统计得到的一般模式。
在另一种可能的实施方式中，由于不同用户的个体差异，对一用户的眨眼类型进行确定时，使用该用户的个性化眼电信号波形模式进行模式匹配准确度和效率会更高。因此，在本申请实施例另一种可能的实施方式中，所述至少一眼电信号波形模式为对应于所述用户的至少一个性化眼电信号波形模式。
在本实施方式中，所述装置300还可以包括：
波形模式获取模块380，用于通过所述对用户进行学习，获得所述至少一个性化眼电信号波形模式。
在一种可能的实施方式中，在上述得到所述用户的个性化幅度峰值与眨眼类型的对应关系的过程中，所述波形模式获取模块380还可以对获得的所述多次无意识眨眼和/或多次无意识眨眼的眼底波形信号进行模式学习，得到所述至少一个性化眼电信号波形模式。
在一种可能的实施方式中，所述存储模块390还用于存储所述至少一眼电信号波形模式。
图5所示为本申请实施例一种可能的实施方式提供的一种用户设备500，其可以包括上面所述的任一种眨眼类型确定装置510。
在本申请实施例中，所述用户设备500例如可以为上面所述的电脑、平板电脑、智能手机、智能眼镜、智能头盔、智能手环、智能戒指等电子设备。
图6为本申请实施例提供的又一种眨眼类型确定装置600的结构示意图，本申请具体实施例并不对眨眼类型确定装置600的具体实现做限定。如图6所示，该眨眼类型确定装置600可以包括：
处理器(processor)610、通信接口(Communications Interface)620、存储器(memory)630、以及通信总线640。其中：
处理器610、通信接口620、以及存储器630通过通信总线640完成相互间的通信。
通信接口620，用于与比如客户端等的网元通信。
处理器610，用于执行程序632，具体可以执行上述方法实施例中的相关步骤。
具体地，程序632可以包括程序代码，所述程序代码包括计算机操作指令。
处理器610可能是一个中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本申请实施例的一个或多个集成电路。
存储器630，用于存放程序632。存储器630可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。程序632具体可以用于使得所述眨眼类型确定装置600执行以下步骤：
获取一用户一眨眼的一眼电波形信号；
确定根据所述眼电波形信号的幅度峰值和幅度峰值与眨眼类型的一对应关系能否确定所述眨眼的眨眼类型：
响应于根据所述幅度峰值和所述对应关系不能确定所述眨眼的所述眨眼类型，根据至少一眼电信号波形模式对所述眼电波形信号进行匹配，确定所述眨眼的所述眨眼类型。
程序632中各步骤的具体实现可以参见上述实施例中的相应步骤和单元中对应的描述，在此不赘述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备和模块的具体工作过程，可以参考前述方法实施例中的对应过程描述，在此不再赘述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
所述功能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，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施方式仅用于说明本申请，而并非对本申请的限制，有关技术领域的普通技术人员，在不脱离本申请的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本申请的范畴，本申请的专利保护范围应由权利要求限定。

Claims (28)

1.一种眨眼类型确定方法，其特征在于，包括：
获取一用户一眨眼的一眼电波形信号；
确定根据所述眼电波形信号的幅度峰值和幅度峰值与眨眼类型的一对应关系能否确定所述眨眼的眨眼类型；
响应于根据所述幅度峰值和所述对应关系不能确定所述眨眼的所述眨眼类型，根据至少一眼电信号波形模式对所述眼电波形信号进行匹配，确定所述眨眼的所述眨眼类型。
2.如权利要求1所述的方法，其特征在于，所述眨眼类型包括：无意识眨眼和有意识眨眼。
3.如权利要求2所述的方法，其特征在于，所述对应关系包括：
对应于所述无意识眨眼的第一幅度峰值范围；
对应于所述有意识眨眼的第二幅度峰值范围；以及
同时对应于所述无意识眨眼和所述有意识眨眼的第三幅度峰值范围。
4.如权利要求3所述的方法，其特征在于，所述确定根据所述幅度峰值和所述对应关系能否确定所述眨眼的所述眨眼类型包括：
确定所述幅度峰值对应哪个幅度峰值范围，其中，
响应于所述幅度峰值对应于所述第三幅度峰值范围，根据所述幅度峰值和所述对应关系不能确定所述眨眼的所述眨眼类型。
5.如权利要求1所述的方法，其特征在于，所述对应关系为对应于所述用户的个性化幅度峰值与眨眼类型的对应关系。
6.如权利要求5所述的方法，其特征在于，所述方法还包括：
通过对所述用户进行学习，获得所述个性化幅度峰值与眨眼类型的对应关系。
7.如权利要求2所述的方法，其特征在于，所述至少一眼电信号波形模式包括以下的至少一个：无意识眨眼波形模式和有意识眨眼波形模式。
8.如权利要求1所述的方法，其特征在于，所述至少一眼电信号波形模式为对应于所述用户的至少一个性化眼电信号波形模式。
9.如权利要求8所述的方法，其特征在于，所述方法还包括：
通过对所述用户进行学习，获得所述至少一个性化眼电信号波形模式。
10.如权利要求1所述的方法，其特征在于，所述方法还包括：
响应于根据所述幅度峰值和所述对应关系可以确定所述眨眼的所述眨眼类型，根据所述幅度峰值和所述对应关系确定所述眨眼的所述眨眼类型。
11.如权利要求4所述的方法，其特征在于，所述方法还包括：
响应于所述幅度峰值对应于所述第一幅度峰值范围，确定所述眨眼的所述眨眼类型为所述无意识眨眼。
12.如权利要求4所述的方法，其特征在于，所述方法还包括：
响应于所述幅度峰值对应于所述第二幅度峰值范围，确定所述眨眼的所述眨眼类型为所述有意识眨眼。
13.如权利要求1所述的方法，其特征在于，获取所述眼电波形信号包括：
采集所述眼电波形信号。
14.如权利要求1所述的方法，其特征在于，获取所述眼电波形信号包括：
从至少一外部设备获取所述眼电波形信号。
15.一种眨眼类型确定装置，其特征在于，包括：
信号获取模块，用于获取一用户一眨眼的一眼电波形信号；
第一确定模块，用于确定根据所述眼电波形信号的幅度峰值和幅度峰值与眨眼类型的一对应关系能否确定所述眨眼的眨眼类型；
第二确定模块，用于响应于根据所述幅度峰值和所述对应关系不能确定所述眨眼的所述眨眼类型，根据至少一眼电信号波形模式对所述眼电波形信号进行匹配，确定所述眨眼的所述眨眼类型。
16.如权利要求15所述的装置，其特征在于，所述眨眼类型包括：无意识眨眼和有意识眨眼。
17.如权利要求16所述的装置，其特征在于，所述对应关系包括：
对应于所述无意识眨眼的第一幅度峰值范围；
对应于所述有意识眨眼的第二幅度峰值范围；以及
同时对应于所述无意识眨眼和所述有意识眨眼的第三幅度峰值范围。
18.如权利要求17所述的装置，其特征在于，所述第一确定模块包括：
峰值范围确定单元，用于确定所述幅度峰值对应哪个幅度峰值范围，其中，
响应于所述幅度峰值对应于所述第三幅度峰值范围，根据所述幅度峰值和所述对应关系不能确定所述眨眼的所述眨眼类型。
19.如权利要求15所述的装置，其特征在于，所述对应关系为对应于所述用户的个性化幅度峰值与眨眼类型的对应关系；
所述装置还包括：
关系获取模块，用于通过对所述用户进行学习，获得所述个性化幅度峰值与眨眼类型的对应关系。
20.如权利要求16所述的装置，其特征在于，所述至少一眼电信号波形模式包括以下的至少一个：无意识眨眼波形模式和有意识眨眼波形模式。
21.如权利要求15所述的装置，其特征在于，所述至少一眼电信号波形模式为对应于所述用户的至少一个性化眼电信号波形模式；
所述装置还包括：
波形模式获取模块，用于通过对所述用户进行学习，获得所述至少一个性化眼电信号波形模式。
22.如权利要求15所述的装置，其特征在于，所述装置还包括：
第三确定模块，用于响应于根据所述幅度峰值和所述对应关系可以确定所述眨眼的所述眨眼类型，根据所述幅度峰值和所述对应关系确定所述眨眼的所述眨眼类型。
23.如权利要求18所述的装置，其特征在于，所述装置还包括：
第四确定模块，用于响应于所述幅度峰值对应于所述第一幅度峰值范围，确定所述眨眼的所述眨眼类型为所述无意识眨眼。
24.如权利要求18所述的装置，其特征在于，所述装置还包括：
第五确定模块，用于响应于所述幅度峰值对应于所述第二幅度峰值范围，确定所述眨眼的所述眨眼类型为所述有意识眨眼。
25.如权利要求15所述的装置，其特征在于，所述信号获取模块包括：
眼电采集单元，用于采集所述眼电波形信号。
26.如权利要求16所述的装置，其特征在于，所述信号获取模块包括：
通信单元，用于从至少一外部设备获取所述眼电波形信号。
27.如权利要求15所述的装置，其特征在于，所述装置还包括：
存储模块，用于存储所述对应关系和/或所述至少一眼电信号波形模式。
28.一种用户设备，其特征在于，包括权利要求15～27中任一项所述的眨眼类型确定装置。
CN201410389697.6A 2014-08-08 2014-08-08 眨眼类型确定方法及眨眼类型确定装置 Active CN104182041B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201410389697.6A CN104182041B (zh) 2014-08-08 2014-08-08 眨眼类型确定方法及眨眼类型确定装置
PCT/CN2015/085001 WO2016019812A1 (en) 2014-08-08 2015-07-24 Blink type determination method and apparatus, user equipment
US15/502,496 US20170220109A1 (en) 2014-08-08 2015-07-24 Blink type determination method and apparatus, user equipment

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410389697.6A CN104182041B (zh) 2014-08-08 2014-08-08 眨眼类型确定方法及眨眼类型确定装置

Publications (2)

Publication Number Publication Date
CN104182041A CN104182041A (zh) 2014-12-03
CN104182041B true CN104182041B (zh) 2017-07-14

Family

ID=51963160

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410389697.6A Active CN104182041B (zh) 2014-08-08 2014-08-08 眨眼类型确定方法及眨眼类型确定装置

Country Status (3)

Country Link
US (1) US20170220109A1 (zh)
CN (1) CN104182041B (zh)
WO (1) WO2016019812A1 (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104182041B (zh) * 2014-08-08 2017-07-14 北京智谷睿拓技术服务有限公司 眨眼类型确定方法及眨眼类型确定装置
CA2973065C (en) * 2015-02-13 2019-07-23 Halliburton Energy Services, Inc. Using augmented reality to collect, process and share information
CN106155296A (zh) * 2015-04-20 2016-11-23 北京智谷睿拓技术服务有限公司 控制方法和设备
CN108491792B (zh) * 2018-03-21 2022-07-12 安徽大学 基于眼电信号的办公场景人机交互行为识别方法
US11493994B2 (en) 2018-07-20 2022-11-08 National Institute Of Advanced Industrial Science And Technology Input device using bioelectric potential
CN111569248A (zh) * 2020-05-25 2020-08-25 福州大学 一种自闭症患者的治疗方法和治疗系统
CN112137622B (zh) * 2020-09-11 2022-11-22 东南大学 一种有意识眨眼和无意识眨眼的判断方法及装置
US11830259B2 (en) * 2021-08-24 2023-11-28 Nvidia Corporation Robust state estimation

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101599127A (zh) * 2009-06-26 2009-12-09 安徽大学 眼电信号的特征提取与识别方法
CN101598973A (zh) * 2009-06-26 2009-12-09 安徽大学 基于眼电信号的人机交互系统
CN103054549A (zh) * 2012-12-29 2013-04-24 西安交通大学 一种可穿戴便携式眼动分析装置及其分析方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
GB0220265D0 (en) * 2002-09-02 2002-10-09 Univ Ulster Signal processing strategy to control external devices by means of human electro-oculagraphic potentials
EP2164390A1 (en) * 2007-05-15 2010-03-24 Morpheus Medical Emg and eeg signal separation method and apparatus
TW201028895A (en) * 2009-01-23 2010-08-01 Rui-Keng Chou Electro-oculogram control system
CN103699228A (zh) * 2013-12-27 2014-04-02 深圳市金立通信设备有限公司 一种眨眼控制的方法及便携终端
CN104182041B (zh) * 2014-08-08 2017-07-14 北京智谷睿拓技术服务有限公司 眨眼类型确定方法及眨眼类型确定装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101599127A (zh) * 2009-06-26 2009-12-09 安徽大学 眼电信号的特征提取与识别方法
CN101598973A (zh) * 2009-06-26 2009-12-09 安徽大学 基于眼电信号的人机交互系统
CN103054549A (zh) * 2012-12-29 2013-04-24 西安交通大学 一种可穿戴便携式眼动分析装置及其分析方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
EOG Signals in Drowsiness Research;Chongshi YUE;《www.diva-portal.org/smash/get/diva2:555912/FULLTEX01》;20121210;12-16、23 *
基于眼电技术的人机交互系统;许青等;《载人航天》;20111031;第17卷(第5期);39-45 *

Also Published As

Publication number Publication date
US20170220109A1 (en) 2017-08-03
WO2016019812A1 (en) 2016-02-11
CN104182041A (zh) 2014-12-03

Similar Documents

Publication Publication Date Title
CN104182041B (zh) 眨眼类型确定方法及眨眼类型确定装置
CN104049761B (zh) 眼电检测方法及眼电检测装置
US10325083B2 (en) Wearable electronic devices
CN105902257B (zh) 睡眠状态分析方法及装置、智能可穿戴设备
CN104049752B (zh) 基于人体的交互方法及交互装置
CN103793075B (zh) 一种应用在智能手表上的识别方法
CN105302541A (zh) 配置可穿戴式装置
CN106413529A (zh) 光学压力传感器
CN104799838A (zh) 监测智能穿戴设备穿戴的方法、装置和一种智能穿戴设备
CN104142583A (zh) 一种具有眨眼检测功能的智能眼镜及实现方法
CN103984413B (zh) 信息交互方法及信息交互装置
CN104360745A (zh) 主导肢体确定方法和设备
CN106530640A (zh) 一种智能儿童服装、姿势数据的处理方法及智能儿童穿戴设备
CN108683968A (zh) 显示控制方法及相关产品
Bhandari et al. Non-invasive sensor based automated smoking activity detection
CN104460955B (zh) 一种信息处理方法及穿戴式电子设备
CN104699239B (zh) 基于可穿戴设备的交互方法及交互装置、可穿戴设备
CN106648055A (zh) 一种在虚拟现实环境中管理菜单的方法及虚拟现实设备
CN104573459B (zh) 交互方法、交互装置及用户设备
CN108683790A (zh) 语音处理方法及相关产品
CN104407704A (zh) 主导肢体确定方法和设备
Daily et al. Technology for human augmentation
CN110477927A (zh) 一种主动眨眼检测方法、装置、设备及可读存储介质
CN110174937A (zh) 注视信息控制操作的实现方法及装置
CN104461017A (zh) 交互方法、交互装置及用户设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant