CN107277502A - 一种测评立体视频视疲劳程度的方法与系统 - Google Patents

Abstract

本发明公开了一种测评立体视频视疲劳程度的系统，包括显示装置，还包括与显示装置连接的处理器，所述处理器上还连接有数据输入模块、视频输入模块、疲劳度数据库和视频数据库，采用上述模块的有机组合，可以实现通过系统自动判断立体视频的疲劳度参数，解决现有立体视频测试需要大量测试人员对其进行长时间观看而对其进行主观或客观评价，但是长时间观看这些立体视频会造成观看者诸如头痛、头晕、眼灼热等视疲劳现象，甚至有可能对人体造成永久性伤害的问题。本发明的优点是：减少主观评价信息收集的复杂性；消除客观评价所使用的眼科检测设备对人体健康的二次伤害；数据分析过程的有效性和所建数据模型的可靠性高。

Description

一种测评立体视频视疲劳程度的方法与系统

技术领域

本发明涉及一种测评视频视疲劳程度的方法，具体涉及一种测评立体视频视疲劳程度的方法与系统。

背景技术

与常规的二维平面显示相比，由于人眼看现实世界和立体显示是不同的。在观看现实世界时，人眼的焦点调节距离和集合距离是一致的，都为观看者和注视点间的距离。而观看立体显示时，由于光线是从显示屏发出的，故人眼焦点调节距离是固定的，而视差使得人眼集合在虚拟物体上，此时焦点调节距离和集合距离不一致，形成了一种不舒适的观看体验。长时间观看立体显示对会导致视疲劳的发生，造成诸如头痛、眼胀、视力模糊、复视甚至是休克等短期症状，甚至有可能对人体造成永久性伤害，成为立体显示技术长期以来不能普及的重要原因之一。因此，考虑到立体显示的市场化前景，立体显示的视疲劳的研究非常有必要，为了保证立体显示技术持续稳定的发展和立体显示装置的推广，需要进一步提升立体显示的性能，保证在观看的时候不会对人们的身体健康有长期不可逆的危害，且至少具有与传统二维平面显示相同的观看舒适度。

现有立体视频测试需要大量测试人员对其进行长时间观看而对其进行主观或客观评价，但是长时间观看这些立体视频会造成观看者诸如头痛、头晕、眼灼热等视疲劳现象，甚至有可能对人体造成永久性伤害。

发明内容

本发明所要解决的技术问题是现有立体视频测试需要大量测试人员对其进行长时间观看而对其进行主观或客观评价，但是长时间观看这些立体视频会造成观看者诸如头痛、头晕、眼灼热等视疲劳现象，甚至有可能对人体造成永久性伤害，目的在于提供一种测评立体视频视疲劳程度的方法与系统，解决现有立体视频测试需要大量测试人员对其进行长时间观看而对其进行主观或客观评价，但是长时间观看这些立体视频会造成观看者诸如头痛、头晕、眼灼热等视疲劳现象，甚至有可能对人体造成永久性伤害的问题。

本发明通过下述技术方案实现：

一种测评立体视频视疲劳程度的方法与系统，包括显示装置，还包括与显示装置连接的处理器，所述处理器上还连接有数据输入模块、视频输入模块、疲劳度数据库和视频数据库；

显示装置：接收处理器发送的视频数据并进行播放；

处理器：接收外界输入的疲劳度参数，从视频数据库中读取对应视频的播放参数，建立疲劳度多因素线性回归模型储存到疲劳度数据库中；接收视频输入模块发送的视频数据，读取视频数据中的播放参数，带入疲劳度数据库中储存的储存疲劳度多因素线性回归模型中计算视频的疲劳度参数；

数据输入模块：接收外界输入的疲劳度参数并发送给处理器；

视频输入模块：接收外界发送的视频数据，处理后发送到处理器；

疲劳度数据库：储存疲劳度多因素线性回归模型；

视频数据库：储存视频数据。显示装置为以下立体显示器或系统中的一种：分色立体显示器、快门式立体显示器、偏振式立体显示器、光栅式立体显示器、分色立体投影系统、快门式立体显示系统、偏振式立体投影系统、光栅式立体投影系统。数据输入模块用于采集参与实验的受试者在观看立体显示内容前后的视疲劳感受程度，以建立疲劳度多因素线性回归模型的数据库。视频输入模块用于在系统建立完成后输入待测视频到系统中。疲劳度数据库用于储存疲劳度多因素线性回归模型。视频数据库用于储存样本视频。采用上述模块的有机组合，可以实现通过系统自动判断立体视频的疲劳度参数，解决现有立体视频测试需要大量测试人员对其进行长时间观看而对其进行主观或客观评价，但是长时间观看这些立体视频会造成观看者诸如头痛、头晕、眼灼热等视疲劳现象，甚至有可能对人体造成永久性伤害的问题。

一种测评立体视频视疲劳程度的方法，包括以下步骤：

A、基于现有的立体视频建立视频数据库；

B、通过数据输入模块输入步骤A中建立的视频数据库中视频的疲劳度参数；通过处理器提取步骤A中建立的视频数据库中视频的播放参数；

C、匹配视频的疲劳度参数和播放参数，建立多因素线性回归模型并储存在疲劳度数据库中；

D、通过视频输入模块将待测视频输入处理器中，处理器读取待测视频的播放参数，将待测视频的播放参数带入步骤C中建立的多因素线性回归模型，得到待测视频的疲劳度参数。本发明提供一种测评立体视频视疲劳程度高低的方法，用于评估制作出来的立体视频视疲劳程度是否较低，即是否达到观看者所需要的舒适度。首先，根据已有的大量立体视频样本建立视频数据库，让足够数量的测试人员对其进行评估，然后得到立体视频样本的疲劳度参数。其次，用SPSS数据统计分析软件进行数据分析并建立疲劳度数据库，将数据库存储在计算机中。疲劳度数据库中包含了疲劳度参数与立体视频播放参数的多因素线性回归模型。最后，当需要对一个新的立体视频进行视疲劳度参数的评价，以判断其能否达到观看者能接受的舒适度要求时，将待评估立体视频的播放参数输入计算机中的视频输入模块，根据疲劳度数据库中已经建立的多因素线性回归模型，对待评估立体视频的视疲劳程度高低进行评测，而不用再进行观看后评价。立体观看视疲劳的多参数模型可以预测可靠度较高的结果，用该模型可以到达快速评估立体观看视疲劳，从立体视频中预测视疲劳程度可以代替主客观评价，从而减少了主观评价信息收集的复杂性，以避免多次主观评价过程对人体的伤害，提出低视疲劳程度的立体视频的优化设计方案。

所述步骤A中建立的视频数据库中包括不少于10段立体视频。

所述步骤B中的疲劳度参数包括10个项目，分别为头痛、眼干、眼痛、眼灼热、眼紧绷、眼刺痛、视物模糊、重影、恶心和肩僵硬的参数。所述步骤B中的对疲劳度参数10个项目的测评，采用的是含有5个等级的疲劳分级。根据视疲劳症状的严重程度，从1到5分别分为没有视疲劳、轻度疲劳、中等视疲劳、严重视疲劳、非常严重视疲劳五个量级。每两个相邻的等级之间还可以设置一个中间值，这样共计9个评价值。

所述步骤B中每段视频至少输入20组的疲劳度参数。

所述疲劳度参数由1.0以上的视力、屈光参差在2.00DS、至少拥有60″或更低的立体视锐度、眼压低于20毫米汞柱的测试人员提供。

所述播放参数包括视差阈值、视频帧率和串扰度。

所述步骤C中基于SPSS建立多因素线性回归模型：

Y＝a+b₁X₁+b₂X₂+b₃X₃

其中Y为立体视频的疲劳度参数，a、b₁、b₂、b₃为特征参数，X₁、X₂、X₃为立体视频的三个播放参数。

所述建立多因素线性回归模型的方法包括以下步骤：

C1、确定Y、X₁、X₂、X₃的值；

C2、基于Y＝a+b₁X₁+b₂X₂+b₃X₃，求得a、b₁、b₂、b₃；

C4、建立回归方程，得到了立体观看视疲劳的多因素线性回归模型的表达式。

所述C2中采用最小二乘法求得a、b₁、b₂、b₃。在模型的建立方法上，利用最小二乘法计算多因素线性回归模型中的线性回归系数，使预测视疲劳值与主观评价值相关性最大。

本发明与现有技术相比，具有如下的优点和有益效果：

1、本发明一种测评立体视频视疲劳程度的方法与系统，避免了繁琐的主客观评价过程，减少主观评价信息收集的复杂性，并且能快速预测立体视频视疲劳程度；

2、本发明一种测评立体视频视疲劳程度的方法与系统，消除客观评价所使用的眼科检测设备对人体健康的二次伤害，提高了视疲劳评价过程的效率；

3、本发明一种测评立体视频视疲劳程度的方法与系统，数据分析过程的有效性和所建数据模型的可靠性高。

附图说明

此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：

图1为本发明结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步的详细说明，本发明的示意性实施方式及其说明仅用于解释本发明，并不作为对本发明的限定。

实施例1

如图1所示，本发明一种测评立体视频视疲劳程度的方法与系统，包括显示装置，还包括与显示装置连接的处理器，所述处理器上还连接有数据输入模块、视频输入模块、疲劳度数据库和视频数据库；

显示装置：接收处理器发送的视频数据并进行播放；

处理器：接收外界输入的疲劳度参数，从视频数据库中读取对应视频的播放参数，建立疲劳度多因素线性回归模型储存到疲劳度数据库中；接收视频输入模块发送的视频数据，读取视频数据中的播放参数，带入疲劳度数据库中储存的储存疲劳度多因素线性回归模型中计算视频的疲劳度参数；

数据输入模块：接收外界输入的疲劳度参数并发送给处理器；

视频输入模块：接收外界发送的视频数据，处理后发送到处理器；

疲劳度数据库：储存疲劳度多因素线性回归模型；

视频数据库：储存视频数据。显示装置为以下立体显示器或系统中的一种：分色立体显示器、快门式立体显示器、偏振式立体显示器、光栅式立体显示器、分色立体投影系统、快门式立体显示系统、偏振式立体投影系统、光栅式立体投影系统。数据输入模块用于采集参与实验的受试者在观看立体显示内容前后的视疲劳感受程度，以建立疲劳度多因素线性回归模型的数据库。视频输入模块用于在系统建立完成后输入待测视频到系统中。疲劳度数据库用于储存疲劳度多因素线性回归模型。视频数据库用于储存样本视频。采用上述模块的有机组合，可以实现通过系统自动判断立体视频的疲劳度参数，解决现有立体视频测试需要大量测试人员对其进行长时间观看而对其进行主观或客观评价，但是长时间观看这些立体视频会造成观看者诸如头痛、头晕、眼灼热等视疲劳现象，甚至有可能对人体造成永久性伤害的问题。

一种测评立体视频视疲劳程度的方法，包括以下步骤：

A、基于现有的立体视频建立视频数据库；

B、通过数据输入模块输入步骤A中建立的视频数据库中视频的疲劳度参数；通过处理器提取步骤A中建立的视频数据库中视频的播放参数；

C、匹配视频的疲劳度参数和播放参数，建立多因素线性回归模型并储存在疲劳度数据库中；

D、通过视频输入模块将待测视频输入处理器中，处理器读取待测视频的播放参数，将待测视频的播放参数带入步骤C中建立的多因素线性回归模型，得到待测视频的疲劳度参数。本发明提供一种测评立体视频视疲劳程度高低的方法，用于评估制作出来的立体视频视疲劳程度是否较低，即是否达到观看者所需要的舒适度。首先，根据已有的大量立体视频样本建立视频数据库，让足够数量的测试人员对其进行评估，然后得到立体视频样本的疲劳度参数。其次，用SPSS数据统计分析软件进行数据分析并建立疲劳度数据库，将数据库存储在计算机中。疲劳度数据库中包含了疲劳度参数与立体视频播放参数的多因素线性回归模型。最后，当需要对一个新的立体视频进行视疲劳度参数的评价，以判断其能否达到观看者能接受的舒适度要求时，将待评估立体视频的播放参数输入计算机中的视频输入模块，根据疲劳度数据库中已经建立的多因素线性回归模型，对待评估立体视频的视疲劳程度高低进行评测，而不用再进行观看后评价。立体观看视疲劳的多参数模型可以预测可靠度较高的结果，用该模型可以到达快速评估立体观看视疲劳，从立体视频中预测视疲劳程度可以代替主客观评价，从而减少了主观评价信息收集的复杂性，以避免多次主观评价过程对人体的伤害，提出低视疲劳程度的立体视频的优化设计方案。

所述步骤A中建立的视频数据库中包括10段立体视频。

所述步骤B中的疲劳度参数包括10个项目，分别为头痛、眼干、眼痛、眼灼热、眼紧绷、眼刺痛、视物模糊、重影、恶心和肩僵硬的参数。所述步骤B中的对疲劳度参数10个项目的测评，采用的是含有5个等级的疲劳分级。根据视疲劳症状的严重程度，从1到5分别分为没有视疲劳、轻度疲劳、中等视疲劳、严重视疲劳、非常严重视疲劳五个量级。每两个相邻的等级之间还可以设置一个中间值，这样共计9个评价值。

所述步骤B中每段视频输入20组的疲劳度参数。

所述疲劳度参数由1.0以上的视力、屈光参差在2.00DS、至少拥有60″或更低的立体视锐度、眼压低于20毫米汞柱的测试人员提供。

所述播放参数包括视差阈值、视频帧率和串扰度。

所述步骤C中基于SPSS建立多因素线性回归模型：

Y＝a+b₁X₁+b₂X₂+b₃X₃

其中Y为立体视频的疲劳度参数，a、b₁、b₂、b₃为特征参数，X₁、X₂、X₃为立体视频的三个播放参数。

所述建立多因素线性回归模型的方法包括以下步骤：

C1、确定Y、X₁、X₂、X₃的值；

C2、基于Y＝a+b₁X₁+b₂X₂+b₃X₃，求得a、b₁、b₂、b₃；

C4、建立回归方程，得到了立体观看视疲劳的多因素线性回归模型的表达式。

所述C2中采用最小二乘法求得a、b₁、b₂、b₃。在模型的建立方法上，利用最小二乘法计算多因素线性回归模型中的线性回归系数，使预测视疲劳值与主观评价值相关性最大。

实施例2

一种测评立体视频视疲劳程度的方法，包括以下步骤：

A、基于现有的立体视频建立具有10段时间不少于30分钟视频数据库；

B、通过数据输入模块输入步骤A中建立的视频数据库中视频的疲劳度参数，所述疲劳度参数包括10个项目，分别为头痛、眼干、眼痛、眼灼热、眼紧绷、眼刺痛、视物模糊、重影、恶心和肩僵硬。所述步骤B中的对疲劳度参数10个项目的测评，采用的是含有5个等级的主观疲劳问卷，根据视疲劳症状的严重程度，从1到5分别为没有视疲劳、轻度疲劳、中等视疲劳、严重视疲劳、非常严重视疲劳五个量级。每两个相邻的等级之间可以有一个中间值，这样共计9个评价值可供观看者选择。所述步骤B中每段视频输入20组的疲劳度参数，所述疲劳度参数由1.0以上的视力、屈光参差在2.00DS、至少拥有60″或更低的立体视锐度、眼压低于20毫米汞柱的测试人员提供；通过处理器提取步骤A中建立的视频数据库中视频的播放参数，所述播放参数包括视差阈值、视频帧率和串扰度；

C、匹配视频的疲劳度参数和播放参数，建立多因素线性回归模型并储存在疲劳度数据库中；所述步骤C中基于SPSS建立多因素线性回归模型：

Y＝a+b₁X₁+b₂X₂+b₃X₃

其中Y为立体视频的疲劳度参数，a、b₁、b₂、b₃为特征参数，X₁、X₂、X₃分别为立体视频的视差阈值、视频帧率和串扰度参数；所述建立多因素线性回归模型的方法包括以下步骤：

C1、确定Y、X₁、X₂、X₃的值；

C2、基于Y＝a+b₁X₁+b₂X₂+b₃X₃，求得a、b₁、b₂、b₃；

C4、建立回归方程，得到了立体观看视疲劳的多因素线性回归模型的表达式。

所述C2中采用最小二乘法求得a、b₁、b₂、b₃。在模型的建立方法上，利用最小二乘法计算多因素线性回归模型中的线性回归系数，使预测视疲劳值与主观评价值相关性最大。

D、通过视频输入模块将待测视频输入处理器中，处理器读取待测视频的播放参数，将待测视频的播放参数带入步骤C中建立的多因素线性回归模型，得到待测视频的疲劳度参数。

实施例3

使用：视差阈值X1的取值为30′、50′、70′；视频帧率X2的取值为20fps、25fps、30fps；串扰度X3的取值为10％、15％、20％的数据建立多因素线性回归模型。

其组合如下：

X1	X2	X3	Y
				30	20	10	1.75
30	25	10	1.80
				30	30	10	2.35
50	20	10	2.05
				50	25	10	3.20
50	30	10	3.55
				70	20	10	2.15
…	…	…	..

将这些数据输入SPSS，根据最小二乘法确定了a、b₁、b₂、b₃分别为-5.2789，0.0522，0.1176，0.1438。

代入多因素线性回归模型，得：

Y＝-5.2789+0.0522X₁+0.1176X₂+0.1438X₃

若有一段待测视频，采用人工评测的方法获得疲劳度参数为2.15，其播放参数为：视差阈值70′、视频帧率20fps和串扰度10％，代入上式，则可以求得待测视频的疲劳度参数为2.1651，与人工评测的方法获得疲劳度参数的误差在合理范围内。因而，不再需要主客观的视疲劳评估。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种测评立体视频视疲劳程度的系统，包括显示装置，其特征在于，还包括与显示装置连接的处理器，所述处理器上还连接有数据输入模块、视频输入模块、疲劳度数据库和视频数据库；

显示装置：接收处理器发送的视频数据并进行播放；

处理器：接收外界输入的疲劳度参数，从视频数据库中读取对应视频的播放参数，建立疲劳度多因素线性回归模型储存到疲劳度数据库中；接收视频输入模块发送的视频数据，读取视频数据中的播放参数，带入疲劳度数据库中储存的储存疲劳度多因素线性回归模型中计算视频的疲劳度参数；

数据输入模块：接收外界输入的疲劳度参数并发送给处理器；

视频输入模块：接收外界发送的视频数据，处理后发送到处理器；

疲劳度数据库：储存疲劳度多因素线性回归模型；

视频数据库：储存视频数据。

2.根据权利要求1所述的一种测评立体视频视疲劳程度的方法，其特征在于，包括以下步骤：

A、基于现有的立体视频建立视频数据库；

B、通过数据输入模块输入步骤A中建立的视频数据库中视频的疲劳度参数；通过处理器提取步骤A中建立的视频数据库中视频的播放参数；

C、匹配视频的疲劳度参数和播放参数，建立多因素线性回归模型并储存在疲劳度数据库中；

D、通过视频输入模块将待测视频输入处理器中，处理器读取待测视频的播放参数，将待测视频的播放参数带入步骤C中建立的多因素线性回归模型，得到待测视频的疲劳度参数。

3.根据权利要求2所述的一种测评立体视频视疲劳程度的方法，其特征在于，所述步骤A中建立的视频数据库中包括不少于10段立体视频。

4.根据权利要求2所述的一种测评立体视频视疲劳程度的方法，其特征在于，所述步骤B中的疲劳度参数包括10个项目，分别为头痛、眼干、眼痛、眼灼热、眼紧绷、眼刺痛、视物模糊、重影、恶心和肩僵硬的参数。

5.根据权利要求2所述的一种测评立体视频视疲劳程度的方法，其特征在于，所述步骤B中每段视频至少输入20组的疲劳度参数。

6.根据权利要求5所述的一种测评立体视频视疲劳程度的方法，其特征在于，所述疲劳度参数由1.0以上的视力、屈光参差在2.00DS、至少拥有60″或更低的立体视锐度、眼压低于20毫米汞柱的测试人员提供。

7.根据权利要求2所述的一种测评立体视频视疲劳程度的方法，其特征在于，所述播放参数包括视差阈值、视频帧率和串扰度。

8.根据权利要求2所述的一种测评立体视频视疲劳程度的方法，其特征在于，所述步骤C中基于SPSS建立多因素线性回归模型：

Y＝a+b₁X₁+b₂X₂+b₃X₃

其中Y为立体视频的疲劳度参数，a、b₁、b₂、b₃为特征参数，X₁、X₂、X₃为立体视频的三个播放参数。

9.根据权利要求8所述的一种测评立体视频视疲劳程度的方法，其特征在于，所述建立多因素线性回归模型的方法包括以下步骤：

C1、确定Y、X₁、X₂、X₃的值；

C2、基于Y＝a+b₁X₁+b₂X₂+b₃X₃，求得a、b₁、b₂、b₃；

C4、建立回归方程，得到了立体观看视疲劳的多因素线性回归模型的表达式。

10.根据权利要求9所述的一种测评立体视频视疲劳程度的方法，其特征在于，所述C2中采用最小二乘法求得a、b₁、b₂、b₃。