CN107361778B - 一种人员疲劳检测方法 - Google Patents
一种人员疲劳检测方法 Download PDFInfo
- Publication number
- CN107361778B CN107361778B CN201710641326.6A CN201710641326A CN107361778B CN 107361778 B CN107361778 B CN 107361778B CN 201710641326 A CN201710641326 A CN 201710641326A CN 107361778 B CN107361778 B CN 107361778B
- Authority
- CN
- China
- Prior art keywords
- fatigue
- picture
- variance
- average value
- tester
- 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.)
- Expired - Fee Related
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/18—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state for vehicle drivers or machine operators
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/165—Evaluating the state of mind, e.g. depression, anxiety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/59—Context or environment of the image inside of a vehicle, e.g. relating to seat occupancy, driver state or inner lighting conditions
- G06V20/597—Recognising the driver's state or behaviour, e.g. attention or drowsiness
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/19—Sensors therefor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2503/00—Evaluating a particular growth phase or type of persons or animals
- A61B2503/20—Workers
- A61B2503/22—Motor vehicles operators, e.g. drivers, pilots, captains
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Psychiatry (AREA)
- General Health & Medical Sciences (AREA)
- Psychology (AREA)
- Biophysics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Child & Adolescent Psychology (AREA)
- Developmental Disabilities (AREA)
- Educational Technology (AREA)
- Hospice & Palliative Care (AREA)
- Veterinary Medicine (AREA)
- Social Psychology (AREA)
- Public Health (AREA)
- Multimedia (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供一种人员疲劳检测方法,预存N幅测试图片作为图片数据库,在显示界面上随机先后显示图片数据库中的图片;通过眼动跟踪仪跟踪测试者的眼睛;计算测试者的眼睛从第k幅图片出现的最后时刻眼睛注视的位置到测试者眼睛变为注视第k+1幅图片的位置之间的时间间隔δtk;进行疲劳检测时,在设定的测试时间内,获取该测试时间内的所有时间间隔,然后求取所有时间间隔的平均值,若该平均值处于设定的疲劳平均值范围内,则表明测试者疲劳,若该平均值处于设定的疲劳平均值范围外,则表明测试者不疲劳。本明测试设备与被试人员无接触,操作简单;基于视觉刺激范式,避免伪装疲劳。
Description
技术领域
本发明涉及一种检测方法,尤其涉及一种通过眼动跟踪进行人员疲劳的方法。
背景技术
对于驾驶类或者机床操作类岗位,需要操作人员保持清醒状态,尤其是容易因为操作不当引起重大灾难或者损失的岗位。检测或者监测人的疲劳状态的常见方法包括:脑电波检测、眼部监测、面部状态检测以及生理指标(血压、血氧量等)检测。
现有的方法具有以下缺陷:
缺陷一:脑电波单电极不能精确分类疲劳程度、湿式脑电电极操作繁琐,被试存在抵触情绪、干式脑电电极价格昂贵;
缺陷二:基于自发脑电的疲劳检测,容易伪装疲劳;
缺陷三:基于生理指标,设备复杂,不便携。
发明内容
本发明提供一种测试设备与被试人员无接触,操作简单的人员疲劳检测方法,以解决现有技术存在的问题。
本发明采用以下技术方案:
一种人员疲劳检测方法:
预存N幅测试图片作为图片数据库,所述N不小于2;
在显示界面上随机先后显示图片数据库中的图片;其中第k幅图片出现的位置和出现的时刻与第k+1幅图片出现的位置和出现的时刻均不同;其中k∈[1,N);
通过眼动跟踪仪跟踪测试者的眼睛;
计算测试者的眼睛从第k幅图片出现的最后时刻眼睛注视的位置到测试者眼睛变为注视第k+1幅图片的位置之间的时间间隔δtk;
进行疲劳检测时,在设定的测试时间内,获取该测试时间内的所有时间间隔,然后求取所有时间间隔的平均值,若该平均值处于设定的疲劳平均值范围内,则表明测试者疲劳,若该平均值处于设定的疲劳平均值范围外,则表明测试者不疲劳。
所述进行疲劳检测的方法具体为:
计算测试者在注视相邻两幅图片过程中的眼动跳变时间间隔的均值和方差,与预先设定的方差阈值比较,判断计算获取的方差是否在方差阈值范围外,若是,则本次检测数据作废,重新进行检测;
若处于方差阈值范围内,则判断测试的均值是否在预先设定的疲劳均值范围内,若该均值处于设定的疲劳均值范围内,则表明测试者疲劳;否则说明测试者不疲劳。
所述预存的N幅图片分为出现频率在设定频率阈值以下的小概率图片组和出现频率在设定频率阈值以上的大概率图片组,设第k幅图片为大概率图片,若第k+1幅图片为小概率图片,则时间间隔记为δtk1,若第k+1幅图片是大概率图片,则时间间隔δtk2;
计算所有由大概率图片跳变到小概率图片情况的时间间隔δtk1的平均值μ1和方差σ2 1,和所有由大概率图片跳变到大概率图片情况的时间间隔的平均值μ2和方差σ2 2;若方差σ2 1或方差σ2 2超过预设的方差阈值,本次数据作废,要求被试者重新测试;若方差σ2 1和方差σ2 2低于预设的方差阈值,则:
(1)若μ1-μ2>V,其中,V为设定的已知数值,则认为被试者伪装疲劳,被试者的实际时间间隔平均值为μ2,同时给出被试者作弊警示;
(2)若μ1-μ2≤V,则认为被试者疲劳。
设置无校准数据的平均数据库:对疲劳平均值范围内的平均值进行疲劳程度分级,即所述平均数据库中不同的平均值对应不同的疲劳程度;
设置有校准标准的个人数据库:针对不同的人预设不同的疲劳平均值对应的疲劳程度,对每个人的疲劳程度进行分级;
所述μ1-μ2≤V的情况下,有两种处理模式:
a.有校准数据的被试者:分别将μ1和μ2与个人数据库中不同疲劳程度对应的μ1和μ2进行比较,完成疲劳程度分级;
b.无校准数据的被试者:分别将μ1和μ2与平均数据库中不同疲劳程度对应的μ1和μ2进行比较,完成疲劳程度分级。
所述在设定的测试时间内,获取该测试时间内的所有时间间隔后,根据滤波算法去除异常值,获取剩余时间间隔的平均值。
本明的有益效果:(1)测试设备与被试人员无接触,操作简单;(2)基于视觉刺激范式,避免伪装疲劳。
附图说明
图1为本发明的设备示意图。
具体实施方式
下面结合附图和具体实施方式对本发明作进一步详细说明。
本发明提供一种人员疲劳检测方法,通过眼动跟踪仪、显示器和电脑主机进行相配合的操作完成。眼动跟踪仪记录被试人员在某一时刻眼睛注视屏幕上的位置,并且具备同步外触发功能,能根据视觉刺激范式中图片的显示时刻进行同步记录。而记录参数至少包括:被试者眼睛注视的显示器位置及其对应的时刻。
首先需要被试者注视显示器,然后在显示器的随机位置上,随机的出现预设的图片对被试者进行视觉刺激,假设第k幅图片出现的位置为(xk,yk)、出现时刻为tk;第k+1幅图片出现的位置为(xk+1,yk+1)、出现时刻为tk+1。则记录被试者从注视第k幅图片变为注视第k+1幅图片的时间间隔δtk,k∈[1,N)。即记录在从第k幅图片出现的最后时刻眼睛注视的位置到测试者眼睛变为注视第k+1幅图片的时刻之间的时间间隔为δtk。利用该时间间隔的大小来表征被试者反应时间的长短,反应时间越长表示疲劳程度越高。由于图片的更换频率较快,极少出现在第k+1幅图片出现前注视着眼睛注视第k幅图片之外的区域情况。
为了避免被试人员作弊,将视觉刺激图片依照一定的范式设计,范式设计的理论依据为:小概率出现的图片更能引起被试者的注意。因此范式的设计形式为:图片库有N幅图片,其中的(N-M)幅中具有相同或相似的形态、颜色或大小等特征的物体 (M/N介于10%~20%,不超过30%),其中的M幅中具有特征差异较大的物体,随机选择图片的显示顺序。
下述的具体实施过程中,所有的预设数据均为可调参数,能够根据不同的情况进行适应性调整。
本发明的具体实施方式如下:
预存N幅测试图片作为图片数据库,N不小于2。
在显示界面上随机先后显示图片数据库中的图片;其中第k幅图片出现的位置和出现的时刻与第k+1幅图片出现的位置和出现的时刻均不同,为了获取更准确的数据,可以设置先后出现的两幅图片的出现位置较远,在预设的距离之外。
通过眼动跟踪仪跟踪测试者的眼睛注视的位置和该位置对应的时刻并传输给电脑主机,电脑主机对眼睛注视的位置和图片的位置进行对比,根据眼动跟踪仪的数据判断眼睛注视电脑显示屏的位置。
计算测试者从第k幅图片出现的最后时刻眼睛注视的位置到测试者眼睛变为注视第k+1幅图片的时刻之间的时间间隔为δtk。
而进行疲劳检测时,需要在设定的测试时间内,按照预先设定的出现频率在显示器上随机的显示图片,获取该测试时间内的所有时间间隔δtk,然后获取所有时间间隔的平均值,若该平均值处于预先设定的疲劳平均值范围内,则表明测试者疲劳,若该平均值处于设定的疲劳平均值范围外,则表明测试者不疲劳。
在设计时,如果需要经常针对同一批人进行疲劳测试,可以针对不同的人设计不同范围的疲劳平均值,进而形成更加准确的疲劳平均值范围。
上述的进行疲劳检测的方法具体为:
首先计算在测试时间内获取的所有时间间隔的平均值(即均值)和方差,根据预先设定的方差阈值,判断计算获取的方差是否在方差阈值范围外,是则本次检测数据作废,重新进行检测;若处于方差阈值范围内,则判断均值是否在预先设定的疲劳平均值范围内,若该均值处于设定的疲劳平均值范围内,则表明测试者疲劳;否则说明测试者不疲劳。
由于在测试时不可避免会出现异常噪声值的干扰,因此,在设定的测试时间内获取该测试时间内的所有时间间隔后,需要首先根据滤波算法去除异常值,然后获取剩余时间间隔的平均值,使用该平均值进行计算。
由于不同的人对不同的图片具有不同的敏感度,因此,为了获取更加准确的测量数值,针对不同的人,对图片分为感兴趣的图片和不感兴趣的图片,该图片的分类由被试者实现进行划分,感兴趣的图片设置为出现概率小的图片,而不感兴趣的图片设定为出现概率大的图片,该种设计方法能够避免在疲劳的状态下出现感兴趣的照片,使得测试的时间间隔不准确。
即本发明需要对预存的N幅图片分为出现频率在设定频率阈值以下的小概率图片组和出现频率在设定频率阈值以上的大概率图片组,设第k幅图片为大概率图片,若第k+1幅图片为小概率图片,则时间间隔记为δtk1,若第k+1幅图片是大概率图片,则时间间隔δtk2;
计算所有由大概率图片跳变到小概率图片情况的时间间隔δtk1的平均值μ1和方差σ2 1,和所有由大概率图片跳变到大概率图片情况的时间间隔的平均值μ2和方差σ2 2;若方差σ2 1或方差σ2 2超过预设的方差阈值,本次数据作废,要求被试者重新测试;若方差σ2 1和方差σ2 2低于方差阈值,则:
(1)若μ1-μ2>V,其中,V为设定的已知数值,则认为被试者伪装疲劳,被试者的实际时间间隔平均值为μ2,同时给出被试者作弊警示;
(2)若μ1-μ2≤V,则有两种处理模式:
a.有校准数据的被试者:分别将μ1和μ2与个人数据库中不同疲劳程度对应的μ1和μ2进行比较,完成疲劳程度分级;
b.无校准数据的被试者:分别将μ1和μ2与平均数据库中不同疲劳程度对应的μ1和μ2进行比较,完成疲劳程度分级。
即在上述中,需要设置无校准数据的平均数据库:对疲劳平均值范围内的平均值进行疲劳程度分级,即所述平均数据库中不同的平均值对应不同的疲劳程度;和有校准标准的个人数据库:针对不同的人预设不同的疲劳平均值对应的疲劳程度,对每个人的疲劳程度进行分级;然后根据分级输出每个人的疲劳程度。
本发明的实施步骤为:
在操作过程层面包括两个过程:被试人员疲劳程度校准和疲劳程度检测。
(1)疲劳程度标校及个人数据库建立过程步骤
1)以某种形式确定被试的实际疲劳状态,如:分别取“未操作”、“操作1个小时”、“操作2个小时”等,或者对被试人员做问卷调查等;
2)配置被试人员的个性化参数,包括个人信息记录、瞳孔位置标校等;
3)配置在屏幕上显示视觉刺激范式参数。包括本次检测所需图片总数,图片显示位置、显示持续时间以及两幅图片的间隔时间;
4)按概率随机出现视觉刺激图片,并同步触发注视点记录;
5)检测图片播放完毕后,进行数据处理,对该被试在该疲劳程度下的数据进行标签存储。
(2)检测操作实施步骤:
1)配置被试人员的个性化参数,包括个人信息记录、瞳孔位置标校等;
2)配置在屏幕上显示视觉刺激范式参数。包括本次检测所需图片总数,图片显示位置、显示持续时间以及两幅图片的间隔时间;
3)按概率随机出现视觉刺激图片,并同步触发注视点记录;
4)检测图片播放完毕后,进行数据处理,给出疲劳程度。
以上所述的仅是本发明的优选实施方式,应当指出,对于本领域的技术人员来说,在不脱离本发明整体构思前提下,还可以作出若干改变和改进,这些也应该视为本发明的保护范围。
Claims (3)
1.一种人员疲劳检测方法,其特征在于:
预存N幅测试图片作为图片数据库,所述N不小于2;
在显示界面上随机先后显示图片数据库中的图片;其中第k幅图片出现的位置和出现的时刻与第k+1幅图片出现的位置和出现的时刻均不同;其中k∈[1,N);
通过眼动跟踪仪跟踪测试者的眼睛;
计算测试者的眼睛从第k幅图片出现的最后时刻眼睛注视的位置到测试者眼睛变为注视第k+1幅图片的位置之间的时间间隔δtk;
所述预存的N幅图片分为出现频率在设定频率阈值以下的小概率图片组和出现频率在设定频率阈值以上的大概率图片组,设第k幅图片为大概率图片,若第k+1幅图片为小概率图片,则时间间隔记为δtk1,若第k+1幅图片是大概率图片,则时间间隔记为δtk2;
计算所有由大概率图片跳变到小概率图片情况的时间间隔δtk1的平均值μ1和方差σ2 1,和所有由大概率图片跳变到大概率图片情况的时间间隔的平均值μ2和方差σ2 2;若方差σ2 1或方差σ2 2超过预设的方差阈值,本次数据作废,要求被试者重新测试;若方差σ2 1和方差σ2 2低于预设的方差阈值,则:
(1)若μ1-μ2>V,其中,V为设定的已知数值,则认为被试者伪装疲劳,被试者的实际时间间隔平均值为μ2,同时给出被试者作弊警示;
(2)若μ1-μ2≤V,则认为被试者疲劳。
2.根据权利要求1所述的一种人员疲劳检测方法,其特征在于:
设置无校准数据的平均数据库:对疲劳平均值范围内的平均值进行疲劳程度分级,即所述平均数据库中不同的平均值对应不同的疲劳程度;
设置有校准数据的个人数据库:针对不同的人预设不同的疲劳平均值对应的疲劳程度,对每个人的疲劳程度进行分级;
所述μ1-μ2≤V的情况下,有两种处理模式:
a.有校准数据的被试者:分别将μ1和μ2与个人数据库中不同疲劳程度对应的μ1和μ2进行比较,完成疲劳程度分级;
b.无校准数据的被试者:分别将μ1和μ2与平均数据库中不同疲劳程度对应的μ1和μ2进行比较,完成疲劳程度分级。
3.根据权利要求1所述的一种人员疲劳检测方法,其特征在于:所述在设定的测试时间内,获取该测试时间内的所有时间间隔后,根据滤波算法去除异常值,获取剩余时间间隔的平均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710641326.6A CN107361778B (zh) | 2017-07-31 | 2017-07-31 | 一种人员疲劳检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710641326.6A CN107361778B (zh) | 2017-07-31 | 2017-07-31 | 一种人员疲劳检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107361778A CN107361778A (zh) | 2017-11-21 |
CN107361778B true CN107361778B (zh) | 2020-07-07 |
Family
ID=60309532
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710641326.6A Expired - Fee Related CN107361778B (zh) | 2017-07-31 | 2017-07-31 | 一种人员疲劳检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107361778B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110495895B (zh) * | 2019-08-26 | 2020-04-28 | 重庆大学 | 一种基于眼动跟踪的疲劳检测方法与系统 |
CN115844404B (zh) * | 2023-03-01 | 2023-05-12 | 中国民航大学 | 一种基于眼动数据的管制员注意力特征评价方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101951829A (zh) * | 2007-11-05 | 2011-01-19 | Opko仪器公司 | 一种进行视敏度测试的方法 |
CN105513280A (zh) * | 2016-01-15 | 2016-04-20 | 苏州大学 | 疲劳驾驶检测方法 |
CN105718058A (zh) * | 2016-01-20 | 2016-06-29 | 毕宏生 | 调节灵敏度检查视力装置 |
CN106037765A (zh) * | 2016-06-30 | 2016-10-26 | 长春奥普光电技术股份有限公司 | 一种快速便捷检测作业疲劳度的方法 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007111247A (ja) * | 2005-10-20 | 2007-05-10 | Nissan Motor Co Ltd | 運転者状態表示装置、および運転者状態表示方法 |
JP2011078705A (ja) * | 2009-10-09 | 2011-04-21 | Panasonic Corp | 生体疲労評価装置 |
JP4733242B2 (ja) * | 2009-10-15 | 2011-07-27 | パナソニック株式会社 | 運転注意量判別装置、方法、および、コンピュータプログラム |
KR101607372B1 (ko) * | 2013-11-19 | 2016-03-29 | 박행배 | 안구 피로회복 및 시력회복 장치 |
JP2016012332A (ja) * | 2014-06-27 | 2016-01-21 | 重井 晴雄 | 乗り物での運転中居眠り状態になりかけたとき、その居眠り状態になることを防止できるように視線追跡センサー等で瞳孔や上眼瞼の状態を観察することで、状態の変化を感知し座席に組み込んだバイブロモーター等を使って、身体に振動を伝え居眠りを防止する運転時の居眠り防止装置。 |
US9277857B1 (en) * | 2014-11-06 | 2016-03-08 | Bertec Corporation | System for testing and/or training the vision of a subject |
CN105069304B (zh) * | 2015-08-18 | 2019-04-05 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种基于机器学习的评估预测asd的装置 |
-
2017
- 2017-07-31 CN CN201710641326.6A patent/CN107361778B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101951829A (zh) * | 2007-11-05 | 2011-01-19 | Opko仪器公司 | 一种进行视敏度测试的方法 |
CN105513280A (zh) * | 2016-01-15 | 2016-04-20 | 苏州大学 | 疲劳驾驶检测方法 |
CN105718058A (zh) * | 2016-01-20 | 2016-06-29 | 毕宏生 | 调节灵敏度检查视力装置 |
CN106037765A (zh) * | 2016-06-30 | 2016-10-26 | 长春奥普光电技术股份有限公司 | 一种快速便捷检测作业疲劳度的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107361778A (zh) | 2017-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US8337019B2 (en) | Testing vision | |
JP6951327B2 (ja) | 視覚の様相を検査する方法及びシステム | |
KR101785255B1 (ko) | 형상 구별 시력 평가 및 추적 시스템 | |
JP5832747B2 (ja) | 感覚野の機能を評価するための装置の作動方法および装置 | |
CN110801237A (zh) | 一种基于眼动和脑电特征的认知能力评估系统及其方法 | |
TWI543744B (zh) | 適應性視覺效能測試系統 | |
US20200073476A1 (en) | Systems and methods for determining defects in visual field of a user | |
WO2006106877A1 (ja) | 視野計及び視野計測方法 | |
Makowski et al. | DeepEyedentificationLive: Oculomotoric biometric identification and presentation-attack detection using deep neural networks | |
US6402320B1 (en) | Methods and apparatus for measuring visual acuity in preverbal children | |
CN109620266B (zh) | 个体焦虑水平的检测方法和系统 | |
WO2019111259A1 (en) | Methods and systems for determining mental load | |
US9681835B2 (en) | Detection of vestibular disorders based on vestibular noise | |
CN107361778B (zh) | 一种人员疲劳检测方法 | |
CN106667426A (zh) | 一种大细胞通路功能检测方法和系统 | |
CN115553707A (zh) | 一种基于眼动追踪的对比敏感度测量方法及设备 | |
KR20170087863A (ko) | 유아 검사 방법 및 그 검사 방법을 구현하기 위한 적합한 검사 장치 | |
CN108495584B (zh) | 用于通过触觉界面确定眼球运动的装置和方法 | |
US10070812B2 (en) | Method for improved seizure detection | |
CN109875498B (zh) | 一种基于反应时间的动态视力测量系统 | |
CN117137426B (zh) | 基于微扫视特征监测的视野损伤评估训练方法及系统 | |
CN115996664B (zh) | 用于确定屈光不正的方法和设备 | |
CN109171739B (zh) | 运动数据获取方法及应用于该方法的获取装置 | |
WO2023044520A1 (en) | Methods and systems for screening for central visual field loss | |
CN112890763A (zh) | 即刻后像视功能检测方法、装置和视功能检测设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200707 Termination date: 20210731 |
|
CF01 | Termination of patent right due to non-payment of annual fee |