CN107468206A - 一种基于瞳孔直径的立体观看视疲劳预测方法 - Google Patents

一种基于瞳孔直径的立体观看视疲劳预测方法 Download PDF

Info

Publication number
CN107468206A
CN107468206A CN201710645206.3A CN201710645206A CN107468206A CN 107468206 A CN107468206 A CN 107468206A CN 201710645206 A CN201710645206 A CN 201710645206A CN 107468206 A CN107468206 A CN 107468206A
Authority
CN
China
Prior art keywords
subjective
stereos copic
viewing
age
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.)
Pending
Application number
CN201710645206.3A
Other languages
English (en)
Inventor
王勤
程辉
顾升学
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.)
Chengdu University
Original Assignee
Chengdu University
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 Chengdu University filed Critical Chengdu University
Priority to CN201710645206.3A priority Critical patent/CN107468206A/zh
Publication of CN107468206A publication Critical patent/CN107468206A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B3/00—Apparatus for testing the eyes; Instruments for examining the eyes
    • A61B3/10—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions
    • A61B3/11—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for measuring interpupillary distance or diameter of pupils
    • A61B3/112—Objective types, i.e. instruments for examining the eyes independent of the patients' perceptions or reactions for measuring interpupillary distance or diameter of pupils for measuring diameter of pupils

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Biophysics (AREA)
  • Ophthalmology & Optometry (AREA)
  • Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Physics & Mathematics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Eye Examination Apparatus (AREA)

Abstract

本发明公开了一种主观或客观立体观看疲劳模型的建立方法，包括主观视疲劳程度得分F1、基于瞳孔直径的客观评价得分F2，所述F1为测试人员观看影片后的主观感受，所述F2为测试人员观看影片后的瞳孔直径；及以下步骤，步骤1：选取不同年龄段的测试人员，观看不同类型的影片，并记录影片数据Y，观看角度X4，观看者年龄X5；步骤2：通过测试人员主观感受表达，得出F1；且通过设备直接探测测试人员的瞳孔直径得出F2；步骤3：建立主观立体观看疲劳模型，所述主观立体观看疲劳模型是以F1为结果，以影片数据Y，观看角度X4，观看者年龄X5为影响因素的疲劳模型；建立客观立体观看疲劳模型。

Description

一种基于瞳孔直径的立体观看视疲劳预测方法
技术领域
本发明涉及一种预测方法，具体涉及一种基于瞳孔直径的立体观看视疲劳预测方法。
背景技术
随着社会的发展，2D显示在某些方面已经不能满足人类的需求，视觉体验更真实的3D显示技术成为了未来的发展趋势。限制3D显示广泛应用的最主要因素为3D显示引起观看者的立体观看视疲劳。立体观看视疲劳指的是观看3D显示时，眼或全身状况和心理因素相互交织的综合征。立体观看视疲劳的症状包括头痛头晕、失去深度感、视力模糊、恶心等短期症状，甚至包括一些不可逆的如视力下降等长期伤害。考虑到3D显示的市场化前景，为了保证3D显示技术持续稳定的发展和3D显示装置的推广，需要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2D显示相同的观看舒适度。现在迫切需要对立体观看视疲劳的深入广泛研究，以建立3D显示行业标准，为制作舒适度更高的3D显示产品提供了理论依据，保障观看者的健康，推动3D显示技术的不断发展。基于此，国际上众多研究机构开展了立体观看视疲劳方面的研究工作，主要涉及显立体观看视疲劳的影响因素及其规律，探讨具有较高舒适度的显示方式，研究立体观看视疲劳的评价方法和测试仪器及标准等。
由于主客观评价的实现须由大量观看者在观看3D显示后作出评价，视疲劳的主客观评价操作过程的繁琐，数据量大，操作效率低，实现起来比较耗费人力和时间。更重要的是，观看3D显示的过程本身会使得观看者的身体出现疲劳症状，反复操作会伤害观看者的身体健康。
发明内容
本发明所要解决的技术问题是无法在影片观看之前，得出观看者观看以后的疲劳度，目的在于提供一种基于瞳孔直径的立体观看视疲劳预测方法，解决无法在影片观看之前，得出观看者观看以后的疲劳度的问题。
本发明通过下述技术方案实现：
一种主观或客观立体观看疲劳模型的建立方法，其特征在于：包括主观视疲劳程度得分F1、基于瞳孔直径的客观评价得分F2，所述F1为测试人员观看影片后的主观感受，所述F2为测试人员观看影片后的瞳孔直径；及以下步骤，步骤1：选取不同年龄段的测试人员，观看不同类型的影片，并记录影片数据Y，观看角度X4，观看者年龄X5；步骤2：通过测试人员主观感受表达，得出F1；且通过设备直接探测测试人员的瞳孔直径得出F2；步骤3：建立主观立体观看疲劳模型，所述主观立体观看疲劳模型是以F1为结果，以影片数据Y，观看角度X4，观看者年龄X5为影响因素的疲劳模型；建立客观立体观看疲劳模型，所述主观立体观看疲劳模型是以F2为结果，以影片数据Y，观看角度X4，观看者年龄X5为影响因素的疲劳模型；步骤4：将影片数据Y，观看角度X4，观看者年龄X5和F1实验数据输入SPSS，根据最小二乘法，得出主观立体观看疲劳模型的各影响因素的权重因子；同种方式得出客观立体观看疲劳模型的各影响因素的权重因子；
步骤4中的计算，剔除显著性水平小于5％的变量，进一步，作为本发明的优选方案。
一种基于瞳孔直径的立体观看视疲劳预测方法，包括主观立体观看疲劳模型和客观立体观看疲劳模型，所述主观或客观立体观看疲劳模型均包括影片数据Y，观看角度X4，观看者年龄X5，还包括待观看影片和待观看人，以及下列步骤，步骤1：获取待观看影片数据Y，待观看人的观看角度X4，待观看人的观看者年龄X5的具体数值；步骤2：将步骤1中的待测数据Y；观看角度X4，观看者年龄X5的具体数值，带入主观或客观立体观看疲劳模型，得出主观视疲劳程度得分F1＝f1或基于瞳孔直径的客观评价得分F2＝f2。
由于主客观评价的实现须由大量观看者在观看3D显示后作出评价，视疲劳的主客观评价操作过程的繁琐，数据量大，操作效率低，实现起来比较耗费人力和时间。更重要的是，观看3D显示的过程本身会使得观看者的身体出现疲劳症状，反复操作会伤害观看者的身体健康。所以本发明采用了一种预测的方法，首先通过选取待测数据Y，观看角度X4，观看者年龄X5等参数，建立模型，运用立体观看视疲劳主要影响因素的线性回归模型建立数据库。只需要将待评估3D观看情形的具体值、观看角度、观看者年龄等参数导入计算机的数据库中。计算机中的数据处理模块将根据多因素线性回归方程计算出该3D观看情形的视疲劳的预测值。
主观视疲劳程度得分，是观看者观看3D视频后，根据问卷并直接依靠其主观真实心理感觉对视疲劳程度来进行评估打分，如表1所示。
表1视疲劳主观评价量表
主观评价采用的问卷量表中包含了15个项目，分别为呕吐、头痛、头晕、恶心、眩晕、困倦、乏力、易怒、心烦、背痛、肩痛、颈痛、复视、识字困难、视物模糊。视疲劳主观量表在刻度尺上用竖线标定分数，可选择的范围为0到100分间的任意分数。
所以根据这个表的分类，我们可以将40作为一个阈值点，超出40，就判断为不适合观看。
瞳孔直径的客观评价得分，用于实时记录观看者的瞳孔直径。由于人眼瞳孔直径会随着观看视疲劳的增加而增加，本发明采用瞳孔直径这项生理指标来评估观看者的视觉系统功能，通过瞳孔直径来对视疲劳进行客观评价。客观评价能够验证主观评价结果的正确性。本发明采用可以实时记录观看者瞳孔图像的装置，可在观看者观看3D视频的同时记录观看者的瞳孔直径变化，观看前的瞳孔直径均值为4.0mm，视疲劳时瞳孔直径可增加至4.9mm。
所述待测数据Y包括视差最大值X1，视频帧率X2，环境亮度X3。进一步，作为本发明的优选方案，采用多因素实验设计和方差分析确定各因素对立体观看视疲劳的显著性，并淘汰对视疲劳影响不显著的影响因素，淘汰具有交互作用的因素，获取显著影响因素的最佳水平。选取最具有代表性的视差最大值X1，视频帧率X2，环境亮度X3。
所述主观立体观看疲劳模型包括：
F1＝a+b1X1+b2X2+b3X3+b4X4+b5X5 (1)
其中，F1为主观视疲劳程度得分，a、b1、b2、b3、b4、b5为主观视疲劳的多因素回归方程的特征参数，X1、X2、X3、X4、X5为3D观看情形的五个重要参数，即视差最大值、视频帧率、环境亮度、观看角度、观看者年龄；
用SPSS 20.0数据统计分析软件建立主观评价的多因素回归方程和客观评价的多因素回归方程。其中，主观评价的多因素回归方程为观看者的主观视疲劳程度评估数据与3D视频视差最大值、视频帧率、环境亮度、观看角度、观看者年龄的多因素线性回归方程，客观评价的多因素回归方程为观看者的瞳孔直径数据与视差最大值、视频帧率、环境亮度、观看角度、观看者年龄的多因素线性回归方程。利用最小二乘法计算多因素线性回归方程中的线性回归系数，确保视疲劳预测值与主客观评价值的相关性最大。然后，建立包含多因素回归方程的数据库并存储在计算机中；
其中：a、b1、b3、b4、b5分别为-8.442、0.428、0.723、0.004、1.438，
得出：F1＝-8.442+0.428X1+0.723X3+0.004X4+1.438X5 (2)
所述客观立体观看疲劳模型包括：
F2＝c+d1X1+d2X2+d3X3+d4X4+d5X5 (3)
其中，F2为基于瞳孔直径的客观评价得分，c、d1、d2、d3、d4、d5为视疲劳客观评价的多因素回归模型的特征参数，X1、X2、X3、X4、X5为3D观看情形的五个重要参数，即视差最大值、视频帧率、环境亮度、观看角度、观看者年龄；
用SPSS 20.0数据统计分析软件建立主观评价的多因素回归方程和客观评价的多因素回归方程。其中，主观评价的多因素回归方程为观看者的主观视疲劳程度评估数据与3D视频视差最大值、视频帧率、环境亮度、观看角度、观看者年龄的多因素线性回归方程，客观评价的多因素回归方程为观看者的瞳孔直径数据与视差最大值、视频帧率、环境亮度、观看角度、观看者年龄的多因素线性回归方程。利用最小二乘法计算多因素线性回归方程中的线性回归系数，确保视疲劳预测值与主客观评价值的相关性最大。然后，建立包含多因素回归方程的数据库并存储在计算机中；
其中：c、d2、d3、d5分别为4.021、0.003、0.012、0.009，
得出：F2＝4.021+0.003X2+0.012X3+0.009X5
均采用方差分析法确定对视疲劳有显著影响的因素，通过多元回归分析法建立多因素回归方程，并运用T检验法来检测多因素回归方程的参数之间的线性关系，确保参数之间的线性回归关系的真实存在性。所有统计分析过程均由专业数据统计软件SPSS 20.0软件完成，保证了数据分析过程的有效性和所建数据模型的可靠性。本发明数据库的建立时充分考虑了观看者的心理生理因素，把年龄作为主要影响因素加入到视疲劳多因素回归方程中。由于随着年龄的增加，视觉系统的可塑性降低，调节能力也不断减弱，视功能随着年龄不同而有所区别。本发明将观看者年龄因素加入视疲劳主要影响因素中，确保建立的线性回归方程实用性更高。
本发明与现有技术相比，具有如下的优点和有益效果：
1、本发明一种基于瞳孔直径的立体观看视疲劳预测方法，从客观评价和主观评价之间的一致性入手，使得立体观看视疲劳的评价结果更具有可靠性和有效性，一方面，通过主观评价模块获取观看者的视疲劳程度，另一方面，利用瞳孔记录装置来测量观看者的瞳孔直径，从而客观评价观看者的立体观看视疲劳程度；
2、本发明一种基于瞳孔直径的立体观看视疲劳预测方法，只需要将待评估3D观看情形的3D视频视差最大值、视频帧率、环境亮度、观看角度、观看者年龄五个参数导入计算机的数据库中，计算机中的数据处理模块将根据多因素线性回归方程计算出该3D观看情形的视疲劳的预测值；
3、本发明一种基于瞳孔直径的立体观看视疲劳预测方法，采用方差分析法确定对视疲劳有显著影响的因素，通过多元回归分析法建立多因素回归方程，并运用T检验法来检测多因素回归方程的参数之间的线性关系，确保参数之间的线性回归关系的真实存在性。
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，对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
本发明一种基于瞳孔直径的立体观看视疲劳预测方法，包括待观看影片和待观看人，以及下列步骤，步骤1：获取待观看影片的最大值X1，视频帧率X2，环境亮度X3，获取待观看人的观看角度X4，观看者年龄X5；步骤2：建立立体观看疲劳模型；
F1＝a+b1X1+b2X2+b3X3+b4X4+b5X5 (1)或
F2＝c+d1X1+d2X2+d3X3+d4X4+d5X5 (3)
其中，F1为主观视疲劳程度得分，F2为基于瞳孔直径的客观评价得分，a、b1、b2、b3、b4、b5为主观视疲劳的多因素回归方程的特征参数，c、d1、d2、d3、d4、d5为视疲劳客观评价的多因素回归模型的特征参数，X1、X2、X3、X4、X5为3D观看情形的五个重要参数，即视差最大值、视频帧率、环境亮度、观看角度、观看者年龄；
其中，
视差最大值X1的取值为20′、50′、70′；
视频帧率X2的取值为10fps、20fps、35fps；
环境亮度X3的取值为5％、15％、25％；
观看角度X4的取值为30°、60°、90°；
观看者年龄X5的取值为10岁、20岁、40岁；
将实验数据输入SPSS，根据最小二乘法，剔除显著性水平小于5％的变量，确定各影响因素的权重因子，
其中：a、b1、b3、b4、b5分别为-8.442、0.428、0.723、0.004、1.438，
得出：F1＝-8.442+0.428X1+0.723X3+0.004X4+1.438X5 (2)。
其中，
视差最大值X1的取值为20′、50′、70′；
视频帧率X2的取值为10fps、20fps、35fps；
环境亮度X3的取值为5％、15％、25％；
观看角度X4的取值为30°、60°、90°；
观看者年龄X5的取值为10岁、20岁、40岁；
将实验数据输入SPSS，根据最小二乘法，剔除显著性水平小于5％的变量，确定各影响因素的权重因子，
其中：c、d2、d3、d5分别为4.021、0.003、0.012、0.009
得出：F2＝4.021+0.003X2+0.012X3+0.009X5 (4)。
步骤3：将步骤1中的最大值X1，视频帧率X2，环境亮度X3；观看角度X4，观看者年龄X5，带入步骤2中，得出主观视疲劳程度得分F1＝f1或基于瞳孔直径的客观评价得分F2＝f2；
步骤4：当f1大于40时，判断观看者不适合观看；或当f2大于4.5时，判断观看者不适合观看。
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 (9)

1.一种主观或客观立体观看疲劳模型的建立方法，其特征在于：包括主观视疲劳程度得分F1、基于瞳孔直径的客观评价得分F2，所述F1为测试人员观看影片后的主观感受，所述F2为测试人员观看影片后的瞳孔直径；及以下步骤，
步骤1：选取不同年龄段的测试人员，观看不同类型的影片，并记录影片数据Y，观看角度X4，观看者年龄X5；
步骤2：通过测试人员主观感受表达，得出F1；且通过设备直接探测测试人员的瞳孔直径得出F2；
步骤3：建立主观立体观看疲劳模型，所述主观立体观看疲劳模型是以F1为结果，以影片数据Y，观看角度X4，观看者年龄X5为影响因素的疲劳模型；
建立客观立体观看疲劳模型，所述主观立体观看疲劳模型是以F2为结果，以影片数据Y，观看角度X4，观看者年龄X5为影响因素的疲劳模型；
步骤4：将影片数据Y，观看角度X4，观看者年龄X5和F1实验数据输入SPSS，根据最小二乘法，得出主观立体观看疲劳模型的各影响因素的权重因子；同种方式得出客观立体观看疲劳模型的各影响因素的权重因子。
2.根据权利要求1所述的一种主观或客观立体观看疲劳模型的建立方法，其特征在于：所述步骤4中，剔除显著性水平小于5％的变量。
3.根据权利要求2所述的一种主观或客观立体观看疲劳模型的建立方法，其特征在于：所述步骤1中，影片数据Y包括视差最大值X1，视频帧率X2，环境亮度X3。
4.根据权利要求3所述的一种主观或客观立体观看疲劳模型的建立方法，其特征在于：所述主观立体观看疲劳模型包括：
F1＝a+b1X1+b2X2+b3X3+b4X4+b5X5 (1)
其中，F1为主观视疲劳程度得分，a、b1、b2、b3、b4、b5为主观视疲劳的多因素回归方程的特征参数，X1、X2、X3、X4、X5为视差最大值、视频帧率、环境亮度、观看角度、观看者年龄；
选取不同年龄段的测试人员，观看不同类型的影片，并记录影片数据Y，观看角度X4，观看者年龄X5；通过测试人员主观感受表达，得出F1；且通过设备直接探测测试人员的瞳孔直径得出F2；
将所有实验数据输入SPSS，根据最小二乘法，剔除显著性水平小于5％的变量，确定各影响因素的权重因子，所述权重因子为多因素回归方程的特征参数；
其中：a、b1、b3、b4、b5分别为-8.442、0.428、0.723、0.004、1.438，
得出：F1＝-8.442+0.428X1+0.723X3+0.004X4+1.438X5 (2)。
5.根据权利要求3所述的一种主观或客观立体观看疲劳模型的建立方法，其特征在于：所述客观立体观看疲劳模型包括：
F2＝c+d1X1+d2X2+d3X3+d4X4+d5X5 (3)
其中，F2为基于瞳孔直径的客观评价得分，c、d1、d2、d3、d4、d5为视疲劳客观评价的多因素回归模型的特征参数，X1、X2、X3、X4、X5为视差最大值、视频帧率、环境亮度、观看角度、观看者年龄；
选取不同年龄段的测试人员，观看不同类型的影片，并记录影片数据Y，观看角度X4，观看者年龄X5；通过测试人员主观感受表达，得出F1；且通过设备直接探测测试人员的瞳孔直径得出F2；
将所有实验数据输入SPSS，根据最小二乘法，剔除显著性水平小于5％的变量，确定各影响因素的权重因子，所述权重因子为多因素回归方程的特征参数；
其中：c、d2、d3、d5分别为4.021、0.003、0.012、0.009
得出：F2＝4.021+0.003X2+0.012X3+0.009X5 (4)。
6.一种基于瞳孔直径的立体观看视疲劳预测方法，其特征在于：包括主观立体观看疲劳模型和客观立体观看疲劳模型，还包括待观看影片和待观看人，以及下列步骤，
步骤1：获取待观看影片数据Y，待观看人的观看角度X4，待观看人的观看者年龄X5的具体数值；
步骤2：将步骤1中的待测数据Y；观看角度X4，观看者年龄X5的具体数值，带入主观或客观立体观看疲劳模型，得出主观视疲劳程度得分F1＝f1或基于瞳孔直径的客观评价得分F2＝f2。
7.根据权利要求6所述的一种基于瞳孔直径的立体观看视疲劳预测方法，其特征在于：所述步骤1中，影片数据Y包括视差最大值X1，视频帧率X2，环境亮度X3。
8.根据权利要求7所述的一种基于瞳孔直径的立体观看视疲劳预测方法，其特征在于：所述主观立体观看疲劳模型包括：
F1＝a+b1X1+b2X2+b3X3+b4X4+b5X5 (1)
其中，F1为主观视疲劳程度得分，a、b1、b2、b3、b4、b5为主观视疲劳的多因素回归方程的特征参数，X1、X2、X3、X4、X5为视差最大值、视频帧率、环境亮度、观看角度、观看者年龄；
选取不同年龄段的测试人员，观看不同类型的影片，并记录影片数据Y，观看角度X4，观看者年龄X5；通过测试人员主观感受表达，得出F1；且通过设备直接探测测试人员的瞳孔直径得出F2；
将所有实验数据输入SPSS，根据最小二乘法，剔除显著性水平小于5％的变量，确定各影响因素的权重因子，所述权重因子为多因素回归方程的特征参数；
其中：a、b1、b3、b4、b5分别为-8.442、0.428、0.723、0.004、1.438，
得出：F1＝-8.442+0.428X1+0.723X3+0.004X4+1.438X5 (2)。
9.根据权利要求7所述的一种基于瞳孔直径的立体观看视疲劳预测方法，其特征在于：所述客观立体观看疲劳模型包括：
F2＝c+d1X1+d2X2+d3X3+d4X4+d5X5 (3)
其中，F2为基于瞳孔直径的客观评价得分，c、d1、d2、d3、d4、d5为视疲劳客观评价的多因素回归模型的特征参数，X1、X2、X3、X4、X5为视差最大值、视频帧率、环境亮度、观看角度、观看者年龄；
选取不同年龄段的测试人员，观看不同类型的影片，并记录影片数据Y，观看角度X4，观看者年龄X5；通过测试人员主观感受表达，得出F1；且通过设备直接探测测试人员的瞳孔直径得出F2；
将所有实验数据输入SPSS，根据最小二乘法，剔除显著性水平小于5％的变量，确定各影响因素的权重因子，所述权重因子为多因素回归方程的特征参数；
其中：c、d2、d3、d5分别为4.021、0.003、0.012、0.009，
得出：F2＝4.021+0.003X2+0.012X3+0.009X5 (4)。
CN201710645206.3A 2017-08-01 2017-08-01 一种基于瞳孔直径的立体观看视疲劳预测方法 Pending CN107468206A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710645206.3A CN107468206A (zh) 2017-08-01 2017-08-01 一种基于瞳孔直径的立体观看视疲劳预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710645206.3A CN107468206A (zh) 2017-08-01 2017-08-01 一种基于瞳孔直径的立体观看视疲劳预测方法

Publications (1)

Publication Number Publication Date
CN107468206A true CN107468206A (zh) 2017-12-15

Family

ID=60596940

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710645206.3A Pending CN107468206A (zh) 2017-08-01 2017-08-01 一种基于瞳孔直径的立体观看视疲劳预测方法

Country Status (1)

Country Link
CN (1) CN107468206A (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109089111A (zh) * 2018-10-22 2018-12-25 Oppo广东移动通信有限公司 一种立体视频舒适度评价方法、系统及终端设备
WO2022053342A1 (en) 2020-09-14 2022-03-17 Essilor International A method and device for providing an automated prediction of a change of a state of fatigue of a subject carrying out a visual task
CN114253399A (zh) * 2021-12-22 2022-03-29 Oppo广东移动通信有限公司 设备评估方法、装置、存储介质及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104038756A (zh) * 2014-06-05 2014-09-10 中国科学院软件研究所 基于立体图像特征的立体图像舒适度检测方法
CN104581141A (zh) * 2015-01-09 2015-04-29 宁波大学 一种立体图像视觉舒适度评价方法
CN105354985A (zh) * 2015-11-04 2016-02-24 中国科学院上海高等研究院 疲劳驾驶监控装置及方法
CN106534844A (zh) * 2016-11-15 2017-03-22 中国科学院软件研究所 基于心电和眼电信号的三维显示视疲劳评估系统和方法
CN106791802A (zh) * 2016-11-24 2017-05-31 中国科学院软件研究所 一种不同观看角度和视差的立体显示视觉舒适度检测方法和系统
CN106934368A (zh) * 2017-03-13 2017-07-07 长安大学 一种基于眼动指标数据的驾驶疲劳检测系统及识别方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104038756A (zh) * 2014-06-05 2014-09-10 中国科学院软件研究所 基于立体图像特征的立体图像舒适度检测方法
CN104581141A (zh) * 2015-01-09 2015-04-29 宁波大学 一种立体图像视觉舒适度评价方法
CN105354985A (zh) * 2015-11-04 2016-02-24 中国科学院上海高等研究院 疲劳驾驶监控装置及方法
CN106534844A (zh) * 2016-11-15 2017-03-22 中国科学院软件研究所 基于心电和眼电信号的三维显示视疲劳评估系统和方法
CN106791802A (zh) * 2016-11-24 2017-05-31 中国科学院软件研究所 一种不同观看角度和视差的立体显示视觉舒适度检测方法和系统
CN106934368A (zh) * 2017-03-13 2017-07-07 长安大学 一种基于眼动指标数据的驾驶疲劳检测系统及识别方法

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109089111A (zh) * 2018-10-22 2018-12-25 Oppo广东移动通信有限公司 一种立体视频舒适度评价方法、系统及终端设备
WO2022053342A1 (en) 2020-09-14 2022-03-17 Essilor International A method and device for providing an automated prediction of a change of a state of fatigue of a subject carrying out a visual task
CN114253399A (zh) * 2021-12-22 2022-03-29 Oppo广东移动通信有限公司 设备评估方法、装置、存储介质及电子设备

Similar Documents

Publication Publication Date Title
US7396127B2 (en) Method and system for quantifying degree of fatigue resulting from use of three-dimensional display
CN104966070B (zh) 基于人脸识别的活体检测方法和装置
Lago et al. More real than real: A study on human visual perception of synthetic faces [applications corner]
Kim et al. EEG based comparative measurement of visual fatigue caused by 2D and 3D displays
CN107468206A (zh) 一种基于瞳孔直径的立体观看视疲劳预测方法
Brang et al. Visual field heterogeneity, laterality, and eidetic imagery in synesthesia
CN104038756B (zh) 基于立体图像特征的立体图像舒适度检测方法
Jiang et al. Holistic processing of shape cues in face identification: Evidence from face inversion, composite faces, and acquired prosopagnosia
CN105852797A (zh) 一种基于心电信号的立体显示视觉疲劳检测系统
CN109222888A (zh) 一种基于眼动技术判断心理测试可靠性的方法
Ben-Shalom et al. Object representations in visual memory: Evidence from visual illusions
Pezdek et al. Elevated stress impairs the accuracy of eyewitness memory but not the confidence–accuracy relationship.
CN105310703A (zh) 一种基于用户瞳孔直径数据获取主观满意度的方法
von Castell et al. Measuring perceived ceiling height in a visual comparison task
CN111344222A (zh) 执行眼睛检查测试的方法
CN110660454A (zh) 一种癌痛实时评估仪及其评估方法
Shaffer et al. Anchoring in action: manual estimates of slant are powerfully biased toward initial hand orientation and are correlated with verbal report.
Andrews et al. The effect of posture category salience on decision times and errors when using observation-based posture assessment methods
Islam A deep learning based framework for detecting and reducing onset of cybersickness
Yu et al. Age-related changes in visual lobe shape characteristics and their relationship to visual search performance
CN109009094B (zh) 基于脑电信号kc复杂度的视觉诱导晕动症检测方法
CN103945218B (zh) 一种基于双眼视觉融合的立体图像质量评测方法
Cho et al. An Analysis of Visual Discomfort Caused by Watching Stereoscopic 3D Content in Terms of Depth, Viewing Time and Display Size.
MacKenzie et al. The intrinsic constraint approach to cue combination: An empirical and theoretical evaluation
Wang et al. Stereoscopic visual fatigue assessment and modeling

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20171215

RJ01 Rejection of invention patent application after publication