CN109446878A - 一种基于机器学习的视觉疲劳度检测方法 - Google Patents
一种基于机器学习的视觉疲劳度检测方法 Download PDFInfo
- Publication number
- CN109446878A CN109446878A CN201811025655.9A CN201811025655A CN109446878A CN 109446878 A CN109446878 A CN 109446878A CN 201811025655 A CN201811025655 A CN 201811025655A CN 109446878 A CN109446878 A CN 109446878A
- Authority
- CN
- China
- Prior art keywords
- visual fatigue
- student
- fatigue degree
- eyes
- sclera
- 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
Links
Classifications
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- G06V40/197—Matching; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Ophthalmology & Optometry (AREA)
- Human Computer Interaction (AREA)
- Probability & Statistics with Applications (AREA)
- Image Analysis (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明公开了一种基于机器学习的视觉疲劳度检测方法。其包括以下步骤:在授课开始预定时间后,通过终端的摄像头获取学生的眼睛的巩膜血丝量;利用训练好的二元分类器对巩膜血丝量进行二元分类,确定学生的视觉疲劳度可信值;将授课时间作为权值,并根据权值对视觉疲劳度可信值进行加权滤波,得到视觉疲劳度真值;如果视觉疲劳度真值不高于预设异常阈值,则判定学生的眼睛不处于视觉疲劳状态,如果视觉疲劳度真值高于预设异常阈值,则判定学生的眼睛处于视觉疲劳状态。本发明能够在授课过程中检测学生的视觉疲劳度。
Description
技术领域
本发明涉及视力保护技术领域,尤其是一种基于机器学习的视觉疲劳度检测方法。
背景技术
随着电子技术和多媒体技术的快速发展,越来越多的领域开始普及应用各类电子终端。在很多学校中,已经采用终端进行教学,学生可以利用终端阅读电子书、观看教学视频或者进行课堂教学等。然而,由于学生的眼睛还未发育完全,过度地使用终端可能给会影响学生的视力,因此,在学生的授课过程中,需要对学生的视觉疲劳进行实时监测。
然而,现有技术还没有能够自动监测学生眼睛的视觉疲劳度的方法,大多是依靠课中或课间的休息来消除视觉疲劳。因此,如何在授课过程中检测学生是否出现视觉疲劳是一个亟待解决的问题。
发明内容
本发明的发明目的在于:针对上述存在的问题,提供一种基于机器学习的视觉疲劳度检测方法,能够在授课过程中检测学生的视觉疲劳度。
为解决上述技术问题,本发明采用的一个技术方案是:提供一种基于机器学习的视觉疲劳度检测方法,包括以下步骤:在授课开始预定时间后,通过终端的摄像头获取学生的眼睛的巩膜血丝量;利用训练好的二元分类器对所述巩膜血丝量进行二元分类,确定学生的视觉疲劳度可信值;将授课时间作为权值,并根据所述权值对所述视觉疲劳度可信值进行加权滤波,得到视觉疲劳度真值;如果所述视觉疲劳度真值不高于预设异常阈值,则判定学生的眼睛不处于视觉疲劳状态,如果所述视觉疲劳度真值高于预设异常阈值,则判定学生的眼睛处于视觉疲劳状态。
优选的,所述二元分类器的训练步骤为:获取用于训练的眼睛样本图片,并对所述眼睛样本图片的尺寸进行均一化处理;提取每个眼睛样本图片的样本特征,采用主成分分析法对样本特征进行分析,获取巩膜血丝量;对巩膜血丝量进行聚类,聚类完成后通过二元分类算法对眼睛样本图片进行分类,得到二元分类器。
优选的,在所述判定学生的眼睛处于视觉疲劳状态的步骤之后,还包括:在终端的显示界面上输出用于提示眼睛处于视觉疲劳状态的提示信息。
优选的,在所述判定学生的眼睛处于视觉疲劳状态的步骤之后,还包括:将终端的显示屏的亮度值调低到巩膜血丝量处于预设异常阈值时对应的亮度值并保持该亮度值。
优选的,在通过终端的摄像头获取学生的眼睛的巩膜血丝量之前,所述视觉疲劳度检测方法还包括:确定连接于学生的眼睛的巩膜中心点与终端显示屏的直线,所述直线垂直于终端的显示屏;获取所述直线的距离;判断所述直线的距离是否小于预设距离阈值;如果所述直线的距离小于预设距离阈值,则通过终端的摄像头获取学生的眼睛的巩膜血丝量。
综上所述,由于采用了上述技术方案,本发明的基于机器学习的视觉疲劳度检测方法会实时获取学生的眼睛的巩膜血丝量,并利用训练好的二元分类器对巩膜血丝量进行二元分类得到视觉疲劳度可信值,并将授课时间作为权值对视觉疲劳度可信值进行加权滤波得到视觉疲劳度真值,通过视觉疲劳度真值来判断学生是否处于视觉疲劳状态,从而能够在授课过程中检测学生的视觉疲劳度,检测准确度高、响应速度快、实时性好。
附图说明
图1是本发明实施例的基于机器学习的视觉疲劳度检测方法的流程示意图。
具体实施方式
本说明书中公开的所有特征,或公开的所有方法或过程中的步骤,除了互相排斥的特征和/或步骤以外,均可以以任何方式组合。
本说明书(包括任何附加权利要求、摘要)中公开的任一特征,除非特别叙述,均可被其他等效或具有类似目的的替代特征加以替换。即,除非特别叙述,每个特征只是一系列等效或类似特征中的一个例子而已。
如图1所示,是本发明实施例的基于机器学习的视觉疲劳度检测方法的流程示意图。在本实施例中,视觉疲劳度检测方法包括以下步骤:
S1:在授课开始预定时间后,通过终端的摄像头获取学生的眼睛的巩膜血丝量。
其中,在授课过程中,每个学生都是用一台终端,该终端例如为智能手机、平板电脑、掌上电脑或移动互联网设备等等。该预定时间例如为20分钟,授课开始时,老师会向终端发送指令,终端接收到该指令后,在计时20分钟后,开始获取巩膜血丝量。
在本实施例中,在通过终端的摄像头获取学生的眼睛的巩膜血丝量之前,视觉疲劳度检测方法还包括:
确定连接于学生的眼睛的巩膜中心点与终端显示屏的直线,直线垂直于终端的显示屏;
获取直线的距离;
判断直线的距离是否小于预设距离阈值;
如果直线的距离小于预设距离阈值,则通过终端的摄像头获取学生的眼睛的巩膜血丝量。
在本发明实施例中,该预设距离阈值可以是终端根据需要进行设定,也可以是终端根据历史设定记录进行设定,本发明实施例不作限定。
S2:利用训练好的二元分类器对巩膜血丝量进行二元分类,确定学生的视觉疲劳度可信值。
在本实施例中,二元分类器的训练步骤为:
获取用于训练的眼睛样本图片,并对眼睛样本图片的尺寸进行均一化处理;
提取每个眼睛样本图片的样本特征,采用主成分分析法对样本特征进行分析,获取巩膜血丝量;
对巩膜血丝量进行聚类,聚类完成后通过二元分类算法对眼睛样本图片进行分类,得到二元分类器。
其中,聚类的算法例如为K-Means聚类算法,在采用聚类算法时,聚类的数量应小于等于样本特征的数量,聚类完成后,通过传统的二元分类算法对眼睛样本图片进行分类,二元分类算法例如为逻辑回归算法、支持向量机算法。
S3:将授课时间作为权值,并根据权值对视觉疲劳度可信值进行加权滤波,得到视觉疲劳度真值。
其中,由于学生的授课时间通常不会很长,通常在45分钟到1小时之内,因此,还需要结合授课时间来对学生眼睛的视觉疲劳度可信值进行校正,进行如果在临近下课时,学生的眼睛处于视觉疲劳状态,则可以考虑学生可以坚持到下课。因此,本实施例还将授课时间作为权值来对视觉疲劳度真值进行加权滤波。
S4:如果视觉疲劳度真值不高于预设异常阈值,则判定学生的眼睛不处于视觉疲劳状态,如果视觉疲劳度真值高于预设异常阈值,则判定学生的眼睛处于视觉疲劳状态。
在本实施例中,在判定学生的眼睛处于视觉疲劳状态的步骤之后,还包括:在终端的显示界面上输出用于提示眼睛处于视觉疲劳状态的提示信息,或者,将终端的显示屏的亮度值调低到巩膜血丝量处于预设异常阈值时对应的亮度值并保持该亮度值。
其中,该提示信息可以是语音提示、文字提示、震动提示以及动画提示等等信息。通过对终端显示屏的亮度值的调节能够使显示屏的亮度值达到人眼最舒适的亮度,从而达到缓解视觉疲劳保护用眼的目的。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合,以及披露的任一新的方法或过程的步骤或任何新的组合。
Claims (5)
1.一种基于机器学习的视觉疲劳度检测方法,其特征在于,包括以下步骤:
在授课开始预定时间后,通过终端的摄像头获取学生的眼睛的巩膜血丝量;
利用训练好的二元分类器对所述巩膜血丝量进行二元分类,确定学生的视觉疲劳度可信值;
将授课时间作为权值,并根据所述权值对所述视觉疲劳度可信值进行加权滤波,得到视觉疲劳度真值;
如果所述视觉疲劳度真值不高于预设异常阈值,则判定学生的眼睛不处于视觉疲劳状态,如果所述视觉疲劳度真值高于预设异常阈值,则判定学生的眼睛处于视觉疲劳状态。
2.根据权利要求1所述的视觉疲劳度检测方法,其特征在于,所述二元分类器的训练步骤为:
获取用于训练的眼睛样本图片,并对所述眼睛样本图片的尺寸进行均一化处理;
提取每个眼睛样本图片的样本特征,采用主成分分析法对样本特征进行分析,获取巩膜血丝量;
对巩膜血丝量进行聚类,聚类完成后通过二元分类算法对眼睛样本图片进行分类,得到二元分类器。
3.根据权利要求1所述的视觉疲劳度检测方法,其特征在于,在所述判定学生的眼睛处于视觉疲劳状态的步骤之后,还包括:
在终端的显示界面上输出用于提示眼睛处于视觉疲劳状态的提示信息。
4.根据权利要求1所述的视觉疲劳度检测方法,其特征在于,在所述判定学生的眼睛处于视觉疲劳状态的步骤之后,还包括:
将终端的显示屏的亮度值调低到巩膜血丝量处于预设异常阈值时对应的亮度值并保持该亮度值。
5.根据权利要求1所述的视觉疲劳度检测方法,其特征在于,在通过终端的摄像头获取学生的眼睛的巩膜血丝量之前,所述视觉疲劳度检测方法还包括:
确定连接于学生的眼睛的巩膜中心点与终端显示屏的直线,所述直线垂直于终端的显示屏;
获取所述直线的距离;
判断所述直线的距离是否小于预设距离阈值;
如果所述直线的距离小于预设距离阈值,则通过终端的摄像头获取学生的眼睛的巩膜血丝量。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811025655.9A CN109446878A (zh) | 2018-09-04 | 2018-09-04 | 一种基于机器学习的视觉疲劳度检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811025655.9A CN109446878A (zh) | 2018-09-04 | 2018-09-04 | 一种基于机器学习的视觉疲劳度检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109446878A true CN109446878A (zh) | 2019-03-08 |
Family
ID=65532557
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811025655.9A Pending CN109446878A (zh) | 2018-09-04 | 2018-09-04 | 一种基于机器学习的视觉疲劳度检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109446878A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114049679A (zh) * | 2021-11-18 | 2022-02-15 | 中国银行股份有限公司 | 一种智能眼镜和眼睛疲劳检测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950355A (zh) * | 2010-09-08 | 2011-01-19 | 中国人民解放军国防科学技术大学 | 基于数字视频的驾驶员疲劳状态检测方法 |
CN102509418A (zh) * | 2011-10-11 | 2012-06-20 | 东华大学 | 一种多传感信息融合的疲劳驾驶评估预警方法及装置 |
WO2012146823A1 (en) * | 2011-04-29 | 2012-11-01 | Nokia Corporation | Method, apparatus and computer program product for blink detection in media content |
CN103336973A (zh) * | 2013-06-19 | 2013-10-02 | 华南理工大学 | 多特征决策融合的眼状态识别方法 |
CN105261153A (zh) * | 2015-11-03 | 2016-01-20 | 北京奇虎科技有限公司 | 车辆行驶监控方法和装置 |
CN105718875A (zh) * | 2016-01-15 | 2016-06-29 | 广东欧珀移动通信有限公司 | 一种视觉疲劳检测方法及用户终端 |
CN107126224A (zh) * | 2017-06-20 | 2017-09-05 | 中南大学 | 一种基于Kinect的轨道列车驾驶员状态的实时监测和预警方法与系统 |
-
2018
- 2018-09-04 CN CN201811025655.9A patent/CN109446878A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101950355A (zh) * | 2010-09-08 | 2011-01-19 | 中国人民解放军国防科学技术大学 | 基于数字视频的驾驶员疲劳状态检测方法 |
WO2012146823A1 (en) * | 2011-04-29 | 2012-11-01 | Nokia Corporation | Method, apparatus and computer program product for blink detection in media content |
CN102509418A (zh) * | 2011-10-11 | 2012-06-20 | 东华大学 | 一种多传感信息融合的疲劳驾驶评估预警方法及装置 |
CN103336973A (zh) * | 2013-06-19 | 2013-10-02 | 华南理工大学 | 多特征决策融合的眼状态识别方法 |
CN105261153A (zh) * | 2015-11-03 | 2016-01-20 | 北京奇虎科技有限公司 | 车辆行驶监控方法和装置 |
CN105718875A (zh) * | 2016-01-15 | 2016-06-29 | 广东欧珀移动通信有限公司 | 一种视觉疲劳检测方法及用户终端 |
CN107126224A (zh) * | 2017-06-20 | 2017-09-05 | 中南大学 | 一种基于Kinect的轨道列车驾驶员状态的实时监测和预警方法与系统 |
Non-Patent Citations (1)
Title |
---|
卢希: "学习者在线学习状态检测工具的设计与实现", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114049679A (zh) * | 2021-11-18 | 2022-02-15 | 中国银行股份有限公司 | 一种智能眼镜和眼睛疲劳检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109645953B (zh) | 视觉检测及训练方法、装置和vr设备 | |
US20140267642A1 (en) | Systems and methods for audible facial recognition | |
CN108682189A (zh) | 一种学习状态确认系统及方法 | |
CN105516280A (zh) | 一种多模态学习过程状态信息压缩记录方法 | |
CN110916689A (zh) | 一种自闭症的认知与注意力强化智能评估训练系统及方法 | |
CN110222597B (zh) | 基于微表情调节屏幕显示的方法及装置 | |
CN105139317A (zh) | 兴趣取向值测验的认知指标分析方法 | |
CN112101124A (zh) | 一种坐姿检测方法及装置 | |
CN105105771A (zh) | 潜能值测验的认知指标分析方法 | |
CN108874935A (zh) | 一种基于语音搜索的复习内容推荐方法及电子设备 | |
CN110728194A (zh) | 基于微表情和动作识别的智能培训方法、装置及存储介质 | |
CN107844762A (zh) | 信息处理方法及系统 | |
CN104463216A (zh) | 基于计算机视觉的眼动模式数据自动获取方法 | |
CN115205764B (zh) | 基于机器视觉的在线学习专注度监测方法、系统及介质 | |
CN111796676A (zh) | 一种ai交互辅助学习系统及学习方法 | |
CN109472464A (zh) | 一种基于眼动追踪的在线课程质量的评估方法 | |
CN109685007A (zh) | 用眼习惯的预警方法、用户设备、存储介质及装置 | |
CN112286347A (zh) | 视力保护方法、装置、存储介质以及终端 | |
CN108492855A (zh) | 一种用于训练老年人注意力的装置与方法 | |
CN114581271B (zh) | 一种在线教学视频的智能处理方法及系统 | |
CN109446878A (zh) | 一种基于机器学习的视觉疲劳度检测方法 | |
CN104970763A (zh) | 全自动视力检测训练仪 | |
CN108577214A (zh) | 一种学生桌 | |
CN111857338A (zh) | 一种适合大屏幕上使用移动应用的方法 | |
CN113434714A (zh) | 一种辅助学习装置及方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190308 |