CN109933193A - 基于运动员眼动信息实时捕捉的智能辅助训练系统 - Google Patents

Abstract

本发明实施例公开了一种基于运动员眼动信息实时捕捉的智能辅助训练系统，其中该方法包括：获取用户的训练特征信息；根据训练特征信息确定用户的训练状态信息，训练状态信息包括注视信息和疲劳信息；根据训练状态信息确定用户的训练方案的执行情况，并根据执行情况确定训练方案调整策略。本发明实施例实现了根据用户的意识或者专注力的状态对其运动训练进行调整，使用户的训练方案更加合理化和个性化，以帮助提高训练效果和效率。

Description

基于运动员眼动信息实时捕捉的智能辅助训练系统

技术领域

本发明实施例涉及数据处理领域，尤其涉及一种基于运动员眼动信息实时捕捉的智能辅助训练系统。

背景技术

涉及对抗性的运动(例如跆拳道、击剑)、团队协作的运动(例如足球)和时距判断的运动(例如冰壶、赛马)，除了力量体能训练，更多的需要超强的意识和敏锐的专注力与判断力。

运动的意识、专注力等方面恰恰是最难监测、量化的地方，当一个运动员意识方面难以提升时，也难以找到原因。原因有三方面：一是缺乏针对运动员的第一人称视角，旁人并不知道运动员在当时的处境他的精确视角，和他输入了什么信息以去完成下一系列的动作，教练指导也是站在自己的角度；二是很难量化一些指标，比如要求在准备带球射门之前检查附近的对方球员位置，判断是否越位，运动员在训练过程中有多少次进行了这个检查，是因为没进行检查，还是进行了检查但是没看到对手，或是看到对手了但是没来得及做动作反应；三是运动员经过长期的训练，很多动作和决策都是下意识产生的，结束训练后，运动自己也很难说清当时为什么那样做了。现有技术中并不能根据运动员的意识或者专注力的状态对其运动训练进行调整，因此需要一种协助普通用户或者运动员进行运动训练的技术。

发明内容

本发明实施例提供了一种基于运动员眼动信息实时捕捉的智能辅助训练系统，可以根据用户的意识或者专注力的状态对其运动训练进行调整。

第一方面，本发明实施例提供了一种训练方法，包括：

获取用户的训练特征信息；

根据所述训练特征信息确定所述用户的训练状态信息，所述训练状态信息包括注视信息和疲劳信息；

根据所述训练状态信息确定所述用户的训练方案的执行情况，并根据所述执行情况确定训练方案调整策略。

第二方面，本发明实施例还提供了一种训练装置，该装置包括：

信息获取模块，用于获取用户的训练特征信息；

状态模块，用于根据所述训练特征信息确定所述用户的训练状态信息，所述训练状态信息包括注视信息和疲劳信息；

训练调整模块，用于根据所述训练状态信息确定所述用户的训练方案的执行情况，并根据所述执行情况确定训练方案调整策略。

进一步的，所述训练特征信息包括眼部图像、用户视野图像和瞳孔信息。

进一步的，所述状态模块包括第一状态单元，所述第一状态单元具体用于：

基于所述眼部图像确定眼部特征信息，并根据所述眼部特征信息确定所述用户在训练过程中的注视信息。

进一步的，所述训练调整模块包括第一调整单元，所述第一调整单元具体用于：

在所述用户视野图像中标定所述注视信息；

将标定有所述注视信息的所述用户视野图像与预先设置的模板视野图像进行比对，确定图像偏差小于设定阈值的目标模板视野图像；

匹配所述用户视野图像中的所述注视信息与所述目标模板视野图像中的模板注视信息，得到匹配度；

统计满足所述匹配度小于预设匹配度阈值条件的所述注视信息的数量，并根据所述数量对所述用户的训练方案的执行情况进行打分；

根据所述训练方案的执行情况的得分和匹配度小于预设匹配度阈值的所述注视信息确定所述训练方案的调整策略。

进一步的，所述状态模块还包括第二状态单元，所述第二状态单元具体用于：

根据所述瞳孔信息确定所述用户的疲劳信息，所述疲劳信息包括瞳孔直径、眨眼频率、眼部闭合程度、注视时长、注视次数、眼跳幅度、眼跳峰值、眼跳频率中的至少一项。

进一步的，所述训练调整模块还包括第二调整单元，所述第二调整单元具体用于：

根据所述疲劳信息确定所述用户的疲劳等级，判断所述疲劳等级是否超过预设的等级阈值；

若是，则确定所述疲劳等级超过预设的等级阈值的持续时间，并根据所述持续时间对所述用户的训练方案的执行情况进行打分；

根据所述用户的疲劳信息和所述训练方案的执行情况的得分确定所述训练方案的调整策略。

进一步的，所述信息获取模块具体用于：

获取眼控设备采集的用户的训练特征信息。

第三方面，本发明实施例还提供了一种设备，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的训练方法。

第四方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上所述的训练方法。

本发明实施例通过获取用户的训练特征信息，根据训练特征信息确定用户的训练状态信息，训练状态信息包括注视信息和疲劳信息，并根据训练状态信息确定用户的训练方案的执行情况，并根据执行情况确定训练方案调整策略。本发明实施例通过获取到的用户的训练特征信息可以确定用户自身视野的注视信息和用户本身的疲劳信息，并统计分析该注视信息和疲劳信息确定用户训练方案的调整方向，实现了根据用户的意识或者专注力的状态对其运动训练进行调整，使用户的训练方案更加合理化和个性化，以帮助提高训练效果和效率。

附图说明

图1为本发明实施例一中的训练方法的流程图；

图2为本发明实施例二中的训练方法的流程图；

图3为本发明实施例二中的训练场景的示意图；

图4为本发明实施例三中的训练装置的结构示意图；

图5为本发明实施例四中的设备的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。

实施例一

图1为本发明实施例一中的训练方法的流程图，本实施例可适用于实现运动训练的情况，该方法可以由训练装置执行，该装置可以采用软件和/或硬件的方式实现，该装置可配置于设备中，该设备可以是两个或多个物理实体构成，也可以是一个物理实体构成，该设备可以是智能手机、平板或电脑等。如图1所示，该方法具体可以包括：

S110、获取用户的训练特征信息。

其中，训练特征信息可以包括任意与用户眼睛运动相关的信息，具体的训练特征信息的类型本实施例中不作限定，例如训练特征信息可以包括用户的眼部图像、用户视野图像和瞳孔信息等信息。

具体的，获取用户的训练特征信息，可以包括：获取眼控设备采集的用户的训练特征信息，眼控设备包括改装式眼动采集设备、眼镜式眼动采集设备或者虚拟现实VR式眼动采集设备。其中，改装式眼动采集设备可以为基于头戴式保护设备进行改装的眼动采集设备，例如基于击剑佩戴的头盔进行改装的眼动采集设备。又如，眼镜式眼动采集设备可以是配置了眼动仪的智能眼镜等等。眼动仪用于记录用户在处理视觉信息时的眼动轨迹特征。本实施例中眼控设备既可以采集用户眼睛的信息，例如用户的眼部图像和瞳孔信息等，又可以采集用户眼睛注视到的信息，例如用户视野图像。

S120、根据训练特征信息确定用户的训练状态信息，训练状态信息包括注视信息和疲劳信息。

其中，用户的训练状态信息包括与用户的意识、专注力和判断力相关的状态信息，具体的训练状态信息的类型可以根据实际情况进行设定，本实施例中的训练状态信息以注视信息和疲劳信息为例进行说明。

可选地，注视信息可以包括注视点坐标、注视矢量、注视轨迹、注视热点图和注视指标统计等等。其中，确定用户的注视点和注视矢量可以通过眼球追踪技术实现。眼球追踪，也可称为视线追踪，是通过测量眼睛运动情况来估计眼睛的视线和/或注视点的技术。其中，视线可以理解为是一个三维矢量，注视点可以理解为上述三维矢量投影在某个平面上的二维坐标。根据用户的眼部图像可以通过光学记录法得到用户的注视点。可以理解的是，也可以采用不基于眼部图像的方法，例如基于接触/非接触式的传感器(例如电极、电容传感器)推算眼睛的运动，进而得到用户的注视点和注视矢量。

进一步的，疲劳信息可以包括瞳孔直径、眨眼频率、眼部闭合程度、注视时长、注视次数、眼跳幅度、眼跳峰值、眼跳频率。根据用户的瞳孔信息通过分析可以确定对应的疲劳信息，并根据该疲劳信息可以确定用户的疲劳等级。其中，瞳孔信息可以包括用户的瞳孔轮廓、虹膜轮廓、瞳孔中心、虹膜中心及外界光源在角膜上的反射点等特征的相对位置等各类用户的眼睛进行转动时的相关数据。本实施例中，可以将疲劳信息与预先存储的历史疲劳信息进行关联度的计算，将关联度超过关联度阈值的历史疲劳信息作为匹配的目标疲劳信息，将该目标疲劳信息对应的疲劳等级确定为用户的疲劳等级。

可以理解的是，当用户的训练状态信息的类型不同，可以根据不同种类的训练特征信息采用不同的方法得到对应的训练状态信息。

S130、根据训练状态信息确定用户的训练方案的执行情况，并根据执行情况确定训练方案调整策略。

可选地，在根据训练状态信息确定用户的训练方案的执行情况之前，可以包括：预先制定用户的训练方案。该训练方案可以为用户的指导老师或者教练根据历史经验为用户预先制定的训练方案。其中，训练方案针对的运动类型本实施例中不作限定，例如可以为足球、网球或者篮球等。

具体的，在用户根据预先制定的训练方案进行训练时，获取用户的训练特征信息，并根据训练特征信息确定用户的训练状态信息，之后，可以将该训练状态信息与预先确定的标准训练状态信息进行对比，将差异度大于差异度阈值的部分作为执行情况差的部分，即需要调整的部分，并根据该需要调整的部分确定训练方案的调整策略。其中，预先确定的标准训练状态信息可以通过统计总结预设数量标准运动员的训练状态信息得到，预设数量可以根据需要进行设置。可选的，差异度阈值可以根据实际情况进行设定以及更新，例如用户属于初级阶段，此时可以设定较大的差异度，而随着用户训练阶段的升级，对应的差异度也可以适当的缩小。

本实施例通过获取用户的训练特征信息，根据训练特征信息确定用户的训练状态信息，训练状态信息包括注视信息和疲劳信息，并根据训练状态信息确定用户的训练方案的执行情况，并根据执行情况确定训练方案调整策略。本实施例通过获取到的用户的训练特征信息可以确定用户自身视野的注视信息和用户本身的疲劳信息，并统计分析该注视信息和疲劳信息确定用户训练方案的调整方向，实现了根据用户的意识或者专注力的状态对其运动训练进行调整，使用户的训练方案更加合理化和个性化，以帮助提高训练效果和效率。

实施例二

图2为本发明实施例二中的训练方法的流程图。本实施例在上述实施例的基础上，对上述训练方法进行进一步具体化。相应的，如图2所示，本实施例的方法具体包括：

S201、获取用户的训练特征信息。

其中，训练特征信息可以包括任意与用户眼睛运动相关的信息，具体的训练特征信息的类型本实施例中不作限定，例如训练特征信息可以包括用户的眼部图像、用户视野图像和瞳孔信息等信息。

具体的，获取用户的训练特征信息，可以包括：获取眼控设备采集的用户的训练特征信息，眼控设备包括改装式眼动采集设备、眼镜式眼动采集设备或者虚拟现实VR式眼动采集设备。

S201之后，可以执行S202-S207和/或S208-S211，即可以同时执行S202-S207和S208-S211，也可以单独执行S202-S207或者单独执行S202-S207。当训练特征信息为用户的眼部图像和用户视野图像时，执行S202-S207，当训练特征信息为瞳孔信息时，执行S208-S211。

S202、基于眼部图像确定眼部特征信息，并根据眼部特征信息确定用户在训练过程中的注视信息。

其中，眼部特征信息可以包括瞳孔位置、瞳孔形状、虹膜位置、虹膜形状、眼皮位置、眼角位置、光斑(也称为普尔钦斑)位置等，本实施例中以普尔钦斑为例进行说明。普尔钦斑是红外光源照射到眼角膜从角膜外表面反射回来的光斑，眼角膜近似于曲率半径为7.8mm的单球体，光源是一个范围光，当某一条光路的光子照射到角膜表面，通过反射进入摄像机，就会在图像上留下光斑。

注视信息可以包括注视点坐标、注视矢量、注视轨迹、注视热点图和注视指标统计等等。用户的视线可以理解为是一个三维矢量，注视点可以理解为上述三维矢量投影在某个平面上的二维坐标。注视轨迹可以为根据注视点坐标得到的连线，注视热点图可以为根据注视时长进行处理后的可视化图，注视指标统计可以为根据各类注视指标绘制的统计图(例如柱状图等)。

本实施例中可以通过瞳孔-角膜反射法(Pupil Center Cornea Reflection，PCCR)的光学记录方法得到用户的注视点。具体的，将获取的眼睛图像进行二值化处理，并基于二值化处理之后的眼睛图像通过圆拟合处理获取瞳孔位置以及通过斑点识别算法获取灰度值较高的区域为普尔钦斑。随着眼球转动时，瞳孔位置与普尔钦斑的相对位置关系随之发生变化，相应采集到的若干眼部图像可以得到瞳孔位置和普尔钦斑的位置变化关系，根据该位置变化关系可以实现注视点估计，进而得到用户在训练过程中的注视点。

S203、在用户视野图像中标定注视信息。

具体的，基于眼部图像确定用户在训练过程中的注视信息之后，可以在各个时刻用户视野图像中标定当前时刻用户在该用户视野图像中的注视信息，具体标定的方式可以根据实际情况进行设定，例如可以在用户视野图像中标注注视点，也可以仅仅将注视信息与用户视野图像进行关联存储。示例性的，在用户视野图像中标注注视点，若当前时刻用户视野图像为足球门的图像，当前时刻用户的注视点为足球门顶端的一点，则在该足球门的图像上将该点通过预设标记标注出来，预设标记的具体类型本实施例中不作限定，例如预设标识可以为红色圆圈等。

S204、将标定有注视信息的用户视野图像与预先设置的模板视野图像进行比对，确定图像偏差小于设定阈值的目标模板视野图像。

其中，预先设置的模板视野图像可以根据预设数量专业用户的视野图像统计分析得到，预设数量可以根据需要进行设置。

将标定有注视信息的用户视野图像与预先设置的模板视野图像进行比对，具体可以比较用户视野图像与模板视野图像的各个像素点的偏差值，综合得到图像偏差，判断是否存在图像偏差小于设定阈值的模板视野图像，若存在，则将该模板视野图像作为目标模板视野图像，其中设定阈值可以根据实际情况进行设定。

S205、匹配用户视野图像中的注视信息与目标模板视野图像中的模板注视信息，得到匹配度。

具体的，得到标定有注视信息的用户视野图像对应的目标模板视野图像之后，可以将用户视野图像中的注视信息与目标模板视野图像中的模板注视信息进行匹配，得到匹配度(即差异度)；也可以将用户视野图像的注视信息的原始数据与目标模板视野图像中的模板注视信息的原始数据进行数据匹配，得到匹配度(即差异度)。

S206、统计满足匹配度小于预设匹配度阈值条件的注视信息的数量，并根据数量对用户的训练方案的执行情况进行打分。

对用户的训练方案的执行情况进行打分的打分标准可以根据需要进行设置，例如，打分标准可以设置为若匹配度小于匹配度阈值的注视信息的数量大于或等于第一设定数量时，可以打分为合格，否则，打分为不合格，其中第一设定数量可以根据实际情况进行设定。

此外，在S202中基于眼部图像确定眼部特征信息，并根据眼部特征信息确定用户在训练过程中的注视信息之后，也可以直接将该注视信息与预先设置的模板注视信息进行匹配，根据匹配度对用户的训练方案的执行情况进行打分。

S207、根据训练方案的执行情况的得分和匹配度小于预设匹配度阈值的注视信息确定训练方案的调整策略。

具体的，若训练方案的执行情况的得分为合格，则可以不对该训练方案进行调整，若训练方案的执行情况的得分为不合格，可以根据匹配度小于匹配度阈值的注视信息以及该注视信息对应的模板注视信息确定该训练方案的调整策略。

示例性的，参见图3，图3为本发明实施例二中的训练场景的示意图，图中的训练对应的运动为足球，图中包括足球门11和足球运动员12，当前时刻的模板注视点为A点，但是图中足球运动员12的注视点为B点，计算得到的差异度(即匹配度)小于匹配度阈值，因此需要在训练方案中当前时刻提醒足球运动员12的注视点的偏差，对此时的注视点进行加强训练。

S208、根据瞳孔信息确定用户的疲劳信息。

其中，疲劳信息可以为能够反映用户当前所处的疲劳状态的数据，包括瞳孔直径、眨眼频率、眼部闭合程度、注视时长、注视次数、眼跳幅度、眼跳峰值、眼跳频率中的至少一项，疲劳信息的具体类型本实施例中不作限定。瞳孔直径可以包括左眼的瞳孔直径和右眼的瞳孔直径；眨眼频率为测试时平均眨眼的时间间隔，眨眼可以通过眼控设备采集实时的眼睛开闭状态获得；眼部闭合程度为上眼皮和下眼皮之间的距离；注视时长为用户注视某一点的时间；注视次数为用户在一段时间内用户注视某一点的次数；眼跳幅度为用户的注视点发生偏移的距离；眼跳峰值为用户的注视点发生偏移的速度；眼跳频率为一段时间内用户注视点发生偏移的次数。

瞳孔信息可以包括用户的瞳孔轮廓、虹膜轮廓、瞳孔中心、虹膜中心及外界光源在角膜上的反射点等特征的相对位置等各类用户的眼睛进行转动时的相关数据。

具体的，由于用户所处不同的疲劳状态时对应观看特定目标或者执行特定活动时会存在不同偏向性的差别，此时可以通过用户的注意力分布情况来判断所处的疲劳状态。

具体的，获取到用户的瞳孔信息之后，对该瞳孔信息进行计算分析可以得到用户在训练时眼睛在转动过程中对应的反映待检测用户当前所处疲劳状态的眼睛指标数据以及特征数据，进而确定用户的疲劳信息。

S209、根据疲劳信息确定用户的疲劳等级，判断疲劳等级是否超过预设的等级阈值。

本实施例中，可以将疲劳信息与预先存储的历史疲劳信息进行关联度的计算，将关联度超过关联度阈值的历史疲劳信息作为匹配的目标疲劳信息，预先存储的历史疲劳信息均存储有对应的疲劳等级，将该目标疲劳信息对应的疲劳等级确定为用户的疲劳等级。

其中，疲劳等级阈值可以根据实际情况进行设定，例如用户属于初级阶段，此时可以设定较小的疲劳等级阈值，而随着用户训练阶段的升级，对应的疲劳等级阈值也可以适当的增大。

S210、若是，则确定疲劳等级超过预设的等级阈值的持续时间，并根据持续时间对用户的训练方案的执行情况进行打分。

对用户的训练方案的执行情况进行打分的打分标准可以根据需要进行设置，例如，打分标准可以设置为疲劳等级超过预设的等级阈值的持续时间大于或等于第一设定时间时，可以打分为合格，否则，打分为不合格，其中第一设定时间可以根据实际情况进行设定。

S211、根据用户的疲劳信息和训练方案的执行情况的得分确定训练方案的调整策略。

具体的，若训练方案的执行情况的得分为合格，则可以不对该训练方案进行调整，若训练方案的执行情况的得分为不合格，说明用户执行当前的训练方案时的疲劳程度较为严重，可以训练方案中疲劳等级较高的时刻设置警示给用户，或者适应性的降低该训练方案的强度。

可以理解的是，本实施例中对训练方案的调整可以是训练设备通过预先设置的调整程序或者算法实现，也可以是用户的指导老师或者教练通过分析训练方案的执行情况的得分来实现。

本实施例通过获取用户的训练特征信息，根据训练特征信息确定用户的训练状态信息，训练状态信息包括注视信息和疲劳信息，并根据训练状态信息确定用户的训练方案的执行情况，并根据执行情况确定训练方案调整策略。本实施例通过获取到的用户的训练特征信息可以确定用户自身视野的注视信息和用户本身的疲劳信息，并统计分析该注视信息和疲劳信息确定用户训练方案的调整方向，实现了根据用户的意识或者专注力的状态对其运动训练进行调整，使用户的训练方案更加合理化和个性化，以帮助提高训练效果和效率。

实施例三

图4为本发明实施例三中的训练装置的结构示意图，本实施例可适用于实现运行训练的情况。本发明实施例所提供的训练装置可执行本发明任意实施例所提供的训练方法，具备执行方法相应的功能模块和有益效果。该装置具体包括信息获取模块310、状态模块320和训练调整模块330，其中：

信息获取模块310，用于获取用户的训练特征信息；

状态模块320，用于根据训练特征信息确定用户的训练状态信息，训练状态信息包括注视信息和疲劳信息；

训练调整模块330，用于根据训练状态信息确定用户的训练方案的执行情况，并根据执行情况确定训练方案调整策略。

本发明实施例通过获取用户的训练特征信息，根据训练特征信息确定用户的训练状态信息，训练状态信息包括注视信息和疲劳信息，并根据训练状态信息确定用户的训练方案的执行情况，并根据执行情况确定训练方案调整策略。本发明实施例通过获取到的用户的训练特征信息可以确定用户自身视野的注视信息和用户本身的疲劳信息，并统计分析该注视信息和疲劳信息确定用户训练方案的调整方向，实现了根据用户的意识或者专注力的状态对其运动训练进行调整，使用户的训练方案更加合理化和个性化，以帮助提高训练效果和效率。

进一步的，所述训练特征信息包括眼部图像、用户视野图像和瞳孔信息。

进一步的，状态模块320包括第一状态单元，第一状态单元具体用于：

基于所述眼部图像确定眼部特征信息，并根据所述眼部特征信息确定所述用户在训练过程中的注视信息。

进一步的，训练调整模块330包括第一调整单元，第一调整单元具体用于：

在所述用户视野图像中标定所述注视信息；

将标定有所述注视信息的所述用户视野图像与预先设置的模板视野图像进行比对，确定图像偏差小于设定阈值的目标模板视野图像；

匹配所述用户视野图像中的所述注视信息与所述目标模板视野图像中的模板注视信息，得到匹配度；

统计满足所述匹配度小于预设匹配度阈值条件的所述注视信息的数量，并根据所述数量对所述用户的训练方案的执行情况进行打分；

根据所述训练方案的执行情况的得分和匹配度小于预设匹配度阈值的所述注视信息确定所述训练方案的调整策略。

进一步的，状态模块320还包括第二状态单元，第二状态单元具体用于：

根据所述瞳孔信息确定所述用户的疲劳信息，所述疲劳信息包括瞳孔直径、眨眼频率、眼部闭合程度、注视时长、注视次数、眼跳幅度、眼跳峰值、眼跳频率中的至少一项。

进一步的，训练调整模块330还包括第二调整单元，第二调整单元具体用于：

根据疲劳信息确定用户的疲劳等级，判断疲劳等级是否超过预设的等级阈值；

若是，则确定疲劳等级超过预设的等级阈值的持续时间，并根据持续时间对用户的训练方案的执行情况进行打分；

根据用户的疲劳信息和训练方案的执行情况的得分确定训练方案的调整策略。

进一步的，信息获取模块310具体用于：

获取眼控设备采集的用户的训练特征信息。

本发明实施例所提供的训练装置可执行本发明任意实施例所提供的训练方法，具备执行方法相应的功能模块和有益效果。

实施例四

图5为本发明实施例四中的设备的结构示意图。图5示出了适于用来实现本发明实施方式的示例性设备412的框图。图5显示的设备412仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，设备412以通用终端的形式表现。设备412的组件可以包括但不限于：一个或者多个处理器416，存储装置428，连接不同系统组件(包括存储装置428和处理器416)的总线418。

总线418表示几类总线结构中的一种或多种，包括存储装置总线或者存储装置控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(Industry SubversiveAlliance，ISA)总线，微通道体系结构(Micro Channel Architecture，MAC)总线，增强型ISA总线、视频电子标准协会(Video Electronics Standards Association，VESA)局域总线以及外围组件互连(Peripheral Component Interconnect，PCI)总线。

设备412典型地包括多种计算机系统可读介质。这些介质可以是任何能够被设备412访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。

存储装置428可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(Random Access Memory，RAM)430和/或高速缓存存储器432。设备412可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统434可以用于读写不可移动的、非易失性磁介质(图5未显示，通常称为“硬盘驱动器”)。尽管图5中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘，例如只读光盘(Compact Disc Read-Only Memory，CD-ROM),数字视盘(Digital Video Disc-Read Only Memory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线418相连。存储装置428可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本发明各实施例的功能。

具有一组(至少一个)程序模块442的程序/实用工具440，可以存储在例如存储装置428中，这样的程序模块442包括但不限于操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块442通常执行本发明所描述的实施例中的功能和/或方法。

设备412也可以与一个或多个外部设备414(例如键盘、指向终端、显示器424等)通信，还可与一个或者多个使得用户能与该设备412交互的终端通信，和/或与使得该设备412能与一个或多个其它计算终端进行通信的任何终端(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(I/O)接口422进行。并且，设备412还可以通过网络适配器420与一个或者多个网络(例如局域网(Local Area Network，LAN)，广域网(Wide Area Network，WAN)和/或公共网络，例如因特网)通信。如图5所示，网络适配器420通过总线418与设备412的其它模块通信。应当明白，尽管图中未示出，可以结合设备412使用其它硬件和/或软件模块，包括但不限于：微代码、终端驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of Independent Disks，RAID)系统、磁带驱动器以及数据备份存储系统等。

处理器416通过运行存储在存储装置428中的程序，从而执行各种功能应用以及数据处理，例如实现本发明实施例所提供的训练方法，该方法包括：

获取用户的训练特征信息；

根据训练特征信息确定用户的训练状态信息，训练状态信息包括注视信息和疲劳信息；

根据训练状态信息确定用户的训练方案的执行情况，并根据执行情况确定训练方案调整策略。

实施例五

本发明实施例五还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例所提供的训练方法，该方法包括：

获取用户的训练特征信息；

根据训练特征信息确定用户的训练状态信息，训练状态信息包括注视信息和疲劳信息；

根据训练状态信息确定用户的训练方案的执行情况，并根据执行情况确定训练方案调整策略。

本发明实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或终端上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

注意，上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解，本发明不限于这里所述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此，虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。

Claims (10)

1.一种训练方法，其特征在于，包括:

获取用户的训练特征信息；

根据所述训练特征信息确定所述用户的训练状态信息，所述训练状态信息包括注视信息和疲劳信息；

根据所述训练状态信息确定所述用户的训练方案的执行情况，并根据所述执行情况确定训练方案调整策略。

2.根据权利要求1所述的方法，其特征在于，所述训练特征信息包括眼部图像、用户视野图像和瞳孔信息。

3.根据权利要求2所述的方法，其特征在于，根据所述训练特征信息确定所述用户的训练状态信息，包括：

基于所述眼部图像确定眼部特征信息，并根据所述眼部特征信息确定所述用户在训练过程中的注视信息。

4.根据权利要求3所述的方法，其特征在于，根据所述训练状态信息确定所述用户的训练方案的执行情况，并根据所述执行情况确定训练方案调整策略，包括：

在所述用户视野图像中标定所述注视信息；

将标定有所述注视信息的所述用户视野图像与预先设置的模板视野图像进行比对，确定图像偏差小于设定阈值的目标模板视野图像；

匹配所述用户视野图像中的所述注视信息与所述目标模板视野图像中的注视信息，得到匹配度；

统计满足所述匹配度小于预设匹配度阈值条件的所述注视信息的数量，并根据所述数量对所述用户的训练方案的执行情况进行打分；

根据所述训练方案的执行情况的得分和匹配度小于预设匹配度阈值的所述注视信息确定所述训练方案的调整策略。

5.根据权利要求2所述的方法，其特征在于，根据所述训练特征信息确定所述用户的训练状态信息，包括：

根据所述瞳孔信息确定所述用户的疲劳信息，所述疲劳信息包括瞳孔直径、眨眼频率、眼部闭合程度、注视时长、注视次数、眼跳幅度、眼跳峰值、眼跳频率中的至少一项。

6.根据权利要求5所述的方法，其特征在于，根据所述训练状态信息确定所述用户的训练方案的执行情况，并根据所述执行情况确定训练方案调整策略，包括：

根据所述疲劳信息确定所述用户的疲劳等级，判断所述疲劳等级是否超过预设的等级阈值；

若是，则确定所述疲劳等级超过预设的等级阈值的持续时间，并根据所述持续时间对所述用户的训练方案的执行情况进行打分；

根据所述用户的疲劳信息和所述训练方案的执行情况的得分确定所述训练方案的调整策略。

7.根据权利要求1所述的方法，其特征在于，获取用户的训练特征信息，包括：

获取眼控设备采集的用户的训练特征信息。

8.一种训练装置，其特征在于，包括：

信息获取模块，用于获取用户的训练特征信息；

状态模块，用于根据所述训练特征信息确定所述用户的训练状态信息，所述训练状态信息包括注视信息和疲劳信息；

训练调整模块，用于根据所述训练状态信息确定所述用户的训练方案的执行情况，并根据所述执行情况确定训练方案调整策略。

9.一种设备，其特征在于，所述设备包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的训练方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的训练方法。