CN110786869B - 一种程序员的疲劳程度的检测方法 - Google Patents

Abstract

本发明的一种程序员的疲劳程度的检测方法，包括：步骤1，传感器监测T至T+1时刻程序员的头部动作变化以及键盘鼠标的输出并且汇集数据到处理器；步骤2，利用获得的人的头部动作变化以及键盘鼠标的输出，给分类器施加权重对人的可能处于的状态进行分类，得到概率最大的状态S_K机器概率P_K；步骤3，T+1时刻施加屏幕弹窗和提示音测试信号；步骤4，传感器监测T+1至T+2时刻人的头部动作变化以及键盘鼠标的输出并且汇集数据到处理器；步骤5，代入二项分布的公式进行计算，步骤二给出了一个可能的概率P_K，把它看成是先验概率，在步骤3和4的基础上进行更新。所以这里用贝叶斯公式进行更新。本发明能够在一个程序员的状态未知但键盘和鼠标的输出可以获得的情况下的人机系统中对程序员的疲劳程度识别。

Description

一种程序员的疲劳程度的检测方法

技术领域

本发明涉及程序员的状态的识别，具体涉及程序员的状态未知但键盘和鼠标的输出可以获得的情况下获得程序员的疲劳程度的方法。

背景技术

传感器能够检测待测量并能够将其按照一定的规律转换成电信号或者其他信号为我们获取信息；图像处理技术可以对获得的人的图片进行图像分析，获得人的动作；模式识别技术是通过计算机来处理和判读数据，做到为不同的状态实现分类。

通过在人机系统中安装的传感器，我们可以获得人针对某项刺激的反应及其动作变化，通过模式识别技术我们可以在加入我们所需要的权值的基础上对人的状态进行简单地分类。

发明内容

本发明要解决在一个程序员的状态未知但键盘和鼠标的输出可以获得的情况下的人机系统中对程序员的疲劳程度识别的问题，提出了基于传感器检测技术、图像处理技术、模式识别技术和贝叶斯公式的程序员的疲劳程度的检测方法，对此类程序员的疲劳程度的检测方法提供了一种思路。

本发明解决其技术问题所采用的技术方案是：

一种程序员的疲劳程度的检测方法，含有以下步骤：

步骤1：传感器监测T至T+1时刻程序员的头部动作变化以及键盘鼠标的输出并且汇集数据到处理器；

步骤2：利用获得的人的头部动作变化以及键盘鼠标的输出，给分类器施加权重对人的可能处于的状态进行分类，得到概率最大的状态S_K机器概率P_K；

步骤3：T+1时刻施加屏幕弹窗和提示音作为测试信号；

步骤4：传感器监测T+1至T+2时刻人的头部动作变化以及键盘鼠标的输出并且汇集数据到处理器。

步骤5：代入二项分布的公式进行计算，步骤2给出了概率P_K，作为先验概率，在步骤3和4的基础上进行更新，所以这里用贝叶斯公式进行更新。

本发明提出了基于传感器检测技术、图像处理技术、模式识别技术和贝叶斯公式的程序员的疲劳程度的检测方法，对此类程序员的疲劳程度的检测方法提供了一种思路。传感器能够检测待测量并能够将其按照一定的规律转换成电信号或者其他信号为我们获取信息；图像处理技术可以对获得的人的图片进行图像分析，获得人的动作；模式识别技术是通过计算机来处理和判读数据，做到为不同的状态实现分类。

与现有技术相比，本发明技术方案的优点有：

(1)本发明结合图像处理技术和模式识别，图像处理技术以及键鼠检测程序获得模式识别技术所需要的数据，模式识别在此基础上对程序员的疲劳程度进行分类，给出程序员概率最大也就是最有可能的疲劳程度。

(2)通过发送屏幕弹窗和提示音等测试信号并再次获得程序员的动作变化和键鼠输出，通过贝叶斯公示增大或减少人处于某种状态的可能性。

附图说明

图1：本发明方法的流程图；

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图和实施例对本发明作进一步的详细描述。

一种程序员的疲劳程度的检测方法，含有以下步骤：

步骤1：用键盘和鼠标监测软件获取键盘和鼠标的输出，利用摄像头和图像处理技术确定人的骨骼点获取人的头部动作，将数据汇集到处理器，处理器将已获得的数据处理成可以看出程序员特征的形式，有程序员在规定时间内敲击backspace、delete的次数，以及鼠标按下的次数。数据归一化后做成一个向量[a1,a2,a3]^T,其中a1设置成按backspace的频率，a2设置成按delete的频率，a3设置成鼠标按下频率，a1,a2,a3用数字0-9的来表示频率。

步骤2：用模式识别方法来进行数据分析，程序员的疲劳状态分为四种状态，状态A为精神饱满，状态B为精力比较充沛，状态C为有点疲劳，状态D为非常疲惫，在给出的同时给出每一个状态的特征，根据分类给出程序员属于的状态分类，并对此给出一个符合每个状态的概率，最后给出概率最高的状态和程序员处于这个疲劳状态的概率，处于K状态的概率P_K＝数据对于状态K契合度/数据对于各个状态的契合度的总和；

步骤3：系统给出一个提示音和屏幕弹窗作为测试信号；

步骤4：用键盘和鼠标监测软件获取键盘和鼠标的输出，利用摄像头和图像处理技术获取人的动作，汇集到处理器并进行数据分析；

步骤5：代入二项分布的公式进行计算，步骤2给出了概率P_K，在此把P_k作为先验概率，在步骤3和4的基础上用贝叶斯公式进行更新；

P(AB)＝P(BA)

P(A|B)*P(B)＝P(B|A)*P(A)

P(A|B)＝P(B|A)*P(A)/P(B)

P(A|B)是指在步骤3和4的基础上用贝叶斯公式进行更新过后的概率，也就是在发出了测试信号后程序员有了反应动作之后仍处于K状态的概率；

P(B|A)是指程序员处于K状态下会进行反应动作的概率。

P(A)是指程序员处于该状态的先验概率，就是步骤2得到的P_K；

P(B)是指一般情况下程序员进行反应动作的概率。

示例：

P(A|B)＝P(B|A)*P(A)/P(B)中(令A为困，B为关掉提示)

P(A|B)：程序员已经关掉提示后还处于很困的状态的概率

P(B|A)：很困的人关掉提示音的概率，假设20％.

P(A)：步骤2推得他处于困得概率为20％

P(B)：一般程序员会关掉提示的情况，假设80％。

最后P(A|B)＝0.2*0.2/0.8＝5％，概率极大地降低了。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.一种程序员的疲劳程度的检测方法，含有以下步骤：

步骤1：用键盘和鼠标监测软件获取键盘和鼠标的输出，利用摄像头和图像处理技术确定人的骨骼点获取人的头部动作，将数据汇集到处理器，处理器将已获得的数据处理成可以看出程序员特征的形式，有程序员在规定时间内敲击backspace、delete的次数，以及鼠标按下的次数。数据归一化后做成一个向量[a₁,a₂,a3]^T,其中a₁设置成按backspace的频率，a₂设置成按delete的频率，a₃设置成鼠标按下频率，a₁,a₂,a₃用数字0-9的来表示频率。

步骤2：用模式识别方法来进行数据分析，程序员的疲劳状态分为四种状态，状态A为精神饱满，状态B为精力比较充沛，状态C为有点疲劳，状态D为非常疲惫，在给出的同时给出每一个状态的特征，根据分类给出程序员属于的状态分类，并对此给出一个符合每个状态的概率，最后给出概率最高的状态和程序员处于这个疲劳状态的概率，处于K状态的概率P_K＝数据对于状态K契合度/数据对于各个状态的契合度的总和；

步骤3：系统给出一个提示音和屏幕弹窗作为测试信号；

步骤4：用键盘和鼠标监测软件获取键盘和鼠标的输出，利用摄像头和图像处理技术获取人的动作，汇集到处理器并进行数据分析；

步骤5：代入二项分布的公式进行计算，步骤2给出了概率P_K，在此把Pk作为先验概率，在步骤3和4的基础上用贝叶斯公式进行更新；

P(AB)＝P(BA)

P(A|B)*P(B)＝P(B|A)*P(A)

P(A|B)＝P(B|A)*P(A)/P(B)

P(A|B)是指在步骤3和4的基础上用贝叶斯公式进行更新过后的概率，也就是在发出了测试信号后程序员有了反应动作之后仍处于K状态的概率；

P(B|A)是指程序员处于K状态下会进行反应动作的概率；

P(A)是指程序员处于该状态的先验概率，就是步骤2得到的P_K；

P(B)是指一般情况下程序员进行反应动作的概率。

Images