CN113017557A - 一种眼睛状态的智能检测方法及装置 - Google Patents
一种眼睛状态的智能检测方法及装置 Download PDFInfo
- Publication number
- CN113017557A CN113017557A CN202110235238.2A CN202110235238A CN113017557A CN 113017557 A CN113017557 A CN 113017557A CN 202110235238 A CN202110235238 A CN 202110235238A CN 113017557 A CN113017557 A CN 113017557A
- Authority
- CN
- China
- Prior art keywords
- information
- eye
- obtaining
- user
- pupil
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 89
- 210000001747 pupil Anatomy 0.000 claims abstract description 116
- 208000030533 eye disease Diseases 0.000 claims abstract description 46
- 239000002537 cosmetic Substances 0.000 claims abstract description 44
- 238000000034 method Methods 0.000 claims abstract description 41
- 230000000694 effects Effects 0.000 claims description 36
- 238000004364 calculation method Methods 0.000 claims description 30
- 230000009467 reduction Effects 0.000 claims description 10
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 8
- 230000003245 working effect Effects 0.000 claims description 7
- 208000006550 Mydriasis Diseases 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 239000000463 material Substances 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 claims description 4
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 3
- 229910052760 oxygen Inorganic materials 0.000 claims description 3
- 239000001301 oxygen Substances 0.000 claims description 3
- 230000035699 permeability Effects 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 210000001508 eye Anatomy 0.000 description 173
- 230000008569 process Effects 0.000 description 14
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 7
- 230000003796 beauty Effects 0.000 description 5
- 238000007477 logistic regression Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 210000004556 brain Anatomy 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 208000003464 asthenopia Diseases 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 210000005036 nerve Anatomy 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 210000000697 sensory organ Anatomy 0.000 description 2
- 230000008961 swelling Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 208000016134 Conjunctival disease Diseases 0.000 description 1
- 208000029728 Eyelid disease Diseases 0.000 description 1
- 206010020751 Hypersensitivity Diseases 0.000 description 1
- 235000002911 Salvia sclarea Nutrition 0.000 description 1
- 244000182022 Salvia sclarea Species 0.000 description 1
- 206010042674 Swelling Diseases 0.000 description 1
- 238000005299 abrasion Methods 0.000 description 1
- 208000026935 allergic disease Diseases 0.000 description 1
- 230000007815 allergy Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000004397 blinking Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 235000008429 bread Nutrition 0.000 description 1
- 208000021921 corneal disease Diseases 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000006735 deficit Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000021121 meiosis Effects 0.000 description 1
- 230000002911 mydriatic effect Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 201000005111 ocular hyperemia Diseases 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 208000037921 secondary disease Diseases 0.000 description 1
- 230000035807 sensation Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
Images
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
- A61B3/14—Arrangements specially adapted for eye photography
-
- 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
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)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种眼睛状态的智能检测方法及装置，所述方法应用于美瞳佩戴检测装置，所述装置与一图像采集装置相连接，所述方法包括：根据所述图像采集装置，获得第一用户的第一眼睛图像信息并进行检测，获得第一检测信息；获得所述第一用户的第一眼部疾病信息；对所述第一检测信息和所述第一眼部疾病信息进行判断，确定第一判断结果；若所述第一判断结果为可以佩戴美瞳的结果，获得所述第一用户佩戴的第一美瞳信息；将所述第一美瞳信息和第一眼睛信息输入契合度检测模型中，获得第一契合度；判断所述第一契合度是否处于预设契合度阈值；若不处于获得第一推荐美瞳信息，解决了现有技术中存在眼睛状态的检测方法不够完善、不够智能的技术问题。
Description
技术领域
本发明涉及眼睛检测相关领域，尤其涉及一种眼睛状态的智能检测方法及装置。
背景技术
眼睛是人类感官中最重要的器官，大脑获取知识的途径大多都是通过眼睛来获取的，将眼睛看到的信息转变成神经信号，传送给大脑，美瞳是现代生活中最常见的一种眼部产品，有色隐形眼镜，能够解决近视的同时美化眼珠，从而受到大众的喜爱，但是自身的眼睛状态会影响美瞳的佩戴。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
现有技术中存在眼睛状态的检测方法不够完善、不够智能的技术问题。
发明内容
本申请实施例通过提供一种眼睛状态的智能检测方法及装置，解决了现有技术中存在眼睛状态的检测方法不够完善、不够智能的技术问题，达到了通过对眼睛的状态进行智能检测，提高眼睛佩戴美瞳的安全性的技术效果。
鉴于上述问题，提出了本申请实施例提供一种眼睛状态的智能检测方法及装置。
第一方面，本申请实施例提供了一种眼睛状态的智能检测方法，所述方法应用于美瞳佩戴检测装置，所述装置与一图像采集装置相连接，所述方法包括：根据所述图像采集装置，获得第一用户的第一眼睛图像信息；对所述第一眼睛图像信息进行检测，获得第一检测信息；获得所述第一用户的第一眼部疾病信息，其中，所述第一眼部疾病信息为历史眼部疾病信息；对所述第一检测信息和所述第一眼部疾病信息进行判断，确定第一判断结果，其中，所述第一判断结果包括可以佩戴美瞳和不可以佩戴美瞳两种结果；若所述第一判断结果为可以佩戴美瞳的结果，获得所述第一用户佩戴的第一美瞳信息；将所述第一美瞳信息和第一眼睛信息输入契合度检测模型中，获得第一契合度；判断所述第一契合度是否处于预设契合度阈值；若所述第一契合度不处于预设契合度阈值，获得第一推荐美瞳信息。
另一方面，本申请还提供了一种眼睛状态的智能检测装置，所述装置包括：第一获得单元，所述第一获得单元用于根据所述图像采集装置，获得第一用户的第一眼睛图像信息；第二获得单元，所述第二获得单元用于对所述第一眼睛图像信息进行检测，获得第一检测信息；第三获得单元，所述第三获得单元用于获得所述第一用户的第一眼部疾病信息，其中，所述第一眼部疾病信息为历史眼部疾病信息；第一判断单元，所述第一判断单元用于对所述第一检测信息和所述第一眼部疾病信息进行判断，确定第一判断结果，其中，所述第一判断结果包括可以佩戴美瞳和不可以佩戴美瞳两种结果；第四获得单元，所述第四获得单元用于若所述第一判断结果为可以佩戴美瞳的结果，获得所述第一用户佩戴的第一美瞳信息；第五获得单元，所述第五获得单元用于将所述第一美瞳信息和第一眼睛信息输入契合度检测模型中，获得第一契合度；第二判断单元，所述第二判断单元用于判断所述第一契合度是否处于预设契合度阈值；第六获得单元，所述第六获得单元用于若所述第一契合度不处于预设契合度阈值，获得第一推荐美瞳信息。
第三方面，本发明提供了一种眼睛状态的智能检测装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。
本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
由于采用了通过图像采集装置获得所述第一用户的第一眼睛图像信息，从而对所述第一用户的眼睛状态信息进行检测，再获得所述第一用户的历史眼部疾病信息，再根据获得的这两个信息进行判断，确定是否能够佩戴美瞳的结果，再通过获得所述第一用户佩戴的美瞳信息和所述第一用户的眼睛信息输入到契合度检测模型中进行检测，从而获得所述第一用户眼睛与美瞳的契合度，当契合度未达到一定适合程度时推荐适合的美瞳信息，达到了通过对眼睛的状态进行智能检测，提高眼睛佩戴美瞳的安全性的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
图1为本申请实施例一种眼睛状态的智能检测方法的流程示意图；
图2为本申请实施例一种眼睛状态的智能检测装置的结构示意图；
图3为本申请实施例示例性电子设备的结构示意图。
附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第一判断单元14，第四获得单元15，第五获得单元16，第二判断单元17，第六获得单元18，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。
具体实施方式
本申请实施例通过提供一种眼睛状态的智能检测方法及装置，解决了现有技术中存在眼睛状态的检测方法不够完善、不够智能的技术问题，达到了通过对眼睛的状态进行智能检测，提高眼睛佩戴美瞳的安全性的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
申请概述
眼睛是人类感官中最重要的器官，大脑获取知识的途径大多都是通过眼睛来获取的，将眼睛看到的信息转变成神经信号，传送给大脑，美瞳是现代生活中最常见的一种眼部产品，有色隐形眼镜，能够解决近视的同时美化眼珠，从而受到大众的喜爱，但是自身的眼睛状态会影响美瞳的佩戴。但现有技术中存在眼睛状态的检测方法不够完善、不够智能的技术问题。
针对上述技术问题，本申请提供的技术方案总体思路如下：
本申请实施例提供了一种眼睛状态的智能检测方法，所述方法应用于美瞳佩戴检测装置，所述装置与一图像采集装置相连接，所述方法包括：根据所述图像采集装置，获得第一用户的第一眼睛图像信息；对所述第一眼睛图像信息进行检测，获得第一检测信息；获得所述第一用户的第一眼部疾病信息，其中，所述第一眼部疾病信息为历史眼部疾病信息；对所述第一检测信息和所述第一眼部疾病信息进行判断，确定第一判断结果，其中，所述第一判断结果包括可以佩戴美瞳和不可以佩戴美瞳两种结果；若所述第一判断结果为可以佩戴美瞳的结果，获得所述第一用户佩戴的第一美瞳信息；将所述第一美瞳信息和第一眼睛信息输入契合度检测模型中，获得第一契合度；判断所述第一契合度是否处于预设契合度阈值；若所述第一契合度不处于预设契合度阈值，获得第一推荐美瞳信息。
在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。
实施例一
如图1所示，本申请实施例提供了一种眼睛状态的智能检测方法，所述喷涂处理装置连接于一图像采集装置，所述方法包括：
步骤S100：根据所述图像采集装置，获得第一用户的第一眼睛图像信息；
具体而言，所述图像采集装置其中最重要的是通过图像采集单元将采集到的图像或视频进行数字化并输入、存储到计算机中，其中，所述图像采集的过程中的光线源属性、采集距离等都会对采集到的图像产生不同程度的影响，其中由于采集到的图像为眼部图像信息，所以对于所述图像采集装置的对焦要求更高，从而能够从所述图像采集装置采集到的面包图像中获得清晰的眼部图像信息，进而为之后图像进行分析提供准确的图像来源。
步骤S200：对所述第一眼睛图像信息进行检测，获得第一检测信息；
具体而言，所述第一检测信息为对所述第一用户的所述第一眼睛图像信息进行检测分析获得的，其中，分析检测的过程是根据提取出的眼睛图像信息，进而进一步进行识别，其中，检测的过程中包括眼睛的开闭形状，颜色分析，以及视频中的眼部眨眼频率，瞳孔反射等信息，通过这些信息进行检测从而获得目前眼睛的实时状态，若产生红血丝、或眼睛疲劳、红肿等情况则不适合佩戴美瞳，因此，通过对眼部图像信息进行深入的分析，从而获得所述第一用户眼部的实时状态信息。
步骤S300：获得所述第一用户的第一眼部疾病信息，其中，所述第一眼部疾病信息为历史眼部疾病信息；
具体而言，所述第一眼部疾病信息为所述第一用户眼睛的历史疾病信息，其中，按照眼睛疾病发生的部位不同分为了多种眼部疾病信息，如眼睑疾病、结膜疾病、角膜疾病等眼部疾病信息，进一步而言，包括由于过敏引起的眼部红肿或感染引发的眼睛疾病等信息，基于眼部疾病的影响对于眼睛状态的检测具有参考意义，因此，通过增加二次疾病信息对眼睛进行进一步检测，达到了准确、科学对眼睛信息进一步核查的技术效果。
步骤S400：对所述第一检测信息和所述第一眼部疾病信息进行判断，确定第一判断结果，其中，所述第一判断结果包括可以佩戴美瞳和不可以佩戴美瞳两种结果；
具体而言，由于本实施例的判断过程是根据所述第一检测信息和所述第一眼部疾病信息进行判断的，达到了充分依据信息进行准确的判断，其中，本次判断的过程可以通过建立逻辑回归模型进行判断，以所述第一检测信息为横坐标、以所述第一眼部疾病信息为纵坐标建立。进而根据逻辑回归线产生两种判断结果，逻辑回归线的一侧为可以佩戴美瞳的第一结果，逻辑回归线的另一侧为不可以佩戴美瞳的第二结果，进而达到了基于逻辑回归模型具有其数学特性和逻辑性的特点，使得最终的判断结果具有准确性，从而达到了为之后的流程提供准确参考来源的技术效果。
步骤S500：若所述第一判断结果为可以佩戴美瞳的结果，获得所述第一用户佩戴的第一美瞳信息；
具体而言，经判读那，若所述第一判断结果为可以佩戴隐形的结果，则获得所述第一用户将要佩戴或购买的美瞳信息，其中，所述第一美瞳信息为佩戴的美瞳所有属性信息，包括美瞳含水量、基弧、直径、材质、厂家、舒适度评价等信息，其中，获取该信息的过程可以通过用户进行手动录入，或输入美瞳型号计算机从海量数据中进行调取的方式完成，从而建立出美瞳的信息输入表。达到了有目的的收集和采集信息，科学和准确的进行预测的技术效果。
步骤S600：将所述第一美瞳信息和第一眼睛信息输入契合度检测模型中，获得第一契合度；
具体而言，所述契合度检测模型是按照神经网络模型为原型建立模型进行训练的，神经网络由大量的节点(或称神经元)之间相互连接构成的一种运算模型，网络的输出则依照网络的连接方式的一种逻辑策略表达，所述第一契合度为表示所述第一用户眼睛与美瞳之间的契合程度，将所述第一美瞳信息和第一眼睛信息输入每一组训练数据中。进一步而言，所述训练的过程实质为监督学习的过程，每一组监督数据均包括所述第一美瞳信息和第一眼睛信息和标识第一契合度的标识信息，所述契合度检测模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，结束本组数据监督学习，进行下一组数据监督学习。当所述契合度检测模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束，基于机器学习模型能通过大量数据不断的学习，进而不断地修正模型，最终获得满意的经验来处理其他数据，从而达到了输出准确数据，提高佩戴美瞳安全性的技术效果。
步骤S700：判断所述第一契合度是否处于预设契合度阈值；
步骤S800：若所述第一契合度不处于预设契合度阈值，获得第一推荐美瞳信息。
具体而言，所述预设契合度阈值为提前预设的眼睛与美瞳之间的契合范围，由于眼睛的特性会产生不同的预设数值，达到灵活设置的技术效果，如眼睛基础状态等级较高，预设的阈值数据范围较大，当眼睛为敏感眼睛状态的时候，预设的阈值数据高且范围小。其中，通过判断所述契合度检测模型输出的所述第一契合度与所述预设契合度阈值这两个数据，经判断若所述第一契合度不处于预设契合度阈值中，表示此时的美瞳与所述第一用户的眼睛状态不符合，容易使得眼睛的磨损严重，且具有明显异物感，不具备较舒适的使用体验，因此针对所述第一用户的自身眼睛状态去筛选契合度更高的美瞳信息，增加所述第一用户的使用舒适度，进而进一步达到了通过对眼睛的状态进行智能检测，提高眼睛佩戴美瞳的安全性的技术效果。
进一步而言，本申请实施例还包括：
步骤S910：获得多图像采集设备，其中，所述多图像采集设备包括第一采集设备和第二采集设备；
步骤S920：根据所述多图像采集设备，获得第一眼睛图像信息和第二眼睛图像信息，其中，所述第一眼睛图像信息和第二眼睛图像信息是通过第一采集设备和第二采集设备采集同一面部图像获得的眼睛图像；
步骤S930：根据所述第一眼睛图像信息，获得所述第一采集设备的第一对焦效果；
步骤S940：根据所述第二眼睛图像信息，获得所述第二采集设备的第二对焦效果；
步骤S950：根据所述第一对焦效果和所述第二对焦效果对所述第一采集设备和所述第二采集设备进行排序，获得所述图像采集装置。
具体而言，所述多图像采集设备为所述第一采集设备和所述第二采集设备的集合。进而通过所述第一采集设备获得所述第一用户的第一眼睛图像信息，通过所述第二采集设备获得所述第一用户的第二眼睛图像信息，其中，所述第一眼睛图像信息和所述第二眼睛图像信息为在同一时刻下同一用户的同一眼睛的图像信息，进而对采集到的两个图像进行对焦效果分析，选取对焦效果更佳的设备作为主要采集设备，由于图像采集的过程实现多距离、多角度的采集，因此需要具有不同，若超出预定采集距离从而影响采集质量的情况下，需要对焦效果更佳的图像采集装置，一般而言，对焦效果更好的图像采集设备有助于提升采集到的眼睛图像的质量，从而能够进一步细化分析，使得最终的检测结果更加准确。
进一步而言，其中，所述若所述第一判断结果为可以佩戴美瞳的结果，获得所述第一用户佩戴的第一美瞳信息之后，本申请实施例步骤S500还包括：
步骤S510：根据所述第一用户，获得所述第一美瞳的第一佩戴日期；
步骤S520：对所述第一佩戴日期的第一天气状况进行录入，获得第一损害度；
步骤S530：根据所述第一损害度进行计算，获得预定佩戴时间阈值；
步骤S540：判断所述第一用户的实时佩戴时间是否超过预定佩戴时间阈值；
步骤S550：若所述第一用户的实时佩戴时间超过预定佩戴时间阈值，获得第一提醒信息。
具体而言，所述第一佩戴日期为所述第一用户佩戴美瞳的当天的日期，首先根据所述第一佩戴日期查看当天的天气状况，再根据当天天气的实时变化进一步进行录入，所述第一损害度为当天的天气对所述第一用户佩戴美瞳的眼睛产生损害的程度，进而确定能够佩戴的时间阈值，若佩戴时间过长会增加对所述第一用户眼睛的损害程度，举例来说，当佩戴日期的当天出现大风强烈的气流对眼睛的冲击会造成不适从而磨损眼睛，因此，当实时佩戴的时间过长产生提醒信息对所述第一用户及时提醒，达到了通过对天气状况的综合分析，确定佩戴时间，进而进一步提高佩戴美瞳安全性的技术效果。
进一步而言，本申请实施例还包括：
步骤S1010：获得预定图像采集频率；
步骤S1020：根据所述预定图像采集频率，获得第一周期眼睛图像信息；
步骤S1030：根据所述第一周期眼睛图像信息，建立第一眼睛变化曲线；
步骤S1040：通过将所述第一眼睛变化曲线的信息输入耐受率计算模型进行眼睛耐受率计算，获得第一下降速率；
步骤S1050：判断所述第一下降速率是否超过预设下降速率；
步骤S1060：若所述第一下降速率超过预设下降速率，获得第二提醒信息。
具体而言，所述预定采集频率为预先设定的采集眼睛图像的频率，详细来说是将佩戴美瞳的一段日期中的天数或时间进行频率设定，其中所述第一周期为上述一段日期，依次来说，第二周期会与这一段日期的天数相同。从而达到有规律的采集图像，根据每次采集到的眼睛图像信息建立出图像信息，提取曲线中眼睛状态的下降曲线，进一步获得其斜率确定曲线的下降斜率并进行下降速度的判断。所述第一下降速率为眼睛状态磨损的下降程度。进一步而言，由于佩戴美瞳会对眼睛造成一定的影响，比如不同程度的磨损、眼睛疲劳的抵抗力下降、眼角的刺激造成眼睛敏感，从而使得眼睛的耐受率下降，对于下降速度较快的情况对所述第一用户进行提醒，达到了通过对佩戴美瞳时间段内的眼睛进行周期检测，提高眼睛佩戴美瞳的安全性的技术效果。
进一步而言，本申请实施例步骤S1020还包括：
步骤S1021：根据所述第一眼睛图像信息，获得所述第一用户的第一眼睛状态信息；
步骤S1022：获得美瞳多属性信息，其中，所述多属性信息包括第一含水量信息、第一透氧率信息和第一材质信息；
步骤S1023：根据所述第一眼睛状态信息和所述美瞳多属性信息建立所述耐受率计算模型；
步骤S1024：判断所述耐受率计算模型的精确度是否处于预设精确度之间；
步骤S1025：若所述耐受率计算模型的精确度不处于预设精确度之间，获得第三提醒信息；
步骤S1026：若所述耐受率计算模型的精确度处于预设精确度之间，获得第一存储指令；
步骤S1027：根据所述第一存储指令，将所述耐受率计算模型存储到模型调用库中。
具体而言，所述耐受率计算模型是上一实施例中对所述第一眼睛变化曲线进行眼睛耐受率计算的模型，其中，所述耐受率模型是通过对所有眼睛状态的信息和美瞳的所有属性信息综合建立的，进而继续判断所述耐受率计算模型的精确度是否达到标准，其中，所述耐受率计算模型的精确度是通过大量的数据信息进行模拟计算从而得到的精确度结果，其中，模拟计算的数据结果经分析获得的误差可以根据方差进行精确度判断，若精确度达到标准，则可以将所述耐受率计算模型存储到模型调用库中，所述模型调用库可以在需要时完成调用，增加计算速度，所述模型调用库中包括耐受率计算模型和契合度检测模型。从而达到了通过进一步检测模型的准确率，提高检测结果准确性的技术效果。
进一步而言，本申请实施例还包括：
步骤S1110：获得所述第一用户的第一兴趣爱好；
步骤S1120：根据所述第一兴趣爱好，确定第一专注度；
步骤S1130：根据所述第一专注度，判断所述第一兴趣爱好中第一用眼习惯；
步骤S1140：获得预定用眼时间阈值；
步骤S1150：根据所述预定用眼时间阈值对所述第一用户进行时间监控，获得第四提醒信息。
具体而言，所述第一兴趣爱好为所述第一用户花费时间多的日常用眼多的兴趣爱好，如美术、游戏、写作等，其中每一项的兴趣爱好根据投入的程度的不同，对眼睛造成的影响也会存在区别，其在兴趣爱好中花费的时间也会存在影响，从而确定所述第一专注度。进而确定能够花费的时间，其所述预定用眼时间阈值为参考时间，进而对所述第一用户进行实时的监控，防止用眼不恰当对眼睛造成损害，达到了通过对眼睛在兴趣爱好的时间进行智能检测的技术效果。
进一步而言，本申请实施例还包括：
步骤S1210：获得所述第一用户的第一工作性质信息；
步骤S1220：对所述第一工作性质信息进行危害度分析，设定第一检测频率；
步骤S1230：根据所述第一检测频率，获得所述第一用户的第二眼睛状态信息，其中，所述的第二眼睛状态信息为工作时的眼睛状态信息；
步骤S1240：判断所述第一用户是否佩戴美瞳；
步骤S1250：若所述第一用户佩戴美瞳，根据所述第二眼睛状态信息获得第一防护方案信息。
具体而言，通过获得所述第一用户的所述第一工作性质信息，从而判断所述第一用户的工作时对于眼睛的损害程度，设定出个性化的检测频率，其危害度越高设定的所述第一检测频率就越高，间隔就越短，其危害度越低设定的所述第一检测频率就越低，间隔就越长，从而根据所述第一用户在工作时的眼睛状态，若工作时还佩戴美瞳，对于佩戴美瞳的时间段与未佩戴美瞳的时间段进行批次计算，进而根据此时的状态获得其对眼睛的防护方案，达到了通过对工作状态的眼睛进行批次检测从而进行防护的技术效果。
综上所述，本申请实施例所提供的一种眼睛状态的智能检测方法及装置具有如下技术效果：
1、由于采用了通过图像采集装置获得所述第一用户的第一眼睛图像信息，从而对所述第一用户的眼睛状态信息进行检测，再获得所述第一用户的历史眼部疾病信息，再根据获得的这两个信息进行判断，确定是否能够佩戴美瞳的结果，再通过获得所述第一用户佩戴的美瞳信息和所述第一用户的眼睛信息输入到契合度检测模型中进行检测，从而获得所述第一用户眼睛与美瞳的契合度，当契合度未达到一定适合程度时推荐适合的美瞳信息，达到了通过对眼睛的状态进行智能检测，提高眼睛佩戴美瞳的安全性的技术效果。
2、由于采用了将所述第一美瞳信息和第一眼睛信息输入契合度检测模型中，再由模型输出第一契合度的方式，其中，基于契合度检测模型自身能不断优化学习、获得“经验”来处理数据更准确的数学特制，使得所最终得到的眼睛与美瞳的契合度更加准确，进而达到通过机器学习的方式，提高检测方法智能性的技术效果。
实施例二
基于与前述实施例中一种眼睛状态的智能检测方法同样发明构思，本发明还提供了一种眼睛状态的智能检测装置，如图2所示，所述装置包括：
第一获得单元11，所述第一获得单元11用于根据所述图像采集装置，获得第一用户的第一眼睛图像信息；
第二获得单元12，所述第二获得单元12用于对所述第一眼睛图像信息进行检测，获得第一检测信息；
第三获得单元13，所述第三获得单元13用于获得所述第一用户的第一眼部疾病信息，其中，所述第一眼部疾病信息为历史眼部疾病信息；
第一判断单元14，所述第一判断单元14用于对所述第一检测信息和所述第一眼部疾病信息进行判断，确定第一判断结果，其中，所述第一判断结果包括可以佩戴美瞳和不可以佩戴美瞳两种结果；
第四获得单元15，所述第四获得单元15用于若所述第一判断结果为可以佩戴美瞳的结果，获得所述第一用户佩戴的第一美瞳信息；
第五获得单元16，所述第五获得单元16用于将所述第一美瞳信息和第一眼睛信息输入契合度检测模型中，获得第一契合度；
第二判断单元17，所述第二判断单元17用于判断所述第一契合度是否处于预设契合度阈值；
第六获得单元18，所述第六获得单元18用于若所述第一契合度不处于预设契合度阈值，获得第一推荐美瞳信息。
进一步的，所述装置还包括：
第七获得单元，所述第七获得单元用于获得多图像采集设备，其中，所述多图像采集设备包括第一采集设备和第二采集设备；
第八获得单元，所述第八获得单元用于根据所述多图像采集设备，获得第一眼睛图像信息和第二眼睛图像信息，其中，所述第一眼睛图像信息和第二眼睛图像信息是通过第一采集设备和第二采集设备采集同一面部图像获得的眼睛图像；
第九获得单元，所述第九获得单元用于根据所述第一眼睛图像信息，获得所述第一采集设备的第一对焦效果；
第十获得单元，所述第十获得单元用于根据所述第二眼睛图像信息，获得所述第二采集设备的第二对焦效果；
第十一获得单元，所述第十一获得单元用于根据所述第一对焦效果和所述第二对焦效果对所述第一采集设备和所述第二采集设备进行排序，获得所述图像采集装置。
进一步的，所述装置还包括：
第十二获得单元，所述第十二获得单元用于根据所述第一用户，获得所述第一美瞳的第一佩戴日期；
第十三获得单元，所述第十三获得单元用于对所述第一佩戴日期的第一天气状况进行录入，获得第一损害度；
第十四获得单元，所述第十四获得单元用于根据所述第一损害度进行计算，获得预定佩戴时间阈值；
第三判断单元，所述第三判断单元用于判断所述第一用户的实时佩戴时间是否超过预定佩戴时间阈值；
第十五获得单元，所述第十五获得单元用于若所述第一用户的实时佩戴时间超过预定佩戴时间阈值，获得第一提醒信息。
进一步的，所述装置还包括：
第十六获得单元，所述第十六获得单元用于获得预定图像采集频率；
第十七获得单元，所述第十七获得单元用于根据所述预定图像采集频率，获得第一周期眼睛图像信息；
第一构建单元，所述第一构建单元用于根据所述第一周期眼睛图像信息，建立第一眼睛变化曲线；
第十八获得单元，所述第十八获得单元用于通过将所述第一眼睛变化曲线的信息输入耐受率计算模型进行眼睛耐受率计算，获得第一下降速率；
第四判断单元，所述第四判断单元用于判断所述第一下降速率是否超过预设下降速率；
第十九获得单元，所述第十九获得单元用于若所述第一下降速率超过预设下降速率，获得第二提醒信息。
进一步的，所述装置还包括：
第二十获得单元，所述第二十获得单元用于根据所述第一眼睛图像信息，获得所述第一用户的第一眼睛状态信息；
第二十一获得单元，所述第二十一获得单元用于获得美瞳多属性信息，其中，所述多属性信息包括第一含水量信息、第一透氧率信息和第一材质信息；
第二构建单元，所述第二构建单元用于根据所述第一眼睛状态信息和所述美瞳多属性信息建立所述耐受率计算模型；
第五判断单元，所述第五判断单元用于判断所述耐受率计算模型的精确度是否处于预设精确度之间；
第二十二获得单元，所述第二十二获得单元用于若所述耐受率计算模型的精确度不处于预设精确度之间，获得第三提醒信息；
第二十三获得单元，所述第二十三获得单元用于若所述耐受率计算模型的精确度处于预设精确度之间，获得第一存储指令；
第一存储单元，所述第一存储单元用于根据所述第一存储指令，将所述耐受率计算模型存储到模型调用库中。
进一步的，所述装置还包括：
第二十四获得单元，所述第二十四获得单元用于获得所述第一用户的第一兴趣爱好；
第一确定单元，所述第一确定单元用于根据所述第一兴趣爱好，确定第一专注度；
第六判断单元，所述第六判断单元用于根据所述第一专注度，判断所述第一兴趣爱好中第一用眼习惯；
第二十五获得单元，所述第二十五获得单元用于获得预定用眼时间阈值；
第二十六获得单元，所述第二十六获得单元用于根据所述预定用眼时间阈值对所述第一用户进行时间监控，获得第四提醒信息。
进一步的，所述装置还包括：
第二十七获得单元，所述第二十七获得单元用于获得所述第一用户的第一工作性质信息；
第一设定单元，所述第一设定单元用于对所述第一工作性质信息进行危害度分析，设定第一检测频率；
第二十八获得单元，所述第二十八获得单元用于根据所述第一检测频率，获得所述第一用户的第二眼睛状态信息，其中，所述的第二眼睛状态信息为工作时的眼睛状态信息；
第七判断单元，所述第七判断单元用于判断所述第一用户是否佩戴美瞳；
第二十九获得单元，所述第二十九获得单元用于若所述第一用户佩戴美瞳，根据所述第二眼睛状态信息获得第一防护方案信息。
前述图1实施例一中的一种眼睛状态的智能检测方法的各种变化方式和具体实例同样适用于本实施例的一种眼睛状态的智能检测装置，通过前述对一种眼睛状态的智能检测方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种眼睛状态的智能检测装置的实施方法，所以为了说明书的简洁，在此不再详述。
示例性电子设备
下面参考图3来描述本申请实施例的电子设备。
图3图示了根据本申请实施例的电子设备的结构示意图。
基于与前述实施例中一种眼睛状态的智能检测方法的发明构思，本发明还提供一种眼睛状态的智能检测装置，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种眼睛状态的智能检测方法的任一方法的步骤。
其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本发明实施例提供的一种眼睛状态的智能检测方法，所述方法应用于美瞳佩戴检测装置，所述装置与一图像采集装置相连接，所述方法包括：根据所述图像采集装置，获得第一用户的第一眼睛图像信息；对所述第一眼睛图像信息进行检测，获得第一检测信息；获得所述第一用户的第一眼部疾病信息，其中，所述第一眼部疾病信息为历史眼部疾病信息；对所述第一检测信息和所述第一眼部疾病信息进行判断，确定第一判断结果，其中，所述第一判断结果包括可以佩戴美瞳和不可以佩戴美瞳两种结果；若所述第一判断结果为可以佩戴美瞳的结果，获得所述第一用户佩戴的第一美瞳信息；将所述第一美瞳信息和第一眼睛信息输入契合度检测模型中，获得第一契合度；判断所述第一契合度是否处于预设契合度阈值；若所述第一契合度不处于预设契合度阈值，获得第一推荐美瞳信息。解决了现有技术中存在眼睛状态的检测方法不够完善、不够智能的技术问题，达到了通过对眼睛的状态进行智能检测，提高眼睛佩戴美瞳的安全性的技术效果。
本发明是参照根据本发明实施例的方法、设备(装置)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。
Claims (9)
1.一种眼睛状态的智能检测方法，所述方法应用于美瞳佩戴检测装置，所述装置与一图像采集装置相连接，所述方法包括：
根据所述图像采集装置，获得第一用户的第一眼睛图像信息；
对所述第一眼睛图像信息进行检测，获得第一检测信息；
获得所述第一用户的第一眼部疾病信息，其中，所述第一眼部疾病信息为历史眼部疾病信息；
对所述第一检测信息和所述第一眼部疾病信息进行判断，确定第一判断结果，其中，所述第一判断结果包括可以佩戴美瞳和不可以佩戴美瞳两种结果；
若所述第一判断结果为可以佩戴美瞳的结果，获得所述第一用户佩戴的第一美瞳信息；
将所述第一美瞳信息和第一眼睛信息输入契合度检测模型中，获得第一契合度；
判断所述第一契合度是否处于预设契合度阈值；
若所述第一契合度不处于预设契合度阈值，获得第一推荐美瞳信息。
2.如权利要求1所述的方法，所述方法还包括：
获得多图像采集设备，其中，所述多图像采集设备包括第一采集设备和第二采集设备；
根据所述多图像采集设备，获得第一眼睛图像信息和第二眼睛图像信息，其中，所述第一眼睛图像信息和第二眼睛图像信息是通过第一采集设备和第二采集设备采集同一面部图像获得的眼睛图像；
根据所述第一眼睛图像信息，获得所述第一采集设备的第一对焦效果；
根据所述第二眼睛图像信息，获得所述第二采集设备的第二对焦效果；
根据所述第一对焦效果和所述第二对焦效果对所述第一采集设备和所述第二采集设备进行排序，获得所述图像采集装置。
3.如权利要求1所述的方法，所述若所述第一判断结果为可以佩戴美瞳的结果，获得所述第一用户佩戴的第一美瞳信息之后，所述方法还包括：
根据所述第一用户，获得所述第一美瞳的第一佩戴日期；
对所述第一佩戴日期的第一天气状况进行录入，获得第一损害度；
根据所述第一损害度进行计算，获得预定佩戴时间阈值；
判断所述第一用户的实时佩戴时间是否超过预定佩戴时间阈值；
若所述第一用户的实时佩戴时间超过预定佩戴时间阈值，获得第一提醒信息。
4.如权利要求1所述的方法，所述方法还包括：
获得预定图像采集频率；
根据所述预定图像采集频率，获得第一周期眼睛图像信息；
根据所述第一周期眼睛图像信息，建立第一眼睛变化曲线；
通过将所述第一眼睛变化曲线的信息输入耐受率计算模型进行眼睛耐受率计算，获得第一下降速率；
判断所述第一下降速率是否超过预设下降速率；
若所述第一下降速率超过预设下降速率，获得第二提醒信息。
5.如权利要求4所述的方法，所述方法还包括：
根据所述第一眼睛图像信息，获得所述第一用户的第一眼睛状态信息；
获得美瞳多属性信息，其中，所述多属性信息包括第一含水量信息、第一透氧率信息和第一材质信息；
根据所述第一眼睛状态信息和所述美瞳多属性信息建立所述耐受率计算模型；
判断所述耐受率计算模型的精确度是否处于预设精确度之间；
若所述耐受率计算模型的精确度不处于预设精确度之间，获得第三提醒信息；
若所述耐受率计算模型的精确度处于预设精确度之间，获得第一存储指令；
根据所述第一存储指令，将所述耐受率计算模型存储到模型调用库中。
6.如权利要求1所述的方法，所述方法还包括：
获得所述第一用户的第一兴趣爱好；
根据所述第一兴趣爱好，确定第一专注度；
根据所述第一专注度，判断所述第一兴趣爱好中第一用眼习惯；
获得预定用眼时间阈值；
根据所述预定用眼时间阈值对所述第一用户进行时间监控，获得第四提醒信息。
7.如权利要求1所述的方法，所述方法还包括：
获得所述第一用户的第一工作性质信息；
对所述第一工作性质信息进行危害度分析，设定第一检测频率；
根据所述第一检测频率，获得所述第一用户的第二眼睛状态信息，其中，所述的第二眼睛状态信息为工作时的眼睛状态信息；
判断所述第一用户是否佩戴美瞳；
若所述第一用户佩戴美瞳，根据所述第二眼睛状态信息获得第一防护方案信息。
8.一种眼睛状态的智能检测装置，其中，所述装置包括：
第一获得单元，所述第一获得单元用于根据所述图像采集装置，获得第一用户的第一眼睛图像信息；
第二获得单元，所述第二获得单元用于对所述第一眼睛图像信息进行检测，获得第一检测信息；
第三获得单元，所述第三获得单元用于获得所述第一用户的第一眼部疾病信息，其中，所述第一眼部疾病信息为历史眼部疾病信息；
第一判断单元，所述第一判断单元用于对所述第一检测信息和所述第一眼部疾病信息进行判断，确定第一判断结果，其中，所述第一判断结果包括可以佩戴美瞳和不可以佩戴美瞳两种结果；
第四获得单元，所述第四获得单元用于若所述第一判断结果为可以佩戴美瞳的结果，获得所述第一用户佩戴的第一美瞳信息；
第五获得单元，所述第五获得单元用于将所述第一美瞳信息和第一眼睛信息输入契合度检测模型中，获得第一契合度；
第二判断单元，所述第二判断单元用于判断所述第一契合度是否处于预设契合度阈值；
第六获得单元，所述第六获得单元用于若所述第一契合度不处于预设契合度阈值，获得第一推荐美瞳信息。
9.一种眼睛状态的智能检测装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110235238.2A CN113017557A (zh) | 2021-03-03 | 2021-03-03 | 一种眼睛状态的智能检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110235238.2A CN113017557A (zh) | 2021-03-03 | 2021-03-03 | 一种眼睛状态的智能检测方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113017557A true CN113017557A (zh) | 2021-06-25 |
Family
ID=76465822
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110235238.2A Pending CN113017557A (zh) | 2021-03-03 | 2021-03-03 | 一种眼睛状态的智能检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113017557A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111899861A (zh) * | 2020-08-17 | 2020-11-06 | 江苏达实久信数字医疗科技有限公司 | 一种重症病房智能护理方法及系统 |
| CN112130326A (zh) * | 2020-09-28 | 2020-12-25 | 广州引力波科技创新发展有限公司 | 一种提高vr眼镜护目性能的方法及装置 |
| CN112263376A (zh) * | 2020-10-27 | 2021-01-26 | 南通市第一人民医院 | 一种患者造口的智能管理方法和系统 |
| CN112309525A (zh) * | 2020-11-09 | 2021-02-02 | 南通市第一人民医院 | 一种屈光发育档案管理方法及装置 |
-
2021
- 2021-03-03 CN CN202110235238.2A patent/CN113017557A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111899861A (zh) * | 2020-08-17 | 2020-11-06 | 江苏达实久信数字医疗科技有限公司 | 一种重症病房智能护理方法及系统 |
| CN112130326A (zh) * | 2020-09-28 | 2020-12-25 | 广州引力波科技创新发展有限公司 | 一种提高vr眼镜护目性能的方法及装置 |
| CN112263376A (zh) * | 2020-10-27 | 2021-01-26 | 南通市第一人民医院 | 一种患者造口的智能管理方法和系统 |
| CN112309525A (zh) * | 2020-11-09 | 2021-02-02 | 南通市第一人民医院 | 一种屈光发育档案管理方法及装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104720796B (zh) | 一种用于癫痫发作时间段的自动检测系统及方法 | |
| Garcia et al. | Vision-based drowsiness detector for real driving conditions | |
| CN113397546B (zh) | 基于机器学习和生理信号的情绪识别模型构建方法及系统 | |
| CN110600103B (zh) | 一种提升视力的可穿戴智能服务系统 | |
| CN107374652A (zh) | 基于电子产品学习的质量监测方法、装置和系统 | |
| RU2711976C1 (ru) | Способ дистанционного распознавания и коррекции с помощью виртуальной реальности психоэмоционального состояния человека | |
| CN111516700A (zh) | 一种驾驶员分心细粒度监测方法和系统 | |
| CN105534534A (zh) | 一种基于实时功能磁共振的情绪识别方法、装置及系统 | |
| CN114648354A (zh) | 一种基于眼动追踪和情绪状态的广告测评方法和系统 | |
| CN115590529A (zh) | 基于时空注意力机制的癫痫脑电信号监测方法及系统 | |
| Müller et al. | Incremental SSVEP analysis for BCI implementation | |
| WO2014009758A1 (en) | Device to determine visuo-spatial ability | |
| CN117547270A (zh) | 一种多源数据融合的飞行员认知负荷反馈系统 | |
| CN113576496A (zh) | 视觉追踪的脑机接口检测系统 | |
| CN110222608A (zh) | 一种自助体检机视力检测智能化处理方法 | |
| CN112998657A (zh) | 一种预防皮肤过敏的方法及系统 | |
| CN112545460B (zh) | 基于视-听双任务的脑力负荷检测方法 | |
| CN113017557A (zh) | 一种眼睛状态的智能检测方法及装置 | |
| CN113926045A (zh) | 一种辅助睡眠的家纺产品的智能控制方法及系统 | |
| CN113014881A (zh) | 一种神经外科患者日常监护方法及系统 | |
| CN112006701A (zh) | 一种驾驶疲劳的检测方法及系统 | |
| CN109620263B (zh) | 一种企事业单位上岗人员体征安全分析方法 | |
| Heard et al. | Speech workload estimation for human-machine interaction | |
| CN115067643A (zh) | 一种可疲劳提醒的智能手环及其方法 | |
| WO2022231589A1 (en) | Predicting mental state characteristics of users of wearable devices |
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: 20210625 |