CN113180667B - 认知负荷评估方法、装置、存储介质及计算机设备 - Google Patents

认知负荷评估方法、装置、存储介质及计算机设备 Download PDF

Info

Publication number
CN113180667B
CN113180667B CN202110475684.0A CN202110475684A CN113180667B CN 113180667 B CN113180667 B CN 113180667B CN 202110475684 A CN202110475684 A CN 202110475684A CN 113180667 B CN113180667 B CN 113180667B
Authority
CN
China
Prior art keywords
cognitive load
pupil
size
eye movement
sac
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.)
Active
Application number
CN202110475684.0A
Other languages
English (en)
Other versions
CN113180667A (zh
Inventor
杜博
孙其民
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.)
Nanchang Virtual Reality Institute Co Ltd
Original Assignee
Nanchang Virtual Reality Institute Co Ltd
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 Nanchang Virtual Reality Institute Co Ltd filed Critical Nanchang Virtual Reality Institute Co Ltd
Priority to CN202110475684.0A priority Critical patent/CN113180667B/zh
Publication of CN113180667A publication Critical patent/CN113180667A/zh
Application granted granted Critical
Publication of CN113180667B publication Critical patent/CN113180667B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
    • A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Hospice & Palliative Care (AREA)
  • Pathology (AREA)
  • Developmental Disabilities (AREA)
  • Psychiatry (AREA)
  • Psychology (AREA)
  • Social Psychology (AREA)
  • Physics & Mathematics (AREA)
  • Child & Adolescent Psychology (AREA)
  • Biophysics (AREA)
  • Educational Technology (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Medical Informatics (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

本发明提供一种认知负荷评估方法、装置、存储介质及计算机设备，应用于认知负荷评估装置，该方法包括：获取待检测人员的多组眼动数据，眼动数据包括注视时长、扫视幅度以及瞳孔大小；其中注视时长为一个点的注视时长，扫视幅度为从一个注视点前往另一个注视点的移动距离，瞳孔大小为瞳孔直径；根据多组眼动数据计算眼动指标；对眼动指标量化处理，获取认知负荷值；将认知负荷值与预设值进行比对，确定认知负荷等级。本发明提供的技术方案可可通过模拟环境对待测试人员进行认知负荷水平的评估，使得认知负荷评估更加高效和准确。

Description

认知负荷评估方法、装置、存储介质及计算机设备
技术领域
本发明涉及数据处理技术领域，特别涉及一种认知负荷评估方法、装置、存储介质及计算机设备。
背景技术
94％的驾驶事故都可以归结于人为失误(Melnicuk,V.,Birrell,S.,Konstantopoulos,P.,Crundall,E.,&Jennings,P.(2016,June).JLR heart:employingwearable technology in non-intrusive driver state monitoring.Preliminarystudy.In 2016 IEEE Intelligent Vehicles Symposium(IV)(pp.55-60).IEEE.)，这些事故中绝大多数又是跟过高或者过低的认知负荷相关(Smiley,A.,Brookhuis,K.A.,1987.Alcohol,drugs and traffic safety.In:Rothengatter,J.A.,de Bruin,R.A.(Eds.),Road Users and Traffic Safety.Van Gorcum,Assen,The Netherlands,pp.83–105.)。研究表明，过高或者过低的认知负荷会影响驾驶员的有效信息获取和注意力分配，进而影响驾驶员的操作表现，为了更好地监测驾驶员在不同场景下的认知负荷水平，需要对驾驶员的认知负荷进行评估和计算。
目前通用的计算认知负荷的方法主要是主观问卷和量表测量，问卷测试复杂耗时，而且存在测量时效的滞后性。
发明内容
基于此，本发明的目的是提供一种认知负荷评估方法，可通过模拟环境对待测试人员进行认知负荷水平的评估，使得认知负荷评估更加高效和准确。
本发明提供一种认知负荷评估方法，其中，所述方法包括：
获取待检测人员的多组眼动数据，所述眼动数据包括注视时长、扫视幅度以及瞳孔大小；其中所述注视时长为一个点的注视时长，所述扫视幅度为从一个注视点前往另一个注视点的移动距离，所述瞳孔大小为瞳孔直径；
根据多组所述眼动数据计算眼动指标；
对所述眼动指标量化处理，获取认知负荷值；
将所述认知负荷值与预设值进行比对，确定认知负荷等级。
本发明提供的认知负荷评估方法，通过获取待检测人员的多组眼动数据(注视时长、扫视幅度以及瞳孔大小)并将眼动数据计算得到眼动指标，量化处理后得到关于待检测人员的认知负荷，本发明提供的认知负荷评估方法，将人因交互领域迁移到状态检测领域，从计算移动时长迁移到了用眼动数据计算认知负荷，通过提出了一种新的评估驾驶员认知负荷的方法，使得对于待检测人员的认知负荷的值标准化，对驾驶员的认知负荷进行评估和计算更加高效和准确。
优选的，所述根据多组眼动数据计算眼动指标计算公式包括：
Fix_dur＝median(fix_dur 1,fix_dur 2,…,fix_dur i)；
Sac_dis＝median(sac_dis 1,sac_dis 2,…,sac_dis j)；
Pupil_size＝median(pupil_size 1,pupi_size 2,…,pupil_size n)；
其中，Fix_dur为注视时长，Sac_dis为扫视幅度，所述Pupil_size为瞳孔大小，i、j、n分别表示同一时间间隔t里的第i个注视，第j个扫视，第n个瞳孔尺寸。
优选的，所述对所述眼动指标量化处理，获取认知负荷值的计算公式包括：
cl＝fix_dur+1.2*log2(sac_dis/pupil_size)；
其中，cl为认知负荷。
本发明还提出一种认知负荷评估装置，所述认知负荷评估装置包括：
数据获取模块：用于获取待检测人员的眼动数据，所述眼动数据包括注视时长、扫视幅度以及瞳孔大小；其中所述注视时长为一个点的注视时长，所述扫视幅度为从一个注视点前往另一个注视点的移动距离，所述瞳孔大小为瞳孔直径；
计算模块：用于根据多组眼动数据计算眼动指标；
量化模块：用于对所述眼动指标量化处理，获取认知负荷值；
比较模块：用于将所述认知负荷值与预设值进行比对，确定认知负荷等级。
优选的，所述计算模块的计算公式包括：
Fix_dur＝median(fix_dur 1,fix_dur 2,…,fix_dur i)；
Sac_dis＝median(sac_dis 1,sac_dis 2,…,sac_dis j)；
Pupil_size＝median(pupil_size 1,pupi_size 2,…,pupil_size n)；
其中，Fix_dur为注视时长，Sac_dis为扫视幅度，所述Pupil_size为瞳孔大小，i、j、n分别表示同一时间间隔t里的第i个注视，第j个扫视，第n个瞳孔尺寸。
优选的，所述量化模块的计算公式包括：
cl＝fix_dur+1.2*log2(sac_dis/pupil_size)；
其中，cl为认知负荷。
本发明还提出一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
本发明还提出一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。
本发明的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实施例了解到。
附图说明
本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明第一实施例提出的认知负荷评估方法流程图；
图2为本发明第二实施例提出的认知负荷评估方法的流程图；
图3为本发明第三实施例提出的认知负荷评估装置的结构示意图。
具体实施方式
为了便于理解本发明，下面将参照相关附图对本发明进行更全面的描述。附图中给出了本发明的若干个实施例。但是，本发明可以以许多不同的形式来实现，并不限于本文所描述的实施例。相反地，提供这些实施例的目的是使对本发明的公开内容更加透彻全面。
需要说明的是，当元件被称为“固设于”另一个元件，它可以直接在另一个元件上或者也可以存在居中的元件。当一个元件被认为是“连接”另一个元件，它可以是直接连接到另一个元件或者可能同时存在居中元件。本文所使用的术语“垂直的”、“水平的”、“左”、“右”以及类似的表述只是为了说明的目的。
除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及/或”包括一个或多个相关的所列项目的任意的和所有的组合。
请参阅图1至图3，为本发明第一实施例提供的认知负荷评估方法，对于本发明第一实施例中认知负荷评估方法，所述方法包括如下步骤：
步骤S10，获取待检测人员的多组眼动数据。
本发明实施例中，待检测人员作为眼动数据的获取对象，一般而言待检测人员作为在工作任务中需要长时间用眼的对象群体，且用眼过程中需要避免疲劳问题而带来的安全隐患，如车辆的驾驶员、飞行员、手术医生、护士等，均需要较长时间的视力集中，本申请仅以车辆驾驶员作为待检测人员作为检测对象，但不对此作出限定，本发明提出的认知负荷评估方法可应用于所有与用眼工作内容相关的技术领域。
其中，眼动数据的采集可通过一种穿戴式设备(如头戴式眼动仪)使待检测人员进入沉浸式检测环境中，也可通过面向眼动数据采集设备(各种眼部动作捕捉设备)配合视频播放设备播放素材进行眼动数据的采集。
具体的，采集的眼动数据包括注视时长、扫视幅度以及瞳孔大小；其中注视时长为一个点的注视时长，扫视幅度为从一个注视点前往另一个注视点的移动距离，瞳孔大小为瞳孔直径。
步骤S20，根据多组眼动数据计算眼动指标。
其中，根据获取的眼动数据的各项参数进行中位值提取，获取相对具有代表性的参数值。具体的，计算公式如下：
Fix_dur＝median(fix_dur 1,fix_dur 2,…,fix_dur i)；
Sac_dis＝median(sac_dis 1,sac_dis 2,…,sac_dis j)；
Pupil_size＝median(pupil_size 1,pupi_size 2,…,pupil_size n)；
其中，Fix_dur为注视时长，Sac_dis为扫视幅度，所述Pupil_size为瞳孔大小，i、j、n分别表示同一时间间隔t里的第i个注视，第j个扫视，第n个瞳孔尺寸。
步骤S30，对眼动指标量化处理，获取认知负荷值。
其中，眼动指标量化处理的计算式如下：
cl＝fix_dur+1.2*log2(sac_dis/pupil_size)；
cl为认知负荷。
步骤S40，将认知负荷值与预设值进行比对，确定认知负荷等级。
本发明提出的认知负荷评估方法，通过获取待检测人员的多组眼动数据(注视时长、扫视幅度以及瞳孔大小)并将眼动数据计算得到眼动指标，量化处理后得到关于待检测人员的认知负荷，本发明提供的认知负荷评估方法，将费茨定律从人因交互领域迁移到状态检测领域，从计算移动时长迁移到了用眼动数据计算认知负荷，通过提出了一种新的评估驾驶员认知负荷的方法，使得对于待检测人员的认知负荷的值标准化，对驾驶员的认知负荷进行评估和计算更加高效和准确。
请参阅图2，为本申请第二实施例提出的认知负荷评估方法的流程图，具体的，在获取待检测人员的多组眼动数据之前，还包括：
步骤S01，设置模拟环境及干扰任务。
其中，模拟环境包括环境气候、道路模式、测试时段。环境气候具体包括晴天、下雨、下雪、雾霾等；道路模式包括山路、郊区道路、高速道路、隧道等；测试时段包括白天和晚上。
干扰任务为在模拟环境中增加如打电话、看导航、看指示牌等行为指令。
本发明通过在高保真驾驶模拟器中设置模拟环境和干扰任务，使得在眼动数据采集过程中，采集的数据更接近实际行驶过程中，人员认知负荷的评估，使得本发明提出的知负荷评估方法让待检测人员更具有代入感。
以上认知负荷评估方法结合下面具体测试数据进行阐述。
请参阅表1和表2，分别为在晴天状态和下雨状态下的眼动数据采集表：
Pupil_size sac_dis fix_dur
被试1 54.52 2.17 0.281861
被试2 85.47 1.91 0.281875
被试3 78.565 2.665 0.232705
被试4 66.93 2.22 0.232432
被试5 82.8 1.77 0.232342
被试6 74.035 2.63 0.224023
被试7 78.055 2.56 0.282142
被试8 67 2.31 0.199434
被试9 54.67 2.27 0.265532
被试10 57.15 1.83 0.232039
被试11 55.75 1.51 0.265836
被试12 69.92 1.76 0.199161
被试13 62.87 2.53 0.265419
被试14 55.79 1.625 0.215892
被试15 73 2.365 0.199
被试16 58.08 2.24 0.248778
表1
Figure BDA0003046996690000061
Figure BDA0003046996690000071
表2
请参阅表3为针对表1中各个被试人员的认知负荷值计算统计表：
Log2(sac_dis/pupil_size) cl
被试1 4.651019 5.863083
被试2 5.483774 6.862403
被试3 4.881679 6.09072
被试4 4.914021 6.129258
被试5 5.54781 6.889713
被试6 4.815073 6.00211
被试7 4.930275 6.198472
被试8 4.858196 6.02927
被试9 4.589985 5.773514
被试10 4.964838 6.189845
被试11 5.206351 6.513458
被试12 5.312058 6.57363
被试13 4.635162 5.827614
被试14 5.101495 6.337685
被试15 4.947984 6.136581
被试16 0.248778 5.884542
表3
请参阅表4，为针对表2中各个被试人员的认知负荷值计算统计表：
Figure BDA0003046996690000081
Figure BDA0003046996690000091
表4
将表3和表4汇总，可得关于日光天和下雨天的认知负荷比较，具体如表5所示：
Figure BDA0003046996690000092
Figure BDA0003046996690000101
表5
基于多次试验判断，定义关于认知负荷差值的的判定范围区间，其中：
低等级认知负荷：0<认知负荷差值<0.076；
中度认知负荷：0.076<认知负荷差值<0.31；
高度认知负荷：认知负荷差值>0.31；
根据表5，可计算得到认知负荷等级划分表，如表6所示：
Figure BDA0003046996690000102
Figure BDA0003046996690000111
表6
之前有大量研究表明雨天驾驶员的认知负荷是显著高于晴天的(e.g.,Golob,T.F.,Recker,W.W.,2003.Relationships among urban freeway accidents,trafficflow,weather,and lighting conditions.Journal of Transportation Engineering-Asce 129(4),342–353.)。以此作为真值，来对比测试的结果。最终计算可以看出，除了一个被试(S7)在下雨天的认知负荷低于日光天，其余全部高于日光天，实现了93.75％的准确率。通过采用Wilcoxon Singed Rank Test非参数假设检验去比较待检测人员在日光天和下雨天的认知负荷，统计结果显示下雨天驾驶的认知负荷显著高于日光天的认知负荷p<0.05(V＝3,p＝0.0001526)。
请参阅图3，基于同一发明构思，本发明第三实施例提出的识负荷评估装置，该认知负荷评估装置包括：
数据获取模块10：用于获取待检测人员的眼动数据，眼动数据包括注视时长、扫视幅度以及瞳孔大小；其中注视时长为一个点的注视时长，扫视幅度为从一个注视点前往另一个注视点的移动距离，瞳孔大小为瞳孔直径；
计算模块20：用于根据多组眼动数据计算眼动指标；
量化模块30：用于对眼动指标量化处理，获取认知负荷值；
比较模块40：用于将认知负荷值与预设值进行比对，确定认知负荷等级。
优选的，认知负荷评估装置还包括：
设置模块50：用于设置模拟环境和干扰任务，模拟环境包括环境气候、道路模式、测试时段。
进一步的，计算模块的计算公式包括：
Fix_dur＝median(fix_dur 1,fix_dur 2,…,fix_dur i)；
Sac_dis＝median(sac_dis 1,sac_dis 2,…,sac_dis j)；
Pupil_size＝median(pupil_size 1,pupi_size 2,…,pupil_size n)；
其中，Fix_dur为注视时长，Sac_dis为扫视幅度，Pupil_size为瞳孔大小，i、j、n分别表示同一时间间隔t里的第i个注视，第j个扫视，第n个瞳孔尺寸。
进一步的，量化模块的计算公式包括：
cl＝fix_dur+1.2*log2(sac_dis/pupil_size)；
其中，cl为认知负荷。
本发明提出的认知负荷评估装置，通过数据获取模块10获取待检测人员的多组眼动数据(注视时长、扫视幅度以及瞳孔大小)，并通过计算模块20将眼动数据计算得到眼动指标，量化模块30量化处理后得到关于待检测人员的认知负荷，本发明提供的认知负荷评估装置，将人因交互领域迁移到状态检测领域，从计算移动时长迁移到了用眼动数据计算认知负荷，通过提出了一种新的评估驾驶员认知负荷装置，使得对于待检测人员的认知负荷的值标准化，对驾驶员的认知负荷进行评估和计算更加高效和准确。
本发明还提出一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述方法的步骤。
本发明还提出一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述方法的步骤。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。
计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (4)

1.一种认知负荷评估方法，应用于认知负荷评估装置，其特征在于，所述方法包括：
获取待检测人员的多组眼动数据，所述眼动数据包括注视时长、扫视幅度以及瞳孔大小；其中所述注视时长为一个点的注视时长，所述扫视幅度为从一个注视点前往另一个注视点的移动距离，所述瞳孔大小为瞳孔直径；
根据多组所述眼动数据计算眼动指标；
所述根据眼动数据计算眼动指标计算公式包括：
Fix_dur＝median(fix_dur 1,fix_dur 2,…,fix_dur i)；
Sac_dis＝median(sac_dis 1,sac_dis 2,…,sac_dis j)；
Pupil_size＝median(pupil_size 1,pupi_size 2,…,pupil_size n)；
其中，Fix_dur为注视时长，Sac_dis为扫视幅度，所述Pupil_size为瞳孔大小，i、j、n分别表示同一时间间隔t里的第i个注视，第j个扫视，第n个瞳孔尺寸；
对所述眼动指标量化处理，获取认知负荷值；
所述对所述眼动指标量化处理，获取认知负荷值的计算公式包括：
cl＝fix_dur+1.2*log2(sac_dis/pupil_size)；
其中，cl为认知负荷；
将所述认知负荷值与预设值进行比对，确定认知负荷等级。
2.一种认知负荷评估装置，其特征在于，所述认知负荷评估装置包括：
数据获取模块：用于获取待检测人员的多组眼动数据，所述眼动数据包括注视时长、扫视幅度以及瞳孔大小；其中所述注视时长为一个点的注视时长，所述扫视幅度为从一个注视点前往另一个注视点的移动距离，所述瞳孔大小为瞳孔直径；
计算模块：用于根据多组眼动数据计算眼动指标；所述计算模块的计算公式包括：
Fix_dur＝median(fix_dur 1,fix_dur 2,…,fix_dur i)；
Sac_dis＝median(sac_dis 1,sac_dis 2,…,sac_dis j)；
Pupil_size＝median(pupil_size 1,pupi_size 2,…,pupil_size n)；
其中，Fix_dur为注视时长，Sac_dis为扫视幅度，所述Pupil_size为瞳孔大小，i、j、n分别表示同一时间间隔t里的第i个注视，第j个扫视，第n个瞳孔尺寸；
量化模块：用于对所述眼动指标量化处理，获取认知负荷值；所述量化模块的计算公式包括：
cl＝fix_dur+1.2*log2(sac_dis/pupil_size)；
其中，cl为认知负荷；
比较模块：用于将所述认知负荷值与预设值进行比对，确定认知负荷等级。
3.一种存储介质，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所述的方法。
4.一种计算机设备，包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1所述的方法。
CN202110475684.0A 2021-04-29 2021-04-29 认知负荷评估方法、装置、存储介质及计算机设备 Active CN113180667B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110475684.0A CN113180667B (zh) 2021-04-29 2021-04-29 认知负荷评估方法、装置、存储介质及计算机设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110475684.0A CN113180667B (zh) 2021-04-29 2021-04-29 认知负荷评估方法、装置、存储介质及计算机设备

Publications (2)

Publication Number Publication Date
CN113180667A CN113180667A (zh) 2021-07-30
CN113180667B true CN113180667B (zh) 2022-09-23

Family

ID=76980781

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110475684.0A Active CN113180667B (zh) 2021-04-29 2021-04-29 认知负荷评估方法、装置、存储介质及计算机设备

Country Status (1)

Country Link
CN (1) CN113180667B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115462755A (zh) * 2022-08-31 2022-12-13 北京津发科技股份有限公司 飞行员认知能力评估方法、系统和存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011005056A (ja) * 2009-06-26 2011-01-13 Kao Corp 覚醒度の評価方法

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8864310B2 (en) * 2012-05-01 2014-10-21 RightEye, LLC Systems and methods for evaluating human eye tracking
CN104504390B (zh) * 2015-01-14 2017-09-19 北京工业大学 一种基于眼动数据的网上用户状态识别方法和装置
CN111866022B (zh) * 2015-02-03 2022-08-30 杜比实验室特许公司 感知质量比会议中原始听到的更高的后会议回放系统
US10799186B2 (en) * 2016-02-12 2020-10-13 Newton Howard Detection of disease conditions and comorbidities
US10694946B2 (en) * 2016-07-05 2020-06-30 Freer Logic, Inc. Dual EEG non-contact monitor with personal EEG monitor for concurrent brain monitoring and communication
US11666258B2 (en) * 2018-07-27 2023-06-06 Worcester Polytechnic Institute Eye-tracking system for detection of cognitive load
EP3644325A1 (en) * 2018-10-26 2020-04-29 Tata Consultancy Services Limited Analyzing effect of a secondary cognitive load task on a primary executive task
US20220361744A1 (en) * 2019-08-28 2022-11-17 Biotrillion, Inc. Systems and methods for evaluating pupillary responses
CN111429013B (zh) * 2020-03-30 2023-05-02 西北工业大学 基于注意力分配和个体状态的飞行员情境觉知评测方法
CN111387976B (zh) * 2020-03-30 2022-11-29 西北工业大学 一种基于眼动和脑电数据的认知负荷评估方法
CN111743513B (zh) * 2020-06-29 2021-05-18 武汉大学 基于混合通道eeg信号的s1与rem睡眠状态检测方法及系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2011005056A (ja) * 2009-06-26 2011-01-13 Kao Corp 覚醒度の評価方法

Also Published As

Publication number Publication date
CN113180667A (zh) 2021-07-30

Similar Documents

Publication Publication Date Title
Lucas et al. How stable is happiness? Using the STARTS model to estimate the stability of life satisfaction
Zinn et al. Patterns of wildlife value orientations in hunters' families
DE10259609A1 (de) Verfahren zur Bestimmung der Ermüdungsempfindlichkeit
Geng et al. Load spectrum for automotive wheels hub based on mixed probability distribution model
Singh et al. A novel method of stress detection using physiological measurements of automobile drivers
DE102016210453A1 (de) Fahrzeug, System in Kommunikation mit einem Kommunikationsmodul des Fahrzeugs, und System in Kommunikation mit einer Gruppe von Fahrzeugen
CN113180667B (zh) 认知负荷评估方法、装置、存储介质及计算机设备
Osipow Vocational behavior and career development, 1975: A review
CN110706213A (zh) 基于应变响应累积分布函数差的桥梁集群结构损伤判别方法
KR20190048823A (ko) 도로 위험 지수 생성 시스템 및 방법
CN104182995B (zh) 一种基于驾驶疲劳的高速公路路侧景观色彩评价方法
CN110411686A (zh) 桥梁静动影像全息性态健康监测诊断方法及系统
Newstead et al. Does vehicle colour influence crash risk?
Rüdisser et al. Simplified and still meaningful: assessing butterfly habitat quality in grasslands with data collected by pupils
CN113753059A (zh) 一种自动驾驶系统下的驾驶人接管能力预测方法
CN1800809A (zh) 用于评估动态系统的设备和方法
CN114096991A (zh) Mri后处理系统和方法
CN112635048A (zh) 一种视觉任务脑力负荷量化评估方法及系统
CN109637138B (zh) 一种基于信息利用度的可变标志信息发布方法及系统
Shichrur et al. Determining the sampling time frame for in-vehicle data recorder measurement in assessing drivers
CN107808694B (zh) 基于gmfcs评判脑瘫患儿行走能力的系统及方法
CN113827256B (zh) 基于脑电微状态的疲劳检测方法、装置、终端及存储介质
CN108256766A (zh) 一种基于危险驾驶行为的车辆保险核算方法
Maller et al. WISC-III factor invariance across samples of children exhibiting appropriate and inappropriate test-session behaviors
DE69524355T2 (de) Unwetterherd-Detektions- und -kartiervorrichtung

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
GR01 Patent grant
GR01 Patent grant