CN113181016A - 一种照度动态变化的眼调节训练灯 - Google Patents
一种照度动态变化的眼调节训练灯 Download PDFInfo
- Publication number
- CN113181016A CN113181016A CN202110523681.XA CN202110523681A CN113181016A CN 113181016 A CN113181016 A CN 113181016A CN 202110523681 A CN202110523681 A CN 202110523681A CN 113181016 A CN113181016 A CN 113181016A
- Authority
- CN
- China
- Prior art keywords
- pupil
- eye
- user
- image
- detection algorithm
- 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
- 238000005286 illumination Methods 0.000 title claims abstract description 105
- 238000012549 training Methods 0.000 title claims abstract description 80
- 210000001508 eye Anatomy 0.000 claims abstract description 219
- 210000001747 pupil Anatomy 0.000 claims abstract description 178
- 230000008859 change Effects 0.000 claims abstract description 60
- 238000001514 detection method Methods 0.000 claims abstract description 57
- 238000000034 method Methods 0.000 claims abstract description 37
- 238000000605 extraction Methods 0.000 claims abstract description 22
- 210000005252 bulbus oculi Anatomy 0.000 claims abstract description 18
- 230000007246 mechanism Effects 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 15
- 238000007781 pre-processing Methods 0.000 claims abstract description 13
- 238000012544 monitoring process Methods 0.000 claims abstract description 11
- 230000001960 triggered effect Effects 0.000 claims abstract description 10
- 210000000744 eyelid Anatomy 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000006073 displacement reaction Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 3
- 210000003205 muscle Anatomy 0.000 description 29
- 230000003287 optical effect Effects 0.000 description 10
- 210000000695 crystalline len Anatomy 0.000 description 9
- 230000004379 myopia Effects 0.000 description 9
- 208000001491 myopia Diseases 0.000 description 9
- 230000001886 ciliary effect Effects 0.000 description 6
- 230000000638 stimulation Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 210000001525 retina Anatomy 0.000 description 3
- 208000003464 asthenopia Diseases 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 206010047513 Vision blurred Diseases 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000015271 coagulation Effects 0.000 description 1
- 238000005345 coagulation Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000004515 progressive myopia Effects 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H5/00—Exercisers for the eyes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
-
- 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
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/168—Feature extraction; Face representation
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61H—PHYSICAL THERAPY APPARATUS, e.g. DEVICES FOR LOCATING OR STIMULATING REFLEX POINTS IN THE BODY; ARTIFICIAL RESPIRATION; MASSAGE; BATHING DEVICES FOR SPECIAL THERAPEUTIC OR HYGIENIC PURPOSES OR SPECIFIC PARTS OF THE BODY
- A61H2205/00—Devices for specific parts of the body
- A61H2205/02—Head
- A61H2205/022—Face
- A61H2205/024—Eyes
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Human Computer Interaction (AREA)
- Evolutionary Biology (AREA)
- Epidemiology (AREA)
- Ophthalmology & Optometry (AREA)
- Pain & Pain Management (AREA)
- Physical Education & Sports Medicine (AREA)
- Rehabilitation Therapy (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本发明涉及一种眼监控的技术领域,揭露了一种照度动态变化方法,包括:利用传感器获取用户面部图像,并对用户面部图像进行预处理;利用人眼检测算法模型检测预处理后的用户面部图像;利用瞳孔检测算法对眼部区域图像进行检测;实时利用瞳孔特征提取算法对眼部瞳孔图像进行特征提取处理,并在预设定的时间周期内监测用户瞳孔特征的变化情况;若瞳孔特征变化差异小于阈值,说明用户长时间用眼且眼球没有运动,此时触发训练灯的调节机制,利用基于瞳孔特征的眼部状态检测算法检测得到当前用户的眼部状态,周期性的调节训练灯的光照强度和色温。本发明还提供了一种照度动态变化的眼调节训练灯。本发明实现了基于照度变化的眼调节。
Description
技术领域
本发明涉及眼健康的技术领域,尤其涉及一种照度动态变化方法,以及治疗、预防近视及缓解视疲劳的眼调节训练灯。
背景技术
近视已成为危害青少年健康的突出问题。研究报道,东亚及东南亚地区青少年患近视的比率为80%~90%,而我国学龄期近视患病率也高达70%。同时,城市高楼林立使青少年儿童户外活动减少,加之学习负担的加重、电子产品的普及,大大提高了近视的发病率。框架眼镜是近视患者最容易接受的矫正器具,但它并不能治疗近视和控制近视的加深。
正常人眼睛看物体时,眼肌会根据所看物体的远近调节瞳孔的大小和晶状体的厚度,使平行光线经过屈光系统进入眼内,其焦点正好落在视网膜上,形成清晰影像。而近视者的眼肌调节能力下降,只有看近处时,平行光线的焦点才能配合得当,落在视网膜上。当望远处时,因受眼肌调节能力限制,不能使平行光线的焦点落在视网膜上,所以发生看物模糊不清。
眼肌调节能力下降的主要原因为人们长期视近,加之环境相对固定,眼中的晶状体和瞳孔也随之处于相对固定的状态,日积月累,调节瞳孔和晶状体的肌肉会因疲劳变得僵硬、凝固,失去调节能力。
想要改善近视,就需要锻炼眼肌,使眼肌解除僵硬、凝固的状态,重新软化,恢复弹性,恢复其调节能力。
鉴于此,如何锻炼眼肌,从而改善近视,成为本领域技术人员亟待解决的问题。
发明内容
本发明提供一种照度动态变化方法,通过传感器获取用户面部图像,并进行人眼检测;利用瞳孔检测算法检测到眼部图像中瞳孔,并实时提取瞳孔特征,在预设定的时间周期内监测用户瞳孔差异变化情况,若瞳孔像素差异小于阈值说明用户长时间用眼且眼球没有运动;此时触发训练灯的调节机制,利用基于瞳孔特征的眼部状态检测算法检测得到当前用户的眼部状态,根据所检测到的眼部状态,周期性的改变训练灯的光照强度和色温,引起用户虹膜、睫状肌、晶状体的三联动,使相关肌肉受刺激渐渐变软而有弹性,从而改善用户的瞳孔状态,达到调节用户眼球的目的。
为实现上述目的,本发明提供的一种照度动态变化方法,包括:
利用传感器获取用户面部图像,并对用户面部图像进行预处理;
利用人眼检测算法模型检测预处理后的用户面部图像,得到眼部区域图像;
利用瞳孔检测算法对眼部区域图像进行检测,得到眼部瞳孔图像;
实时利用瞳孔特征提取算法对眼部瞳孔图像进行特征提取处理,得到用户的瞳孔特征,并在预设定的时间周期内监测用户瞳孔特征的变化情况;
若瞳孔特征变化差异小于阈值,说明用户长时间用眼且眼球没有运动,此时触发训练灯的调节机制,利用基于瞳孔特征的眼部状态检测算法检测得到当前用户的眼部状态,根据所检测到的眼部状态,周期性的调节训练灯的光照强度和色温。
可选地,所述对用户面部图像进行预处理,包括:
所述传感器由热敏元件以及光学元件组成,传感器利用热敏元件以及光学元件获取用户面部的热量信息以及光学信息,并将所获取的热量信息以及光学信息转换为图像数据;
所述用户面部图像的预处理流程为:
1)对所获取的用户面部图像中每一个像素的三个分量求最大值,并将该最大值设置为该像素点的灰度值,得到用户面部图像的灰度图,所述灰度化处理的公式为:
G(i,j)=max{R(i,j),G(i,j),B(i,j)}
其中:
(i,j)为用户面部图像中的一个像素点;
R(i,j),G(i,j),B(i,j)分别为像素点(i,j)在R、G、B三个颜色通道中的值;
G(i,j)为像素点(i,j)的灰度值;
2)对于所述灰度图像,利用分段线性变换的方式对图像的灰度进行拉伸,所述的公式为:
其中:
f(x,y)为灰度图;
MAXf(x,y),MINf(x,y)分别为灰度图的最大灰度值和最小灰度值。
可选地,所述利用人眼检测算法模型检测预处理后的用户面部图像,包括:
选取用于训练人眼检测算法模型的人眼样本(正样本)以及非人眼样本(负样本),针对训练样本,使用Haar-like特征训练弱分类器;
对每个弱分类的分类错误率进行计算,选取分类错误率最低的弱分类器,依据此分类器对每个样本的分类结果对每个样本的权重进行更新,将分类错误的样本权重增大,使得后面弱分类器训练时着重关注这些分类错误的样本,重复该步骤,直到选出N个弱分类器;
将选出的N个弱分类器按照分类正确率的大小给予不同权重,其中分类正确率越高,分类器的权重越大,并按照下式进行分类器级联组合:
其中:
wi表示第i个弱分类器的权重;
fi(x)表示第i个若分类器;
H(x)表示级联组合后的人眼检测算法模型;
x表示输入的图像数据;
将预处理后的用户面部图像平均划分为若干图像区域,其中每个图像区域的大小为正常眼部区域大小;将所划分的图像区域输入到人眼检测算法模型中,若H(xi)=1,则表示图像区域i为眼部区域图像。
可选地,所述利用瞳孔检测算法对眼部区域图像进行检测,包括:
1)计算眼部区域图像中任意像素点(xi,yj)的梯度gij:
gij=(gx,gy)
2)计算待检测瞳孔的中心位置:
hij=(xi-xL,yj-yL)
其中:
wij为像素点(xi,yj)的灰度值;
N,M分别为眼部区域图像在行、列方向的像素总数;
hij为待检测瞳孔的位移向量;
(xL,yL)为待检测瞳孔的坐标中心位置;
将(xL,yL)作为圆心,将圆心附近像素值大于T的圆形区域作为眼部瞳孔图像,其中T为眼部瞳孔图像阈值。
可选地,所述利用瞳孔特征提取算法对眼部瞳孔图像进行特征提取处理,包括:
1)计算瞳孔的平均闭合度特征have:
h=||yt-yb||
其中:
yt为上眼皮最高点坐标;
yb为下眼皮最低点坐标;
Q为单位时间窗的图像采集数;
2)计算眼部面积特征r:
r=h×u
其中:
u为左右眼角的最大距离;
3)计算眼部纵横比特征p:
4)对眼部进行高度补偿和宽度补偿:
其中:
h′,u′为补偿后的眼部高度和左右眼角距离;
k为眼部高度所占的像素点个数;
m为左右眼角距离所占的像素点个数;
θ为抬头角度;
α为摇头角度;
利用补偿后的数据重新进行瞳孔特征计算,将[have,r,p]作为用户的瞳孔特征,并在预设定的时间周期内监测用户瞳孔特征的变化情况;在本发明一个具体实施例中,所述预设定的时间周期为5分钟。
可选地,所述利用基于瞳孔特征的眼部状态检测算法检测得到当前用户的眼部状态,根据所检测到的眼部状态,周期性的调节训练灯的光照强度和色温,包括:
若瞳孔特征变化差异小于阈值,说明用户长时间用眼且眼球没有运动,此时触发训练灯的调节机制;
所述利用基于瞳孔特征的眼部状态检测算法流程为:
收集用户在不同光照环境下长时间看书的瞳孔特征,并将(光照强度,瞳孔特征)作为不同光照强度下的瞳孔特征模板;
将当前用户的瞳孔特征与瞳孔特征模板中的瞳孔特征进行匹配,根据匹配结果判定当前光照强度,在本发明一个具体实施例中,所述特征匹配算法为余弦相似度算法;
根据所判定的光照强度,若判定光照强度为强光,则调节减少训练灯的光照强度,并开始周期性调节训练灯的光照强度和色温;若判定光照强度为弱光,则调节增加训练灯的光照强度,并开始周期性调节训练灯的光照强度和色温;引起用户虹膜、睫状肌、晶状体的三联动,使相关肌肉受刺激渐渐变软而有弹性,从而改变瞳孔状态,达到调节用户眼球的目的。
在本发明一个具体实施例中,所述的照度的设定范围为100lx~3000lx,其中模式中的设定范围可以是整个变化范围,也可以是在此范围内截取部分范围,如200lx~2500lx,500lx~2500lx;人眼的瞳孔变化范围非常大,瞳孔的直径最小可以小于1mm,最大可以大于9mm;在100lx~3000lx的照度范围内,瞳孔的直径可随照度的变化而变化,从而带动相关眼肌的运动,使眼肌得到锻炼而恢复弹性,并且这个照度范围符合CIE(国际发光照明委员会)所推荐的标准光源的条件;
所述的色温的设定范围为2500K~6500K,其中模式中的设定范围可以是整个变化范围,也可以是在此范围内截取部分范围。
此外,为实现上述目的,本发明还提供一种照度动态变化的眼调节训练灯,所述眼调节训练灯内部装置包括:
眼部图像获取装置,用于利用传感器获取用户面部图像;
图像数据处理器,用于对用户面部图像进行预处理,利用人眼检测算法模型检测预处理后的用户面部图像,得到眼部区域图像;利用瞳孔检测算法对眼部区域图像进行检测,得到眼部瞳孔图像;
照度调节装置,用于实时利用瞳孔特征提取算法对眼部瞳孔图像进行特征提取处理,得到用户的瞳孔特征,并在预设定的时间周期内监测用户瞳孔特征的变化情况,若瞳孔特征变化差异小于阈值,说明用户长时间用眼且眼球没有运动,此时触发训练灯的调节机制,利用基于瞳孔特征的眼部状态检测算法检测得到当前用户的眼部状态,根据所检测到的眼部状态,周期性的调节训练灯的光照强度和色温。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有照度动态变化程序指令,所述照度动态变化程序指令可被一个或者多个处理器执行,以实现如上所述的照度动态变化的实现方法的步骤。
相对于现有技术,本发明提出一种照度动态变化方法,该技术具有以下优势:
本发明首先选取用于训练人眼检测算法模型的人眼样本(正样本)以及非人眼样本(负样本),针对训练样本,使用Haar-like特征训练弱分类器;对每个弱分类的分类错误率进行计算,选取分类错误率最低的弱分类器,依据此分类器对每个样本的分类结果对每个样本的权重进行更新,将分类错误的样本权重增大,使得后面弱分类器训练时着重关注这些分类错误的样本,重复该步骤,直到选出N个弱分类器;将选出的N个弱分类器按照分类正确率的大小给予不同权重,其中分类正确率越高,分类器的权重越大,并按照下式进行分类器级联组合:
其中:wi表示第i个弱分类器的权重;fi(x)表示第i个若分类器;H(x)表示级联组合后的人眼检测算法模型;x表示输入的图像数据;将预处理后的用户面部图像平均划分为若干图像区域,其中每个图像区域的大小为正常眼部区域大小;将所划分的图像区域输入到人眼检测算法模型中,若H(xi)=1,则表示图像区域i为眼部区域图像。根据所检测到的眼部图像区域,本发明利用瞳孔检测算法检测到瞳孔的中心位置,所述瞳孔检测算法流程为:计算眼部区域图像中任意像素点(xi,yj)的梯度gij:
gij=(gx,gy)
计算待检测瞳孔的中心位置:
hij=(xi-xL,yj-yL)
其中:wij为像素点(xi,yj)的灰度值;N,M分别为眼部区域图像在行、列方向的像素总数;hij为待检测瞳孔的位移向量;(xL,yL)为待检测瞳孔的坐标中心位置;将(xL,yL)作为圆心,将圆心附近像素值大于T的圆形区域作为眼部瞳孔图像,其中T为眼部瞳孔图像阈值。相较于传统算法中直接检测瞳孔位置,本发明将眼部瞳孔的识别检测分为两步,第一步检测只需检测到眼部区域,第二步检测则从眼部区域中检测到瞳孔位置,极大减少了瞳孔检测的计算量,同时本发明提出一种基于图像像素灰度值和梯度的瞳孔检测算法,有效检测到眼部瞳孔位置。
同时,本发明利用瞳孔特征提取算法实时提取眼部瞳孔图像中的瞳孔特征,所述瞳孔特征提取算法流程为:计算瞳孔的平均闭合度特征have:
h=||yt-yb||
其中:yt为上眼皮最高点坐标;yb为下眼皮最低点坐标;Q为单位时间窗的图像采集数;计算眼部面积特征r:
r=h×u
其中:u为左右眼角的最大距离;计算眼部纵横比特征p:
对眼部进行高度补偿和宽度补偿,有效降低传感器角度对眼部图像中任意两点距离大小的影响,从而得到更加精确的眼部测量值:
其中:h′,u′为补偿后的眼部高度和左右眼角距离;k为眼部高度所占的像素点个数;m为左右眼角距离所占的像素点个数;θ为抬头角度;α为摇头角度;利用补偿后的数据重新进行瞳孔特征计算,将[have,r,p]作为用户的瞳孔特征,并在预设定的时间周期内监测用户瞳孔特征的变化情况;若瞳孔特征变化差异小于阈值,说明用户长时间用眼且眼球没有运动,此时触发训练灯的调节机制;在所述训练灯的调节机制中,本发明利用基于瞳孔特征的眼部状态检测算法检测得到当前用户的眼部状态,所述利用基于瞳孔特征的眼部状态检测算法流程为:收集用户在不同光照环境下长时间看书的瞳孔特征,并将(光照强度,瞳孔特征)作为不同光照强度下的瞳孔特征模板;将当前用户的瞳孔特征与瞳孔特征模板中的瞳孔特征进行匹配,根据匹配结果判定当前光照强度;根据所判定的光照强度,若判定光照强度为强光,则调节减少训练灯的光照强度,并开始周期性调节训练灯的光照强度和色温;若判定光照强度为弱光,则调节增加训练灯的光照强度,并开始周期性调节训练灯的光照强度和色温;引起用户虹膜、睫状肌、晶状体的三联动,使相关肌肉受刺激渐渐变软而有弹性,从而改变瞳孔状态,达到调节用户眼球的目的。
附图说明
图1为本发明一实施例提供的一种照度动态变化方法的流程示意图;
图2为本发明一实施例提供的一种照度动态变化的眼调节训练灯的结构示意图;
图3为图2所示灯瓣中包括由多个发光体组成的光源示意图;
图4为照度动态变化的眼调节训练灯的内部装置示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
通过传感器获取用户面部图像,并进行人眼检测;利用瞳孔检测算法检测到眼部图像中瞳孔,并实时提取瞳孔特征,在预设定的时间周期内监测用户瞳孔差异变化情况,若瞳孔像素差异小于阈值说明用户长时间用眼且眼球没有运动;此时触发训练灯的调节机制,利用基于瞳孔特征的眼部状态检测算法检测得到当前用户的眼部状态,根据所检测到的眼部状态,周期性的改变训练灯的光照强度和色温,引起用户虹膜、睫状肌、晶状体的三联动,使相关肌肉受刺激渐渐变软而有弹性,从而改善用户的瞳孔状态,达到调节用户眼球的目的。参照图1所示,为本发明一实施例提供的照度动态变化方法示意图。
在本实施例中,照度动态变化方法包括:
S1、利用传感器获取用户面部图像,并对用户面部图像进行预处理。
首先,本发明利用传感器获取用户面部图像,在本发明一个具体实施例中,所述传感器由热敏元件以及光学元件组成,传感器利用热敏元件以及光学元件获取用户面部的热量信息以及光学信息,并将所获取的热量信息以及光学信息转换为图像数据;
进一步地,本发明对所获取的用户面部图像进行预处理,所述用户面部图像的预处理流程为:
1)对所获取的用户面部图像中每一个像素的三个分量求最大值,并将该最大值设置为该像素点的灰度值,得到用户面部图像的灰度图,所述灰度化处理的公式为:
G(i,j)=max{R(i,j),G(i,j),B(i,j)}
其中:
(i,j)为用户面部图像中的一个像素点;
R(i,j),G(i,j),B(i,j)分别为像素点(i,j)在R、G、B三个颜色通道中的值;
G(i,j)为像素点(i,j)的灰度值;
2)对于所述灰度图像,利用分段线性变换的方式对图像的灰度进行拉伸,所述的公式为:
其中:
f(x,y)为灰度图;
MAXf(x,y),MINf(x,y)分别为灰度图的最大灰度值和最小灰度值。
S2、利用人眼检测算法模型检测预处理后的用户面部图像,得到眼部区域图像。
进一步地,本发明选取用于训练人眼检测算法模型的人眼样本(正样本)以及非人眼样本(负样本),针对训练样本,使用Haar-like特征训练弱分类器;
对每个弱分类的分类错误率进行计算,选取分类错误率最低的弱分类器,依据此分类器对每个样本的分类结果对每个样本的权重进行更新,将分类错误的样本权重增大,使得后面弱分类器训练时着重关注这些分类错误的样本,重复该步骤,直到选出N个弱分类器;
将选出的N个弱分类器按照分类正确率的大小给予不同权重,其中分类正确率越高,分类器的权重越大,并按照下式进行分类器级联组合:
其中:
wi表示第i个弱分类器的权重;
fi(x)表示第i个若分类器;
H(x)表示级联组合后的人眼检测算法模型;
x表示输入的图像数据;
将预处理后的用户面部图像平均划分为若干图像区域,其中每个图像区域的大小为正常眼部区域大小;将所划分的图像区域输入到人眼检测算法模型中,若H(xi)=1,则表示图像区域i为眼部区域图像。
S3、利用瞳孔检测算法对眼部区域图像进行检测,得到眼部瞳孔图像。
进一步地,本发明利用瞳孔检测算法对眼部区域图像进行检测,所述瞳孔检测算法流程为:
1)计算眼部区域图像中任意像素点(xi,yj)的梯度gij:
gij=(gx,gy)
2)计算待检测瞳孔的中心位置:
hij=(xi-xL,yj-yL)
其中:
wij为像素点(xi,yj)的灰度值;
N,M分别为眼部区域图像在行、列方向的像素总数;
hij为待检测瞳孔的位移向量;
(xL,yL)为待检测瞳孔的坐标中心位置;
将(xL,yL)作为圆心,将圆心附近像素值大于T的圆形区域作为眼部瞳孔图像,其中T为眼部瞳孔图像阈值。
S4、实时利用瞳孔特征提取算法对眼部瞳孔图像进行特征提取处理,得到用户的瞳孔特征,并在预设定的时间周期内监测用户瞳孔特征的变化情况。
进一步地,本发明利用瞳孔特征提取算法实时提取眼部瞳孔图像中的瞳孔特征,所述瞳孔特征提取算法流程为:
1)计算瞳孔的平均闭合度特征have:
h=||yt-yb||
其中:
yt为上眼皮最高点坐标;
yb为下眼皮最低点坐标;
Q为单位时间窗的图像采集数;
2)计算眼部面积特征r:
r=h×u
其中:
u为左右眼角的最大距离;
3)计算眼部纵横比特征p:
4)对眼部进行高度补偿和宽度补偿:
其中:
h′,u′为补偿后的眼部高度和左右眼角距离;
k为眼部高度所占的像素点个数;
m为左右眼角距离所占的像素点个数;
θ为抬头角度;
α为摇头角度;
利用补偿后的数据重新进行瞳孔特征计算,将[have,r,p]作为用户的瞳孔特征,并在预设定的时间周期内监测用户瞳孔特征的变化情况;在本发明一个具体实施例中,所述预设定的时间周期为5分钟。
S5、若瞳孔特征变化差异小于阈值,说明用户长时间用眼且眼球没有运动,此时触发训练灯的调节机制,利用基于瞳孔特征的眼部状态检测算法检测得到当前用户的眼部状态,根据所检测到的眼部状态,周期性的调节训练灯的光照强度和色温。
若瞳孔特征变化差异小于阈值,说明用户长时间用眼且眼球没有运动,此时触发训练灯的调节机制;
在所述训练灯的调节机制中,本发明利用基于瞳孔特征的眼部状态检测算法检测得到当前用户的眼部状态,所述利用基于瞳孔特征的眼部状态检测算法流程为:
收集用户在不同光照环境下长时间看书的瞳孔特征,并将(光照强度,瞳孔特征)作为不同光照强度下的瞳孔特征模板;
将当前用户的瞳孔特征与瞳孔特征模板中的瞳孔特征进行匹配,根据匹配结果判定当前光照强度,在本发明一个具体实施例中,所述特征匹配算法为余弦相似度算法;
根据所判定的光照强度,若判定光照强度为强光,则调节减少训练灯的光照强度,并开始周期性调节训练灯的光照强度和色温;若判定光照强度为弱光,则调节增加训练灯的光照强度,并开始周期性调节训练灯的光照强度和色温;引起用户虹膜、睫状肌、晶状体的三联动,使相关肌肉受刺激渐渐变软而有弹性,从而改变瞳孔状态,达到调节用户眼球的目的。
在本发明一个具体实施例中,所述的照度的设定范围为100lx~3000lx,其中模式中的设定范围可以是整个变化范围,也可以是在此范围内截取部分范围,如200lx~2500lx,500lx~2500lx;人眼的瞳孔变化范围非常大,瞳孔的直径最小可以小于1mm,最大可以大于9mm;在100lx~3000lx的照度范围内,瞳孔的直径可随照度的变化而变化,从而带动相关眼肌的运动,使眼肌得到锻炼而恢复弹性,并且这个照度范围符合CIE(国际发光照明委员会)所推荐的标准光源的条件;
所述的色温的设定范围为2500K~6500K,其中模式中的设定范围可以是整个变化范围,也可以是在此范围内截取部分范围。
下面通过一个算法实验来说明本发明的具体实施方式,并对发明的处理方法进行测试。本发明算法的硬件测试环境为:Inter(R)Core(TM)i7-6700K CPU,软件为Matlab2018a;对比方法为基于LSTM的照度动态变化方法以及基于决策树的照度动态变化方法。
在本发明所述算法实验中,数据集为10000张眼部图像。本实验通过将眼部图像数据输入到算法模型中,将照度动态变化的准确率作为算法可行性的评价指标,其中照度动态变化的准确率越高,则说明算法的有效性、可行性越高。
根据实验结果,基于LSTM的照度动态变化方法的照度动态变化准确率为83.26%,基于决策树的照度动态变化方法的照度动态变化准确率为85.12%,本发明所述方法的安全性为88.18%,相较于对比算法,本发明所提出的照度动态变化方法能够实现更高的照度动态变化准确率。
发明还提供一种照度动态变化的眼调节训练灯。参照图2所示,为本发明一实施例提供的照度动态变化的眼调节训练灯的内部结构示意图,如图所示,一种照度动态变化的眼调节训练灯包括1、灯瓣,2、灯杆,3、底座,4、按键和5、电源适配器。灯瓣1中有两组或两组以上不同色温的光源6,光源6中每组不同色温的光源包括多个发光体7组成,并于其它组色温的发光体均匀交错分布。每组光源各配有控制其亮度的控制系统,其特征在于所述的控制系统能够通过4按键选择相应的模式后,使光源6发出混合光的照度和色温在设定范围内周期性循环变化。这样,瞳孔的大小会随着照度的变化而变化,变化的同时引起虹膜、睫状肌和晶状体的三联动,藉此来锻炼相关肌肉,使僵化、凝固的肌肉受刺激渐渐变软而有弹性,恢复眼肌的远近调节功能。同时,模式中可增加色温变化,它可以刺激眼睛的显色系统,延缓眼睛显色系统的退化。此发明也可用于预防近视和缓解眼疲劳。
所述的照度的设定范围为100lx~3000lx,其中模式中的设定范围可以是整个变化范围,也可以是在此范围内截取部分范围,如200lx~2500lx,500lx~2500lx。人眼的瞳孔变化范围非常大,瞳孔的直径最小可以小于1mm,最大可以大于9mm。在100lx~3000lx的照度范围内,瞳孔的直径可随照度的变化而变化,从而带动相关眼肌的运动,使眼肌得到锻炼而恢复弹性,并且这个照度范围符合CIE(国际发光照明委员会)所推荐的标准光源的条件。
所述的色温的设定范围为2500K~6500K,其中模式中的设定范围可以是整个变化范围,也可以是在此范围内截取部分范围。晴朗天气一天的色温变化范围为2500K~6500K,因此选择的色温的设定范围为2500K~6500K。
所述的每组光源的控制系统是通过MCU(微控制单元)产生额定的PWM(脉冲宽度调制输出)以驱动恒流芯片使其在比较精确的范围控制各组光源的亮度。通过设置PWM(脉冲宽度调制)的周期和占空比便能控制光源的周期性亮度变化。通过控制各组不同色温的光源亮度,从而实现发出混合光源照度和色温的变化。
图3为图2所示灯瓣中包括由多个发光体组成的光源示意图。
在本实施例中,参照图4所示,为所述照度动态变化的眼调节训练灯1的内部装置示意图,所述照度动态变化的眼调节训练灯1的内部装置至少包括眼部图像获取装置11、图像数据处理器12、照度调节装置13,通信总线14。
其中,眼部图像获取装置11可以是PC(Personal Computer,个人电脑),或者是智能手机、平板电脑、便携计算机等终端设备,也可以是一种服务器等。
图像数据处理器12至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。图像数据处理器12在一些实施例中可以是照度动态变化的眼调节训练灯1的内部存储单元,例如该照度动态变化的眼调节训练灯1的硬盘。图像数据处理器12在另一些实施例中也可以是照度动态变化的眼调节训练灯1的外部存储设备,例如照度动态变化的眼调节训练灯1上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,图像数据处理器12还可以既包括照度动态变化的眼调节训练灯1的内部存储单元也包括外部存储设备。图像数据处理器12不仅可以用于存储安装于照度动态变化的眼调节训练灯1的应用软件及各类数据,还可以用于暂时地存储已经输出或者将要输出的数据。
照度调节装置13在一些实施例中可以是一中央处理器(Central ProcessingUnit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行图像数据处理器12中存储的程序代码或处理数据,例如照度动态变化程序指令等。
通信总线14用于实现这些组件之间的连接通信。
可选地,照度动态变化的眼调节训练灯1还可以包括用户接口,用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还可以包括标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在照度动态变化的眼调节训练灯1中处理的信息以及用于显示可视化的用户界面。
图2仅示出了具有组件11-14以及照度动态变化的眼调节训练灯1,本领域技术人员可以理解的是,图1示出的结构并不构成对照度动态变化的眼调节训练灯1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
在图2所示的照度动态变化的眼调节训练灯1实施例中,图像数据处理器12中存储有照度动态变化程序指令16;照度调节装置13执行图像数据处理器12中存储的照度动态变化程序指令16的步骤,与照度动态变化方法的实现方法相同,在此不作类述。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有照度动态变化程序指令,所述照度动态变化程序指令可被一个或多个处理器执行,以实现如下操作:
利用传感器获取用户面部图像,并对用户面部图像进行预处理;
利用人眼检测算法模型检测预处理后的用户面部图像,得到眼部区域图像;
利用瞳孔检测算法对眼部区域图像进行检测,得到眼部瞳孔图像;
实时利用瞳孔特征提取算法对眼部瞳孔图像进行特征提取处理,得到用户的瞳孔特征,并在预设定的时间周期内监测用户瞳孔特征的变化情况;
若瞳孔特征变化差异小于阈值,说明用户长时间用眼且眼球没有运动,此时触发训练灯的调节机制,利用基于瞳孔特征的眼部状态检测算法检测得到当前用户的眼部状态,根据所检测到的眼部状态,周期性的调节训练灯的光照强度和色温。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种照度动态变化方法,其特征在于,所述方法包括:
利用传感器获取用户面部图像,并对用户面部图像进行预处理;
利用人眼检测算法模型检测预处理后的用户面部图像,得到眼部区域图像;
利用瞳孔检测算法对眼部区域图像进行检测,得到眼部瞳孔图像;
实时利用瞳孔特征提取算法对眼部瞳孔图像进行特征提取处理,得到用户的瞳孔特征,并在预设定的时间周期内监测用户瞳孔特征的变化情况;
若瞳孔特征变化差异小于阈值,说明用户长时间用眼且眼球没有运动,此时触发训练灯的调节机制,利用基于瞳孔特征的眼部状态检测算法检测得到当前用户的眼部状态,根据所检测到的眼部状态,周期性的调节训练灯的光照强度和色温。
2.如权利要求1所述的一种照度动态变化方法,其特征在于,所述对用户面部图像进行预处理,包括:
所述用户面部图像的预处理流程为:
1)对所获取的用户面部图像中每一个像素的三个分量求最大值,并将该最大值设置为该像素点的灰度值,得到用户面部图像的灰度图,所述灰度化处理的公式为:
G(i,j)=max{R(i,j),G(i,j),B(i,j)}
其中:
(i,j)为用户面部图像中的一个像素点;
R(i,j),G(i,j),B(i,j)分别为像素点(i,j)在R、G、B三个颜色通道中的值;
G(i,j)为像素点(i,j)的灰度值;
2)对于所述灰度图像,利用分段线性变换的方式对图像的灰度进行拉伸,所述的公式为:
其中:
f(x,y)为灰度图;
MAXf(x,y),MINf(x,y)分别为灰度图的最大灰度值和最小灰度值。
3.如权利要求2所述的一种照度动态变化方法,其特征在于,所述利用人眼检测算法模型检测预处理后的用户面部图像,包括:
选取用于训练人眼检测算法模型的人眼样本以及非人眼样本,针对训练样本,使用Haar-like特征训练弱分类器;
对每个弱分类的分类错误率进行计算,选取分类错误率最低的弱分类器,依据此分类器对每个样本的分类结果对每个样本的权重进行更新,将分类错误的样本权重增大,重复该步骤,直到选出N个弱分类器;
将选出的N个弱分类器按照分类正确率的大小给予不同权重,其中分类正确率越高,分类器的权重越大,并按照下式进行分类器级联组合:
其中:
wi表示第i个弱分类器的权重;
fi(x)表示第i个若分类器;
H(x)表示级联组合后的人眼检测算法模型;
x表示输入的图像数据;
将预处理后的用户面部图像平均划分为若干图像区域,其中每个图像区域的大小为正常眼部区域大小;将所划分的图像区域输入到人眼检测算法模型中,若H(xi)=1,则表示图像区域i为眼部区域图像。
5.如权利要求4所述的一种照度动态变化方法,其特征在于,所述利用瞳孔特征提取算法对眼部瞳孔图像进行特征提取处理,包括:
1)计算瞳孔的平均闭合度特征have:
h=||yt-yb||
其中:
yt为上眼皮最高点坐标;
yb为下眼皮最低点坐标;
Q为单位时间窗的图像采集数;
2)计算眼部面积特征r:
r=h×u
其中:
u为左右眼角的最大距离;
3)计算眼部纵横比特征p:
4)对眼部进行高度补偿和宽度补偿:
其中:
h′,u′为补偿后的眼部高度和左右眼角距离;
k为眼部高度所占的像素点个数;
m为左右眼角距离所占的像素点个数;
θ为抬头角度;
α为摇头角度;
利用补偿后的数据重新进行瞳孔特征计算,将[have,r,p]作为用户的瞳孔特征,并在预设定的时间周期内监测用户瞳孔特征的变化情况。
6.如权利要求5所述的一种照度动态变化方法,其特征在于,所述利用基于瞳孔特征的眼部状态检测算法检测得到当前用户的眼部状态,根据所检测到的眼部状态,周期性的调节训练灯的光照强度和色温,包括:
若瞳孔特征变化差异小于阈值,说明用户长时间用眼且眼球没有运动,此时触发训练灯的调节机制;
所述利用基于瞳孔特征的眼部状态检测算法流程为:
收集用户在不同光照环境下长时间看书的瞳孔特征,并将(光照强度,瞳孔特征)作为不同光照强度下的瞳孔特征模板;
将当前用户的瞳孔特征与瞳孔特征模板中的瞳孔特征进行匹配,根据匹配结果判定当前光照强度;
根据所判定的光照强度,若判定光照强度为强光,则调节减少训练灯的光照强度,并开始周期性调节训练灯的光照强度和色温;若判定光照强度为弱光,则调节增加训练灯的光照强度,并开始周期性调节训练灯的光照强度和色温。
7.一种照度动态变化的眼调节训练灯,其特征在于,所述眼调节训练灯内部装置包括:
眼部图像获取装置,用于利用传感器获取用户面部图像;
图像数据处理器,用于对用户面部图像进行预处理,利用人眼检测算法模型检测预处理后的用户面部图像,得到眼部区域图像;利用瞳孔检测算法对眼部区域图像进行检测,得到眼部瞳孔图像;
照度调节装置,用于实时利用瞳孔特征提取算法对眼部瞳孔图像进行特征提取处理,得到用户的瞳孔特征,并在预设定的时间周期内监测用户瞳孔特征的变化情况,若瞳孔特征变化差异小于阈值,说明用户长时间用眼且眼球没有运动,此时触发训练灯的调节机制,利用基于瞳孔特征的眼部状态检测算法检测得到当前用户的眼部状态,根据所检测到的眼部状态,周期性的调节训练灯的光照强度和色温。
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有照度动态变化程序指令,所述照度动态变化程序指令可被一个或者多个处理器执行,以实现如上所述的照度动态变化的实现方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110523681.XA CN113181016A (zh) | 2021-05-13 | 2021-05-13 | 一种照度动态变化的眼调节训练灯 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110523681.XA CN113181016A (zh) | 2021-05-13 | 2021-05-13 | 一种照度动态变化的眼调节训练灯 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113181016A true CN113181016A (zh) | 2021-07-30 |
Family
ID=76981733
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110523681.XA Pending CN113181016A (zh) | 2021-05-13 | 2021-05-13 | 一种照度动态变化的眼调节训练灯 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113181016A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114392492A (zh) * | 2022-01-05 | 2022-04-26 | 海南大学 | 一种智能化无损光疗系统 |
CN115294639A (zh) * | 2022-07-11 | 2022-11-04 | 惠州市慧昊光电有限公司 | 色温可调灯带及其控制方法 |
CN115499965A (zh) * | 2022-11-21 | 2022-12-20 | 四川世纪和光科技发展有限公司 | 一种led护眼照明使用方法及其装置 |
CN116936097A (zh) * | 2023-07-24 | 2023-10-24 | 云南白药集团无锡药业有限公司 | 一种训练灯用户眼部异常运动智能检测方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101032405A (zh) * | 2007-03-21 | 2007-09-12 | 汤一平 | 基于全方位计算机视觉的安全驾驶辅助装置 |
CN103325358A (zh) * | 2012-03-23 | 2013-09-25 | 宇龙计算机通信科技(深圳)有限公司 | 终端和终端显示效果的控制方法 |
CN105679253A (zh) * | 2016-03-30 | 2016-06-15 | 深圳还是威健康科技有限公司 | 一种终端背光调节方法及装置 |
CN106250801A (zh) * | 2015-11-20 | 2016-12-21 | 北汽银翔汽车有限公司 | 基于人脸检测和人眼状态识别的疲劳检测方法 |
CN107157721A (zh) * | 2017-05-11 | 2017-09-15 | 张新成 | 视力训练方法、装置及视力训练仪 |
CN107909562A (zh) * | 2017-12-05 | 2018-04-13 | 华中光电技术研究所(中国船舶重工集团公司第七七研究所) | 一种基于像素级的快速图像融合算法 |
CN109725715A (zh) * | 2018-11-16 | 2019-05-07 | 深圳惠智光电子科技有限公司 | 一种眼睛训练引导方法、电子设备及存储介质 |
CN111210510A (zh) * | 2020-01-16 | 2020-05-29 | 腾讯科技(深圳)有限公司 | 三维人脸模型生成方法、装置、计算机设备及存储介质 |
CN111291701A (zh) * | 2020-02-20 | 2020-06-16 | 哈尔滨理工大学 | 一种基于图像梯度和椭圆拟合算法的视线追踪方法 |
CN112016519A (zh) * | 2020-09-15 | 2020-12-01 | 汪秀英 | 一种基于Hard Triple的车辆重识别方法及系统 |
CN112118659A (zh) * | 2019-06-19 | 2020-12-22 | 广东小天才科技有限公司 | 一种灯光调节方法及智能装置 |
-
2021
- 2021-05-13 CN CN202110523681.XA patent/CN113181016A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101032405A (zh) * | 2007-03-21 | 2007-09-12 | 汤一平 | 基于全方位计算机视觉的安全驾驶辅助装置 |
CN103325358A (zh) * | 2012-03-23 | 2013-09-25 | 宇龙计算机通信科技(深圳)有限公司 | 终端和终端显示效果的控制方法 |
CN106250801A (zh) * | 2015-11-20 | 2016-12-21 | 北汽银翔汽车有限公司 | 基于人脸检测和人眼状态识别的疲劳检测方法 |
CN105679253A (zh) * | 2016-03-30 | 2016-06-15 | 深圳还是威健康科技有限公司 | 一种终端背光调节方法及装置 |
CN107157721A (zh) * | 2017-05-11 | 2017-09-15 | 张新成 | 视力训练方法、装置及视力训练仪 |
CN107909562A (zh) * | 2017-12-05 | 2018-04-13 | 华中光电技术研究所(中国船舶重工集团公司第七七研究所) | 一种基于像素级的快速图像融合算法 |
CN109725715A (zh) * | 2018-11-16 | 2019-05-07 | 深圳惠智光电子科技有限公司 | 一种眼睛训练引导方法、电子设备及存储介质 |
CN112118659A (zh) * | 2019-06-19 | 2020-12-22 | 广东小天才科技有限公司 | 一种灯光调节方法及智能装置 |
CN111210510A (zh) * | 2020-01-16 | 2020-05-29 | 腾讯科技(深圳)有限公司 | 三维人脸模型生成方法、装置、计算机设备及存储介质 |
CN111291701A (zh) * | 2020-02-20 | 2020-06-16 | 哈尔滨理工大学 | 一种基于图像梯度和椭圆拟合算法的视线追踪方法 |
CN112016519A (zh) * | 2020-09-15 | 2020-12-01 | 汪秀英 | 一种基于Hard Triple的车辆重识别方法及系统 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114392492A (zh) * | 2022-01-05 | 2022-04-26 | 海南大学 | 一种智能化无损光疗系统 |
CN114392492B (zh) * | 2022-01-05 | 2023-02-10 | 海南大学 | 一种智能化无损光疗系统 |
CN115294639A (zh) * | 2022-07-11 | 2022-11-04 | 惠州市慧昊光电有限公司 | 色温可调灯带及其控制方法 |
CN115499965A (zh) * | 2022-11-21 | 2022-12-20 | 四川世纪和光科技发展有限公司 | 一种led护眼照明使用方法及其装置 |
CN116936097A (zh) * | 2023-07-24 | 2023-10-24 | 云南白药集团无锡药业有限公司 | 一种训练灯用户眼部异常运动智能检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113181016A (zh) | 一种照度动态变化的眼调节训练灯 | |
Webster | Evolving concepts of sensory adaptation | |
CN106682578B (zh) | 基于眨眼检测的弱光人脸识别方法 | |
CN104143086B (zh) | 人像比对在移动终端操作系统上的应用方法 | |
CN104123543B (zh) | 一种基于人脸识别的眼球运动识别方法 | |
CN101840509B (zh) | 人眼观察视角的测量方法及装置 | |
CN106295522A (zh) | 一种基于多角度人脸和环境信息的两级防欺骗检测方法 | |
Doyle et al. | Automated classification of contact lens type in iris images | |
US11376393B2 (en) | Device and method for training memory using brain stimulation | |
Irons et al. | Face identity recognition in simulated prosthetic vision is poorer than previously reported and can be improved by caricaturing | |
CN108805094A (zh) | 基于人工脸的数据增强方法 | |
CN101908152A (zh) | 一种基于用户定制分类器的眼睛状态识别方法 | |
CN105373767A (zh) | 一种智能手机使用的眼睛疲劳检测方法 | |
CN110046574A (zh) | 基于深度学习的安全帽佩戴识别方法及设备 | |
Al-Kassim et al. | Designing a low-cost eyeball tracking keyboard for paralyzed people | |
WO2022137603A1 (ja) | 判定方法、判定装置、及び判定プログラム | |
CN112115790A (zh) | 人脸识别方法、装置、可读存储介质和电子设备 | |
Sharan et al. | Driver fatigue detection based on eye state recognition using convolutional neural network | |
Zhang et al. | Deformable DAISY matcher for robust iris recognition | |
CN108573219A (zh) | 一种基于深度卷积神经网络的眼睑关键点精确定位方法 | |
Mary et al. | Human identification using periocular biometrics | |
CN107967455A (zh) | 一种智能人体多维自然特征大数据透明学习方法与系统 | |
Tapia et al. | Gender classification from Iris texture images using a new set of binary statistical image features | |
Shang et al. | Eye focus detection based on OpenCV | |
Liu et al. | The application study of learner's face detection and location in the teaching network system based on emotion recognition |
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 |
Application publication date: 20210730 |
|
RJ01 | Rejection of invention patent application after publication |