CN113591658B - 一种基于距离感应的护眼系统 - Google Patents
一种基于距离感应的护眼系统 Download PDFInfo
- Publication number
- CN113591658B CN113591658B CN202110838732.8A CN202110838732A CN113591658B CN 113591658 B CN113591658 B CN 113591658B CN 202110838732 A CN202110838732 A CN 202110838732A CN 113591658 B CN113591658 B CN 113591658B
- Authority
- CN
- China
- Prior art keywords
- distance
- time
- real
- screen
- image
- 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
Links
- 238000005457 optimization Methods 0.000 claims abstract description 51
- 238000000034 method Methods 0.000 claims abstract description 43
- 238000010801 machine learning Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 14
- 230000008859 change Effects 0.000 claims abstract description 10
- 238000006243 chemical reaction Methods 0.000 claims abstract description 10
- 230000008447 perception Effects 0.000 claims abstract description 7
- 230000000007 visual effect Effects 0.000 claims abstract description 7
- 238000013507 mapping Methods 0.000 claims description 26
- 238000001514 detection method Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000009466 transformation Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 10
- 230000009193 crawling Effects 0.000 claims description 9
- 230000006870 function Effects 0.000 claims description 8
- 238000009877 rendering Methods 0.000 claims description 7
- 238000005070 sampling Methods 0.000 claims description 7
- 238000012937 correction Methods 0.000 claims description 6
- 230000006698 induction Effects 0.000 claims description 6
- 238000012360 testing method Methods 0.000 claims description 6
- 238000010586 diagram Methods 0.000 claims description 4
- 238000003708 edge detection Methods 0.000 claims description 3
- 210000001503 joint Anatomy 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 230000009286 beneficial effect Effects 0.000 description 11
- 230000005611 electricity Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004438 eyesight Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000638 stimulation Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- 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
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biophysics (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种基于距离感应的护眼系统。用户感知模块：用于通过用户设备上的传感设备获取用户使用设备的实时图像，并判断用户与用户设备屏幕的实时距离；屏幕变化模块：用于根据所述实时距离，在所述用户设备屏幕上进行护眼提醒；其中，所述护眼提醒包括：文字变屏、模糊变屏和声音播报；隐私处理模块：用于在本地服务器对所述实时图像进行非可视化转换，规避隐私数据；学习优化模块：用于获取不同时间的实时图像，确定用户习惯，并基于机器学习算法，优化所述传感设备的工作时间。
Description
技术领域
本发明涉及护眼技术领域，特别涉及一种基于距离感应的护眼系统。
背景技术
目前，随着越来越多的电子设备进入生活中，人们开始长时间的使用电子设备，通过电子设备的屏幕来移动办公、视频播放、手机游戏等。手机护眼领域也得到一定的发展。市面上智能手机主要的护眼方式有三种，第一是通过调节手机屏幕亮度、调节色彩色温，以及过滤蓝光，实现保护视力的目的；第二是通过监测用户观看手机的姿势，或者是监测使用者面部与手机屏幕的距离，提醒用户保持正确使用手机的姿势、合理的距离；第三是眼保健操类APP，用户需要投入专属时间做护眼运动。
但是现有技术中，屏幕亮度调节虽然可以减少对眼睛伤害，但是设备还是用户在使用，还会对用户眼睛造成伤害。检测用户看手机的姿势和距离，常规情况下都采用语音提醒，但是用户可以不听从。对于小孩子来说，因为其主观意识是玩，上述方式均会不听从，需要强制的方式，使得小孩子玩不了电子设备。
发明内容
本发明提供一种基于距离感应的护眼系统，用以解决现有技术中，屏幕亮度调节虽然可以减少对眼睛伤害，但是设备还是用户在使用，还会对用户眼睛造成伤害。检测用户看手机的姿势和距离，常规情况下都采用语音提醒，但是用户可以不听从。对于小孩子来说，因为其主观意识是玩，上述方式均会不听从，需要强制的方式，使得小孩子玩不了电子设备的情况。
一种基于距离感应的护眼系统，包括：
用户感知模块：用于通过用户设备上的传感设备获取用户使用设备的实时图像，并判断用户与用户设备屏幕的实时距离；
屏幕变化模块：用于根据所述实时距离，判断是否在所述用户设备屏幕上进行护眼提醒；其中，
所述护眼提醒包括：文字变屏、模糊变屏和声音播报；
隐私处理模块：用于通过本地服务器对所述实时图像判定，当为隐私数据时进行非可视化转换；
学习优化模块：用于获取不同时间的实时图像，确定用户习惯，并基于机器学习算法，优化所述用户设备的工作时间。
优选的：所述用户感知模块包括：
传感单元：用于确定用户设备上的感应设备，根据所述传感设备，判断预设的感应阈值之内是否存在感应信号；其中，
所述用户设备至少包括：手机、平板或电脑；
所述传感设备包括：红外传感设备或摄像设备；
摄像调用单元：用于在存在感应信号时，进行摄像头调用，并拍摄摄像头视角的广角图像；
识别单元：用于根据所述广角图像，进行图片识别，判断所述广角图像上是否存在用户眼睛；
距离判断单元：用于在所述广角图像存在用户眼睛时，根据拍摄角度和虹膜定位，分别判断用户与用户设备屏幕的实时距离。
优选的：所述距离判断单元根据拍摄角度确定感应距离包括如下步骤：
步骤1：基于所述广角图像，确定所述用户眼睛在广角图像中的空间轮廓坐标集合P＝{(x1，y1)，……，(xi，yi)}；
步骤2：基于下式确定空间轮廓坐标集合中每一个坐标点到图像中心的第一相对距离：
di＝PiHtanθ
其中，di表示空间轮廓坐标集合中第i个的坐标到图像中心的相对距离；H表示广角图像的畸变率；θ表示形状参数，r表示摄像设备的焦距；Pi表示空间轮廓坐标集合中第i个坐标；
步骤3：基于所述第一相对距离和拍摄角度，通过下式计算感应距离：
其中，β表示拍摄角度；dmax表示空间轮廓坐标集合中的坐标与图像中心的最大的相对距离；GD表示感应距离。
优选的：所述距离判断单元根据虹膜定位感应距离包括如下步骤：
步骤S1：根据所述广角图像，通过边缘检测，确定虹膜的灰度图像模型：
其中，H(a，b)表示坐标(a，b)时的虹膜灰度模型；max(a，b)最大坐标值；(a，b)表示广角图像灰度化后虹膜的坐标；Gσ(r)虹膜坐标的标准差的高斯函数；H0(a，b)表示坐标(a，b)时的初始虹膜灰度模型；ds表示圆周；
步骤S2:根据所示灰度图像模型，通过Hough变换，确定灰度图像的边界模型：
其中，B(a，b，r)表示圆心为(a，b)，半径为r的边界累加器；(ag，bg)表示虹膜灰度图中虹膜的第g个边缘坐标点坐标；(ac，bc)表示表示虹膜灰度图中虹膜的内界坐标点；g∈K，K为正整数；
步骤S3:根据所述边缘模型，进行梯度映射，确定映射点：
其中，Y(a’，b’)表示(ag，bg)映射进入拍摄装置的映射点坐标；
步骤S4：根据所述映射点坐标，进行径向对称计算，判断感应距离的径向半径：
其中，J(R)表示感应距离的径向半径，Tg表示第g个边缘坐标点的梯度幅值；Ug表示第g个边缘坐标点半径归一化尺度值；fg表示第g个边缘坐标点在梯度方向映射图根据不同归一化尺度修正后的修正值；
步骤S5：根据所述感应距离的径向半径，确定感应距离的直径值，并将所述直径值作为感应距离。
优选的：所述屏幕变化模块包括：
距离判断单元：用于获取所述实时距离，并基于预先配置的距离阈值，判断是否进行护眼提醒；
文字变屏单元：用于当所述实时距离达到第一提醒阈值时，进行屏幕变换，并在所述屏幕上生成提醒文字；
模糊变屏单元：用于当所述实时距离达到第二提醒阈值时，进行屏幕变换，并基于屏幕上实时显示界面的纹理通道，进行纹理渲染模糊化；
声音播报单元：用于在所述实时距离达到所述第一提醒阈值和第二提醒阈值时，分别进行声音播报提醒；其中，
所述第一提醒阈值的最大值小于所述第二提醒阈值的最小值。
优选的：所述模糊变屏单元通过如下步骤进行变屏：
步骤B1：获取屏幕变换指令，并触发调用屏幕纹理通道的调用进程；
步骤B2：根据所述调用进程，确定实时屏幕界面的纹理通道，并确定每个纹理通道的实时参数；
步骤B3:根据所述实时参数，确定进行模糊变屏的补偿参数；
步骤B4：将所述补偿参数与实时参数进行混合计算，确定模糊变屏的执行参数，并生成屏幕模糊界面。
优选的：所述隐私处理模块包括：
大数据单元：用于通过预设的隐私规则，基于用户的实时设置和预先配置的人像大数据特征，生成实时隐私数据库；
图像分类单元：用于将所述实时隐私数据库中的人像大数据特征进行图像鉴定和图像分类，并生成分布式隐私数据库；
训练单元：用于基于深度卷积网络建构，建立实时隐私识别模型，并通过所述分布式隐私数据库进行随机抽样，并将抽样样本划分为训练集和测试集进行训练和测验；
非可视化单元：用于获取用户设备拍摄到的目标图像，并通过所述实时隐私识别模型，判断是否为用户隐私；其中，
当所述目标图像为用户隐私时，进行非可视化转换；
当所述目标图像不是用户隐私时，进行常规存储。
优选的：所述隐私处理模块还包括：
云端数据调用单元：用于通过爬虫程序进行云端人体特征爬取，并爬取人像大数据特征；
本地对接单元：用于在本地设置远程对接程序，调用所述人像大数据特征；
本地执行单元：用于在本地服务器导入所述实时隐私识别模型，并执行实时识别。
优选的：所述学习优化模块：
习惯采集单元：用于根据所述实时图像，确定用户设备的使用习惯；其中，
所述使用习惯包括使用频率、使用时间和使用程序；
习惯模型搭建单元：用于根据所述使用习惯，构建基于时间轴的用户使用设备的线性排列布局模型；
机器学习单元：用于将所述线性排列布局模型和机器学习算法融合，构成用户设备优化模型，进行用户设备工作时间优化。
优选的：所述机器学习单元进行工作时间优化，包括如下步骤：
步骤A1：根据用户设备优化模型生成多模式优化的初始解；其中，
所述多模式优化包括：屏幕使用时间优化、程序调用优化和屏幕亮度优化；
步骤A2：对所述初始解进行解码操作，确定解码后的每个初始解的执行时间；
步骤A3：根据所述执行时间，确定每个初始解的检测时长；
步骤A4：根据所述每个初始解的检测时长，设定用户设备的使用检测规则；
步骤A5：根据所述使用检测规则，进行用户设备的使用时间检测，并获取检测结果；
步骤A6：根据所述检测结果，判断是否需要进行多模式优化，并在需要进行多模式优化时执行所述多模式优化的初始解。
本发明的有益效果在于：
1、通过手机或平板自身的摄像头或传感器，能够实时识别用户人眼到屏幕的距离，当距离小于所设定的距离时，屏幕变模糊，同时文字及声音提醒，要远离屏幕，当远离到预设距离之外时，自动恢复正常显示；
2、通过摄像头或其他传感器在实时感知用户习惯，并生成使用记录数据，通过数据来评估用户用屏幕的习惯改变情况是否达到预期；
3、通过摄像头或其他传感器在实时感知用户习惯的同时，利用人工智能机器自动学习的算法，不断记录优化摄像头及传感器的工作时间，以达到省电的目的；
4、当通过摄像头识别时，通过系统算法，在本地对画面做隐私处理，上传数据仅为转换后的人眼到屏幕距离，不存在图片或视频信息。
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
在附图中：
图1为本发明实施例中一种基于距离感应的护眼系统的系统组成图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
如附图1所示，一种基于距离感应的护眼系统，包括：
用户感知模块：用于通过用户设备上的传感设备获取用户使用设备的实时图像，并判断用户与用户设备屏幕的实时距离；
屏幕变化模块：用于根据所述实时距离，判断是否在所述用户设备屏幕上进行护眼提醒；其中，
所述护眼提醒包括：文字变屏、模糊变屏和声音播报；
隐私处理模块：用于通过本地服务器对所述实时图像判定，当为隐私数据时进行非可视化转换；
学习优化模块：用于获取不同时间的实时图像，确定用户习惯，并基于机器学习算法，优化所述用户设备的工作时间。
上述技术方案的原理在于：本发明的系统包括四个模块，因为在现有技术中，使用距离感应，来进行感应用户与用户设备屏幕是最主流的方式，本发明也采用这种方式，不过本发明创新性的采用了摄像头的实时图像判定，这要借助于拍摄角度的距离计算和摄像设备光轴的计算。屏幕的变化上，现有技术中，一般是提醒或者屏幕亮度降低或者直接黑屏，直接黑屏会对眼睛有瞬时刺激，提醒不一定听从，屏幕亮度不能阻止用户玩下去的心思，所以本发明是基于屏幕模糊化，完全解决了上述三个问题。本发明相对于现有技术还有创新型的部分就是隐私处理和学习优化，隐私处理是现有护眼技术，通过摄像设备实现是所不具备的功能，如果是在线护眼系统，很可能导致用户隐私被侵犯。学习优化能够，通过机器学习算法优化用户的使用时间和工作时间也更加方便。
上述技术方案的有益效果在于：
1、通过手机或平板自身的摄像头或传感器，能够实时识别用户人眼到屏幕的距离，当距离小于所设定的距离时，屏幕变模糊，同时文字及声音提醒，要远离屏幕，当远离到预设距离之外时，自动恢复正常显示；
2、通过摄像头或其他传感器在实时感知用户习惯，并生成使用记录数据，通过数据来评估用户用屏幕的习惯改变情况是否达到预期；
3、通过摄像头或其他传感器在实时感知用户习惯的同时，利用人工智能机器自动学习的算法，不断记录优化摄像头及传感器的工作时间，以达到省电的目的；
4、当通过摄像头识别时，通过系统算法，在本地对画面做隐私处理，上传数据仅为转换后的人眼到屏幕距离，不存在图片或视频信息。
优选的：所述用户感知模块包括：
传感单元：用于确定用户设备上的感应设备，根据所述传感设备，判断预设的感应阈值之内是否存在感应信号；其中，
所述用户设备至少包括：手机、平板或电脑；
所述传感设备包括：红外传感设备或摄像设备；
在本发明具体实施中，因为用户设备各种各样，所以感应设备是基于设备自身的特性，但是，本发明有个前提条件，本发明只适用于存在广角摄像头的设备，因为本发明距离识别的基础条件就是广角摄像头。感应阈值是基于感应设备设置的，如果是超声波感应设备就是声波回波时间，如果是红外传感器基于反射光和发射光的角度计算出距离。
摄像调用单元：用于在存在感应信号时，进行摄像头调用，并拍摄摄像头视角的广角图像；
本发明会在有人接近的时候才调用摄像头，摄像头没有主动启动行为，都是被动启动，进而可以减少电量消耗，因为本发明还具有隐私保护功能，也不能让隐私保护功能一直占用设备运行资源。
识别单元：用于根据所述广角图像，进行图片识别，判断所述广角图像上是否存在用户眼睛；本发明采用的是广角图像，因为广角图像相对于现有技术中的普通图像，更容易从侧面判断用户是不是能看到屏幕，例如，有一些孩子在被子里玩手机，为了，不被老师发现，会尽可能的扣在床面上，直流一条眼睛能观看屏幕的缝隙，从而减少散发的光亮，防止老师发现，这是，普通摄像头就无法具有效用，只能借助于广角摄像头。
距离判断单元：用于在所述广角图像存在用户眼睛时，根据拍摄角度和虹膜定位，分别判断用户与用户设备屏幕的实时距离。拍摄角度的角度定位首先可以判断用户怎么观看屏幕的，也能更快的确定虹膜的位置。然后再通过虹膜定位，更加高效快速。
上述技术方案的原理和有益效果在于：本发明主要用于电子设备，基于距离阈值的判定方式进行判断，本发明采用广角图像进行识别定位，因为广角摄像头有需要预先设置的广角参数，所以便于进行红魔定位和拍摄角度的计算。
优选的：所述距离判断单元根据拍摄角度确定感应距离包括如下步骤：
步骤1：基于所述广角图像，确定所述用户眼睛在广角图像中的空间轮廓坐标集合P＝{(x1，y1)，……，(xi，yi)}；
空间轮廓坐标集合是将除了用户眼睛之外的图像都当作背景图像，从而删除背景图像，建立轮廓坐标集合，能够以支队眼睛识别的方式，判断感应距离。
步骤2：基于下式确定空间轮廓坐标集合中每一个坐标点到图像中心的第一相对距离：
di＝PiHtanθ
其中，di表示空间轮廓坐标集合中第i个的坐标到图像中心的相对距离；H表示广角图像的畸变率；θ表示形状参数，r表示摄像设备的焦距；Pi表示空间轮廓坐标集合中第i个坐标；r表示的是以图像中心作为圆心点，以广角图像上用户眼睛轮廓坐标点相距圆心最远的坐标点建立的园的半径。i不同距离不同，
本发明计算的是轮廓坐标点到图像中心点的距离，再通过摄像角度判断距离的时候，主要是基于三角定位测距的方式，因此，在确定到图像中心点的距离之后，也就确定了一条边得距离。在只有一条边和一个角度之后，因为拍摄角度已经确定了，进而可以确定光轴与用户眼睛轮廓坐标点相距圆心最远的坐标点构成的稳定三角形的角度。从而可以判断出空间轮廓坐标集合中每一个坐标点到图像中心的第一相对距离，第一相对距离是多个，θ表示形状参数，而不是角度，是因为，θ是用户眼睛通过多个坐标点与圆点构建的坐标系，得到得用户眼睛得形状参数，从因此，通过它可以计算出转却得距离参数。
步骤3：基于所述第一相对距离和拍摄角度，通过下式计算感应距离：
其中，β表示拍摄角度；dmax表示空间轮廓坐标集合中的坐标与图像中心的最大的相对距离；GD表示感应距离。
在步骤3中：本发明计算感应距离得时候，引入了第一相对距离得均值，所以用了累加求和的均值。而在进行计算的时候，本发明引入了反正切函数，表示用户眼睛每一个坐标点与圆心的相对距离和最大相对距离的比值；/>表示相对距离的均值。反正切函数通过比值，可以得到一个反正切的比值，通过这个反正切的比值和最大的相对距离相乘，可以得到一个正切的角度比值，通过这个正切的角度比值的反值和相对距离的平均值相乘，就能得到最终的感应距离。
上述技术方案的原理和有益效果在于：本发明在上述三个步骤中，首先基于广角图像获取眼睛的空间轮廓坐标，首先是第二步骤所要计算的眼睛的轮廓与图像中心的相对距离，这是因为，摄像机的光轴确定之后，便于确定感应距离，而本发明第三步采用了基于距离累加和的均值距离和拍摄角度进行计算感应距离，更加正确。
优选的：所述距离判断单元根据虹膜定位感应距离包括如下步骤：
步骤S1：根据所述广角图像，通过边缘检测，确定虹膜的灰度图像模型：
其中，H(a，b)表示坐标(a，b)时的虹膜灰度模型；max(a，b)最大坐标值；(a，b)表示广角图像灰度化后虹膜的坐标；Gσ(r)虹膜坐标的标准差的高斯函数；H0(a，b)表示坐标(a，b)时的初始虹膜灰度模型；ds表示圆周；
在上述步骤中，本发明名首先构建的是灰度图像模型，这个灰度图像模型是像素坐标实现的，(a，b)表示的是像素坐标，但是是不是圆心坐标，还需要判断，而构建灰度图像模型的目的就是，将广角图像引入灰度图像，从而得到灰度图像的模型。
步骤S2:根据所示灰度图像模型，通过Hough变换，确定灰度图像的边界模型：
其中，B(a，b，r)表示圆心为(a，b)，半径为r的边界累加器；(ag，bg)表示虹膜灰度图中虹膜的第g个边缘坐标点坐标；(ac，bc)表示表示虹膜灰度图中虹膜的内界坐标点；g∈K，K为正整数；
在步骤2中本发明采用的是累加和内界坐标点的计算方式，在这个计算过过程中，因为算法的是根据圆心坐标计算的本发明就是基于圆心的算法和边缘计算技术，通过虹膜灰度图中虹膜边缘坐标和内界坐标在边缘分布模型下，计算得到边界模型，确定每个边界点。
步骤S3:根据所述边缘模型，进行梯度映射，确定映射点：
其中，Y(a’，b’)表示(ag，bg)映射进入拍摄装置的映射点坐标；
在步骤3中本发明采用映射计算技术，在梯度映射的过程中，确定梯度映射后的坐标点，通过这个计算，可以确定在映射公式上，虹膜映射的映射标准。
步骤S4：根据所述映射点坐标，进行径向对称计算，判断感应距离的径向半径：
其中，J(R)表示感应距离的径向半径，Tg表示第g个边缘坐标点的梯度幅值；Ug表示第g个边缘坐标点半径归一化尺度值；fg表示第g个边缘坐标点在梯度方向映射图根据不同归一化尺度修正后的修正值；
在步骤4中，本发明将映射后的坐标通过归一化的尺度计算，从而基于径向对称技术，将用户眼睛和广角图像通过在坐标里进行径向对称而判断出距离的径向半径，最后通过半径得到指令，计算出感应距离。
步骤S5：根据所述感应距离的径向半径，确定感应距离的直径值，并将所述直径值作为感应距离。
上述技术方案的原理和有益效果在于：本发明在红魔感应距离的时候，先行构建基于虹膜灰度图像的灰度图像模型，灰度图像模型是最容易尽心梯度映射和像素计算的模型。然后通过计算边界的坐标，然后将边界硬设备到摄像机之内，这个镜像对称距离计算计算得到的距离就是实际情况下的感应距离。
优选的：所述屏幕变化模块包括：
距离判断单元：用于获取所述实时距离，并基于预先配置的距离阈值，判断是否进行护眼提醒；
预先配置的距离阈值时判断有没有物体接近的距离阈值。
文字变屏单元：用于当所述实时距离达到第一提醒阈值时，进行屏幕变换，并在所述屏幕上生成提醒文字；生成提醒文字的步骤是基于现有技术。
模糊变屏单元：用于当所述实时距离达到第二提醒阈值时，进行屏幕变换，并基于屏幕上实时显示界面的纹理通道，进行纹理渲染模糊化；屏幕变换本发明采用纹理渲染变换，相对于现有技术更加的相近，而且可可以实现纹理渲染，增加原图的模糊效果，本发明的纹理渲染是基于纹理产生的参数源头进行纹理增加，而不是现有技术的对已有纹理的叠加，相对于现有技术，本发明对资源的利用率更低。
声音播报单元：用于在所述实时距离达到所述第一提醒阈值和第二提醒阈值时，分别进行声音播报提醒；其中，
所述第一提醒阈值的最大值小于所述第二提醒阈值的最小值。
因为第一次提醒的时候有缓冲时间，所以采用了第一次提醒阈值的最大值大于第二次提醒阈值清晰的问你。
上述技术方案的原理和有益效果在于：本发明在屏幕变化的时候是分了两个梯度阀值，是因为存在重度使用和轻度使用两个阈值，通过不同的方式进行提醒，也能够便于用户先干完手头的需要进行的工作。
优选的：所述模糊变屏单元通过如下步骤进行变屏：
步骤B1：获取屏幕变换指令，并触发调用屏幕纹理通道的调用进程；本发明因为是通过增加屏幕纹理的方式实现屏幕变换，所以采用了调用集成。
步骤B2：根据所述调用进程，确定实时屏幕界面的纹理通道，并确定每个纹理通道的实时参数；
步骤B3:根据所述实时参数，确定进行模糊变屏的补偿参数；
步骤B4：将所述补偿参数与实时参数进行混合计算，确定模糊变屏的执行参数，并生成屏幕模糊界面。本发明采用参数补偿机制，这是因为本发明是采用的通过源头控制屏幕模糊，所以补偿参数可以实现从源头调节纹理，实现纹理控制。
上述技术方案的原理和有益效果在于：在进行屏幕模糊化的时候，本发明是基于屏幕纹理的补偿渲染技术，现有技术中，一般是通过纹理叠加进行模糊化，但是可能会导致手机的计算负担加重，因此本发明采用了，补偿参数，从源头调节，不需要家中屏幕负担。
优选的：所述隐私处理模块包括：
大数据单元：用于通过预设的隐私规则，基于用户的实时设置和预先配置的人像大数据特征，生成实时隐私数据库；隐私规则就是隐私的判断规则，隐私的保护规则。实施隐私数据的集成，形成数据库。
图像分类单元：用于将所述实时隐私数据库中的人像大数据特征进行图像鉴定和图像分类，并生成分布式隐私数据库；本发明中因为存在多个用户，所以更容易建立分布式隐私数据库进行数据库管理。
训练单元：用于基于深度卷积网络建构，建立实时隐私识别模型，并通过所述分布式隐私数据库进行随机抽样，并将抽样样本划分为训练集和测试集进行训练和测验；
非可视化单元：用于获取用户设备拍摄到的目标图像，并通过所述实时隐私识别模型，判断是否为用户隐私；其中，
当所述目标图像为用户隐私时，进行非可视化转换；
当所述目标图像不是用户隐私时，进行常规存储。
上述技术方案的原理和有益效果在于：隐私处理的时候，本发明是基于深度卷积网络的抽样训练后的模型实现用户隐私的检测得到的，这种方式在护眼的技术领域是一种新技术，可以防止护眼的时候出现隐私泄露。
优选的：所述隐私处理模块还包括：
云端数据调用单元：用于通过爬虫程序进行云端人体特征爬取，并爬取人像大数据特征；
本地对接单元：用于在本地设置远程对接程序，调用所述人像大数据特征；
本地执行单元：用于在本地服务器导入所述实时隐私识别模型，并执行实时识别。
上述技术方案的原理和有益效果在于：本发明的隐私处理是通过特征对比的方式，但是，特征对比需要大量的特征和存储特征数据库，但是用户设备不一定会存在大量的内存，所以本发明采用了云端数据调用，本地的实时隐私识别模型导入执行检测。
优选的：所述学习优化模块：
习惯采集单元：用于根据所述实时图像，确定用户设备的使用习惯；其中，
所述使用习惯包括使用频率、使用时间和使用程序；
习惯是非常不好改变的，特别是比较差的习惯，本发明的习惯采集单元式为了让提高使用者的习惯，不熬夜、不浪费学习时间，从习惯上提高用户能能力。
习惯模型搭建单元：用于根据所述使用习惯，构建基于时间轴的用户使用设备的线性排列布局模型；
机器学习单元：用于将所述线性排列布局模型和机器学习算法融合，构成用户设备优化模型，进行用户设备工作时间优化。本发明的机器学习算法是常规的机器学习算法，但是本发明的将性排列布局模型和机器学习算法融合实现对整个布局情况进行计算。，从而也更精确的判断感应的距离，保护眼睛。
上述技术方案的原理和有益效果在于：本发明在学习优化的时候使用了机器学习，但是因为现有机器学习的方式很多，但是都存在需要大量的数据进行更新分类器，而本发明次采用了线性排列布局模型和机器学习算法融合，使得能够得到更多的优化方式。
优选的：所述机器学习单元进行工作时间优化，包括如下步骤：
步骤A1：根据用户设备优化模型生成多模式优化的初始解；其中，
所述多模式优化包括：屏幕使用时间优化、程序调用优化和屏幕亮度优化；多模式优化的初始解就是多种屏幕控制方法，包括：屏幕使用时间优化、程序调用优化和屏幕亮度优化。
步骤A2：对所述初始解进行解码操作，确定解码后的每个初始解的执行时间；每个初始解的执行时间都是不相同的，因为要判断用户使用屏幕的时长。
步骤A3：根据所述执行时间，确定每个初始解的检测时长；
检测时长和执行时间相同，英语执行完了，就立即进行检测，防止出现系统故障。
步骤A4：根据所述每个初始解的检测时长，设定用户设备的使用检测规则；
步骤A5：根据所述使用检测规则，进行用户设备的使用时间检测，并获取检测结果；
步骤A6：根据所述检测结果，判断是否需要进行多模式优化，并在需要进行多模式优化时执行所述多模式优化的初始解。
上述技术方案的原理和有益效果在于：本发明的初始解就是多模式优化的优化策略，本发明的具体方式可以理解为：通过在存在很多的优化方式之后，本发明进行实时监测，只要可以根据监测时长内，用户的习惯是否过度，进行一个简短的研判，如果判定过度了就采用初始解对应的多模式优化方式中的一种或多种就可以进行工作时间优化。
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 (7)
1.一种基于距离感应的护眼系统，其特征在于，包括：
用户感知模块：用于通过用户设备上的传感设备获取用户使用设备的实时图像，并判断用户与用户设备屏幕的实时距离；
屏幕变化模块：用于根据所述实时距离，判断是否在所述用户设备屏幕上进行护眼提醒；其中，
所述护眼提醒包括：文字变屏、模糊变屏和声音播报；
隐私处理模块：用于通过本地服务器对所述实时图像判定，当为隐私数据时进行非可视化转换；
学习优化模块：用于获取不同时间的实时图像，确定用户习惯，并基于机器学习算法，优化所述用户设备的工作时间；
所述用户感知模块包括：
传感单元：用于确定用户设备上的感应设备，根据所述传感设备，判断预设的感应阈值之内是否存在感应信号；其中，
所述用户设备至少包括：手机、平板或电脑；
所述传感设备包括：红外传感设备或摄像设备；
摄像调用单元：用于在存在感应信号时，进行摄像头调用，并拍摄摄像头视角的广角图像；
识别单元：用于根据所述广角图像，进行图片识别，判断所述广角图像上是否存在用户眼睛；
距离判断单元：用于在所述广角图像存在用户眼睛时，根据拍摄角度和虹膜定位，分别判断用户与用户设备屏幕的实时距离；
所述距离判断单元根据拍摄角度确定感应距离包括如下步骤：
步骤1：基于所述广角图像，确定所述用户眼睛在广角图像中的空间轮廓坐标集合P＝{(x1，y1)，……，(xi，yi)}；
步骤2：基于下式确定空间轮廓坐标集合中每一个坐标点到图像中心的第一相对距离：
di＝PiHtanθ
其中，di表示空间轮廓坐标集合中第i个坐标到图像中心的相对距离；H表示广角图像的畸变率；θ表示形状参数，r表示摄像设备的焦距；Pi表示空间轮廓坐标集合中第i个坐标；
步骤3：基于所述第一相对距离和拍摄角度，通过下式计算感应距离：
其中，β表示拍摄角度；dmax表示空间轮廓坐标集合中的坐标与图像中心的最大的相对距离；GD表示感应距离；n表示空间轮廓坐标集合中坐标的总个数；
所述距离判断单元根据虹膜定位感应距离包括如下步骤：
步骤S1：根据所述广角图像，通过边缘检测，确定虹膜的灰度图像模型：
其中，H(a，b)表示坐标(a，b)时的虹膜灰度模型；max(a，b)最大坐标值；(a，b)表示广角图像灰度化后虹膜的坐标；Gσ(r)虹膜坐标的标准差的高斯函数；H0(a，b)表示坐标(a，b)时的初始虹膜灰度模型；ds表示圆周；
步骤S2:根据所示灰度图像模型，通过Hough变换，确定灰度图像的边界模型：
其中，B(a，b，r)表示圆心为(a，b)，半径为r的边界累加器；(ag，bg)表示虹膜灰度图中虹膜的第g个边缘坐标点坐标；(ac，bc)表示虹膜灰度图中虹膜的内界坐标点；g∈K，K为正整数；F表示霍夫变换函数；
步骤S3:根据所述边界模型，进行梯度映射，确定映射点：
其中，Y(a’，b’)表示(ag，bg)映射进入拍摄装置的映射点坐标；Round表示Round函数，用于在梯度映射时进行指定小数位的四舍五入运算；
步骤S4：根据所述映射点坐标，进行径向对称计算，判断感应距离的径向半径：
其中，J(R)表示感应距离的径向半径，Tg表示第g个边缘坐标点的梯度幅值；Ug表示第g个边缘坐标点半径归一化尺度值；fg表示第g个边缘坐标点在梯度方向映射图根据不同归一化尺度修正后的修正值；
步骤S5：根据所述感应距离的径向半径，确定感应距离的直径值，并将所述直径值作为感应距离。
2.如权利要求1所述的一种基于距离感应的护眼系统，其特征在于，所述屏幕变化模块包括：
距离判断单元：用于获取所述实时距离，并基于预先配置的距离阈值，判断是否进行护眼提醒；
文字变屏单元：用于当所述实时距离达到第一提醒阈值时，进行屏幕变换，并在所述屏幕上生成提醒文字；
模糊变屏单元：用于当所述实时距离达到第二提醒阈值时，进行屏幕变换，并基于屏幕上实时显示界面的纹理通道，进行纹理渲染模糊化；
声音播报单元：用于在所述实时距离达到所述第一提醒阈值和第二提醒阈值时，分别进行声音播报提醒；其中，
所述第一提醒阈值的最大值小于所述第二提醒阈值的最小值。
3.如权利要求2所述的一种基于距离感应的护眼系统，其特征在于，所述模糊变屏单元通过如下步骤进行变屏：
步骤B1：获取屏幕变换指令，并触发调用屏幕纹理通道的调用进程；
步骤B2：根据所述调用进程，确定实时屏幕界面的纹理通道，并确定每个纹理通道的实时参数；
步骤B3:根据所述实时参数，确定进行模糊变屏的补偿参数；
步骤B4：将所述补偿参数与实时参数进行混合计算，确定模糊变屏的执行参数，并生成屏幕模糊界面。
4.如权利要求1所述的一种基于距离感应的护眼系统，其特征在于，所述隐私处理模块包括：
大数据单元：用于通过预设的隐私规则，基于用户的实时设置和预先配置的人像大数据特征，生成实时隐私数据库；
图像分类单元：用于将所述实时隐私数据库中的人像大数据特征进行图像鉴定和图像分类，并生成分布式隐私数据库；
训练单元：用于基于深度卷积网络建构，建立实时隐私识别模型，并通过所述分布式隐私数据库进行随机抽样，并将抽样样本划分为训练集和测试集进行训练和测验；
非可视化单元：用于获取用户设备拍摄到的目标图像，并通过所述实时隐私识别模型，判断是否为用户隐私；其中，
当所述目标图像为用户隐私时，进行非可视化转换；
当所述目标图像不是用户隐私时，进行常规存储。
5.如权利要求4所述的一种基于距离感应的护眼系统，其特征在于，所述隐私处理模块还包括：
云端数据调用单元：用于通过爬虫程序进行云端人体特征爬取，并爬取人像大数据特征；
本地对接单元：用于在本地设置远程对接程序，调用所述人像大数据特征；
本地执行单元：用于在本地服务器导入所述实时隐私识别模型，并执行实时识别。
6.如权利要求1所述的一种基于距离感应的护眼系统，其特征在于，所述学习优化模块包括：
习惯采集单元：用于根据所述实时图像，确定用户设备的使用习惯；其中，
所述使用习惯包括使用频率、使用时间和使用程序；
习惯模型搭建单元：用于根据所述使用习惯，构建基于时间轴的用户使用设备的线性排列布局模型；
机器学习单元：用于将所述线性排列布局模型和机器学习算法融合，构成用户设备优化模型，进行用户设备工作时间优化。
7.如权利要求6所述的一种基于距离感应的护眼系统，其特征在于，所述机器学习单元进行工作时间优化，包括如下步骤：
步骤A1：根据用户设备优化模型生成多模式优化的初始解；其中，
所述多模式优化包括：屏幕使用时间优化、程序调用优化和屏幕亮度优化；
步骤A2：对所述初始解进行解码操作，确定解码后的每个初始解的执行时间；
步骤A3：根据所述执行时间，确定每个初始解的检测时长；
步骤A4：根据所述每个初始解的检测时长，设定用户设备的使用检测规则；
步骤A5：根据所述使用检测规则，进行用户设备的使用时间检测，并获取检测结果；
步骤A6：根据所述检测结果，判断是否需要进行多模式优化，并在需要进行多模式优化时执行所述多模式优化的初始解。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110838732.8A CN113591658B (zh) | 2021-07-23 | 2021-07-23 | 一种基于距离感应的护眼系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110838732.8A CN113591658B (zh) | 2021-07-23 | 2021-07-23 | 一种基于距离感应的护眼系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113591658A CN113591658A (zh) | 2021-11-02 |
| CN113591658B true CN113591658B (zh) | 2023-09-05 |
Family
ID=78249343
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110838732.8A Active CN113591658B (zh) | 2021-07-23 | 2021-07-23 | 一种基于距离感应的护眼系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113591658B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1510973A2 (en) * | 2003-08-29 | 2005-03-02 | Samsung Electronics Co., Ltd. | Method and apparatus for image-based photorealistic 3D face modeling |
| WO2009016846A1 (ja) * | 2007-08-02 | 2009-02-05 | Panasonic Corporation | 虹彩認証装置および虹彩認証システム |
| CN104504868A (zh) * | 2015-01-04 | 2015-04-08 | 合肥联宝信息技术有限公司 | 监测终端设备用户不良习惯的装置及方法 |
| CN105472174A (zh) * | 2016-01-29 | 2016-04-06 | 四川工业科技学院 | 一种通过控制移动终端与眼部距离的智能护眼方法 |
| CN105488487A (zh) * | 2015-12-09 | 2016-04-13 | 湖北润宏科技有限公司 | 一种虹膜定位方法及装置 |
| CN111444789A (zh) * | 2020-03-12 | 2020-07-24 | 深圳市时代智汇科技有限公司 | 一种基于视频感应技术的近视预防方法及其系统 |
| CN112069986A (zh) * | 2020-09-04 | 2020-12-11 | 江苏慧明智能科技有限公司 | 高龄老人眼动机器视觉跟踪方法及装置 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060008124A1 (en) * | 2004-07-12 | 2006-01-12 | Ewe Hong T | Iris image-based recognition system |
| CN105913487B (zh) * | 2016-04-09 | 2018-07-06 | 北京航空航天大学 | 一种基于人眼图像中虹膜轮廓分析匹配的视线方向计算方法 |
| CN106056092B (zh) * | 2016-06-08 | 2019-08-20 | 华南理工大学 | 基于虹膜与瞳孔的用于头戴式设备的视线估计方法 |
| DE102019102373A1 (de) * | 2019-01-30 | 2020-07-30 | Fielmann Ventures GmbH | Verfahren, Softwareprodukt und System zur Refraktionsbestimmung auf einem mobilen Endgerät |
-
2021
- 2021-07-23 CN CN202110838732.8A patent/CN113591658B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1510973A2 (en) * | 2003-08-29 | 2005-03-02 | Samsung Electronics Co., Ltd. | Method and apparatus for image-based photorealistic 3D face modeling |
| WO2009016846A1 (ja) * | 2007-08-02 | 2009-02-05 | Panasonic Corporation | 虹彩認証装置および虹彩認証システム |
| CN104504868A (zh) * | 2015-01-04 | 2015-04-08 | 合肥联宝信息技术有限公司 | 监测终端设备用户不良习惯的装置及方法 |
| CN105488487A (zh) * | 2015-12-09 | 2016-04-13 | 湖北润宏科技有限公司 | 一种虹膜定位方法及装置 |
| CN105472174A (zh) * | 2016-01-29 | 2016-04-06 | 四川工业科技学院 | 一种通过控制移动终端与眼部距离的智能护眼方法 |
| CN111444789A (zh) * | 2020-03-12 | 2020-07-24 | 深圳市时代智汇科技有限公司 | 一种基于视频感应技术的近视预防方法及其系统 |
| CN112069986A (zh) * | 2020-09-04 | 2020-12-11 | 江苏慧明智能科技有限公司 | 高龄老人眼动机器视觉跟踪方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113591658A (zh) | 2021-11-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109993115B (zh) | 图像处理方法、装置及可穿戴设备 | |
| CN103729981B (zh) | 一种儿童坐姿监控智能终端 | |
| CN103024338B (zh) | 具有图像捕获和分析模块的显示设备 | |
| CN101853390B (zh) | 媒介浏览者健康保护的方法和装置 | |
| CN110781899B (zh) | 图像处理方法及电子设备 | |
| US20220309836A1 (en) | Ai-based face recognition method and apparatus, device, and medium | |
| TWI729983B (zh) | 電子裝置、螢幕調節系統及方法 | |
| CN107231529A (zh) | 图像处理方法、移动终端及存储介质 | |
| CN101390128B (zh) | 脸部器官的位置的检测方法及检测系统 | |
| CN115599219B (zh) | 一种显示屏的护眼控制方法、系统、设备及存储介质 | |
| CN106293059B (zh) | 控制方法及控制装置 | |
| CN110930335B (zh) | 一种图像处理方法及电子设备 | |
| CN103902958A (zh) | 人脸识别的方法 | |
| CN108200337B (zh) | 拍照处理的方法、装置、终端及存储介质 | |
| CN111240612A (zh) | 一种调节屏幕分辨率的方法及终端 | |
| CN107436681A (zh) | 自动调节文字的显示大小的移动终端及其方法 | |
| KR102134476B1 (ko) | 인공신경망을 이용한 가상 피팅 시스템, 이를 위한 방법 및 이 방법을 수행하는 프로그램이 기록된 컴퓨터 판독 가능한 기록매체 | |
| CN113610723B (zh) | 图像处理方法及相关装置 | |
| US20220329729A1 (en) | Photographing method, storage medium and electronic device | |
| CN103997593A (zh) | 图像生成装置及图像生成方法 | |
| CN208351494U (zh) | 人脸识别系统 | |
| CN105227828B (zh) | 拍摄装置和方法 | |
| CN112700568B (zh) | 一种身份认证的方法、设备及计算机可读存储介质 | |
| CN113591658B (zh) | 一种基于距离感应的护眼系统 | |
| CN109639981A (zh) | 一种图像拍摄方法及移动终端 |
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 | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Xing Qi Inventor after: Deng Jingjing Inventor after: Ma Bo Inventor before: Xing Qi Inventor before: Deng Jingjing Inventor before: Ma Bo |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231129 Address after: 518110, 2nd Floor, No. 8, Longfu Industrial Zone, Huarong Road, Shanghenglang Community, Dalang Street, Longhua District, Shenzhen City, Guangdong Province Patentee after: Shenzhen Weizhi Holographic Technology Co.,Ltd. Address before: 518000 room 801, building A7, Nanshan Zhiyuan, No. 1001, Xueyuan Avenue, Changyuan community, Taoyuan Street, Nanshan District, Shenzhen, Guangdong Patentee before: SHENZHEN HOLOGRAPHIC INFO TECHNOLOGY DEVELOPMENT Co.,Ltd. |