CN115414033A - 一种用户用眼行为异常的确定方法及装置 - Google Patents
一种用户用眼行为异常的确定方法及装置 Download PDFInfo
- Publication number
- CN115414033A CN115414033A CN202211365553.8A CN202211365553A CN115414033A CN 115414033 A CN115414033 A CN 115414033A CN 202211365553 A CN202211365553 A CN 202211365553A CN 115414033 A CN115414033 A CN 115414033A
- Authority
- CN
- China
- Prior art keywords
- eye
- brightness value
- behavior data
- screen brightness
- determining
- 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.)
- Granted
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
- A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
- A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
- G06F9/453—Help systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- Biomedical Technology (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Veterinary Medicine (AREA)
- Dentistry (AREA)
- Human Computer Interaction (AREA)
- Physiology (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Epidemiology (AREA)
- Primary Health Care (AREA)
- Ophthalmology & Optometry (AREA)
- Eye Examination Apparatus (AREA)
Abstract
本申请提供了一种用户用眼行为异常的确定方法及装置,其中,该方法包括:获取预设时长内目标用户使用屏幕的使用时长、在使用时长内的用眼行为数据集合、环境光亮度值和在环境光亮度值下的屏幕亮度值;依据用眼行为数据集合中每项用眼行为数据分别对应的拟合函数,确定该项用眼行为数据在使用时长内的预测用眼行为数据;依据屏幕亮度值对应的拟合函数,确定屏幕亮度值在环境光亮度值下的预测屏幕亮度值;依据每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据、屏幕亮度值与预测屏幕亮度值,确定目标用户用眼行为异常。本申请解决了确定用户用眼行为异常的准确率较低的技术问题,达到了提高准确率和提升用户使用感受的技术效果。
Description
技术领域
本申请涉及计算机技术领域,尤其涉及一种用户用眼行为异常的确定方法及装置。
背景技术
目前智能终端通过采集目标用户用眼时的面部及人体图像,通过算法识别并记录相关的不良用眼行为次数(歪头、低头、眨眼、眯眼、东张西望、观看距离、用眼时长等),与现有医学基础对于健康人员制定的健康用眼行为标准进行比较,确定目标用户是否为不良用眼行为,并做出提示。
现有技术中,对于老人、小孩或者患有基础眼病(近视/远视/斜视/干眼症/青光眼白内障等病症)等特殊人群的用眼行为标准依然与健康人员的用眼行为标准相同。从而使用对于健康人员制定的健康用眼行为标准来判断特殊人群的不良用眼行为并做出提示,智能终端可以会对特殊人群持续提示,影响用户对智能终端的使用体验和降低提醒的准确率。
发明内容
有鉴于此,本申请的目的在于至少提供一种用户用眼行为异常的确定方法及装置,通过对用户在预设历史时长内的各项用眼行为数据进行数据拟合得到拟合函数,将用户的各项用眼行为数据分别与各项用眼行为数据对应的拟合函数得到的预测用眼行为数据进行比较,确定用户是否为用眼行为异常,解决了现有技术中将所有用户的用眼行为数据均与对于健康人员制定的健康用眼行为标准进行比较的技术问题,达到了提高确定用户是否为用眼行为异常的准确率和提高用户使用感受的技术效果。
本申请主要包括以下几个方面:
第一方面,本申请实施例提供一种用户用眼行为异常的确定方法,该方法包括:获取预设时长内目标用户使用屏幕的使用时长、在使用时长内的用眼行为数据集合、环境光亮度值和在环境光亮度值下的屏幕亮度值;依据用眼行为数据集合中每项用眼行为数据分别对应的拟合函数,确定该项用眼行为数据在使用时长内的预测用眼行为数据;依据屏幕亮度值对应的拟合函数,确定屏幕亮度值在环境光亮度值下的预测屏幕亮度值;依据每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据、屏幕亮度值与预测屏幕亮度值,确定目标用户用眼行为异常。
可选地,通过以下方式确定每项用眼行为数据分别对应的拟合函数:获取预设历史时长内目标用户使用屏幕的使用时长和在使用时长内的用眼行为数据集合;将使用时长作为自变量,将在使用时长内的用眼行为数据集合中每项用眼行为数据分别作为因变量进行数据拟合,得到每项用眼行为数据对应的拟合函数。
可选地,通过以下方式确定屏幕亮度值对应的拟合函数:获取预设历史时长内目标用户使用屏幕的环境光亮度值和在环境光亮度值下的屏幕亮度值;将环境光亮度值作为自变量,将在环境光亮度值下的屏幕亮度值作为因变量进行数据拟合,得到屏幕亮度值对应的拟合函数。
可选地,依据每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据、屏幕亮度值与预测屏幕亮度值,确定目标用户用眼行为异常,包括:将每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据作差,将差值与该项用眼行为数据对应的数据拟合的残差的标准差做比,得到每项用眼行为数据对应的比值;将屏幕亮度值与预测屏幕亮度值作差,将差值与屏幕亮度值对应的数据拟合的残差的标准差做比,得到屏幕亮度值对应的比值;依据每项用眼行为数据对应的比值和屏幕亮度值对应的比值,确定目标用户用眼行为异常。
可选地,依据每项用眼行为数据对应的比值和屏幕亮度值对应的比值,确定目标用户用眼行为异常,包括:确定每项用眼行为数据对应的比值和屏幕亮度值对应的比值是否属于预设区间;若存在任一项用眼行为数据对应的比值不属于预设区间,或,若存在屏幕亮度值对应的比值不属于预设区间,则确定目标用户用眼行为异常。
可选地,依据每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据、屏幕亮度值与预测屏幕亮度值,确定目标用户用眼行为异常之后,方法还包括:对目标用户发出用眼行为异常提醒。
可选地,用眼行为数据集合包括眨眼次数、用眼距离、揉眼次数、眯眼时长、低头时长和歪头时长。
第二方面,本申请实施例还提供一种用户用眼行为异常的确定装置,该装置包括:获取模块,用于获取预设时长内目标用户使用屏幕的使用时长、在使用时长内的用眼行为数据集合、环境光亮度值和在环境光亮度值下的屏幕亮度值;第一确定模块,用于依据用眼行为数据集合中每项用眼行为数据分别对应的拟合函数,确定该项用眼行为数据在使用时长内的预测用眼行为数据;第二确定模块,用于依据屏幕亮度值对应的拟合函数,确定屏幕亮度值在环境光亮度值下的预测屏幕亮度值;第三确定模块,用于依据每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据、屏幕亮度值与预测屏幕亮度值,确定目标用户用眼行为异常。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,存储器存储有处理器可执行的机器可读指令,当电子设备运行时,处理器与存储器之间通过总线进行通信,机器可读指令被处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中的用户用眼行为异常的确定方法的步骤。
第四方面,本申请实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器运行时执行上述第一方面或第一方面中任一种可能的实施方式中的用户用眼行为异常的确定的步骤。
本申请实施例提供的一种用户用眼行为异常的确定方法,该方法包括:获取预设时长内目标用户使用屏幕的使用时长、在使用时长内的用眼行为数据集合、环境光亮度值和在环境光亮度值下的屏幕亮度值;依据用眼行为数据集合中每项用眼行为数据分别对应的拟合函数,确定该项用眼行为数据在使用时长内的预测用眼行为数据;依据屏幕亮度值对应的拟合函数,确定屏幕亮度值在环境光亮度值下的预测屏幕亮度值;依据每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据、屏幕亮度值与预测屏幕亮度值,确定目标用户用眼行为异常。本申请通过对用户各项用眼行为数据进行数据拟合得到拟合函数,将用户的各项用眼行为数据分别与各项用眼行为数据对应的拟合函数得到的预测用眼行为数据进行比较,确定用户是否为用眼行为异常,解决了现有技术中将所有用户的用眼行为数据均与对于健康人员制定的健康用眼行为标准进行比较的技术问题,达到了提高确定用户是否为用眼行为异常的准确率和提高用户使用感受的技术效果。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种用户用眼行为异常的确定方法的流程图。
图2示出了本申请实施例所提供的依据每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据、屏幕亮度值与预测屏幕亮度值确定目标用户用眼行为异常的步骤的流程图。
图3示出了本申请实施例所提供的一种用户用眼行为异常的确定装置的功能模块图。
图4示出了本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中的附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应当理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的全部其他实施例,都属于本申请保护的范围。
现有技术中,将所有用户的用眼行为数据均与根据现有医学基础对于健康人员制定的健康用眼行为标准进行比较,确定用户是否存在用眼行为异常,从而对用眼行为异常的用户发出提醒,而对于一些患有干眼症、老人等特殊人群,会持续认为此类用户用眼行为异常从而持续发出提醒,影响用户使用体验。
基于此,本申请实施例提供了一种用户用眼行为异常的确定方法及装置,通过对用户各项用眼行为数据进行数据拟合得到拟合函数,将用户的各项用眼行为数据分别与各项用眼行为数据对应的拟合函数得到的预测用眼行为数据进行比较,确定用户是否为用眼行为异常,解决了现有技术中确定用户是否为用眼行为异常的准确率较低的技术问题,达到了提高确定用户是否为用眼行为异常的准确率和提高用户使用感受的技术效果。具体如下:
请参阅图1,图1为本申请实施例所提供的一种用户用眼行为异常的确定方法的流程图。如图1所示,本申请实施例提供的用户用眼行为异常的确定方法,包括以下步骤:
S101:获取预设时长内目标用户使用屏幕的使用时长、在使用时长内的用眼行为数据集合、环境光亮度值和在环境光亮度值下的屏幕亮度值。
本申请实施例所提供的用户用眼行为异常的确定方法应用于服务器。屏幕在使用期间通过人像采集单元采集人像;屏幕确定采集到的人像是否为目标用户;若屏幕确定采集到的人像是目标用户,则屏幕对目标用户进行人脸识别得到使用时长内对应的用眼行为数据集合,并且获取环境光亮度值和在环境光亮度值下的屏幕亮度值;屏幕将使用时长内对应的用眼行为数据集合、环境光亮度值和在环境光亮度值下的屏幕亮度值发送至服务器,以使服务器执行本申请实施例所提供的用户用眼行为异常的确定方法。若屏幕确定采集到的人像不是目标用户,则将上述人像对应的用户确定为新用户。屏幕采集新用户在一个月内的使用时长、在使用时长内的用眼行为数据集合、环境光亮度值和在环境光亮度值下的屏幕亮度值,以使服务器构建新用户的用眼行为数据集合中每项用眼行为数据分别对应的拟合函数、屏幕亮度值对应的拟合函数。其中,屏幕对目标用户进行人脸识别得到使用时长内的用眼行为数据集合、确定环境光亮度值和在环境光亮度值下的屏幕亮度值是现有技术,在此不再赘述。
目标用户指的是服务器中已经存储用眼行为数据集合中每项用眼行为数据分别对应的拟合函数、屏幕亮度值对应的拟合函数的用户。也就是说,服务器中已经存储目标用户的用眼行为习惯。
也就是说,获取预设时长内目标用户使用屏幕的使用时长和使用时长对应的用眼行为数据集合,获取预设时长内目标用户使用屏幕的环境光亮度值和环境光亮度值对应的屏幕亮度值。
用眼行为数据集合包括多项用眼行为数据,用眼行为数据集合包括眨眼次数、用眼距离、揉眼次数、眯眼时长、低头时长和歪头时长。使用屏幕的使用时长指的是用户连续使用屏幕的时间。预设时长一般设置为60分钟。也就是说,获取60分钟内用户在使用时长内对应的眨眼次数、用眼距离、揉眼次数、眯眼时长、低头时长和歪头时长,以及环境光亮度值下的屏幕亮度值。
示例性的,若用户在60分钟内使用屏幕的使用时长分别为t1、t2。获取t1对应的眨眼次数为a1、用眼距离b1、揉眼次数c1、眯眼时长d1、低头时长e1和歪头时长f1;获取t2对应的眨眼次数为a2、用眼距离b2、揉眼次数c2、眯眼时长d2、低头时长e2和歪头时长f2。若用户在60分钟内使用屏幕时的环境光亮度值为lux1和lux2,获取lux1对应的屏幕亮度值g1,获取lux2对应的屏幕亮度值g2。
S102:依据用眼行为数据集合中每项用眼行为数据分别对应的拟合函数,确定该项用眼行为数据在使用时长内的预测用眼行为数据。
示例性的,若用户在60分钟内使用屏幕的使用时长分别为t1、t2。将t1、t2分别带入每项用眼行为数据分别对应的拟合函数得到t1对应的预测眨眼次数、t2对应的预测眨眼次数、t1对应的预测用眼距离、t2对应的预测用眼距离、t1对应的预测揉眼次数、t2对应的预测揉眼次数、t1对应的预测眯眼时长、t2对应的预测眯眼时长、t1对应的预测低头时长、t2对应的预测眯眼时长、t1对应的预测歪头时长和t2对应的预测歪头时长。
通过以下方式确定每项用眼行为数据分别对应的拟合函数:获取预设历史时长内目标用户使用屏幕的使用时长和在使用时长内的用眼行为数据集合;将使用时长作为自变量,将在使用时长内的用眼行为数据集合中每项用眼行为数据分别作为因变量进行数据拟合,得到每项用眼行为数据对应的拟合函数。
预设历史时长可以设置为一个月,数据拟合的方法可以是最小二乘法。
示例性的,获取一个月内目标用户使用屏幕的使用时长ti(i的取值范围为1至n,n指的是使用时长的总个数),以及使用时长ti对应的眨眼次数ai、用眼距离bi、揉眼次数ci、眯眼时长di、低头时长ei和歪头时长fi;将使用时长ti作为自变量,将眨眼次数ai、用眼距离bi、揉眼次数ci、眯眼时长di、低头时长ei和歪头时长fi分别作为因变量通过最小二乘法进行数据拟合,得到眨眼次数的拟合函数fa(t)、用眼距离的拟合函数fb(t)、揉眼次数的拟合函数fc(t)、眯眼时长的拟合函数fd(t)、低头时长的拟合函数fe(t)和歪头时长的拟合函数ff(t),其中t指的是使用时长。并分别计算眨眼次数、用眼距离、揉眼次数、眯眼时长、低头时长和歪头时长分别对应的数据拟合的残差的标准差。
示例性的,眨眼次数对应的数据拟合的残差的标准差的计算方式为:将使用时长ti带入眨眼次数对应的拟合函数fa(t)中,得到预测眨眼次数fa(ti)、;将预测眨眼次数fa(ti)与ti对应的眨眼次数ai作差,得到差值xi;计算xi的标准差;将上述标准差作为眨眼次数对应的数据拟合的残差的标准差σa。
S103:依据屏幕亮度值对应的拟合函数,确定屏幕亮度值在环境光亮度值下的预测屏幕亮度值。
示例性的,若用户在60分钟内使用屏幕时的环境光亮度值为lux1和lux2。将lux1和lux2分别带入屏幕亮度对应的拟合函数得到lux1对应的预测屏幕亮度值和lux2对应的预测屏幕亮度值。
通过以下方式确定屏幕亮度值对应的拟合函数:获取预设历史时长内目标用户使用屏幕的环境光亮度值和在环境光亮度值下的屏幕亮度值;将环境光亮度值作为自变量,将在环境光亮度值下的屏幕亮度值作为因变量进行数据拟合,得到屏幕亮度值对应的拟合函数。
预设历史时长可以设置为一个月,数据拟合的方法可以是最小二乘法。示例性的,获取一个月内目标用户使用屏幕的环境光亮度值luxj(j的取值范围为1至m,m指的是环境光亮度的个数),以及环境光亮度值luxj对应的屏幕亮度值gj;将环境光亮度luxj作为自变量,将环境光亮度luxj对应的屏幕亮度值gj作为因变量通过最小二乘法进行数据拟合,得到屏幕亮度值的拟合函数fg (lux),并将fg (lux)作为屏幕亮度值对应的拟合函数。并计算屏幕亮度值对应的数据拟合的残差的标准差。
示例性的,屏幕亮度值对应的数据拟合的残差的标准差的计算方式为:将环境光亮度值luxj带入到fg (lux)中,得到预测环境光亮度值fg (luxj);将预测环境光亮度值fg(luxj)与luxj对应的屏幕亮度值gj作差,得到差值yj;计算yj的标准差;将上述标准差作为屏幕亮度值对应的数据拟合的残差的标准差σg。
如表1所示,表1为本申请实施例所提供的拟合函数表。
表1:
因变量 | 自变量 | 单位 | |
眨眼次数 | f <sub>a </sub>(t) | 使用时长 t | 次 / 分 |
用眼距离 | f <sub>b </sub>(t ) | 使用时长 t | 厘米 / 分 |
揉眼次数 | f <sub>c </sub>(t ) | 使用时长 t | 次 / 分 |
眯眼时长 | f <sub>d </sub>(t ) | 使用时长 t | 分 / 分 |
低头时长 | f <sub>e </sub>(t ) | 使用时长 t | 分 / 分 |
歪头时长 | f <sub>f </sub>(t ) | 使用时长 t | 分 / 分 |
屏幕亮度值 | f <sub>g </sub> (lux ) | 环境光亮度值 lux | 尼特 / 勒克斯 ( lux ) |
也就是说,将目标用户的每项用眼行为数据分别对应的拟合函数、屏幕亮度值对应的拟合函数作为目标用户的用眼行为习惯,还可以对目标用户的用眼行为习惯按照预设的时间范围进行更新,例如每个月都更新一次目标用户的每项用眼行为数据分别对应的拟合函数、屏幕亮度值对应的拟合函数。在目标用户本身患有干眼症等眼部疾病的情况下,本申请实施例通过目标用户的用眼行为习惯而不是由固定不变的健康用眼行为标准来判断目标用户的用眼行为是否为异常,从而提高了判断目标用户的用眼行为是否异常的准确率。
S104:依据每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据、屏幕亮度值与预测屏幕亮度值,确定目标用户用眼行为异常。
请参阅图2,图2为本申请实施例所提供的依据每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据、屏幕亮度值与预测屏幕亮度值确定目标用户用眼行为异常的步骤的流程图。如图2所示,依据每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据、屏幕亮度值与预测屏幕亮度值,确定目标用户用眼行为异常,包括以下步骤:
S1041:将每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据作差,将差值与该项用眼行为数据对应的数据拟合的残差的标准差做比,得到每项用眼行为数据对应的比值。
S1042:将屏幕亮度值与预测屏幕亮度值作差,将差值与屏幕亮度值对应的数据拟合的残差的标准差做比,得到屏幕亮度值对应的比值。
S1043:依据每项用眼行为数据对应的比值和屏幕亮度值对应的比值,确定目标用户用眼行为异常。
依据每项用眼行为数据对应的比值和屏幕亮度值对应的比值,确定目标用户用眼行为异常,包括:确定每项用眼行为数据对应的比值和屏幕亮度值对应的比值是否属于预设区间;若存在任一项用眼行为数据对应的比值不属于预设区间,或,若存在屏幕亮度值对应的比值不属于预设区间,则确定目标用户用眼行为异常。
预设区间的范围设定为(-2,2)。也就是说,预设区间的上限值为2,预设区间的下限值为-2。
也就是说,确定使用时长内的每项用眼行为数据对应的比值和屏幕亮度值对应的比值是否大于或等于预设区间的上限值或者小于或等于预设区间的下限值;若存在使用时长内的任一项用眼行为数据对应的比值大于或等于预设区间的上限值或者小于或等于预设区间的下限值,确定目标用户在使用时长内的该项用眼行为数据异常;或者,若存在环境光亮度值下的屏幕亮度值对应的比值大于或等于预设区间的上限值或者小于或等于预设区间的下限值,则确定目标用户在环境光亮度值下屏幕亮度值异常。若存在使用时长内的每项用眼行为数据对应的比值均小于预设区间的上限值且大于预设区间的下限值,确定目标用户在使用时长内的用眼行为数据为用户用眼习惯;若存在环境光亮度值下的屏幕亮度值对应的比值小于预设区间的上限值且大于预设区间的下限值,确定目标用户在环境光亮度值下的屏幕亮度值为用户用眼习惯。
示例性的,若用户在60分钟内使用屏幕的使用时长分别为t1、t2,获取t1对应的眨眼次数为a1和t2对应的眨眼次数为a2。将t1、t2分别带入眨眼次数对应的拟合函数fa(t)得到t1对应的预测眨眼次数fa(t1)、t2对应的预测眨眼次数fa(t2);将a1与fa(t1)作差,将差值与眨眼次数对应的数据拟合的残差的标准差σa做比,得到t1对应的比值;确定t1对应的比值是否大于或等于2或者小于或等于-2;若t1对应的比值大于或等于2或者小于或等于-2,则确定目标用户在t1内眨眼行为异常。将a2与fa(t2)作差,将差值与眨眼次数对应的数据拟合的残差的标准差σa做比,得到t2对应的比值;确定t2对应的比值是否大于或等于2或者小于或等于-2;若t2对应的比值大于或等于2或者小于或等于-2,则确定目标用户在t2内眨眼行为异常。
示例性的,若用户在60分钟内使用屏幕时的环境光亮度值为lux1和lux2,获取lux1对应的屏幕亮度值g1,获取lux2对应的屏幕亮度值g2。将lux1和lux2分别带入屏幕亮度对应的拟合函数fg (lux)得到lux1对应的预测屏幕亮度值fg (lux1)和lux2对应的预测屏幕亮度值fg (lux2);将g1与fg (lux1)作差,将差值与屏幕亮度值对应的数据拟合的残差的标准差σg做比,得到g1对应的比值;确定g1对应的比值是否大于或等于2或者小于或等于-2;若g1对应的比值大于或等于2或者小于或等于-2,则确定目标用户在环境光亮度值为g1时屏幕光亮度异常。将g2与fg (lux2)作差,将差值与屏幕亮度值对应的数据拟合的残差的标准差σg做比,得到g2对应的比值;确定g2对应的比值是否大于或等于2或者小于或等于-2;若g2对应的比值大于或等于2或者小于或等于-2,则确定目标用户在环境光亮度值为g2时屏幕光亮度异常。
依据每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据、屏幕亮度值与预测屏幕亮度值,确定目标用户用眼行为异常之后,方法还包括:对目标用户发出用眼行为异常提醒。
对目标用户发出用眼行为异常提醒包括:统计目标用户在预设时长出现用眼行为异常的次数;确定次数是否大于预设次数阈值;若次数大于预设次数阈值,则向屏幕发送用眼行为异常提醒信号,以使屏幕提示弹框或发出声音对目标用户做出提醒。
一般的,预设次数阈值可以设置为3。
基于同一申请构思,本申请实施例中还提供了与上述实施例提供的用户用眼行为异常的确定方法对应的用户用眼行为异常的确定装置,由于本申请实施例中的装置解决问题的原理与本申请上述实施例的用户用眼行为异常的确定方法相似,因此装置的实施可以参见方法的实施,重复之处不再赘述。
如图3所示,图3为本申请实施例提供的一种用户用眼行为异常的确定装置的功能模块图。用户用眼行为异常的确定装置10包括:获取模块101、第一确定模块102、第二确定模块103和第三确定模块104。获取模块101,用于获取预设时长内目标用户使用屏幕的使用时长、在使用时长内的用眼行为数据集合、环境光亮度值和在环境光亮度值下的屏幕亮度值;第一确定模块102,用于依据用眼行为数据集合中每项用眼行为数据分别对应的拟合函数,确定该项用眼行为数据在使用时长内的预测用眼行为数据;第二确定模块103,用于依据屏幕亮度值对应的拟合函数,确定屏幕亮度值在环境光亮度值下的预测屏幕亮度值;第三确定模块104,用于依据每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据、屏幕亮度值与预测屏幕亮度值,确定目标用户用眼行为异常。
基于同一申请构思,参见图4所示,为本申请实施例提供的一种电子设备的结构示意图,电子设备20包括:处理器201、存储器202和总线203,所述存储器202存储有所述处理器201可执行的机器可读指令,当电子设备20运行时,所述处理器201与所述存储器202之间通过所述总线203进行通信,所述机器可读指令被所述处理器201运行时执行如上述实施例中任一所述的用户用眼行为异常的确定方法的步骤。
具体地,所述机器可读指令被所述处理器201执行时可以执行如下处理:
基于同一申请构思,本申请实施例还提供了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计算机程序,所述计算机程序被处理器运行时执行上述实施例提供的用户用眼行为异常的确定方法的步骤。
具体地,所述存储介质能够为通用的存储介质,如移动磁盘、硬盘等,所述存储介质上的计算机程序被运行时,能够执行上述用户用眼行为异常的确定方法,通过对用户在预设历史时长内的各项用眼行为数据进行数据拟合得到拟合函数,将用户的各项用眼行为数据分别与各项用眼行为数据对应的拟合函数得到的预测用眼行为数据进行比较,确定用户是否为用眼行为异常,解决了现有技术中将所有用户的用眼行为数据均与对于健康人员制定的健康用眼行为标准进行比较的技术问题,达到了提高确定用户是否为用眼行为异常的准确率和提高用户使用感受的技术效果。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统和装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。在本申请所提供的几个实施例中,应所述理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者所述技术方案的部分可以以软件产品的形式体现出来,所述计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种用户用眼行为异常的确定方法,其特征在于,所述用户用眼行为异常的确定方法包括:
获取预设时长内目标用户使用屏幕的使用时长、在所述使用时长内的用眼行为数据集合、环境光亮度值和在所述环境光亮度值下的屏幕亮度值;
依据所述用眼行为数据集合中每项用眼行为数据分别对应的拟合函数,确定该项用眼行为数据在所述使用时长内的预测用眼行为数据;
依据屏幕亮度值对应的拟合函数,确定所述屏幕亮度值在所述环境光亮度值下的预测屏幕亮度值;
依据所述每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据、屏幕亮度值与预测屏幕亮度值,确定所述目标用户用眼行为异常。
2.根据权利要求1所述的用户用眼行为异常的确定方法,其特征在于,通过以下方式确定所述每项用眼行为数据分别对应的拟合函数:
获取预设历史时长内目标用户使用屏幕的使用时长和在使用时长内的用眼行为数据集合;
将使用时长作为自变量,将在使用时长内的用眼行为数据集合中每项用眼行为数据分别作为因变量进行数据拟合,得到每项用眼行为数据对应的拟合函数。
3.根据权利要求1所述的用户用眼行为异常的确定方法,其特征在于,通过以下方式确定所述屏幕亮度值对应的拟合函数:
获取预设历史时长内目标用户使用屏幕的环境光亮度值和在环境光亮度值下的屏幕亮度值;
将环境光亮度值作为自变量,将在环境光亮度值下的屏幕亮度值作为因变量进行数据拟合,得到屏幕亮度值对应的拟合函数。
4.根据权利要求1所述的用户用眼行为异常的确定方法,其特征在于,所述依据所述每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据、屏幕亮度值与预测屏幕亮度值,确定所述目标用户用眼行为异常,包括:
将所述每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据作差,将差值与该项用眼行为数据对应的数据拟合的残差的标准差做比,得到每项用眼行为数据对应的比值;
将所述屏幕亮度值与所述预测屏幕亮度值作差,将差值与屏幕亮度值对应的数据拟合的残差的标准差做比,得到屏幕亮度值对应的比值;
依据每项用眼行为数据对应的比值和屏幕亮度值对应的比值,确定所述目标用户用眼行为异常。
5.根据权利要求4所述的用户用眼行为异常的确定方法,其特征在于,所述依据每项用眼行为数据对应的比值和屏幕亮度值对应的比值,确定所述目标用户用眼行为异常,包括:
确定每项用眼行为数据对应的比值和屏幕亮度值对应的比值是否属于预设区间;
若存在任一项用眼行为数据对应的比值不属于预设区间,或,若存在屏幕亮度值对应的比值不属于预设区间,则确定所述目标用户用眼行为异常。
6.根据权利要求1所述的用户用眼行为异常的确定方法,其特征在于,所述依据所述每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据、屏幕亮度值与预测屏幕亮度值,确定所述目标用户用眼行为异常之后,所述方法还包括:
对所述目标用户发出用眼行为异常提醒。
7.根据权利要求1所述的用户用眼行为异常的确定方法,其特征在于,所述用眼行为数据集合包括眨眼次数、用眼距离、揉眼次数、眯眼时长、低头时长和歪头时长。
8.一种用户用眼行为异常的确定装置,其特征在于,所述用户用眼行为异常的确定装置包括:
获取模块,用于获取预设时长内目标用户使用屏幕的使用时长、在所述使用时长内的用眼行为数据集合、环境光亮度值和在所述环境光亮度值下的屏幕亮度值;
第一确定模块,用于依据所述用眼行为数据集合中每项用眼行为数据分别对应的拟合函数,确定该项用眼行为数据在所述使用时长内的预测用眼行为数据;
第二确定模块,用于依据屏幕亮度值对应的拟合函数,确定所述屏幕亮度值在所述环境光亮度值下的预测屏幕亮度值;
第三确定模块,用于依据所述每项用眼行为数据与该项用眼行为数据对应的预测用眼行为数据、屏幕亮度值与预测屏幕亮度值,确定所述目标用户用眼行为异常。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线进行通信,所述机器可读指令被所述处理器运行时执行如权利要求1至7任一所述的用户用眼行为异常的确定方法的步骤。
10.一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计算机程序,所述计算机程序被处理器运行时执行如权利要求1至7任一所述的用户用眼行为异常的确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211365553.8A CN115414033B (zh) | 2022-11-03 | 2022-11-03 | 一种用户用眼行为异常的确定方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211365553.8A CN115414033B (zh) | 2022-11-03 | 2022-11-03 | 一种用户用眼行为异常的确定方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115414033A true CN115414033A (zh) | 2022-12-02 |
CN115414033B CN115414033B (zh) | 2023-02-24 |
Family
ID=84208175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211365553.8A Active CN115414033B (zh) | 2022-11-03 | 2022-11-03 | 一种用户用眼行为异常的确定方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115414033B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117095821A (zh) * | 2023-10-20 | 2023-11-21 | 京东方艺云(杭州)科技有限公司 | 一种近视风险等级的预测方法、装置、电子设备及介质 |
Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS56156136A (en) * | 1980-05-02 | 1981-12-02 | Asahi Optical Co Ltd | Apparatus for detecting eye blink during detection |
US5649061A (en) * | 1995-05-11 | 1997-07-15 | The United States Of America As Represented By The Secretary Of The Army | Device and method for estimating a mental decision |
JP2004046451A (ja) * | 2002-07-10 | 2004-02-12 | Matsushita Electric Ind Co Ltd | 目画像撮像装置および個体認証装置 |
US20100283969A1 (en) * | 2007-10-23 | 2010-11-11 | Mcgill University | Binocular vision assessment and/or therapy |
JP2012148141A (ja) * | 2012-04-27 | 2012-08-09 | Canon Inc | 画像処理装置及び画像処理方法 |
US20150213634A1 (en) * | 2013-01-28 | 2015-07-30 | Amit V. KARMARKAR | Method and system of modifying text content presentation settings as determined by user states based on user eye metric data |
WO2017024836A1 (zh) * | 2015-08-13 | 2017-02-16 | 中兴通讯股份有限公司 | 终端保护视力的处理方法及装置 |
WO2017089146A1 (en) * | 2015-11-24 | 2017-06-01 | Koninklijke Philips N.V. | Handling multiple hdr image sources |
CN106921806A (zh) * | 2017-04-27 | 2017-07-04 | 广东艾檬电子科技有限公司 | 一种应用于移动终端的护眼提醒方法及移动终端 |
US20190238581A1 (en) * | 2017-07-06 | 2019-08-01 | Zhongan Information Technology Service Co., Ltd. | Method, apparatus and system for detecting abnormal behavior of user |
CN110099371A (zh) * | 2019-05-07 | 2019-08-06 | 潍坊医学院附属医院 | 一种用眼数据监测方法及眼部护理系统 |
CN110610768A (zh) * | 2019-07-31 | 2019-12-24 | 毕宏生 | 一种用眼行为的监测方法及服务器 |
CN111528788A (zh) * | 2020-05-27 | 2020-08-14 | 温州医科大学 | 一种评价视觉疲劳程度的便携式检测仪器 |
US20200397288A1 (en) * | 2019-06-20 | 2020-12-24 | Awss Zidan | Medical system and method operable to control sensor-based wearable devices for examining eyes |
US20210093184A1 (en) * | 2019-09-30 | 2021-04-01 | Alcon Inc. | Dry eye mitigation for ocular aberrometry systems and methods |
WO2021068256A1 (zh) * | 2019-10-12 | 2021-04-15 | 深圳海付移通科技有限公司 | 缓解眼疲劳方法及智能终端 |
CN112700858A (zh) * | 2020-12-14 | 2021-04-23 | 毕宏生 | 一种儿童青少年近视预警方法及设备 |
US20210210027A1 (en) * | 2020-01-03 | 2021-07-08 | Beijing Xiaomi Mobile Software Co., Ltd. | Method and device for detecting ambient light, and storage medium |
WO2021161318A1 (en) * | 2020-02-11 | 2021-08-19 | Tel Hashomer Medical Research Infrastructure And Services Ltd. | System, device and method for determining and/or assessing brain related conditions based on pupil light response |
WO2021219700A1 (en) * | 2020-04-28 | 2021-11-04 | Leeds Teaching Hospitals Nhs Trust | Scanner and method of using the scanner during a stain assessment |
CN114242022A (zh) * | 2021-12-15 | 2022-03-25 | 广东虹勤通讯技术有限公司 | 屏幕亮度自适应调节方法、装置、电子设备及存储介质 |
US11288977B1 (en) * | 2017-10-11 | 2022-03-29 | Hrl Laboratories, Llc | System and method for predicting performance to control interventions by assistive technologies |
CN114947726A (zh) * | 2022-05-10 | 2022-08-30 | 北京神光少年科技有限公司 | 一种分析用眼习惯和用眼强度的计算方法 |
WO2022199370A1 (zh) * | 2021-03-23 | 2022-09-29 | 展讯通信(天津)有限公司 | 护眼提示方法、装置、存储介质和计算机设备 |
-
2022
- 2022-11-03 CN CN202211365553.8A patent/CN115414033B/zh active Active
Patent Citations (24)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS56156136A (en) * | 1980-05-02 | 1981-12-02 | Asahi Optical Co Ltd | Apparatus for detecting eye blink during detection |
US5649061A (en) * | 1995-05-11 | 1997-07-15 | The United States Of America As Represented By The Secretary Of The Army | Device and method for estimating a mental decision |
JP2004046451A (ja) * | 2002-07-10 | 2004-02-12 | Matsushita Electric Ind Co Ltd | 目画像撮像装置および個体認証装置 |
US20100283969A1 (en) * | 2007-10-23 | 2010-11-11 | Mcgill University | Binocular vision assessment and/or therapy |
JP2012148141A (ja) * | 2012-04-27 | 2012-08-09 | Canon Inc | 画像処理装置及び画像処理方法 |
US20150213634A1 (en) * | 2013-01-28 | 2015-07-30 | Amit V. KARMARKAR | Method and system of modifying text content presentation settings as determined by user states based on user eye metric data |
WO2017024836A1 (zh) * | 2015-08-13 | 2017-02-16 | 中兴通讯股份有限公司 | 终端保护视力的处理方法及装置 |
WO2017089146A1 (en) * | 2015-11-24 | 2017-06-01 | Koninklijke Philips N.V. | Handling multiple hdr image sources |
CN106921806A (zh) * | 2017-04-27 | 2017-07-04 | 广东艾檬电子科技有限公司 | 一种应用于移动终端的护眼提醒方法及移动终端 |
US20190238581A1 (en) * | 2017-07-06 | 2019-08-01 | Zhongan Information Technology Service Co., Ltd. | Method, apparatus and system for detecting abnormal behavior of user |
US11288977B1 (en) * | 2017-10-11 | 2022-03-29 | Hrl Laboratories, Llc | System and method for predicting performance to control interventions by assistive technologies |
CN110099371A (zh) * | 2019-05-07 | 2019-08-06 | 潍坊医学院附属医院 | 一种用眼数据监测方法及眼部护理系统 |
US20200397288A1 (en) * | 2019-06-20 | 2020-12-24 | Awss Zidan | Medical system and method operable to control sensor-based wearable devices for examining eyes |
CN110610768A (zh) * | 2019-07-31 | 2019-12-24 | 毕宏生 | 一种用眼行为的监测方法及服务器 |
US20210093184A1 (en) * | 2019-09-30 | 2021-04-01 | Alcon Inc. | Dry eye mitigation for ocular aberrometry systems and methods |
WO2021068256A1 (zh) * | 2019-10-12 | 2021-04-15 | 深圳海付移通科技有限公司 | 缓解眼疲劳方法及智能终端 |
US20210210027A1 (en) * | 2020-01-03 | 2021-07-08 | Beijing Xiaomi Mobile Software Co., Ltd. | Method and device for detecting ambient light, and storage medium |
WO2021161318A1 (en) * | 2020-02-11 | 2021-08-19 | Tel Hashomer Medical Research Infrastructure And Services Ltd. | System, device and method for determining and/or assessing brain related conditions based on pupil light response |
WO2021219700A1 (en) * | 2020-04-28 | 2021-11-04 | Leeds Teaching Hospitals Nhs Trust | Scanner and method of using the scanner during a stain assessment |
CN111528788A (zh) * | 2020-05-27 | 2020-08-14 | 温州医科大学 | 一种评价视觉疲劳程度的便携式检测仪器 |
CN112700858A (zh) * | 2020-12-14 | 2021-04-23 | 毕宏生 | 一种儿童青少年近视预警方法及设备 |
WO2022199370A1 (zh) * | 2021-03-23 | 2022-09-29 | 展讯通信(天津)有限公司 | 护眼提示方法、装置、存储介质和计算机设备 |
CN114242022A (zh) * | 2021-12-15 | 2022-03-25 | 广东虹勤通讯技术有限公司 | 屏幕亮度自适应调节方法、装置、电子设备及存储介质 |
CN114947726A (zh) * | 2022-05-10 | 2022-08-30 | 北京神光少年科技有限公司 | 一种分析用眼习惯和用眼强度的计算方法 |
Non-Patent Citations (4)
Title |
---|
刘颖: "视觉疲劳对远程塔台管制员工作效能的影响研究", 《中国优秀硕士学位论文全文数据库》 * |
徐明伟等: "受限空间屏幕作业视觉疲劳研究", 《中国安全生产科学技术》 * |
景豆等: "面向电子屏的视力疲劳度研究", 《电脑知识与技术》 * |
程时伟等: "面向多设备交互的眼动跟踪方法", 《计算机辅助设计与图形学学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117095821A (zh) * | 2023-10-20 | 2023-11-21 | 京东方艺云(杭州)科技有限公司 | 一种近视风险等级的预测方法、装置、电子设备及介质 |
CN117095821B (zh) * | 2023-10-20 | 2024-02-20 | 京东方艺云(杭州)科技有限公司 | 一种近视风险等级的预测方法、装置、电子设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115414033B (zh) | 2023-02-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schwiedrzik et al. | Subjective and objective learning effects dissociate in space and in time | |
CN115414033B (zh) | 一种用户用眼行为异常的确定方法及装置 | |
Pastukhov et al. | Cumulative history quantifies the role of neural adaptation in multistable perception | |
CN110222597B (zh) | 基于微表情调节屏幕显示的方法及装置 | |
Gu et al. | A hierarchical Bayesian approach to adaptive vision testing: A case study with the contrast sensitivity function | |
US10638925B2 (en) | Determining vision related physical conditions from cross-parameter vision tests | |
Lau et al. | Ensemble statistics accessed through proxies: Range heuristic and dependence on low-level properties in variability discrimination | |
CN114098284B (zh) | 一种红外感应身高的高度调节方法及学习桌 | |
Zhang et al. | ERP C1 is top-down modulated by orientation perceptual learning | |
Baker et al. | Zero-dimensional noise: the best mask you never saw | |
Baldwin et al. | What do contrast threshold equivalent noise studies actually measure? Noise vs. nonlinearity in different masking paradigms | |
Sedaghat-Nejad et al. | The cost of correcting for error during sensorimotor adaptation | |
Irons et al. | A new theoretical approach to improving face recognition in disorders of central vision: Face caricaturing | |
Okazawa et al. | Linear integration of sensory evidence over space and time underlies face categorization | |
CN106650203B (zh) | 参数阈值的动态更新方法 | |
CN109674474B (zh) | 睡眠呼吸暂停识别方法、设备及计算机可读介质 | |
EP3756534A1 (en) | Method and device for determining a contrast sensitivity threshold | |
CN113051014A (zh) | 护眼提示方法、装置、存储介质和计算机设备 | |
CN111613315A (zh) | 状态显示装置、状态显示系统、存储介质及状态显示方法 | |
CN111815267A (zh) | 一种外语学习及复习的方法及装置 | |
CN114222110A (zh) | 视频闪烁程度的检测方法及装置 | |
Husk et al. | Orientation coherence sensitivity | |
US20230329610A1 (en) | Device control apparatus, non-transitory computer-readable medium, and device control method | |
CN115223232A (zh) | 一种眼健康综合管理系统 | |
Domini et al. | The intrinsic constraint model and Fechnerian sensory scaling |
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 |