CN117555509A - 教育平板电脑的屏幕调节方法、系统、设备及介质 - Google Patents
教育平板电脑的屏幕调节方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117555509A CN117555509A CN202410044648.2A CN202410044648A CN117555509A CN 117555509 A CN117555509 A CN 117555509A CN 202410044648 A CN202410044648 A CN 202410044648A CN 117555509 A CN117555509 A CN 117555509A
- Authority
- CN
- China
- Prior art keywords
- target
- point coordinates
- eye
- camera
- feature point
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000001914 filtration Methods 0.000 claims abstract description 65
- 230000001502 supplementing effect Effects 0.000 claims description 23
- 210000001747 pupil Anatomy 0.000 claims description 17
- 238000013527 convolutional neural network Methods 0.000 claims description 14
- 230000002093 peripheral effect Effects 0.000 claims description 14
- 238000005286 illumination Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000010606 normalization Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 8
- 230000003287 optical effect Effects 0.000 claims description 8
- 238000005259 measurement Methods 0.000 abstract description 14
- 238000012937 correction Methods 0.000 abstract description 9
- 230000004438 eyesight Effects 0.000 abstract description 7
- 239000000284 extract Substances 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 14
- 210000002569 neuron Anatomy 0.000 description 9
- 230000000694 effects Effects 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 208000003464 asthenopia Diseases 0.000 description 7
- 230000004913 activation Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 239000013589 supplement Substances 0.000 description 5
- 238000010030 laminating Methods 0.000 description 4
- 230000000007 visual effect Effects 0.000 description 4
- 230000001678 irradiating effect Effects 0.000 description 3
- 230000007774 longterm Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 231100000040 eye damage Toxicity 0.000 description 2
- 230000007794 irritation Effects 0.000 description 2
- 238000000691 measurement method Methods 0.000 description 2
- 238000011176 pooling Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- ORILYTVJVMAKLC-UHFFFAOYSA-N Adamantane Natural products C1C(C2)CC3CC1CC2C3 ORILYTVJVMAKLC-UHFFFAOYSA-N 0.000 description 1
- 206010052143 Ocular discomfort Diseases 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000009849 deactivation Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000000887 face Anatomy 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 210000003128 head Anatomy 0.000 description 1
- 210000004561 lacrimal apparatus Anatomy 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 208000005494 xerophthalmia Diseases 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
- G06F3/14—Digital output to display device ; Cooperation and interconnection of the display device with other functional units
- G06F3/147—Digital output to display device ; Cooperation and interconnection of the display device with other functional units using display panels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/193—Preprocessing; Feature extraction
-
- 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
- G06V40/18—Eye characteristics, e.g. of the iris
- G06V40/197—Matching; Classification
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09G—ARRANGEMENTS OR CIRCUITS FOR CONTROL OF INDICATING DEVICES USING STATIC MEANS TO PRESENT VARIABLE INFORMATION
- G09G5/00—Control arrangements or circuits for visual indicators common to cathode-ray tube indicators and other visual indicators
- G09G5/10—Intensity circuits
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30196—Human being; Person
- G06T2207/30201—Face
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- Ophthalmology & Optometry (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Multimedia (AREA)
- General Engineering & Computer Science (AREA)
- Geometry (AREA)
- Computer Hardware Design (AREA)
- Image Processing (AREA)
Abstract
本发明实施例公开了一种教育平板电脑的屏幕调节方法、系统、设备及介质,系统对眼部图像进行特性点提取,以提取眼部特征点坐标;然后系统获取摄像头畸变参数,对眼部特征点坐标进行畸变校正,然后计算目标实际距离。系统通过平板电脑的光传感器测量当前环境的亮度值。系统根据计算出的当前环境亮度值和目标实际距离,计算出所需的蓝光过滤强度。系统根据蓝光过滤强度,自动调节平板电脑屏幕的亮度、对比度和色温等显示参数。通过对眼部特征点坐标进行校正,确保获得更真实的眼部特征点坐标。以获得目标实际距离,减少由于摄像头畸变导致的距离测量误差,确保基于眼睛到屏幕距离的蓝光调节更加精确。提高了屏幕蓝光调节的精准度,保护视力。
Description
技术领域
本发明涉及平板电脑技术领域,尤其涉及一种教育平板电脑的屏幕调节方法、系统、设备及介质。
背景技术
平板电脑是一种便携式计算设备,具有多种用途,例如:网上冲浪、观看电影、电视节目等。
平板电脑在教育领域广泛应用,学生可以使用它们来学习课程、阅读教材、做笔记和完成作业。但是采用平板电脑在进行学习的过程中,由于学习的时间通常非常长,学生在学习的过程中需要长时间注意屏幕。而屏幕会发出短波蓝光,短波蓝光是处于400nm—480nm之间的光波,具有较高的能量,眼部长时间暴露在屏幕的蓝光下,会导致眼睛干涩、刺激感、干眼症等问题,严重的会对眼睛的视网膜造成损害。
现有的一般做法是采用距离传感器进行测距,例如采用激光传感器检测人体到屏幕的距离。虽然能够更加精准的判断人体到屏幕的距离,但是在判断的过程中,激光传感器是以人体到平板距离的最短距离进行确定,而人体到平板的最短距离往往比眼睛到平板的距离要短,此时依据距离传感器无法获得眼部准确到平板的实际距离。若以此为判断依据,则系统会通过人体到平板的实际距离来对蓝光进行调节,由于人体到平板的最短距离与眼部到平板的距离不同,导致蓝光过滤的效果存在误差,平板无法准确的根据眼部到平板的距离进行蓝光过滤,则无法更精准的对平板进行蓝光过滤。
其次,激光传感器检测人体到平板屏幕的距离,若采用预设阈值的方式判断眼部到平板屏幕的距离时,会存在以下问题:
1、在使用平板的过程中,学生会手捧平板,使得平板与眼部存在倾角,此时,平板电脑位于眼部的斜下方,平板电脑的传感器到人面部的距离远小于眼部到平板电脑传感器的距离(例如下巴)。而采用视线与平板电脑平行放置的方式,此时,人体的鼻尖到平板传感器的距离小于眼部到平板传感器的距离,显然这两种情形下的眼部实际距离是存在非常大的偏差值的,若采用人体到平板传感器的最短距离加上预设阈值,并不能减小这个误差。
2、在使用平板的过程中,采用视线与平板电脑平行放置的方式,若头部正对平板,则平板传感器获取到人体最短的距离可能是鼻尖到平板传感器的距离或额头到平板传感器的距离,而基于每个学生的面部并不相同,这两处地方到眼部的实际距离也会基于不同的人存在不同的差异,导致误差范围也会进一步增大。
中国专利公布一件专利号为:CN116504199B的一种基于入眼蓝光的护眼方法、系统、设备及介质,通过获取人眼距屏幕的距离来得到蓝光辐曝量,然后计算瞳孔的大小,最后根据入眼辐曝量对屏幕表面照度进行调整,以起到保护人眼的目的。
采用此种方法虽然在一定的程度上能够起到护眼的作用,但是摄像头在采集人眼的过程中,由于摄像头存在畸变,采集到的人眼距屏幕的实际距离与计算得到的理论值会存在偏差,进而导致在对蓝光进行调节的过程中仍然会存在误差。而进一步获取瞳孔的大小时,摄像头畸变仍然存在,此时进一步计算入瞳孔的入眼辐曝量,会进一步导致结果的误差增大,从而导致护眼的效果仍然不佳。
发明内容
基于此,有必要针对上述问题,提出了一种教育平板电脑的屏幕调节方法、系统、设备及介质,以解决上述问题。
一种教育平板电脑的屏幕调节方法,所述方法包括:
采集目标摄像头获取的眼部图像;
对所述眼部图像进行特征点提取,获得提取后的眼部特征点坐标;
获取目标摄像头的畸变参数,依据所述摄像头的畸变参数和所述眼部特征点坐标计算目标实际距离,获得目标实际距离;
获取当前环境亮度值,依据所述当前环境亮度值和所述目标实际距离计算蓝光过滤强度值;
根据所述蓝光过滤强度值调节目标屏幕的表面照度。
在本申请的至少一个实施例中,所述获取目标摄像头的畸变参数,依据所述摄像头的畸变参数和所述眼部特征点坐标计算目标实际距离,获得目标实际距离的具体步骤包括:
获取所述目标摄像头的畸变参数,所述目标摄像头的畸变参数包括:径向畸变系数和切向畸变系数;
依据所述径向畸变系数、所述切向畸变系数和所述眼部特征点坐标进行计算,获得矫正后的特征点坐标;
;
,其中,/>、/>、/>为径向畸变系数,为眼部特征点坐标的横坐标,/>为眼部特征点坐标的纵坐标,;
;,其中,p1、p2为切向畸变系数,为特征点到眼部图像中心的平方径向距离,/>为矫正后的特征点坐标。
在本申请的至少一个实施例中,所述获取目标摄像头的畸变参数,依据所述摄像头的畸变参数和所述眼部特征点坐标计算目标实际距离,获得目标实际距离的具体步骤还包括:
获取目标摄像头的焦距和主点坐标/>,
对所述矫正后的特征点坐标进行归一化计算,获得归一化计算后的归一化坐标点/>,
;
。
在本申请的至少一个实施例中,所述对所述矫正后的特征点坐标进行归一化计算,获得归一化计算后的归一化坐标点/>之后的步骤还包括:
获取目标使用者的实际瞳孔直径;
依据所述实际瞳孔直径和所述归一化坐标点计算实际距离,获得目标使用者眼睛到目标屏幕的所述实际距离;
。
在本申请的至少一个实施例中,所述获取当前环境亮度值,依据所述当前环境亮度值和所述目标实际距离计算蓝光过滤强度值的具体步骤包括:
获取当前环境亮度值;
根据所述当前环境亮度值及所述实际距离/>计算蓝光过滤强度值/>:
;
其中,为蓝光过滤强度值;a为人工预设的系数;e为自然对数的底数;α为指数衰减的比例系数;/>为实际距离;b为人工预设的系数;c为常量;/>为当前环境亮度值。
在本申请的至少一个实施例中,所述采集目标摄像头获取的眼部图像,对所述眼部图像进行特征点提取,获得提取后的眼部特征点坐标的步骤包括:
将所述眼部图像输入至卷积神经网络模型中,所述卷积神经网络模型输出眼部特征点坐标。
在本申请的至少一个实施例中,所述方法还包括:
周期性获取当前环境亮度值;
判断所述当前环境亮度值是否位于亮度阈值范围内;
若位于所述亮度阈值范围内,则生成亮度补充指令,并发送所述亮度补充指令至目标平板上外围透光罩内的补光灯,目标平板上的补光灯执行所述亮度补充指令;
目标平板上的补光灯发出发射光线,发射光线依次透过滤光片、透镜,并反射至目标平板上外围透光罩内的第一反射镜,经第一反射镜反射至目标平板上外围透光罩内的第二反射镜,经第二反射镜至目标平板上外围透光罩内的第三反射镜,以对目标平板的边框周边进行补光;
其中,垂直于目标平板屏幕的方向为第一方向,发射光线始终沿垂直于第一方向的方向传播。
一种教育平板电脑的屏幕调节系统,所述系统包括:
图像采集模块,通过目标摄像头采集目标使用者的眼部图像;
特征提取模块,对眼部图像进行特征点提取;
参数获取模块,用于获取目标摄像头的畸变参数或当前环境亮度值;
计算模块,用于计算目标实际距离或蓝光过滤强度值;
调节模块,依据蓝光过滤强度值调节目标屏幕的表面照度;
系统执行以下步骤:
采集目标摄像头获取的眼部图像;
对眼部图像进行特征点提取,获得提取后的眼部特征点坐标;
获取目标摄像头的畸变参数,依据摄像头的畸变参数和眼部特征点坐标计算目标实际距离,获得目标实际距离;
获取当前环境亮度值,依据当前环境亮度值和目标实际距离计算蓝光过滤强度值;
根据蓝光过滤强度值调节目标屏幕的表面照度。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行以下步骤:
采集目标摄像头获取的眼部图像;
对眼部图像进行特征点提取,获得提取后的眼部特征点坐标;
获取目标摄像头的畸变参数,依据摄像头的畸变参数和眼部特征点坐标计算目标实际距离,获得目标实际距离;
获取当前环境亮度值,依据当前环境亮度值和目标实际距离计算蓝光过滤强度值;
根据蓝光过滤强度值调节目标屏幕的表面照度。
一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行以下步骤:
采集目标摄像头获取的眼部图像;
对眼部图像进行特征点提取,获得提取后的眼部特征点坐标;
获取目标摄像头的畸变参数,依据摄像头的畸变参数和眼部特征点坐标计算目标实际距离,获得目标实际距离;
获取当前环境亮度值,依据当前环境亮度值和目标实际距离计算蓝光过滤强度值;
根据蓝光过滤强度值调节目标屏幕的表面照度。
实施本发明实施例,将具有如下有益效果:
1、本发明提供一种教育平板电脑的屏幕调节方法、系统、设备及介质,用户使用目标平板电脑学习时,内置摄像头周期性捕获用户的眼部图像。系统对眼部图像进行特性点提取,以提取眼部特征点坐标;然后系统获取摄像头畸变参数,对识别出的眼部特征点坐标进行畸变校正,然后计算目标实际距离。系统通过平板电脑的光传感器测量当前环境的亮度值。系统根据计算出的当前环境亮度值和目标实际距离,计算出所需的蓝光过滤强度。系统根据蓝光过滤强度,自动调节平板电脑屏幕的亮度、对比度和色温等显示参数。通过对眼部特征点坐标进行校正,确保获得更真实的眼部特征点坐标。以获得目标实际距离,减少由于摄像头畸变导致的距离测量误差,确保基于眼睛到屏幕距离的蓝光调节更加精确,从而有效减少蓝光对眼睛的潜在伤害。提高了屏幕蓝光调节的精准度,使得蓝光过滤更符合实际使用条件,保护视力。
相较于采用距离传感器进行测距来说,通过摄像头获取眼部的图像,然后根据眼部的图像提取眼部特征点,然后对眼部特征点坐标进行校正,以获得实际眼部到平板电脑的距离,不会因为平板相对于人体倾斜或基于人体的差异化,而导致计算得到的距离与实际距离的偏差值过大,使得获取到的目标实际距离更精准,从而使得蓝光过滤的效果更好。
2、本发明提供一种教育平板电脑的屏幕调节方法、系统、设备及介质,选择获取目标平板非屏幕面的环境亮度值,如果光传感器直接面向屏幕,那么它测量到的亮度值将受到屏幕发出的光的直接影响。这样的测量结果不能准确反映用户周围环境的实际光照条件。而选择用户面对屏幕的背后或侧面的光源能够根据用户所处环境的真实光照情况,帮助系统更好地调节屏幕亮度。屏幕亮度的适当调节旨在减少眼睛的疲劳和提高阅读舒适度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,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的附图。
其中:
图1为一个实施例中教育平板电脑的屏幕调节方法的流程图;
图2为一个实施例中教育平板电脑的屏幕调节方法的另一流程图;
图3为一个实施例中教育平板电脑的屏幕调节方法的补光过程的流程图;
图4为一个实施例中教育平板电脑的屏幕调节系统的结构框图;
图5为一个实施例中计算机设备的结构框图;
图6为一个实施例中目标平板的分解图;
图7为一个实施例中目标平板补光状态的剖视图。
100、教育平板电脑的屏幕调节系统;110、图像采集模块;120、特征提取模块;130、参数获取模块;140、计算模块;150、调节模块;
200、目标平板;210、透光罩;220、补光灯;221、滤光片;222、透镜;223、第一反射镜;224、第二反射镜;225、第三反射镜;212摄像头;211、屏幕;A、第二方向;B、第三方向;210a、遮挡部;210b、透光部。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明公开一种教育平板电脑的屏幕调节方法,所述方法包括:
S101、采集目标摄像头获取的眼部图像;
S102、对所述眼部图像进行特征点提取,获得提取后的眼部特征点坐标;
S103、获取目标摄像头的畸变参数;
S104、依据所述摄像头的畸变参数和所述眼部特征点坐标计算目标实际距离,获得目标实际距离;
S105、获取当前环境亮度值;
S106、依据所述当前环境亮度值和所述目标实际距离计算蓝光过滤强度值;
S107、系统根据所述蓝光过滤强度值调节目标屏幕的表面照度。
请参考图1,在本实施方式中,用户使用目标平板电脑学习时,内置摄像头周期性捕获用户的眼部图像。
系统对眼部图像进行特性点提取,以提取眼部特征点坐标;
然后系统获取摄像头畸变参数(包括径向和切向畸变系数),对识别出的眼部特征点坐标进行畸变校正,然后计算目标实际距离。
系统通过平板电脑的光传感器测量当前环境的亮度值。
系统根据计算出的当前环境亮度值和目标实际距离,计算出所需的蓝光过滤强度。
系统根据蓝光过滤强度,自动调节平板电脑屏幕的亮度、对比度和色温等显示参数。
通过对眼部特征点坐标进行校正,确保获得更真实的眼部特征点坐标。以获得目标实际距离,减少由于摄像头畸变导致的距离测量误差,确保基于眼睛到屏幕距离的蓝光调节更加精确,从而有效减少蓝光对眼睛的潜在伤害。
提高了屏幕蓝光调节的精准度,使得蓝光过滤更贴合实际使用环境,保护视力。
不同摄像头有不同的畸变特性。该方法通过获取特定摄像头的畸变参数,能够适应不同类型的摄像头,保证了方法的普适性和灵活性。可以广泛应用于各种不同硬件配置的教育平板电脑上,增加了方法的适用范围。
长时间使用畸变未校正的图像可能导致用户的视觉不适。通过精确校正畸变,提高距离的测量准确性,长期使用平板电脑的用户(尤其是学生)将体验到更加舒适和健康的视觉环境。
需要说明的是,采集目标摄像头获取的眼部图像,用户使用平板电脑时,内置摄像头周期性捕获用户的眼部图像。
实时捕获用户的眼部状态,如眼睛的开合、方向等,为特征点提取提供基础。
平板电脑上的系统利用卷积神经网络技术处理捕获的图像,并识别出眼部的关键特征点,如瞳孔中心、眼角距离、瞳孔直径等。精确地定位眼部特征点,为进一步的畸变校正和距离测量提供准确的数据。
系统根据提前获取的目标摄像头的畸变参数(包括径向和切向畸变系数),对识别出的特征点坐标进行畸变校正,得到更为准确的眼部位置。消除摄像头畸变对特征点定位的影响,提高距离测量的准确性。
系统结合畸变校正后的特征点坐标、摄像头的焦距和主点坐标,通过归一化处理和几何计算来计算用户眼睛与平板电脑屏幕之间的实际距离。准确计算眼睛到屏幕的距离,为蓝光过滤强度的计算提供更准确的参数。
系统通过平板电脑的光传感器测量当前环境的亮度水平。确定当前使用环境的光照情况,作为调整屏幕蓝光输出的另一个重要因素。
系统根据计算出的眼睛到屏幕的距离和环境亮度,软件计算出所需的蓝光过滤强度。确定适宜的屏幕蓝光输出水平,以减少蓝光对眼睛的潜在伤害。
根据蓝光过滤强度,系统自动调节平板电脑屏幕的亮度、对比度和色温等显示参数。
优化屏幕显示效果,减少长时间使用电子设备对眼睛的不良影响,提高学习效率和舒适度。以减轻长时间阅读或学习造成的视觉疲劳。
需要进一步说的是,眼部图像使用目标摄像头获取用户的眼部图像。
目标摄像头为平板电脑自带的摄像头。
眼部特征点坐标,在本实施例中获取的是瞳孔的特征点坐标,在其他实施例中可以是两个左右眼角(泪腺)的特征点坐标。
目标实际距离为计算获得的用户眼睛到屏幕的实际距离。
相较于采用距离传感器进行测距来说,通过摄像头获取眼部的图像,然后根据眼部的图像提取眼部特征点,然后对眼部特征点坐标进行校正,以获得实际眼部到平板电脑的距离,不会因为平板相对于人体倾斜或基于人体的差异化,而导致计算得到的距离与实际距离的偏差值过大,使得获取到的目标实际距离更精准,从而使得蓝光过滤的效果更好。
在本申请的至少一个实施例中,所述获取目标摄像头的畸变参数,依据所述摄像头的畸变参数和所述眼部特征点坐标计算目标实际距离,获得目标实际距离的具体步骤包括:
S202、系统获取所述目标摄像头的畸变参数,所述目标摄像头的畸变参数包括:径向畸变系数和切向畸变系数;
S203、系统依据所述径向畸变系数、所述切向畸变系数和所述眼部特征点坐标进行计算,获得矫正后的特征点坐标;
;
,其中,/>、/>、/>为径向畸变系数,为眼部特征点坐标的横坐标,/>为眼部特征点坐标的纵坐标,;
;,其中,/>、/>为切向畸变系数,/>为特征点到眼部图像中心的平方径向距离,/>为矫正后的特征点坐标。
在本申请的至少一个实施例中,所述获取目标摄像头的畸变参数,依据所述摄像头的畸变参数和所述眼部特征点坐标计算目标实际距离,获得目标实际距离的具体步骤还包括:
S204、系统获取目标摄像头的焦距和主点坐标/>,
S205、系统对所述矫正后的特征点坐标进行归一化计算,获得归一化计算后的归一化坐标点/>,
;
。
在本申请的至少一个实施例中,所述对所述矫正后的特征点坐标进行归一化计算,获得归一化计算后的归一化坐标点/>之后的步骤还包括:
S206、系统获取目标使用者的实际瞳孔直径;
S207、依据所述实际瞳孔直径和所述归一化坐标点计算实际距离,获得目标使用者眼睛到目标屏幕的所述实际距离;
。
请参考图1-图2,在本实施方式中,系统首先获取存储于系统存储单元内的目标摄像头径向畸变系数、/>、/>和切向畸变系数/>、/>,在学生使用平板电脑时,系统通过目标摄像头周期性拍摄眼部图像。比如每隔几分钟捕获一次,以检测用户的眼部状态和位置。
然后系统将拍摄的眼部图像输入至卷积神经网络中,卷积神经网络对眼部图像进行特征点提取,卷积神经网络输出提取后的眼部特征点坐标。
系统计算眼部特征点坐标到眼部图像中心点坐标的径向距离:,系统根据提取后的眼部特征点坐标、径向畸变系数、切向畸变系数和眼部特征点坐标到眼部图像中心点坐标的径向距离计算矫正后的特征点坐标:
;
;
;
;
系统计算获得矫正后的特征点坐标后,从系统存储单元内获取目标摄像头的焦距/>和主点坐标/>,并根据矫正后的特征点坐标,使用目标摄像头的焦距/>和主点坐标/>进行归一化计算,得到归一化坐标/>:
;
;
系统获取目标用户的实际瞳孔直径,目标用户的实际瞳孔直径为目标用户输入至系统的瞳孔直径;系统将目标用户的实际瞳孔直径存储于系统内的存储单元内;
系统将实际瞳孔直径和归一化坐标点采用相似几何原理和三角学原理计算实际距离(从二维图像坐标计算三维空间中的实际距离):
。
通过周期性地捕获图像和测量环境亮度,系统能够动态调整屏幕的蓝光输出,以减少视觉疲劳和潜在的眼睛损伤。
通过精确校正摄像头的径向和切向畸变,提高了特征点坐标的准确性,从而使得从这些坐标到眼睛到屏幕距离的转换更加精确。
准确的距离测量允许系统更准确地调节屏幕照度和蓝光过滤强度,减少用户眼睛的负担,特别是在长期阅读或学习时。
精确计算的距离和环境亮度能够更精确地调节屏幕照度,减少蓝光对眼睛的影响,从而减少长期对屏幕的注视导致的视觉疲劳和潜在损害。
精确的计算使得屏幕调节可以个性化适配每个用户的视觉习惯和环境需求,提供一个更加舒适和健康的学习环境。
无论是在光线较暗的房间还是在明亮的户外环境,屏幕都能够提供合适的亮度和蓝光水平,减少光线对视觉的冲击和不适。
在本申请的至少一个实施例中,所述获取当前环境亮度值,依据所述当前环境亮度值和所述目标实际距离计算蓝光过滤强度值的具体步骤包括:
S208、系统获取当前环境亮度值;
S209、根据所述当前环境亮度值及所述实际距离/>计算蓝光过滤强度值/>:
;
其中,为蓝光过滤强度值;a为人工预设的系数;e为自然对数的底数;α为指数衰减的比例系数;/>为实际距离;b为人工预设的系数;c为常量;/>为当前环境亮度值。
在本申请的至少一个实施例中,所述获取当前环境亮度值为获取目标平板非屏幕面的环境亮度值。
请参考图1-图2,在本实施方式中,系统周期性地激活环境光传感器,测量并记录当前环境亮度值。
系统通过摄像头周期性地捕获用户的眼部图像,并计算用户眼睛到屏幕的实际距离,系统根据实际距离/>和当前环境亮度值/>,使用下述公式计算蓝光过滤强度值/>。
;
系统根据计算出的蓝光过滤强度值,自动调整教育平板电脑的屏幕亮度、对比度、色温等,以减少蓝光的影响。
需要说明的是,蓝光过滤强度值为平板屏幕系统所计算的蓝光减弱水平。
a为人工预设的系数,与距离相关的指数衰减函数相乘,用于调节距离对蓝光过滤强度的影响。
e为自然对数的底数,用来表示随距离增加,蓝光过滤需求的指数级衰减。
α为指数衰减的比例系数,决定了用户眼睛到屏幕的实际距离如何影响蓝光过滤强度的减少。α越大则实际距离/>对蓝光减弱的影响越大。
为实际距离,通过摄像头捕获的图像和畸变校正后计算得出。
b为人工预设的系数,与环境亮度值相乘,用于调整环境亮度对蓝光过滤强度的影响。
c为常量,在实际距离和环境亮度值/>均为0的情况下,蓝光过滤强度的初始值。
min函数和max函数,确保蓝光过滤强度值介于0到1之间。
系统能够根据用户与屏幕的距离和周围环境的光照条件动态调整屏幕的蓝光输出。这样的动态调整有助于优化用户的视觉体验,减少长时间面对屏幕可能引起的视觉疲劳和眼睛损伤。
需要进一步说明的是,选择获取目标平板非屏幕面的环境亮度值,如果光传感器直接面向屏幕,那么它测量到的亮度值将受到屏幕发出的光的直接影响。这样的测量结果不能准确反映用户周围环境的实际光照条件。
而选择用户面对屏幕的背后或侧面的光源能够根据用户所处环境的真实光照情况,帮助系统更好地调节屏幕亮度。屏幕亮度的适当调节旨在减少眼睛的疲劳和提高阅读舒适度。
在本申请的至少一个实施例中,所述采集目标摄像头获取的眼部图像,对所述眼部图像进行特征点提取,获得提取后的眼部特征点坐标的步骤包括:
S201、将所述眼部图像输入至卷积神经网络模型中,所述卷积神经网络模型输出眼部特征点坐标。
请参考图1-图2,在本实施方式中,系统通过目标摄像头获取眼部图像,输入的眼部图像首先会经过预处理阶段。
预处理阶段包括:将所有图像调整到统一的大小,常见的尺寸比如224x224像素。
执行颜色归一化,将图像像素值缩放到0到1或-1到1之间。
应用数据增强,如旋转、缩放、剪裁以及光照变化,以提高模型的鲁棒性。
将预处理后的图像输入至卷积神经网络模型中,在每个卷积层之后应用LeakyReLU激活函数,当神经元的输入为负时,它仍然会有一个非零的输出,允许梯度通过并进行权重更新。
而在ReLU激活函数中,因为当输入值为负时,ReLU的输出是0。如果在训练过程中,某个神经元的权重调整导致它的所有输入都是负数,那么这个神经元的输出将总是0。由于没有梯度通过这个神经元,因此在反向传播过程中,这个神经元的权重将不会得到更新。导致这些神经元及其相关连接不参与模型的学习和预测过程。这会减少网络的有效容量,限制其学习复杂特征的能力。
在眼部图像的特征提取任务中,每个神经元负责识别图像中的某些特定特征或模式。由于没有梯度通过这个神经元,导致这些神经元不激活,那么模型无法有效地学习到这些关键特征,从而影响检测精度。
使用最大池化层降低特征维度,并减少计算量。
在卷积和池化层之后,使用全连接层将提取的特征转换为最终的输出。
输出层直接输出眼部特征点的坐标,通常不使用激活函数或使用线性激活函数。
训练过程:
激活函数为:
,其中,/>为样本/>的真实坐标,/>为对应的预测坐标,为样本数量。
通过最小化预测和实际值之间的平均平方差异,使模型能够更准确。
选择Adam优化器进行权重更新;
使用反向传播算法更新权重。权重更新公式为:
,其中,/>为学习率,/>为权重。
卷积神经网络模型,在眼部图像处理中,能够准确地识别和定位瞳孔、虹膜边缘、眼角等关键特征点。
由于训练数据中的数据增强和多样性,卷积神经网络模型对不同光照条件、不同用户的面部特征和表情变化具有很好的鲁棒性。使得模型能够在现实世界环境中保持高性能。
在本申请的至少一个实施例中,所述方法还包括:
S301、周期性获取当前环境亮度值;
S302、判断所述当前环境亮度值是否位于亮度阈值范围内;
S303、若位于所述亮度阈值范围内,则生成亮度补充指令,并发送所述亮度补充指令至目标平板上外围透光罩内的补光灯,目标平板上的补光灯执行所述亮度补充指令;
S304、目标平板上的补光灯发出发射光线,发射光线依次透过滤光片、透镜,并反射至目标平板上外围透光罩内的第一反射镜,经第一反射镜反射至目标平板上外围透光罩内的第二反射镜,经第二反射镜至目标平板上外围透光罩内的第三反射镜,以对目标平板的边框周边进行补光;
其中,垂直于目标平板屏幕的方向为第一方向,发射光线始终沿垂直于第一方向的方向传播。
请参考图3、图6和图7,在本实施方式中,系统通过平板上的感光传感器周期性获取到当前环境亮度值,系统判断当前环境亮度值是否位于亮度阈值范围内,若当前环境亮度值位于亮度阈值范围内,则系统生成亮度补充指令,并将亮度补充指令发送至目标平板200上外围透光罩210内的补光灯220,控制目标平板200上的补光灯220亮起,补光灯220发光发出发射光线,发射光线沿外围透光罩210的轮廓传播。
若当前环境亮度值不位于亮度阈值范围内,则等待下一周期内的亮度检测。
即补光灯220发出的发射光线首先透过滤光片221和透镜222至第一反射镜223上,经过第一反射镜223的反射,反射至第二反射镜224上,第二反射镜224再次反射至第三反射镜225,以对目标屏边的边框周边进行补光。
由于发射光线始终沿垂直于第一方向的方向进行传播,使得发射光线不会直接照射至眼部,以避免平板发出的背景光线太暗,而对比度明显引起的视觉疲劳。
其次,发射光线透过滤光片221后,部分光线被滤光片221所过滤掉,以使光线变得柔和且不刺眼,然后过滤后的发射光线透过透镜222形成一组平行的过滤后的发射光线,依次第一反射镜223、第二反射镜224和第三反射镜225的反射后,对目标平板200的边框周边进行补光,而不是直接沿第一方向进行照射,以防止发射光线直射眼部,对眼部造成刺激。
其中,透光罩210设于目标平板200的边框,并环绕目标平板200的边框设置,透光罩210与目标平板200的边框围设形成光通道,透光罩210具有透光部210b和遮挡部210a,补光灯220和滤光片221位于光通道内,在第一方向(图中未标出)上,遮挡部210a完全遮挡补光灯220和滤光片221,目标平板200的边角与透光罩210的边角一一对应,且目标平板200的边角与透光罩210的边角形成有四个安装位。
遮挡部210a沿第三方向上观察位于摄像头212的正上方,且位于靠近摄像头212一侧的边框上。
需要说明的是,感光传感器位于目标平板200电脑远离屏幕211的一侧。
滤光片221的透光波段为500nm到550nm的范围。以透过绿光,在补充平板周围光线的过程中,达到护眼的效果。其次,在其他的场景下滤光片221能够选择不同的透光波段,以适应不同的场景及人群。
其中,第一反射镜223、第二反射镜224和第三反射镜225分别设置于其中三个安装位(图中未标出),第二反射镜224到第三反射镜225的方向为第二方向A,补光灯220、滤光片221、透镜222和第一放射镜沿第二方向A的反方向设置,第一反射镜223到第二反射镜224的方向为第三方向B,第三方向B与第一方向和第二方向A垂直设置,以使得发射光线始终沿垂直于第一方向的方向传播,避免发射光线直射眼部。
第一反射镜223与第三反射镜225平行设置,第二反射镜224与第一反射镜223的夹角为90度。
一种教育平板电脑的屏幕调节系统100,所述系统包括:
图像采集模块110,通过目标摄像头采集目标使用者的眼部图像;
特征提取模块120,对眼部图像进行特征点提取;
参数获取模块130,用于获取目标摄像头的畸变参数或当前环境亮度值;
计算模块140,用于计算目标实际距离或蓝光过滤强度值;
调节模块150,依据蓝光过滤强度值调节目标屏幕的表面照度;
系统执行以下步骤:
采集目标摄像头获取的眼部图像;
对眼部图像进行特征点提取,获得提取后的眼部特征点坐标;
获取目标摄像头的畸变参数,依据摄像头的畸变参数和眼部特征点坐标计算目标实际距离,获得目标实际距离;
获取当前环境亮度值,依据当前环境亮度值和目标实际距离计算蓝光过滤强度值;
根据蓝光过滤强度值调节目标屏幕的表面照度。
请参考图4,在本实施方式中,系统100首先通过图像采集模块110捕捉用户的眼部图像。
然后,特征提取模块120使用CNN模型对图像中的眼部特征点进行识别和定位。
同时,参数获取模块130测量当前环境的亮度,并获取平板电脑摄像头的畸变参数。
这些数据被传递到计算模块140,该模块利用畸变参数校正特征点坐标,并结合环境亮度值,计算出调整屏幕亮度所需的蓝光过滤强度。
最后,调节模块150按照计算结果调整屏幕的亮度和蓝光输出,以最适合用户当前的视觉条件。
用户使用目标平板电脑学习时,内置摄像头周期性捕获用户的眼部图像。
系统对眼部图像进行特性点提取,以提取眼部特征点坐标;
然后系统获取摄像头畸变参数(包括径向和切向畸变系数),对识别出的眼部特征点坐标进行畸变校正,然后计算目标实际距离。
系统通过平板电脑的光传感器测量当前环境的亮度值。
系统根据计算出的当前环境亮度值和目标实际距离,计算出所需的蓝光过滤强度。
系统根据蓝光过滤强度,自动调节平板电脑屏幕的亮度、对比度和色温等显示参数。
通过对眼部特征点坐标进行校正,确保获得更真实的眼部特征点坐标。以获得目标实际距离,减少由于摄像头畸变导致的距离测量误差,确保基于眼睛到屏幕距离的蓝光调节更加精确,从而有效减少蓝光对眼睛的潜在伤害。
提高了屏幕蓝光调节的精准度,使得蓝光过滤更贴合实际使用环境,保护视力。
在一个实施例中,提出了一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行以下步骤:
采集目标摄像头获取的眼部图像;
对眼部图像进行特征点提取,获得提取后的眼部特征点坐标;
获取目标摄像头的畸变参数,依据摄像头的畸变参数和眼部特征点坐标计算目标实际距离,获得目标实际距离;
获取当前环境亮度值,依据当前环境亮度值和目标实际距离计算蓝光过滤强度值;
根据蓝光过滤强度值调节目标屏幕的表面照度。
在本实施例中,用户使用目标平板电脑学习时,内置摄像头周期性捕获用户的眼部图像。
系统对眼部图像进行特性点提取,以提取眼部特征点坐标;
然后系统获取摄像头畸变参数(包括径向和切向畸变系数),对识别出的眼部特征点坐标进行畸变校正,然后计算目标实际距离。
系统通过平板电脑的光传感器测量当前环境的亮度值。
系统根据计算出的当前环境亮度值和目标实际距离,计算出所需的蓝光过滤强度。
系统根据蓝光过滤强度,自动调节平板电脑屏幕的亮度、对比度和色温等显示参数。
通过对眼部特征点坐标进行校正,确保获得更真实的眼部特征点坐标。以获得目标实际距离,减少由于摄像头畸变导致的距离测量误差,确保基于眼睛到屏幕距离的蓝光调节更加精确,从而有效减少蓝光对眼睛的潜在伤害。
提高了屏幕蓝光调节的精准度,使得蓝光过滤更贴合实际使用环境,保护视力。
图5示出了一个实施例中计算机设备的内部结构图。该计算机设备具体可以是终端,也可以是服务器。如图5所示,该计算机设备包括通过系统总线连接的处理器、存储器和网络接口。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现教育平板电脑的屏幕调节方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行教育平板电脑的屏幕调节方法。本领域技术人员可以理解,图5中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提出了一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行以下步骤:
采集目标摄像头获取的眼部图像;
对眼部图像进行特征点提取,获得提取后的眼部特征点坐标;
获取目标摄像头的畸变参数,依据摄像头的畸变参数和眼部特征点坐标计算目标实际距离,获得目标实际距离;
获取当前环境亮度值,依据当前环境亮度值和目标实际距离计算蓝光过滤强度值;
根据蓝光过滤强度值调节目标屏幕的表面照度。
在本实施例中,用户使用目标平板电脑学习时,内置摄像头周期性捕获用户的眼部图像。
系统对眼部图像进行特性点提取,以提取眼部特征点坐标;
然后系统获取摄像头畸变参数(包括径向和切向畸变系数),对识别出的眼部特征点坐标进行畸变校正,然后计算目标实际距离。
系统通过平板电脑的光传感器测量当前环境的亮度值。
系统根据计算出的当前环境亮度值和目标实际距离,计算出所需的蓝光过滤强度。
系统根据蓝光过滤强度,自动调节平板电脑屏幕的亮度、对比度和色温等显示参数。
通过对眼部特征点坐标进行校正,确保获得更真实的眼部特征点坐标。以获得目标实际距离,减少由于摄像头畸变导致的距离测量误差,确保基于眼睛到屏幕距离的蓝光调节更加精确,从而有效减少蓝光对眼睛的潜在伤害。
提高了屏幕蓝光调节的精准度,使得蓝光过滤更贴合实际使用环境,保护视力。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本申请专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种教育平板电脑的屏幕调节方法,其特征在于,所述方法包括:
采集目标摄像头获取的眼部图像;
对所述眼部图像进行特征点提取,获得提取后的眼部特征点坐标;
获取目标摄像头的畸变参数,依据所述摄像头的畸变参数和所述眼部特征点坐标计算目标实际距离,获得目标实际距离;
获取当前环境亮度值,依据所述当前环境亮度值和所述目标实际距离计算蓝光过滤强度值;
根据所述蓝光过滤强度值调节目标屏幕的表面照度。
2.根据权利要求1所述的教育平板电脑的屏幕调节方法,其特征在于,所述获取目标摄像头的畸变参数,依据所述摄像头的畸变参数和所述眼部特征点坐标计算目标实际距离,获得目标实际距离的具体步骤包括:
获取所述目标摄像头的畸变参数,所述目标摄像头的畸变参数包括:径向畸变系数和切向畸变系数;
依据所述径向畸变系数、所述切向畸变系数和所述眼部特征点坐标进行计算,获得矫正后的特征点坐标;
;
,其中,/>、/>、/>为径向畸变系数,/>为眼部特征点坐标的横坐标,/>为眼部特征点坐标的纵坐标,/>;
;,其中,/>、/>为切向畸变系数,/>为特征点到眼部图像中心的平方径向距离,/>为矫正后的特征点坐标。
3.根据权利要求2所述的教育平板电脑的屏幕调节方法,其特征在于,所述获取目标摄像头的畸变参数,依据所述摄像头的畸变参数和所述眼部特征点坐标计算目标实际距离,获得目标实际距离的具体步骤还包括:
获取目标摄像头的焦距和主点坐标/>,
对所述矫正后的特征点坐标进行归一化计算,获得归一化计算后的归一化坐标点/>,
;
。
4.根据权利要求3所述的教育平板电脑的屏幕调节方法,其特征在于,所述对所述矫正后的特征点坐标进行归一化计算,获得归一化计算后的归一化坐标点/>之后的步骤还包括:
获取目标使用者的实际瞳孔直径;
依据所述实际瞳孔直径和所述归一化坐标点计算实际距离,获得目标使用者眼睛到目标屏幕的所述实际距离;
。
5.根据权利要求1所述的教育平板电脑的屏幕调节方法,其特征在于,所述获取当前环境亮度值,依据所述当前环境亮度值和所述目标实际距离计算蓝光过滤强度值的具体步骤包括:
获取当前环境亮度值;
根据所述当前环境亮度值及所述实际距离/>计算蓝光过滤强度值/>:
;
其中,为蓝光过滤强度值;a为人工预设的系数;e为自然对数的底数;α为指数衰减的比例系数;/>为实际距离;b为人工预设的系数;c为常量;/>为当前环境亮度值。
6.根据权利要求1所述的教育平板电脑的屏幕调节方法,其特征在于,所述采集目标摄像头获取的眼部图像,对所述眼部图像进行特征点提取,获得提取后的眼部特征点坐标的步骤包括:
将所述眼部图像输入至卷积神经网络模型中,所述卷积神经网络模型输出眼部特征点坐标。
7.根据权利要求1所述的教育平板电脑的屏幕调节方法,其特征在于,所述方法还包括:
周期性获取当前环境亮度值;
判断所述当前环境亮度值是否位于亮度阈值范围内;
若位于所述亮度阈值范围内,则生成亮度补充指令,并发送所述亮度补充指令至目标平板上外围透光罩内的补光灯,目标平板上的补光灯执行所述亮度补充指令;
目标平板上的补光灯发出发射光线,发射光线依次透过滤光片、透镜,并反射至目标平板上外围透光罩内的第一反射镜,经第一反射镜反射至目标平板上外围透光罩内的第二反射镜,经第二反射镜至目标平板上外围透光罩内的第三反射镜,以对目标平板的边框周边进行补光;
其中,垂直于目标平板屏幕的方向为第一方向,发射光线始终沿垂直于第一方向的方向传播。
8.一种教育平板电脑的屏幕调节系统,其特征在于,所述系统包括:
图像采集模块,通过目标摄像头采集目标使用者的眼部图像;
特征提取模块,对眼部图像进行特征点提取;
参数获取模块,用于获取目标摄像头的畸变参数或当前环境亮度值;
计算模块,用于计算目标实际距离或蓝光过滤强度值;
调节模块,依据蓝光过滤强度值调节目标屏幕的表面照度;
所述系统执行以下步骤:
采集目标摄像头获取的眼部图像;
对眼部图像进行特征点提取,获得提取后的眼部特征点坐标;
获取目标摄像头的畸变参数,依据摄像头的畸变参数和眼部特征点坐标计算目标实际距离,获得目标实际距离;
获取当前环境亮度值,依据当前环境亮度值和目标实际距离计算蓝光过滤强度值;
根据蓝光过滤强度值调节目标屏幕的表面照度。
9.一种计算机可读存储介质,存储有计算机程序,所述计算机程序被处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
10.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述计算机程序被所述处理器执行时,使得所述处理器执行如权利要求1至7中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410044648.2A CN117555509A (zh) | 2024-01-12 | 2024-01-12 | 教育平板电脑的屏幕调节方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410044648.2A CN117555509A (zh) | 2024-01-12 | 2024-01-12 | 教育平板电脑的屏幕调节方法、系统、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117555509A true CN117555509A (zh) | 2024-02-13 |
Family
ID=89823650
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410044648.2A Pending CN117555509A (zh) | 2024-01-12 | 2024-01-12 | 教育平板电脑的屏幕调节方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117555509A (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090078463A (ko) * | 2008-01-15 | 2009-07-20 | 주식회사 이미지넥스트 | 왜곡 영상 보정 장치 및 방법 |
CN112562014A (zh) * | 2020-12-29 | 2021-03-26 | 纵目科技(上海)股份有限公司 | 相机标定方法、系统、介质及装置 |
CN115049738A (zh) * | 2021-03-08 | 2022-09-13 | 广东博智林机器人有限公司 | 人与相机之间距离的估计方法及系统 |
CN116504199A (zh) * | 2023-06-28 | 2023-07-28 | 京东方艺云(杭州)科技有限公司 | 一种基于入眼蓝光的护眼方法、装置、设备及介质 |
-
2024
- 2024-01-12 CN CN202410044648.2A patent/CN117555509A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20090078463A (ko) * | 2008-01-15 | 2009-07-20 | 주식회사 이미지넥스트 | 왜곡 영상 보정 장치 및 방법 |
CN112562014A (zh) * | 2020-12-29 | 2021-03-26 | 纵目科技(上海)股份有限公司 | 相机标定方法、系统、介质及装置 |
CN115049738A (zh) * | 2021-03-08 | 2022-09-13 | 广东博智林机器人有限公司 | 人与相机之间距离的估计方法及系统 |
CN116504199A (zh) * | 2023-06-28 | 2023-07-28 | 京东方艺云(杭州)科技有限公司 | 一种基于入眼蓝光的护眼方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9986906B2 (en) | Wavefront generation for ophthalmic applications | |
WO2021077393A1 (zh) | 屏下指纹采集方法、装置、电子设备及存储介质 | |
CN107181918B (zh) | 一种光学动捕摄像机的拍摄控制方法及系统 | |
US10002293B2 (en) | Image collection with increased accuracy | |
US20150009313A1 (en) | Visual line detection device and visual line detection method | |
CN106506909A (zh) | 根据光学条件调节便携式电子装置的方法及装置 | |
US20160066780A1 (en) | Methods and Apparatus for Assessment of Refractive Condition | |
US9773169B1 (en) | System for capturing a biometric image in high ambient light environments | |
US11429184B2 (en) | Virtual reality display device, display device, and calculation method of line-of-sight angle | |
CN110221439A (zh) | 增强现实设备及增强现实调节方法 | |
CN110622237B (zh) | 用于控制移动设备的显示参数的方法和计算机程序产品 | |
CN111586230A (zh) | 一种移动终端屏幕亮度的调节系统及方法 | |
JP2022536762A (ja) | 画像キャプチャデバイスを使用して被写体の眼の屈折特徴を決定するための方法及びシステム | |
JP2007319175A (ja) | 撮影装置およびそれを用いた認証装置 | |
WO2018219290A1 (zh) | 一种信息终端 | |
JPWO2020084447A5 (zh) | ||
CN109582148A (zh) | 一种保护视力的方法及装置 | |
CN117555509A (zh) | 教育平板电脑的屏幕调节方法、系统、设备及介质 | |
CN111583843A (zh) | 一种单摄像头屏幕亮度的调节系统及方法 | |
CN108573204A (zh) | 一种人眼瞳孔距离的测量方法 | |
KR101039423B1 (ko) | 얼굴밝기 측정에 의한 카메라의 노출과 셔터스피드 제어방법 및 그 제어방법에 의한 카메라 장치 | |
US20210192205A1 (en) | Binding of selfie face image to iris images for biometric identity enrollment | |
CN115867238A (zh) | 视觉辅助 | |
CN115810214B (zh) | 基于ai人脸识别核验管理方法、系统、设备及存储介质 | |
KR20230035975A (ko) | 인공 지능 학습을 위한 학습용 영상 촬영 장치 및 방법 |
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 |