视觉疲劳监测方法、装置、电子设备及可读存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113693552A(43)申请公布日2021.11.26(21)申请号202110977922.8(22)申请日2021.08.24(71)申请人东莞市东全智能科技有限公司地址523000广东省东莞市松山湖园区科技四路16号2栋911室(72)发明人唐春月王荃(74)专利代理机构广州三环专利商标代理有限公司44202代理人张艳美赵月芬(51)Int.Cl.A61B3/10(2006.01)A61B3/11(2006.01)A61B3/113(2006.01)A61B5/11(2006.01)A61B5/16(2006.01)权利要求书2页说明书8页附图4页(54)发明名称视觉疲劳监测方法、装置、电子设备及可读存储介质(57)摘要本发明公开了一种视觉疲劳监测方法、执行视觉疲劳监测方法的视觉疲劳监测装置、电子设备以及存储视觉疲劳监测程序的计算机可读存储介质。本发明通过实时获取用户所处的环境信息、用户的用眼特征、用户眼部的动态特征，并将获取到的环境信息、用眼特征、动态特征作为深度学习模型的输入，而后通过深度学习模型分析获得用户的视觉疲劳程度。综合考虑了用户用眼过程中的环境信息、用户的用眼特征、用户眼部的动态特征等多种可以影响或评估用户目前眼睛所处的疲劳程度的因素，可以实现准确判断用户目前眼睛所处的疲劳程度。CN113693552ACN113693552A权利要求书1/2页1.一种视觉疲劳监测方法，其特征在于，包括：获取环境信息，所述环境信息包括环境整体光线亮度、环境与目标物体的光线亮度差以及眼睛直视方向的光线亮度之至少一者；获取用户的用眼特征，所述用眼特征包括用户的眼睛与目标物体的距离、用眼姿态、用眼时长之至少一者；获取用户眼部的动态特征，所述动态特征包括瞳孔特征、巩膜特征、眼跳特征、眨眼特征、以及注视特征之至少一者；将所述环境信息、用眼特征、动态特征输入至深度学习模型，获得用户的视觉疲劳程度。2.如权利要求1所述的视觉疲劳监测方法，其特征在于，还包括：于获得用户处于视觉疲劳状态时，输出用于警示用户的眼睛处于视觉疲劳状态的提示信息。3.如权利要求1所述的视觉疲劳监测方法，其特征在于，所述用眼特征包括用户的眼睛与目标物体的距离、用眼姿态、用眼时长；所述动态特征包括所述瞳孔特征、巩膜特征、眼跳特征、眨眼特征、以及注视特征。4.如权利要求1所述的视觉疲劳监测方法，其特征在于，所述瞳孔特征包括瞳孔大小、瞳孔大小改变速度；所述巩膜特征包括巩膜颜色；所述眼跳特征包括眼球移动距离、眼跳平均距离；所述眨眼特征包括眨眼频率、眨眼总时长、眨眼平均时长、眨眼时长标准差、眨眼速度、眨眼闭眼时长；所述注视特征包括注视次数、注视总时长、注视平均时长、注视时长标准差。5.如权利要求1所述的视觉疲劳监测方法，其特征在于，还包括：预先训练所述深度学习模型，包括：采集大量用户对随机闪现的颜色识别的正确率和反应时间，以及对空间频率反应测试的正确率和反应时间；将大量用户在颜色识别、空间频率反应测试的正确率和反应时间作为所述深度学习模型的训练数据，获得所述环境信息、用眼特征、动态特征与所述视觉疲劳程度的关系。6.如权利要求1所述的视觉疲劳监测方法，其特征在于，在所述深度学习模型加入第一嵌入层，添加用户的身份信息作为所述第一嵌入层的输入，以使所述深度学习模型跟踪所述身份信息对应的视觉疲劳特征。7.如权利要求1所述的视觉疲劳监测方法，其特征在于，通过实时采集用户的眼部图像，将所述眼部图像输入至一第二深度学习模型，获得所述动态特征；所述第二深度学习模型以残差网络作为支柱网络，并加入第二嵌入层，添加用户的身份信息作为所述第二嵌入层的输入，以使所述第二深度学习模型跟踪所述身份信息对应的动态特征。8.一种视觉疲劳监测装置，其特征在于，包括：环境信息获取模块，用于获取环境信息，所述环境信息包括环境整体光线亮度、环境与目标物体的光线亮度差以及眼睛直视方向的光线亮度之至少一者；用眼特征获取模块，用于获取用户的用眼特征，所述用眼特征包括用户的眼睛与目标物体的距离、用眼姿态、用眼时长之至少一者；眼动特征获取模块，用于获取用户眼部的动态特征，所述动态特征包括瞳孔特征、巩膜2CN113693552A权利要求书2/2页特征、眼跳特征、眨眼特征、以及注视特征之至少一者；以及处理模块，用于将所述环境信息、用眼特征、动态特征输入至深度学习模型，获得用户的视觉疲劳程度。9.一种电子设备，其特征在于，包括：处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时，执行如权利要求1至7任一项所述的视觉疲劳监测方法。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存储有计