首页 / 专利库 / 视听技术与设备 / / 一种眼睛疲惫值判断方法、装置、设备及存储介质

一种眼睛疲惫值判断方法、装置、设备及存储介质

阅读:340发布:2021-06-15

专利汇可以提供一种眼睛疲惫值判断方法、装置、设备及存储介质专利检索,专利查询,专利分析的服务。并且本 申请 实施例 公开了一种眼睛疲惫值判断方法、装置、设备及存储介质。本申请实施例提供的技术方案通过根据用户的眼睛疲惫值影响参数计算用户的疲惫值,并根据疲惫值判断用户是否处于疲惫状态,并在用户处于疲惫状态时执行预设的设备控制策略,以控制用户对设备的使用,对用户进行提醒或者是限制用户使用设备,保护用户的眼睛。,下面是一种眼睛疲惫值判断方法、装置、设备及存储介质专利的具体信息内容。

1.一种眼睛疲惫值判断方法,其特征在于,包括:
获取用户的眼睛疲惫值影响参数,所述眼睛疲惫值影响参数通过摄像头拍摄用户的脸部图像获取;
基于所述眼睛疲惫值影响参数计算用户的疲惫值;
基于所述疲惫值判断用户是否处于疲惫状态;
响应于用户的疲惫状态执行预设的设备限制策略,以限制用户对设备的使用。
2.根据权利要求1所述的眼睛疲惫值判断方法,其特征在于,所述眼睛疲惫值影响参数包括眼睛眨眼频率、眼睛血丝占比、皱眉频率、眼睛大小和人脸大小,所述获取用户的眼睛疲惫值影响参数,包括:
通过摄像头拍摄在单位时间内用户的脸部图像;
基于所述脸部图像确定用户在单位时间内的眼睛眨眼频率、眼睛血丝占比、皱眉频率、眼睛大小和人脸大小。
3.根据权利要求2所述的眼睛疲惫值判断方法,其特征在于,所述基于所述眼睛疲惫值影响参数计算用户的疲惫值,包括:
基于所述眼睛疲惫值影响参数和下述公式计算用户的疲惫值:
EyeTired=(BlinkRate+FrownRate)*(FaceSize/EyeSize+BloodPer)
其中,BlinkRate为眼睛眨眼频率,BloodPer为眼睛血丝占比,FrownRate为皱眉频率,EyeSize为眼睛大小,FaceSize为人脸大小,EyeTired为眼睛疲惫值。
4.根据权利要求1所述的眼睛疲惫值判断方法,其特征在于,所述基于所述疲惫值判断用户是否处于疲惫状态,包括:
判断所述疲惫值所对应的判定范围,生成判断结果;
根据所述判断结果所对应的判定范围,判断用户所对应的疲惫状态,不同的判定范围对应于不同的疲惫状态;
所述响应于用户的疲惫状态执行预设的设备限制策略,包括:
根据用户所对应的疲惫状态执行对应的设备限制策略,不同的疲惫状态对应于不同的设备限制策略。
5.根据权利要求4所述的眼睛疲惫值判断方法,其特征在于,所述方法还包括:
响应用户的错判提示操作,获取用户的疲惫值作为更新疲惫值;
基于所述更新疲惫值对所述疲惫值所对应的判定范围进行更新。
6.根据权利要求1所述的眼睛疲惫值判断方法,其特征在于,所述基于所述疲惫值判断用户是否处于疲惫状态之前,还包括:
获取不同测试用户在不同样本疲惫状态下的样本疲惫值;
搭建眼睛疲惫状态判断模型,并以所述样本疲惫值作为输入,所述样本疲惫状态作为输出对所述眼睛疲惫状态判断模型进行训练;
所述基于所述疲惫值判断用户是否处于疲惫状态,包括:
基于所述眼睛疲惫状态判断模型,确定用户在所述疲惫值下所对应的疲惫状态。
7.根据权利要求6所述的眼睛疲惫值判断方法,其特征在于,所述方法还包括:
响应用户的错判提示操作,获取用户的疲惫值作为更新疲惫值;
基于所述更新疲惫值对训练数据库进行更新,所述训练数据库用于保存样本疲惫状态和对应的样本疲惫值;
基于更新后的训练数据库对所述眼睛疲惫判断模型进行更新。
8.一种眼睛疲惫值判断装置,其特征在于,包括影响参数获取模、疲惫值计算模块、状态判断模块和执行模块,其中:
影响参数获取模块,用于获取用户的眼睛疲惫值影响参数,所述眼睛疲惫值影响参数通过摄像头拍摄用户的脸部图像获取;
疲惫值计算模块,用于基于所述眼睛疲惫值影响参数计算用户的疲惫值;
状态判断模块,用于基于所述疲惫值判断用户是否处于疲惫状态;
执行模块,用于响应于用户的疲惫状态执行预设的设备限制策略,以限制用户对设备的使用。
9.一种计算机设备,其特征在于,包括:存储器以及一个或多个处理器;
所述存储器,用于存储一个或多个程序;
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-7任一所述的眼睛疲惫值判断方法。
10.一种包含计算机可执行指令的存储介质,其特征在于,所述计算机可执行指令在由计算机处理器执行时用于执行如权利要求1-7任一所述的眼睛疲惫值判断方法。

说明书全文

一种眼睛疲惫值判断方法、装置、设备及存储介质

技术领域

[0001] 本申请实施例涉及计算机技术领域,尤其涉及一种眼睛疲惫值判断方法、装置、设备及存储介质。

背景技术

[0002] 随着手机、平板等电子产品的推广应用,电子产品的受众也越来越广泛,各年龄阶段(例如小孩)与电子产品的接触时间越来越长,对电子产品的依赖也逐渐加深。
[0003] 手机、平板等电子产品一般是通过屏幕向用户展示内容,但是在长时间使用电子产品时,例如长时间使用电子产品进行游戏、阅读、看视频等,用户的疲惫程度会逐渐加深,若不及时控制对电子产品的使用,将会对眼睛造成较大的伤害。发明内容
[0004] 本申请实施例提供一种眼睛疲惫值判断方法、装置、设备及存储介质,以在用户的眼睛疲惫时限制电子产品的使用,保护用户的眼睛。
[0005] 在第一方面,本申请实施例提供了一种眼睛疲惫值判断方法,包括:
[0006] 获取用户的眼睛疲惫值影响参数,所述眼睛疲惫值影响参数通过摄像头拍摄用户的脸部图像获取;
[0007] 基于所述眼睛疲惫值影响参数计算用户的疲惫值;
[0008] 基于所述疲惫值判断用户是否处于疲惫状态;
[0009] 响应于用户的疲惫状态执行预设的设备限制策略,以限制用户对设备的使用。
[0010] 进一步的,所述眼睛疲惫值影响参数包括眼睛眨眼频率、眼睛血丝占比、皱眉频率、眼睛大小和人脸大小,所述获取用户的眼睛疲惫值影响参数,包括:
[0011] 通过摄像头拍摄在单位时间内用户的脸部图像;
[0012] 基于所述脸部图像确定用户在单位时间内的眼睛眨眼频率、眼睛血丝占比、皱眉频率、眼睛大小和人脸大小。
[0013] 进一步的,所述基于所述眼睛疲惫值影响参数计算用户的疲惫值,包括:
[0014] 基于所述眼睛疲惫值影响参数和下述公式计算用户的疲惫值:
[0015] EyeTired=(BlinkRate+FrownRate)*(FaceSize/EyeSize+BloodPer)[0016] 其中,BlinkRate为眼睛眨眼频率,BloodPer为眼睛血丝占比,FrownRate为皱眉频率,EyeSize为眼睛大小,FaceSize为人脸大小,EyeTired为眼睛疲惫值。
[0017] 进一步的,所述基于所述疲惫值判断用户是否处于疲惫状态,包括:
[0018] 判断所述疲惫值所对应的判定范围,生成判断结果;
[0019] 根据所述判断结果所对应的判定范围,判断用户所对应的疲惫状态,不同的判定范围对应于不同的疲惫状态;
[0020] 所述响应于用户的疲惫状态执行预设的设备限制策略,包括:
[0021] 根据用户所对应的疲惫状态执行对应的设备限制策略,不同的疲惫状态对应于不同的设备限制策略。
[0022] 进一步的,所述方法还包括:
[0023] 响应用户的错判提示操作,获取用户的疲惫值作为更新疲惫值;
[0024] 基于所述更新疲惫值对所述疲惫值所对应的判定范围进行更新。
[0025] 进一步的,所述基于所述疲惫值判断用户是否处于疲惫状态之前,还包括:
[0026] 获取不同测试用户在不同样本疲惫状态下的样本疲惫值;
[0027] 搭建眼睛疲惫状态判断模型,并以所述样本疲惫值作为输入,所述样本疲惫状态作为输出对所述眼睛疲惫状态判断模型进行训练;
[0028] 所述基于所述疲惫值判断用户是否处于疲惫状态,包括:
[0029] 基于所述眼睛疲惫状态判断模型,确定用户在所述疲惫值下所对应的疲惫状态。
[0030] 进一步的,所述方法还包括:
[0031] 响应用户的错判提示操作,获取用户的疲惫值作为更新疲惫值;
[0032] 基于所述更新疲惫值对训练数据库进行更新,所述训练数据库用于保存样本疲惫状态和对应的样本疲惫值;
[0033] 基于更新后的训练数据库对所述眼睛疲惫判断模型进行更新。
[0034] 在第二方面,本申请实施例提供了一种眼睛疲惫值判断装置,包括影响参数获取模、疲惫值计算模块、状态判断模块和执行模块,其中:
[0035] 影响参数获取模块,用于获取用户的眼睛疲惫值影响参数,所述眼睛疲惫值影响参数通过摄像头拍摄用户的脸部图像获取;
[0036] 疲惫值计算模块,用于基于所述眼睛疲惫值影响参数计算用户的疲惫值;
[0037] 状态判断模块,用于基于所述疲惫值判断用户是否处于疲惫状态;
[0038] 执行模块,用于响应于用户的疲惫状态执行预设的设备限制策略,以限制用户对设备的使用。
[0039] 在第三方面,本申请实施例提供了一种计算机设备,包括:存储器以及一个或多个处理器;
[0040] 所述存储器,用于存储一个或多个程序;
[0041] 当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如第一方面所述的眼睛疲惫值判断方法。
[0042] 在第四方面,本申请实施例提供了一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如第一方面所述的眼睛疲惫值判断方法。
[0043] 本申请实施例通过根据用户的眼睛疲惫值影响参数计算用户的疲惫值,并根据疲惫值判断用户是否处于疲惫状态,并在用户处于疲惫状态时执行预设的设备控制策略,以控制用户对设备的使用,对用户进行提醒或者是限制用户使用设备,保护用户的眼睛。附图说明
[0044] 图1是本申请实施例提供的一种眼睛疲惫值判断方法的流程图
[0045] 图2是本申请实施例提供的另一种眼睛疲惫值判断方法的流程图;
[0046] 图3是本申请实施例提供的另一种眼睛疲惫值判断方法的流程图;
[0047] 图4是本申请实施例提供的一种眼睛疲惫值判断装置的结构示意图;
[0048] 图5是本申请实施例提供的计算机设备的结构示意图。

具体实施方式

[0049] 为了使本申请的目的、技术方案和优点更加清楚,下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是,此处所描述的具体实施例仅仅用于解释本申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是,一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理,但是其中的许多操作可以被并行地、并发地或者同时实施。此外,各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止,但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。
[0050] 图1给出了本申请实施例提供的一种眼睛疲惫值判断方法的流程图,本申请实施例提供的眼睛疲惫值判断方法可以由眼睛疲惫值判断装置来执行,该眼睛疲惫值判断装置可通过硬件和/或软件的方式实现,并集成在计算机设备(如手机、平板等具有摄像头的电子设备、以下简称设备)中。
[0051] 下述以眼睛疲惫值判断装置执行眼睛疲惫值判断方法为例进行描述。参考图1,该眼睛疲惫值判断方法包括:
[0052] S101:获取用户的眼睛疲惫值影响参数,所述眼睛疲惫值影响参数通过摄像头拍摄用户的脸部图像获取。
[0053] 示例性的,其中疲惫值用于反映用户眼睛的疲惫程度,可以理解的是,疲惫值越高,用户眼睛的疲惫程度越深。在本实施例中,眼睛疲惫值影响参数具体包括眼睛眨眼频率、眼睛血丝占比、皱眉频率、眼睛大小和人脸大小,可以理解的是,眼睛眨眼频率越高、眼睛血丝占比越大、皱眉频率越高、人脸大小与眼睛大小越小的比值越大,对应用户的疲惫程度越深,对应得到的疲惫值越大。
[0054] 进一步的,眼睛疲惫值影响参数通过摄像头拍摄用户的脸部图像获取,通过抓取单位时间内摄像头拍摄的用户脸部视频图像中的人脸特征数据,从而获取眼睛疲惫值影响参数。
[0055] 具体的,获取用户的眼睛疲惫值影响参数的步骤包括步骤S1011-S1012:
[0056] S1011:通过摄像头拍摄在单位时间内用户的脸部图像。
[0057] 具体的,响应于脸部图像获取指令启动设备上的摄像头(前置摄像头),通过的摄像头拍摄用户在单位时间内的脸部图像视频,并将脸部图像视频中的每一作为用户的脸部图像。
[0058] 其中脸部图像获取指令可在预设的时间(如每天的20:00、22:00、23:00)生成,或者是根据预设的间隔时间(如1min、5min、10min)生成,还可以是在设备对于预设应用的累计使用时长达到预设时长(如15min、30min)后生成。
[0059] 进一步的,还可在确认用户的疲惫值达到预设的疲惫范围后,根据疲惫范围重新确定脸部图像获取指令生成时间,例如,用户的疲惫值越高,对应脸部图像获取指令生成时间的间隔越短。
[0060] S1012:基于所述脸部图像确定用户在单位时间内的眼睛眨眼频率、眼睛血丝占比、皱眉频率、眼睛大小和人脸大小。
[0061] 具体的,在获取单位时间内用户的脸部图像后,通过人脸识别算法获取脸部图像视频每一帧脸部图像的人脸特征数据,得到人脸中眼睛、眉毛、脸部轮廓的特征点,并基于以上特征点得到用户在单位时间内的眼睛眨眼频率、眼睛血丝占比、皱眉频率、眼睛大小和人脸大小。
[0062] 例如,基于眼睛的特征点判断用户在单位时间内眨眼的次数,从而得到用户的眼睛眨眼频率;基于眼睛的特征点判断用户在单位时间内皱眉的次数,从而得到用户的皱眉频率;基于眼睛的特征点确定眼睛的范围,并根据眼睛范围内红色像素点的面积相对于眼睛的面积的占比确定每一帧脸部图像的血丝占比,并将血丝占比的均值作为眼睛血丝占比;基于眼睛的特征点确定眼睛的范围,并获取每一帧脸部图像的眼睛范围(面积或像素点个数)大小,并将眼睛范围大小的均值作为眼睛大小;基于脸部轮廓的特征点确定人脸的范围,并获取每一帧脸部图像的人脸范围(面积或像素点个数)大小,并将人脸范围大小的均值作为人脸大小。
[0063] 可选的,在获取脸部图像视频后,对脸部图像视频的每一帧进行人脸识别,在每一帧图像均识别到人脸或者是识别到人脸的帧数达到预设要求时,才进行眼睛疲惫值影响参数的获取,否则,重新获取脸部图像视频,直至满足识别到人脸的帧数要求或者是达到预设次数的要求。
[0064] S102:基于所述眼睛疲惫值影响参数计算用户的疲惫值。
[0065] 示例性的,在获取眼睛疲惫值影响参数的各个参数值(眼睛眨眼频率、眼睛血丝占比、皱眉频率、眼睛大小和人脸大小)后,基于眼睛疲惫值影响参数的各个参数值对眼睛疲惫程度的影响计算用户的疲惫值。
[0066] 具体的,基于眼睛疲惫值影响参数和下述公式计算用户的疲惫值:
[0067] EyeTired=(BlinkRate+FrownRate)*(FaceSize/EyeSize+BloodPer)[0068] 其中,BlinkRate为眼睛眨眼频率(次/分钟),BloodPer为眼睛血丝占比,FrownRate为皱眉频率(次/分钟),EyeSize为眼睛大小,FaceSize为人脸大小,EyeTired为疲惫值。可以理解的是,上述公式通过人脸大小和眼睛大小的比值减少不同人脸的大小对疲惫值影响参数计算的影响,保证不同脸型的用户在相同疲惫程度下计算出的疲惫值趋于一致。
[0069] 在其他实施例中,还可根据眼睛眨眼频率、眼睛血丝占比、皱眉频率、眼睛大小和人脸大小对眼睛疲惫程度的影响程度确定各个眼睛疲惫值影响参数所对应的权重(人脸大小和眼睛大小的比值作为一项眼睛疲惫值影响参数),并对各个眼睛疲惫值影响参数和对应权重的乘积进行求和从而获得用户眼睛所对应的疲惫值。
[0070] S103:基于所述疲惫值判断用户是否处于疲惫状态。
[0071] 示例性的,在确定用户的疲惫值后,根据疲惫值判断用户是否处于疲惫状态。例如,预先获取不同用户(不同脸型的用户)在不同疲惫程度下所对应的疲惫值,从而获取在不同疲惫程度(疲惫状态或非疲惫状态)下对应的疲惫值范围,然后根据用户的疲惫值所对应的疲惫值范围确定用户当前的疲惫程度,并确定用户是否处于疲惫状态。
[0072] 还可以是以不同用户(不同脸型的用户)在不同疲惫程度下所对应的疲惫值作为训练样本建立眼睛疲惫状态判断模型,根据眼睛疲惫状态判断模型判断当前疲惫值下的用户是否处于疲惫状态。
[0073] S104:响应于用户的疲惫状态执行预设的设备限制策略,以限制用户对设备的使用。
[0074] 示例性的,在确定用户处于疲惫状态时,执行预设的设备限制策略,从而限制用户对设备的使用,保护用户的眼睛。可选的,在执行对用户进行限制的设备限制策略后,可在预设时间后停止设备限制策略的执行,或者是在重新验证用户的疲惫值,在确定用户处于非疲惫状态后停止设备限制策略的执行。
[0075] 例如,根据用户的疲惫状态和非疲惫状态,预先设置分别对应于疲惫状态和非疲惫状态的禁止用户使用设备和允许用户使用设备的两个设备限制策略。在运行禁止用户使用设备的设备限制策略时,可根据设备限制策略禁止用户使用设备(如通过关闭屏幕、屏等方式禁止用户使用设备),或者是禁止对指定应用程序的使用;在运行允许用户使用设备的设备限制策略时,不对用户使用设备的操作进行限制。
[0076] 进一步的,还可以是根据不同疲惫程度下对应的不同疲惫值范围,分别设置不同等级的设备限制策略,不同设备限制策略根据疲惫程度的加深加强对用户使用设备的限制。例如,基于限制程度的逐步加强设置三个级别的设备限制策略,一级的设备限制策略对应于非疲惫状态下的疲惫值范围,此设备限制策略下不对用户使用设备的操作进行限制;二级的设备限制策略对应于疲惫状态到非疲惫状态之间(轻微的疲惫状态或者是具有向疲劳状态发展的趋势)的疲惫值范围,此设备限制策略下可控制设备弹出提示框进行注意用眼的警告,还可以在疲惫状态到非疲惫状态之间设置多个疲惫值范围,相应的在二级的设备限制策略中根据不同的疲惫值范围设置不同的警告方式或内容;三级的设备限制策略对应于疲惫状态下的疲惫值范围,此设备限制策略下禁止用户使用设备,或者是禁止对指定应用程序的使用。
[0077] 可以理解的是,不同的设备限制策略可根据实际需要进行设置,例如可在不同的设备限制策略的设置界面中限制不同的限制方式选项,通过用户对限制方式的选择确定对应设备限制策略在执行时所对应的限制方式。
[0078] 在其他实施例中,还可根据脸部图像中识别出的用户是否为限制用户或非限制用户确定是否响应于用户的疲惫状态执行设备控制策略。例如,在设备中录入人脸图片(拍照或导入图片)作为限制用户(例如小孩),在通过人脸识别得到实时的人脸特征数据后,将实时的人脸特征数据与录入的人脸图像中的人脸特征数据进行比对匹配,若匹配成功,则响应于用户的疲惫状态执行设备限制策略,否则,不执行设备限制策略;或者是在设备中录入人脸图片(拍照或导入图片)作为非限制用户(例如大人),在通过人脸识别得到实时的人脸特征数据后,将实时的人脸特征数据与录入的人脸图像中的人脸特征数据进行比对匹配,若匹配成功,则不执行设备限制策略,否则,响应于用户的疲惫状态执行设备限制策略。
[0079] 例如,小孩在长时间利用平板电脑等设备观看视频时,平板电脑在预设的时间获取单位时间内该小孩的脸部图像视频,并对脸部图像视频的每一帧进行人脸识别,得到人脸特征数据,并基于人脸特征数据得到该小孩的眼睛疲惫值影响参数,基于这些眼睛疲惫值影响参数计算得出该小孩当前的疲惫值,若此时小孩由于过长时间的使用该平板电脑,已处于疲惫状态,眼睛眨眼频率、皱眉频率变高和眼睛血丝占比均变高,此时计算出的疲惫值反映出该小孩已处于疲惫状态,平板电脑可通过弹窗提示或者是锁屏的方式执行设备限制策略,限制对该平板电脑的使用,保护小孩的眼睛。
[0080] 上述,通过根据用户的眼睛疲惫值影响参数计算用户的疲惫值,并根据疲惫值判断用户是否处于疲惫状态,并在用户处于疲惫状态时执行预设的设备控制策略,以控制用户对设备的使用,对用户进行提醒或者是限制用户使用设备,保护用户的眼睛。
[0081] 在上述实施例的基础上,图2给出了本申请实施例提供的另一种眼睛疲惫值判断方法的流程图。该眼睛疲惫值判断方法是对眼睛疲惫值判断方法的具体化。参考图2,该眼睛疲惫值判断方法包括:
[0082] S201:获取用户的眼睛疲惫值影响参数,所述眼睛疲惫值影响参数通过摄像头拍摄用户的脸部图像获取。
[0083] S202:基于所述眼睛疲惫值影响参数计算用户的疲惫值。
[0084] S203:判断所述疲惫值所对应的判定范围,生成判断结果。
[0085] 示例性的,预先根据用户的不同疲惫状态确定疲惫值所对应的判定范围,并根据用户的疲惫值所对应的判定范围生成对应于该判定范围的判断结果。
[0086] 其中,判定范围的确定可根据预先进行收集的样本疲惫值和对应的疲惫状态进行确定。例如,获取不同脸型的用户在不同的疲惫状态下所对应的样本疲惫值,基于不同用户在不同的疲惫状态下所对应的样本疲惫值建立范围判断样本集,并基于范围判断样本集,根据不同疲惫状态下样本疲惫值的分布情况确定每个判定范围的端点值,从而确定不同疲惫状态所对应的判定范围,并建立不同判定范围与不同疲惫状态的关联关系。
[0087] S204:根据所述判断结果所对应的判定范围,判断用户所对应的疲惫状态。
[0088] 具体的,在生成判断结果后,根据判断结果所指向的判定范围与疲惫状态的对应关系,确定用户当前的疲惫状态。可以理解的是,不同的判定范围对应于不同的疲惫状态,并且随着判定范围所对应的疲惫值越高,对应的疲惫状态所反映的疲惫程度越深。其中判定范围和疲惫状态之间的关联关系可通过表格、链表、指针等方式进行记录。
[0089] S205:根据用户所对应的疲惫状态执行对应的设备限制策略,不同的疲惫状态对应于不同的设备限制策略。
[0090] 具体的,针对不同的疲惫状态,预先设定对应的设备限制策略,例如,根据不同的判定范围,分别设置不同等级的设备限制策略,不同设备限制策略根据判定范围所对应的疲惫状态的加深,加强对用户使用设备的限制。
[0091] 进一步的,在确定用户当前对应的疲惫状态后,确定该疲惫状态所对应的设备控制策略,并执行该设备控制策略,以限制用户对设备的过渡使用。
[0092] 例如,设定用户的疲惫状态包括疲惫程度由浅至深的非疲惫状态、过渡疲惫状态和疲惫状态,其对应的判定范围的数值从低到高分布,并根据限制程度逐步加强的顺序设置三个级别(从低到高)的设备限制策略,一级的设备限制策略对应于非疲惫状态下的判定范围,此设备限制策略下不对用户使用设备的操作进行限制;二级的设备限制策略对应于疲惫状态到非疲惫状态之间的过渡疲惫状态下的判定范围,此设备限制策略下可控制设备弹出提示框进行注意用眼的警告;三级的设备限制策略对应于疲惫状态下的判定范围,此设备限制策略下禁止用户使用设备,或者是禁止对指定应用程序的使用。
[0093] S206:响应用户的错判提示操作,获取用户的疲惫值作为更新疲惫值。
[0094] 示例性的,在判断用户处于疲惫状态并执行设备限制策略时,可响应于用户的错判提示操作,对当前触发设备限制策略的疲惫值作为更新疲惫值进行记录。
[0095] 其中,用户的错判提示操作可通过在设备上提供的错判提示按钮进行触发,例如,在执行设备限制策略时,弹出限制设备使用的提示框,并在提示框中添加错判提示按钮,在用户点击错判提示按钮时,任务用户触发了错判提示操作。
[0096] 可选的,在接收到用户的错判提示操作后,提供更正疲惫状态的选择列表,在选择列表中显示更新疲惫值下所对应的疲惫程度或疲惫状态,并响应于针对选择列表的选中操作建立被选中的疲惫程度或疲惫状态与更新疲惫值的关联关系。
[0097] S207:基于所述更新疲惫值对所述疲惫值所对应的判定范围进行更新。
[0098] 示例性的,在确定更新疲惫值后,将该更新疲惫值加入到范围判断样本集中作为新加入的样本疲惫值,并根据疲惫程度或疲惫状态与更新疲惫值的关联关系重新进行判断范围端点值的确定,从而对判定范围进行更新。
[0099] 可选的,范围判断样本集可保存在设备本地的存储空间中,并在确定更新疲惫值后在设备本地进行判断范围的更新,得到更符合该用户的判断范围。另外,还可将范围判断样本集保存在端,设备将更新疲惫值上传至云端,云端服务器将更新疲惫值作为样本疲惫值更新到云端的范围判断样本集中,在云端进行判定范围的更新,并将更新后的判断范围更新至设备中,提高疲惫状态判断的准确性。
[0100] 上述,通过根据用户的眼睛疲惫值影响参数计算用户的疲惫值,并根据疲惫值判断用户是否处于疲惫状态,并在用户处于疲惫状态时执行预设的设备控制策略,以控制用户对设备的使用,对用户进行提醒或者是限制用户使用设备,保护用户的眼睛。同时,通过疲惫值所对应的判断范围判断用户此时的疲惫状态,准确触发设备执行设备限制策略,有效对用户眼睛进行保护,并在出现对疲惫状态的错判时,及时对判断范围进行更新,提高疲惫状态判断的准确性。
[0101] 在上述实施例的基础上,图3给出了本申请实施例提供的另一种眼睛疲惫值判断方法的流程图。该眼睛疲惫值判断方法是对上述眼睛疲惫值判断方法的具体化。参考图3,该眼睛疲惫值判断方法包括:
[0102] S301:获取不同测试用户在不同样本疲惫状态下的样本疲惫值。
[0103] 具体的,对多个测试用户在不同样本疲惫状态(例如非疲惫状态、过渡疲惫状态和疲惫状态)进行样本脸部图像的拍摄(样本脸部图像的数量以满足眼睛疲惫状态判断模型的训练要求为准),并基于拍摄的样本脸部图像获取对应的样本眼睛疲惫值影响参数,根据样本眼睛疲惫值影响参数计算出每个用户在不同样本疲惫状态下的样本疲惫值(样本疲惫值参考步骤S101-S102),建立样本疲惫值和对应的疲惫状态之间的关联关系,并基于不同测试用户在不同样本疲惫状态下的样本疲惫值建立训练数据库,用于保存样本疲惫状态和对应的样本疲惫值。
[0104] S302:搭建眼睛疲惫状态判断模型,并以所述样本疲惫值作为输入,所述样本疲惫状态作为输出对所述眼睛疲惫状态判断模型进行训练。
[0105] 具体的,在建立训练数据库后,基于卷积神经网络,并以公式EyeTired*X=Y(或者是EyeTired*X+Z=Y,Z为数据线性分割直线偏移值)的形式搭建眼睛疲惫状态判断模型,其中EyeTired为输入,Y为输出,X为数据线性分割直线斜率,卷积神经网络结构对训练数据库大量的样本疲惫值交替进行卷积和池化操作,逐渐提取样本的高层特征,对特征进行分类,完成判断识别。
[0106] 进一步的,将样本疲惫值作为输入,样本疲惫状态作为输出对眼睛疲惫状态判断模型进行训练,直至训练次数达到预设训练次数(如20万次或50万次),初步得到X(和Z)的值,并通过调整X(和Z)的值,直至眼睛疲惫状态判断模型的判断误差小于预设误差值,完成眼睛疲惫状态判断模型的训练。
[0107] S303:获取用户的眼睛疲惫值影响参数,所述眼睛疲惫值影响参数通过摄像头拍摄用户的脸部图像获取。
[0108] S304:基于所述眼睛疲惫值影响参数计算用户的疲惫值。
[0109] S305:基于所述眼睛疲惫状态判断模型,确定用户在所述疲惫值下所对应的疲惫状态。
[0110] 具体的,在确定用户当前的疲惫值后,将疲惫值代入到眼睛疲惫状态判断模型中,通过眼睛疲惫状态判断模型确定用户在该疲惫值下所对应的疲惫状态。
[0111] S306:响应于用户的疲惫状态执行预设的设备限制策略,以限制用户对设备的使用。
[0112] S307:响应用户的错判提示操作,获取用户的疲惫值作为更新疲惫值。
[0113] 示例性的,在判断用户处于疲惫状态并执行设备限制策略时,可响应于用户的错判提示操作,对当前触发设备限制策略的疲惫值作为更新疲惫值进行记录。其中,用户的错判提示操作可通过在设备上提供的错判提示按钮进行触发,例如,在执行设备限制策略时,弹出限制设备使用的提示框,并在提示框中添加错判提示按钮,在用户点击错判提示按钮时,任务用户触发了错判提示操作。
[0114] 可选的,在接收到用户的错判提示操作后,提供更正疲惫状态的选择列表,在选择列表中显示更新疲惫值下所对应的疲惫状态,并响应于针对选择列表的选中操作建立被选中的疲惫状态与更新疲惫值的关联关系。
[0115] S308:基于所述更新疲惫值对训练数据库进行更新。
[0116] 具体的,在确定更新疲惫值后,将该更新疲惫值加入到训练数据库中作为新加入的样本疲惫值。可选的,训练数据库可保存在设备本地的存储空间中,还可将训练数据库保存在云端,设备在确定更新疲惫值后,通过网络将更新疲惫值上传至云端,云端服务器将更新疲惫值作为样本疲惫值更新到云端的训练数据库中。
[0117] S309:基于更新后的训练数据库对所述眼睛疲惫判断模型进行更新。
[0118] 具体的,在更新训练数据库后,基于更新后的训练数据库对眼睛疲惫判断模型进行更新,例如,重新调整X(和Z)的值,直至眼睛疲惫状态判断模型的判断误差小于预设误差值,完成眼睛疲惫状态判断模型的更新。
[0119] 进一步的,若训练数据库保存在设备本地的存储空间,则在设备中进行眼睛疲惫判断模型的更新,得到更符合该用户的眼睛疲惫判断模型;若训练数据库保存在云端,则在云端服务器中进行眼睛疲惫判断模型的更新,并将更新后的眼睛疲惫判断模型的更新数据更新至设备中,提高疲惫状态判断的准确性。
[0120] 可选的,眼睛疲惫状态判断模型的更新操作可以是响应于更新疲惫值的数量达到预设阈值而触发,或者是根据预设的时间周期(如一周、一个月、一个季度)进行触发,还可以是响应于管理人员发出的更新请求而触发。
[0121] 上述,通过根据用户的眼睛疲惫值影响参数计算用户的疲惫值,并根据疲惫值判断用户是否处于疲惫状态,并在用户处于疲惫状态时执行预设的设备控制策略,以控制用户对设备的使用,对用户进行提醒或者是限制用户使用设备,保护用户的眼睛。同时,通过建立眼睛疲惫判断模型完成对用户在当前疲惫值下对应的疲惫状态,提高疲惫状态判断的准确性,并在出现对疲惫状态的错判时,及时对眼睛疲惫判断模型进行更新,进一步提高疲惫状态判断的准确性。
[0122] 在上述实施例的基础上,图4为本申请实施例提供的一种眼睛疲惫值判断装置的结构示意图,参考图4,本实施例提供的眼睛疲惫值判断装置包括影响参数获取模块41、疲惫值计算模块42、状态判断模块43和执行模块44。
[0123] 其中,影响参数获取模块41,用于获取用户的眼睛疲惫值影响参数,所述眼睛疲惫值影响参数通过摄像头拍摄用户的脸部图像获取;疲惫值计算模块42,用于基于所述眼睛疲惫值影响参数计算用户的疲惫值;状态判断模块43,用于基于所述疲惫值判断用户是否处于疲惫状态;执行模块44,用于响应于用户的疲惫状态执行预设的设备限制策略,以限制用户对设备的使用。
[0124] 上述,通过根据用户的眼睛疲惫值影响参数计算用户的疲惫值,并根据疲惫值判断用户是否处于疲惫状态,并在用户处于疲惫状态时执行预设的设备控制策略,以控制用户对设备的使用,对用户进行提醒或者是限制用户使用设备,保护用户的眼睛。
[0125] 本申请实施例还提供了一种计算机设备,且该计算机设备可集成本申请实施例提供的眼睛疲惫值判断装置。图5是本申请实施例提供的计算机设备的结构示意图。参考图5,该计算机设备包括:输入装置53、输出装置55、存储器52以及一个或多个处理器51;所述存储器52,用于存储一个或多个程序;当所述一个或多个程序被所述一个或多个处理器51执行,使得所述一个或多个处理器51实现如上述实施例提供的眼睛疲惫值判断方法。其中输入装置53、输出装置55、存储器52和处理器51可以通过总线或者其他方式连接,图5中以通过总线连接为例。
[0126] 存储器52作为一种计算设备可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本申请任意实施例所述的眼睛疲惫值判断方法对应的程序指令/模块(例如,眼睛疲惫值判断装置中的影响参数获取模块41、疲惫值计算模块42、状态判断模块43和执行模块44)。存储器52可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序;存储数据区可存储根据设备的使用所创建的数据等。此外,存储器52可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器52可进一步包括相对于处理器51远程设置的存储器,这些远程存储器可以通过网络连接至设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
[0127] 输入装置53可用于接收输入的数字或字符信息,以及产生与设备的用户设置以及功能控制有关的键信号输入。输出装置55可包括显示屏等显示设备。
[0128] 处理器51通过运行存储在存储器52中的软件程序、指令以及模块,从而执行设备的各种功能应用以及数据处理,即实现上述的眼睛疲惫值判断方法。
[0129] 上述提供的眼睛疲惫值判断装置和计算机设备可用于执行上述任意实施例提供的眼睛疲惫值判断方法,具备相应的功能和有益效果。
[0130] 本申请实施例还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行如上述任意实施例提供的眼睛疲惫值判断方法,该眼睛疲惫值判断方法包括:获取用户的眼睛疲惫值影响参数,所述眼睛疲惫值影响参数通过摄像头拍摄用户的脸部图像获取;基于所述眼睛疲惫值影响参数计算用户的疲惫值;基于所述疲惫值判断用户是否处于疲惫状态;响应于用户的疲惫状态执行预设的设备限制策略,以限制用户对设备的使用。
[0131] 存储介质——任何的各种类型的存储器设备或存储设备。术语“存储介质”旨在包括:安装介质,例如CD-ROM、软盘或磁带装置;计算机系统存储器或随机存取存储器,诸如DRAM、DDR RAM、SRAM、EDO RAM,兰巴斯(Rambus)RAM等;非易失性存储器,诸如闪存、磁介质(例如硬盘或光存储);寄存器或其它相似类型的存储器元件等。存储介质可以还包括其它类型的存储器或其组合。另外,存储介质可以位于程序在其中被执行的第一计算机系统中,或者可以位于不同的第二计算机系统中,第二计算机系统通过网络(诸如因特网)连接到第一计算机系统。第二计算机系统可以提供程序指令给第一计算机用于执行。术语“存储介质”可以包括可以驻留在不同位置中(例如在通过网络连接的不同计算机系统中)的两个或更多存储介质。存储介质可以存储可由一个或多个处理器执行的程序指令(例如具体实现为计算机程序)。
[0132] 当然,本申请实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的眼睛疲惫值判断方法,还可以执行本申请任意实施例所提供的眼睛疲惫值判断方法中的相关操作。
[0133] 上述实施例中提供的眼睛疲惫值判断装置、设备及存储介质可执行本申请任意实施例所提供的眼睛疲惫值判断方法,未在上述实施例中详尽描述的技术细节,可参见本申请任意实施例所提供的眼睛疲惫值判断方法。
[0134] 上述仅为本申请的较佳实施例及所运用的技术原理。本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行的各种明显变化、重新调整及替代均不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由权利要求的范围决定。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈