[发明专利]一种基于机器学习的视觉疲劳度检测方法

说明书

本发明公开了一种基于机器学习的视觉疲劳度检测方法。其包括以下步骤：在授课开始预定时间后，通过终端的摄像头获取学生的眼睛的巩膜血丝量；利用训练好的二元分类器对巩膜血丝量进行二元分类，确定学生的视觉疲劳度可信值；将授课时间作为权值，并根据权值对视觉疲劳度可信值进行加权滤波，得到视觉疲劳度真值；如果视觉疲劳度真值不高于预设异常阈值，则判定学生的眼睛不处于视觉疲劳状态，如果视觉疲劳度真值高于预设异常阈值，则判定学生的眼睛处于视觉疲劳状态。本发明能够在授课过程中检测学生的视觉疲劳度。

技术领域

本发明涉及视力保护技术领域，尤其是一种基于机器学习的视觉疲劳度检测方法。

背景技术

随着电子技术和多媒体技术的快速发展，越来越多的领域开始普及应用各类电子终端。在很多学校中，已经采用终端进行教学，学生可以利用终端阅读电子书、观看教学视频或者进行课堂教学等。然而，由于学生的眼睛还未发育完全，过度地使用终端可能给会影响学生的视力，因此，在学生的授课过程中，需要对学生的视觉疲劳进行实时监测。

然而，现有技术还没有能够自动监测学生眼睛的视觉疲劳度的方法，大多是依靠课中或课间的休息来消除视觉疲劳。因此，如何在授课过程中检测学生是否出现视觉疲劳是一个亟待解决的问题。

发明内容

本发明的发明目的在于：针对上述存在的问题，提供一种基于机器学习的视觉疲劳度检测方法，能够在授课过程中检测学生的视觉疲劳度。

为解决上述技术问题，本发明采用的一个技术方案是：提供一种基于机器学习的视觉疲劳度检测方法，包括以下步骤：在授课开始预定时间后，通过终端的摄像头获取学生的眼睛的巩膜血丝量；利用训练好的二元分类器对所述巩膜血丝量进行二元分类，确定学生的视觉疲劳度可信值；将授课时间作为权值，并根据所述权值对所述视觉疲劳度可信值进行加权滤波，得到视觉疲劳度真值；如果所述视觉疲劳度真值不高于预设异常阈值，则判定学生的眼睛不处于视觉疲劳状态，如果所述视觉疲劳度真值高于预设异常阈值，则判定学生的眼睛处于视觉疲劳状态。

优选的，所述二元分类器的训练步骤为：获取用于训练的眼睛样本图片，并对所述眼睛样本图片的尺寸进行均一化处理；提取每个眼睛样本图片的样本特征，采用主成分分析法对样本特征进行分析，获取巩膜血丝量；对巩膜血丝量进行聚类，聚类完成后通过二元分类算法对眼睛样本图片进行分类，得到二元分类器。

优选的，在所述判定学生的眼睛处于视觉疲劳状态的步骤之后，还包括：在终端的显示界面上输出用于提示眼睛处于视觉疲劳状态的提示信息。

优选的，在所述判定学生的眼睛处于视觉疲劳状态的步骤之后，还包括：将终端的显示屏的亮度值调低到巩膜血丝量处于预设异常阈值时对应的亮度值并保持该亮度值。

优选的，在通过终端的摄像头获取学生的眼睛的巩膜血丝量之前，所述视觉疲劳度检测方法还包括：确定连接于学生的眼睛的巩膜中心点与终端显示屏的直线，所述直线垂直于终端的显示屏；获取所述直线的距离；判断所述直线的距离是否小于预设距离阈值；如果所述直线的距离小于预设距离阈值，则通过终端的摄像头获取学生的眼睛的巩膜血丝量。

综上所述，由于采用了上述技术方案，本发明的基于机器学习的视觉疲劳度检测方法会实时获取学生的眼睛的巩膜血丝量，并利用训练好的二元分类器对巩膜血丝量进行二元分类得到视觉疲劳度可信值，并将授课时间作为权值对视觉疲劳度可信值进行加权滤波得到视觉疲劳度真值，通过视觉疲劳度真值来判断学生是否处于视觉疲劳状态，从而能够在授课过程中检测学生的视觉疲劳度，检测准确度高、响应速度快、实时性好。

附图说明

图1是本发明实施例的基于机器学习的视觉疲劳度检测方法的流程示意图。

具体实施方式

本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。