[发明专利]一种照度动态变化的眼调节训练灯

权利要求书

1.一种照度动态变化方法，其特征在于，所述方法包括：

利用传感器获取用户面部图像，并对用户面部图像进行预处理；

利用人眼检测算法模型检测预处理后的用户面部图像，得到眼部区域图像；

利用瞳孔检测算法对眼部区域图像进行检测，得到眼部瞳孔图像；

实时利用瞳孔特征提取算法对眼部瞳孔图像进行特征提取处理，得到用户的瞳孔特征，并在预设定的时间周期内监测用户瞳孔特征的变化情况；

若瞳孔特征变化差异小于阈值，说明用户长时间用眼且眼球没有运动，此时触发训练灯的调节机制，利用基于瞳孔特征的眼部状态检测算法检测得到当前用户的眼部状态，根据所检测到的眼部状态，周期性的调节训练灯的光照强度和色温。

2.如权利要求1所述的一种照度动态变化方法，其特征在于，所述对用户面部图像进行预处理，包括：

所述用户面部图像的预处理流程为：

1)对所获取的用户面部图像中每一个像素的三个分量求最大值，并将该最大值设置为该像素点的灰度值，得到用户面部图像的灰度图，所述灰度化处理的公式为：

G(i，j)＝max{R(i，j)，G(i，j)，B(i，j)}

其中：

(i，j)为用户面部图像中的一个像素点；

R(i，j)，G(i，j)，B(i，j)分别为像素点(i，j)在R、G、B三个颜色通道中的值；

G(i，j)为像素点(i，j)的灰度值；

2)对于所述灰度图像，利用分段线性变换的方式对图像的灰度进行拉伸，所述的公式为：

其中：

f(x，y)为灰度图；

MAX_f(x，y)，MIN_f(x，y)分别为灰度图的最大灰度值和最小灰度值。

3.如权利要求2所述的一种照度动态变化方法，其特征在于，所述利用人眼检测算法模型检测预处理后的用户面部图像，包括：

选取用于训练人眼检测算法模型的人眼样本以及非人眼样本，针对训练样本，使用Haar-like特征训练弱分类器；

对每个弱分类的分类错误率进行计算，选取分类错误率最低的弱分类器，依据此分类器对每个样本的分类结果对每个样本的权重进行更新，将分类错误的样本权重增大，重复该步骤，直到选出N个弱分类器；

将选出的N个弱分类器按照分类正确率的大小给予不同权重，其中分类正确率越高，分类器的权重越大，并按照下式进行分类器级联组合：

其中：

w_i表示第i个弱分类器的权重；

f_i(x)表示第i个若分类器；

H(x)表示级联组合后的人眼检测算法模型；

x表示输入的图像数据；

将预处理后的用户面部图像平均划分为若干图像区域，其中每个图像区域的大小为正常眼部区域大小；将所划分的图像区域输入到人眼检测算法模型中，若H(x_i)＝1，则表示图像区域i为眼部区域图像。