本发明专利技术公开了一种基于眼动数据的疲劳检测方法和装置。该方法通过与待测人进行UI交互测试待测人反应的敏捷度，在测试的同时通过眼动仪采集眼动基本数据计算出眼动疲劳特征数据，最后再由反应的敏捷度和眼动疲劳特征数据结合采用机器学习算法判断出待测人是否处于疲劳状态。其中，与待测人进行UI交互测试待测人反应的敏捷度的过程由字符搜索测试和阅读理解测试组成。经测试，本发明专利技术的检测准确率达到了95.2%，相比于之前的疲劳检测法，具有极高的准确性、实用性、简便性、易学性等优点。
【技术实现步骤摘要】
本专利技术涉及眼动数据分析以及在疲劳检测上的应用。
技术介绍
一系列研究表明，与传统的信息浏览及阅读方式不同，使用电子屏幕更容易让用户产生疲劳感，疲劳度的增加会导致工作效率低下、视力降低甚至更为严重的身体损害，然而很多用户在生活工作中却并未意识到这一点。因此如何以一种快捷、简便的方式，准确有效的判断用户的疲劳状态，是目前亟待解决的一个问题。此前已有多项研究提及到了视觉疲劳检测，但是如何得到一个准确而又客观的结果，多数方法设计并未完美解决此问题。卡内基梅隆研究所经过反复实验和论证，提出了度量疲劳/瞌睡的物理量PERCLOS(Percentage of Eyelid Closure over the Pupil)。他们认为，在单位时间内当眼睛闭合所占的时间达到一定比例，则判定产生了视觉疲劳。在Singh的工作中，认为当眼睛闭合时间大于0.5S时，则很可能产生了疲劳状态。由于此处用于检测的特征过于单一，因而容易造成误判断。Benedetto等在衡定视觉疲劳时，结合闪光刺激与眨眼频率进行了分析，但是一方面闪光刺激可能会影响到眼动数据，另一方面影响眨眼频率的因素很多，疲劳感仅仅是众多因素之一。Di和Mccamy采用了数据分析和问卷调查结合的方法，以三个小时为一阶段，测算出用户在多个阶段的阅读和扫视速率，并认为当眼睛处于疲劳状态时，速率结果会大幅降低。然而该方法耗时过长，用户体验极不友好。
技术实现思路
本专利技术所要解决的问题是针对目前现有的疲劳检测法过于主观化，没有定量数据进行衡定的现象，设计一种检测是否疲劳的方法和装置，该方法和装置能够利用眼动仪对用户的双眼进行检测，以最为自然、简单的“文本搜索”和“阅读”方式来收集眼动数据，然后根据这些眼动数据判断是否疲劳。为解决上述问题，本专利技术采用的方案如下：根据本专利技术的一种基于眼动数据的疲劳检测方法，包括以下步骤：S1：通过与待测人进行字符搜索任务的UI交互，获得搜索效率数据；S2：在执行步骤S1的同时，通过眼动仪采集待测人的眼动基本数据，并采集相应的时间数据，然后根据眼动基本数据和时间数据计算出搜索眼动疲劳特征数据；S3：通过与待测人进行阅读理解任务的UI交互，获得阅读效率数据；S4：在执行步骤S3的同时，通过眼动仪采集待测人的眼动基本数据，并采集相应的时间数据，然后根据眼动基本数据和时间数据计算出阅读眼动疲劳特征数据；S5：对所述的搜索效率数据、阅读效率数据、搜索眼动疲劳特征数据和阅读眼动疲劳特征数据采用机器学习算法分析判断待测人是否处于疲劳状态；所述搜索眼动疲劳特征数据包括：瞳孔直径比、眨眼频率和兴趣域个数；所述阅读眼动疲劳特征数据包括：瞳孔直径比、眨眼频率和兴趣域个数；所述瞳孔直径比为测试时的瞳孔直径和初始的瞳孔直径的比值；所述眨眼频率为平均眨眼的时间间隔；所述兴趣域个数通过统计眼球扫视速度小于特定阈值的个数得到。进一步，根据本专利技术的基于眼动数据的疲劳检测方法，所述搜索效率数据包括字符搜索成功率和字符搜索错误率；所述步骤S1包括：S11：从字符搜索文本库中随机抽取搜索文本；S12：在屏幕中显示所述的搜索文本供待测人搜索，显示时，从所述的搜索文本中随机选取5～50个字符，对所选取的字符以区别于正文的样式显示，并对这些以区别于正文的样式显示的字符构建特殊字符的采样区；S13：获取待测人操作的屏幕点击消息，并根据屏幕点击消息是否落入特殊字符的采样区判断是否为特殊字符点击消息；S14：根据屏幕点击消息和特殊字符点击消息，统计字符搜索成功率和字符搜索错误率。进一步，根据本专利技术的基于眼动数据的疲劳检测方法，所述阅读效率数据包括阅读速率；所述步骤S3包括：S31：从阅读理解文本库中随机选取阅读文本和相应的阅读理解题集；S32：在屏幕中显示所述的阅读文本和阅读理解题集供待测人阅读和解答阅读理解题集；S33：当所有阅读理解题集被答复正确时，记录步骤S32的阅读理解耗时；S34：根据所述的阅读文本的总字数和阅读理解耗时，计算阅读速率。进一步，根据本专利技术的基于眼动数据的疲劳检测方法，所述阅读眼动疲劳特征数据还包括回读行数；所述回读行数通过统计眼球扫视速率大于特定阈值，且眼球扫视的起点和终点的距离大于特定阈值，且终点的横坐标小于起点的横坐标的个数得到。如权利要求1所述的基于眼动数据的疲劳检测方法，其特征在于，所述阅读眼动疲劳特征数据还包括凝视总时间占比；所述凝视总时间占比为凝视总时间与阅读总时间的占比；所述凝视总时间通过统计眼球静止状态的总时间获得。根据本专利技术的一种基于眼动数据的疲劳检测装置，包括以下模块：M1用于：通过与待测人进行字符搜索任务的UI交互，获得搜索效率数据；M2用于：在执行模块M1的同时，通过眼动仪采集待测人的眼动基本数据，并采集相应的时间数据，然后根据眼动基本数据和时间数据计算出搜索眼动疲劳特征数据；M3用于：通过与待测人进行阅读理解任务的UI交互，获得阅读效率数据；M4用于：在执行模块M3的同时，通过眼动仪采集待测人的眼动基本数据，并采集相应的时间数据，然后根据眼动基本数据和时间数据计算出阅读眼动疲劳特征数据；M5用于：对所述的搜索效率数据、阅读效率数据、搜索眼动疲劳特征数据和阅读眼动疲劳特征数据采用机器学习算法分析判断待测人是否处于疲劳状态；所述搜索眼动疲劳特征数据包括：瞳孔直径比、眨眼频率和兴趣域个数；所述阅读眼动疲劳特征数据包括：瞳孔直径比、眨眼频率和兴趣域个数；所述瞳孔直径比为测试时的瞳孔直径和初始的瞳孔直径的比值；所述眨眼频率为平均眨眼的时间间隔；所述兴趣域个数通过统计眼球扫视速度小于特定阈值的个数得到。进一步，根据本专利技术的基于眼动数据的疲劳检测装置，所述搜索效率数据包括字符搜索成功率和字符搜索错误率；所述模块M1包括：M11用于：从字符搜索文本库中随机抽取搜索文本；M12用于：在屏幕中显示所述的搜索文本供待测人搜索，显示时，从所述的搜索文本中随机选取5～50个字符，对所选取的字符以区别于正文的样式显示，并对这些以区别于正文的样式显示的字符构建特殊字符的采样区；M13用于：获取待测人操作的屏幕点击消息，并根据屏幕点击消息是否落入特殊字符的采样区判断是否为特殊字符点击消息；M14用于：根据屏幕点击消息和特殊字符点击消息，统计字符搜索成功率和字符搜索错误率。进一步，根据本专利技术的基于眼动数据的疲劳检测装置，所述阅读效率数据包括阅读速率；所述模块M3包括：M31用于：从阅读理解文本库中随机选取阅读文本和相应的阅读理解题集；M32用于：在屏幕中显示所述的阅读文本和阅读理解题集供待测人阅读和解答阅读理解题集；M33用于：当所有阅读理解题集被答复正确时，记录模块M32的阅读理解耗时；M34用于：根据所述的阅读文本的总字数和阅读理解耗时，计算阅读速率。进一步，根据本专利技术的基于眼动数据的疲劳检测装置，所述阅读眼动疲劳特征数据还包括回读行数；所述回读行数通过统计眼球扫视速率大于特定阈值，且眼球扫视的起点和终点的距离大于特定阈值，且终点的横坐标小于起点的横坐标的个数得到。进一步，根据本专利技术的基于眼动数据的疲劳检测装置，所述阅读眼动疲劳特征数据还包括凝视总时间占比；所述凝视总时间占比为凝视总时间与阅读总时间的占比；所述凝视总时间通过统计眼球静止状态的总时间获得。本专利技术的技本文档来自技高网...
【技术保护点】
一种基于眼动数据的疲劳检测方法，其特征在于，包括以下步骤：S1：通过与待测人进行字符搜索任务的UI交互，获得搜索效率数据；S2：在执行步骤S1的同时，通过眼动仪采集待测人的眼动基本数据，并采集相应的时间数据，然后根据眼动基本数据和时间数据计算出搜索眼动疲劳特征数据；S3：通过与待测人进行阅读理解任务的UI交互，获得阅读效率数据；S4：在执行步骤S3的同时，通过眼动仪采集待测人的眼动基本数据，并采集相应的时间数据，然后根据眼动基本数据和时间数据计算出阅读眼动疲劳特征数据；S5：对所述的搜索效率数据、阅读效率数据、搜索眼动疲劳特征数据和阅读眼动疲劳特征数据采用机器学习算法分析判断待测人是否处于疲劳状态；所述搜索眼动疲劳特征数据包括：瞳孔直径比、眨眼频率和兴趣域个数；所述阅读眼动疲劳特征数据包括：瞳孔直径比、眨眼频率和兴趣域个数；所述瞳孔直径比为测试时的瞳孔直径和初始的瞳孔直径的比值；所述眨眼频率为平均眨眼的时间间隔；所述兴趣域个数通过统计眼球扫视速度小于特定阈值的个数得到。
【技术特征摘要】
1.一种基于眼动数据的疲劳检测方法，其特征在于，包括以下步骤：S1：通过与待测人进行字符搜索任务的UI交互，获得搜索效率数据；S2：在执行步骤S1的同时，通过眼动仪采集待测人的眼动基本数据，并采集相应的时间数据，然后根据眼动基本数据和时间数据计算出搜索眼动疲劳特征数据；S3：通过与待测人进行阅读理解任务的UI交互，获得阅读效率数据；S4：在执行步骤S3的同时，通过眼动仪采集待测人的眼动基本数据，并采集相应的时间数据，然后根据眼动基本数据和时间数据计算出阅读眼动疲劳特征数据；S5：对所述的搜索效率数据、阅读效率数据、搜索眼动疲劳特征数据和阅读眼动疲劳特征数据采用机器学习算法分析判断待测人是否处于疲劳状态；所述搜索眼动疲劳特征数据包括：瞳孔直径比、眨眼频率和兴趣域个数；所述阅读眼动疲劳特征数据包括：瞳孔直径比、眨眼频率和兴趣域个数；所述瞳孔直径比为测试时的瞳孔直径和初始的瞳孔直径的比值；所述眨眼频率为平均眨眼的时间间隔；所述兴趣域个数通过统计眼球扫视速度小于特定阈值的个数得到。2.如权利要求1所述的基于眼动数据的疲劳检测方法，其特征在于，所述搜索效率数据包括字符搜索成功率和字符搜索错误率；所述步骤S1包括：S11：从字符搜索文本库中随机抽取搜索文本；S12：在屏幕中显示所述的搜索文本供待测人搜索，显示时，从所述的搜索文本中随机选取5~50个字符，对所选取的字符以区别于正文的样式显示，并对这些以区别于正文的样式显示的字符构建特殊字符的采样区；S13：获取待测人操作的屏幕点击消息，并根据屏幕点击消息是否落入特殊字符的采样区判断是否为特殊字符点击消息；S14：根据屏幕点击消息和特殊字符点击消息，统计字符搜索成功率和字符搜索错误率。3.如权利要求1所述的基于眼动数据的疲劳检测方法，其特征在于，所述阅读效率数据包括阅读速率；所述步骤S3包括：S31：从阅读理解文本库中随机选取阅读文本和相应的阅读理解题集；S32：在屏幕中显示所述的阅读文本和阅读理解题集供待测人阅读和解答阅读理解题集；S33：当所有阅读理解题集被答复正确时，记录步骤S32的阅读理解耗时；S34：根据所述的阅读文本的总字数和阅读理解耗时，计算阅读速率。4.如权利要求1所述的基于眼动数据的疲劳检测方法，其特征在于，所述阅读眼动疲劳特征数据还包括回读行数；所述回读行数通过统计眼球扫视速率大于特定阈值，且眼球扫视的起点和终点的距离大于特定阈值，且终点的横坐标小于起点的横坐标的个数得到。5.如权利要求1所述的基于眼动数据的疲劳检测方法，其特征在于，所述阅读眼动疲劳特征数据还包括凝视总时间占比；所述凝视总时间占比为凝视总时间与阅读总时间的占比；所述凝视总时间通过统计眼球静止状态的总时间获得。6.一种基于眼动数据的疲劳...
【专利技术属性】
技术研发人员：胡炜，冯桂焕，骆斌，
申请(专利权)人：南京大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。