一种基于瞳孔直径的立体观看视疲劳预测方法技术

本发明专利技术公开了一种主观或客观立体观看疲劳模型的建立方法，包括主观视疲劳程度得分F1、基于瞳孔直径的客观评价得分F2，所述F1为测试人员观看影片后的主观感受，所述F2为测试人员观看影片后的瞳孔直径；及以下步骤，步骤1：选取不同年龄段的测试人员，观看不同类型的影片，并记录影片数据Y，观看角度X4，观看者年龄X5；步骤2：通过测试人员主观感受表达，得出F1；且通过设备直接探测测试人员的瞳孔直径得出F2；步骤3：建立主观立体观看疲劳模型，所述主观立体观看疲劳模型是以F1为结果，以影片数据Y，观看角度X4，观看者年龄X5为影响因素的疲劳模型；建立客观立体观看疲劳模型。

A method of stereoscopic view fatigue prediction based on pupil diameter

The invention discloses a method for establishing a subjective or objective stereoscopic viewing fatigue model, including the subjective visual fatigue score of F1, based on the objective evaluation of pupil diameter F2 score, the F1 test personnel after watching the film's subjective feeling, the F2 for the testing personnel to watch the video after the pupil diameter; and the following steps. Step 1: select the test personnel of different ages, watching different types of film, film and record the data of Y, X4 viewing angle, viewing age X5; step 2: through subjective testers that F1 expression, and by direct detection equipment; testing personnel that the pupil diameter F2; step 3: establish the subjective perspective watch the fatigue model, the subjective stereoscopic viewing fatigue model is based on the F1 results, the film data Y, viewing angle X4, watch X5 age, influence factors of fatigue model Establish an objective stereoscopic view of fatigue model.

【技术实现步骤摘要】
一种基于瞳孔直径的立体观看视疲劳预测方法
本专利技术涉及一种预测方法，具体涉及一种基于瞳孔直径的立体观看视疲劳预测方法。
技术介绍
随着社会的发展，2D显示在某些方面已经不能满足人类的需求，视觉体验更真实的3D显示技术成为了未来的发展趋势。限制3D显示广泛应用的最主要因素为3D显示引起观看者的立体观看视疲劳。立体观看视疲劳指的是观看3D显示时，眼或全身状况和心理因素相互交织的综合征。立体观看视疲劳的症状包括头痛头晕、失去深度感、视力模糊、恶心等短期症状，甚至包括一些不可逆的如视力下降等长期伤害。考虑到3D显示的市场化前景，为了保证3D显示技术持续稳定的发展和3D显示装置的推广，需要保证在观看的时候不会对人们的身体健康有长期不可逆的危害，且至少具有与传统2D显示相同的观看舒适度。现在迫切需要对立体观看视疲劳的深入广泛研究，以建立3D显示行业标准，为制作舒适度更高的3D显示产品提供了理论依据，保障观看者的健康，推动3D显示技术的不断发展。基于此，国际上众多研究机构开展了立体观看视疲劳方面的研究工作，主要涉及显立体观看视疲劳的影响因素及其规律，探讨具有较高舒适度的显示方式，研究立体观看视疲劳的评价方法和测试仪器及标准等。由于主客观评价的实现须由大量观看者在观看3D显示后作出评价，视疲劳的主客观评价操作过程的繁琐，数据量大，操作效率低，实现起来比较耗费人力和时间。更重要的是，观看3D显示的过程本身会使得观看者的身体出现疲劳症状，反复操作会伤害观看者的身体健康。
技术实现思路
本专利技术所要解决的技术问题是无法在影片观看之前，得出观看者观看以后的疲劳度，目的在于提供一种基于瞳孔直径的立体观看视疲劳预测方法，解决无法在影片观看之前，得出观看者观看以后的疲劳度的问题。本专利技术通过下述技术方案实现：一种主观或客观立体观看疲劳模型的建立方法，其特征在于：包括主观视疲劳程度得分F1、基于瞳孔直径的客观评价得分F2，所述F1为测试人员观看影片后的主观感受，所述F2为测试人员观看影片后的瞳孔直径；及以下步骤，步骤1：选取不同年龄段的测试人员，观看不同类型的影片，并记录影片数据Y，观看角度X4，观看者年龄X5；步骤2：通过测试人员主观感受表达，得出F1；且通过设备直接探测测试人员的瞳孔直径得出F2；步骤3：建立主观立体观看疲劳模型，所述主观立体观看疲劳模型是以F1为结果，以影片数据Y，观看角度X4，观看者年龄X5为影响因素的疲劳模型；建立客观立体观看疲劳模型，所述主观立体观看疲劳模型是以F2为结果，以影片数据Y，观看角度X4，观看者年龄X5为影响因素的疲劳模型；步骤4：将影片数据Y，观看角度X4，观看者年龄X5和F1实验数据输入SPSS，根据最小二乘法，得出主观立体观看疲劳模型的各影响因素的权重因子；同种方式得出客观立体观看疲劳模型的各影响因素的权重因子；步骤4中的计算，剔除显著性水平小于5％的变量，进一步，作为本专利技术的优选方案。一种基于瞳孔直径的立体观看视疲劳预测方法，包括主观立体观看疲劳模型和客观立体观看疲劳模型，所述主观或客观立体观看疲劳模型均包括影片数据Y，观看角度X4，观看者年龄X5，还包括待观看影片和待观看人，以及下列步骤，步骤1：获取待观看影片数据Y，待观看人的观看角度X4，待观看人的观看者年龄X5的具体数值；步骤2：将步骤1中的待测数据Y；观看角度X4，观看者年龄X5的具体数值，带入主观或客观立体观看疲劳模型，得出主观视疲劳程度得分F1＝f1或基于瞳孔直径的客观评价得分F2＝f2。由于主客观评价的实现须由大量观看者在观看3D显示后作出评价，视疲劳的主客观评价操作过程的繁琐，数据量大，操作效率低，实现起来比较耗费人力和时间。更重要的是，观看3D显示的过程本身会使得观看者的身体出现疲劳症状，反复操作会伤害观看者的身体健康。所以本专利技术采用了一种预测的方法，首先通过选取待测数据Y，观看角度X4，观看者年龄X5等参数，建立模型，运用立体观看视疲劳主要影响因素的线性回归模型建立数据库。只需要将待评估3D观看情形的具体值、观看角度、观看者年龄等参数导入计算机的数据库中。计算机中的数据处理模块将根据多因素线性回归方程计算出该3D观看情形的视疲劳的预测值。主观视疲劳程度得分，是观看者观看3D视频后，根据问卷并直接依靠其主观真实心理感觉对视疲劳程度来进行评估打分，如表1所示。表1视疲劳主观评价量表主观评价采用的问卷量表中包含了15个项目，分别为呕吐、头痛、头晕、恶心、眩晕、困倦、乏力、易怒、心烦、背痛、肩痛、颈痛、复视、识字困难、视物模糊。视疲劳主观量表在刻度尺上用竖线标定分数，可选择的范围为0到100分间的任意分数。所以根据这个表的分类，我们可以将40作为一个阈值点，超出40，就判断为不适合观看。瞳孔直径的客观评价得分，用于实时记录观看者的瞳孔直径。由于人眼瞳孔直径会随着观看视疲劳的增加而增加，本专利技术采用瞳孔直径这项生理指标来评估观看者的视觉系统功能，通过瞳孔直径来对视疲劳进行客观评价。客观评价能够验证主观评价结果的正确性。本专利技术采用可以实时记录观看者瞳孔图像的装置，可在观看者观看3D视频的同时记录观看者的瞳孔直径变化，观看前的瞳孔直径均值为4.0mm，视疲劳时瞳孔直径可增加至4.9mm。所述待测数据Y包括视差最大值X1，视频帧率X2，环境亮度X3。进一步，作为本专利技术的优选方案，采用多因素实验设计和方差分析确定各因素对立体观看视疲劳的显著性，并淘汰对视疲劳影响不显著的影响因素，淘汰具有交互作用的因素，获取显著影响因素的最佳水平。选取最具有代表性的视差最大值X1，视频帧率X2，环境亮度X3。所述主观立体观看疲劳模型包括：F1＝a+b1X1+b2X2+b3X3+b4X4+b5X5(1)其中，F1为主观视疲劳程度得分，a、b1、b2、b3、b4、b5为主观视疲劳的多因素回归方程的特征参数，X1、X2、X3、X4、X5为3D观看情形的五个重要参数，即视差最大值、视频帧率、环境亮度、观看角度、观看者年龄；用SPSS20.0数据统计分析软件建立主观评价的多因素回归方程和客观评价的多因素回归方程。其中，主观评价的多因素回归方程为观看者的主观视疲劳程度评估数据与3D视频视差最大值、视频帧率、环境亮度、观看角度、观看者年龄的多因素线性回归方程，客观评价的多因素回归方程为观看者的瞳孔直径数据与视差最大值、视频帧率、环境亮度、观看角度、观看者年龄的多因素线性回归方程。利用最小二乘法计算多因素线性回归方程中的线性回归系数，确保视疲劳预测值与主客观评价值的相关性最大。然后，建立包含多因素回归方程的数据库并存储在计算机中；其中：a、b1、b3、b4、b5分别为-8.442、0.428、0.723、0.004、1.438，得出：F1＝-8.442+0.428X1+0.723X3+0.004X4+1.438X5(2)所述客观立体观看疲劳模型包括：F2＝c+d1X1+d2X2+d3X3+d4X4+d5X5(3)其中，F2为基于瞳孔直径的客观评价得分，c、d1、d2、d3、d4、d5为视疲劳客观评价的多因素回归模型的特征参数，X1、X2、X3、X4、X5为3D观看情形的五个重要参数，即视差最大值、视频帧率、环境亮度、观看角度、观看者年龄；用SPSS20.0数据统计本文档来自技高网...

【技术保护点】
一种主观或客观立体观看疲劳模型的建立方法，其特征在于：包括主观视疲劳程度得分F1、基于瞳孔直径的客观评价得分F2，所述F1为测试人员观看影片后的主观感受，所述F2为测试人员观看影片后的瞳孔直径；及以下步骤，步骤1：选取不同年龄段的测试人员，观看不同类型的影片，并记录影片数据Y，观看角度X4，观看者年龄X5；步骤2：通过测试人员主观感受表达，得出F1；且通过设备直接探测测试人员的瞳孔直径得出F2；步骤3：建立主观立体观看疲劳模型，所述主观立体观看疲劳模型是以F1为结果，以影片数据Y，观看角度X4，观看者年龄X5为影响因素的疲劳模型；建立客观立体观看疲劳模型，所述主观立体观看疲劳模型是以F2为结果，以影片数据Y，观看角度X4，观看者年龄X5为影响因素的疲劳模型；步骤4：将影片数据Y，观看角度X4，观看者年龄X5和F1实验数据输入SPSS，根据最小二乘法，得出主观立体观看疲劳模型的各影响因素的权重因子；同种方式得出客观立体观看疲劳模型的各影响因素的权重因子。

【技术特征摘要】
1.一种主观或客观立体观看疲劳模型的建立方法，其特征在于：包括主观视疲劳程度得分F1、基于瞳孔直径的客观评价得分F2，所述F1为测试人员观看影片后的主观感受，所述F2为测试人员观看影片后的瞳孔直径；及以下步骤，步骤1：选取不同年龄段的测试人员，观看不同类型的影片，并记录影片数据Y，观看角度X4，观看者年龄X5；步骤2：通过测试人员主观感受表达，得出F1；且通过设备直接探测测试人员的瞳孔直径得出F2；步骤3：建立主观立体观看疲劳模型，所述主观立体观看疲劳模型是以F1为结果，以影片数据Y，观看角度X4，观看者年龄X5为影响因素的疲劳模型；建立客观立体观看疲劳模型，所述主观立体观看疲劳模型是以F2为结果，以影片数据Y，观看角度X4，观看者年龄X5为影响因素的疲劳模型；步骤4：将影片数据Y，观看角度X4，观看者年龄X5和F1实验数据输入SPSS，根据最小二乘法，得出主观立体观看疲劳模型的各影响因素的权重因子；同种方式得出客观立体观看疲劳模型的各影响因素的权重因子。2.根据权利要求1所述的一种主观或客观立体观看疲劳模型的建立方法，其特征在于：所述步骤4中，剔除显著性水平小于5％的变量。3.根据权利要求2所述的一种主观或客观立体观看疲劳模型的建立方法，其特征在于：所述步骤1中，影片数据Y包括视差最大值X1，视频帧率X2，环境亮度X3。4.根据权利要求3所述的一种主观或客观立体观看疲劳模型的建立方法，其特征在于：所述主观立体观看疲劳模型包括：F1＝a+b1X1+b2X2+b3X3+b4X4+b5X5(1)其中，F1为主观视疲劳程度得分，a、b1、b2、b3、b4、b5为主观视疲劳的多因素回归方程的特征参数，X1、X2、X3、X4、X5为视差最大值、视频帧率、环境亮度、观看角度、观看者年龄；选取不同年龄段的测试人员，观看不同类型的影片，并记录影片数据Y，观看角度X4，观看者年龄X5；通过测试人员主观感受表达，得出F1；且通过设备直接探测测试人员的瞳孔直径得出F2；将所有实验数据输入SPSS，根据最小二乘法，剔除显著性水平小于5％的变量，确定各影响因素的权重因子，所述权重因子为多因素回归方程的特征参数；其中：a、b1、b3、b4、b5分别为-8.442、0.428、0.723、0.004、1.438，得出：F1＝-8.442+0.428X1+0.723X3+0.004X4+1.438X5(2)。5.根据权利要求3所述的一种主观或客观立体观看疲劳模型的建立方法，其特征在于：所述客观立体观看疲劳模型包括：F2＝c+d1X1+d2X2+d3X3+d4X4+d5X5(3)其中，F2为基于瞳孔直径的客观评价得分，c、d1、d2、d3、d4、d5为视疲劳客观评价的多因素回归模型的特征参数，X1、X2、X3、X4、X5为视差最大值、视频帧率、环境亮度、观看角度、观看者年龄；选取不同年龄段的测试人员，观看不同类型的影片，并记录影片数据Y，观看角度X4，观看者年龄X5；通过测试人员主观感受表达，得出F1；且通过设备直接探测测试人员的瞳孔直径得出F2；将所有实...

【专利技术属性】
技术研发人员：王勤，程辉，顾升学，
申请(专利权)人：成都大学，
类型：发明
国别省市：四川,51