基于青少年眼部微表情变化的近视发展智能预警系统及其干预方法技术方案

本发明专利技术公开了一种基于青少年眼部微表情变化的近视发展智能预警系统及其干预方法，属于近视预警技术领域，基于青少年眼部微表情变化的近视发展智能预警系统和方法，包括教室高清监控系统、视频识别及分发系统、近视发展预警AI算法平台、数据库系统、近视预警系统、近视警示信息推送系统。本发明专利技术的基于青少年眼部微表情变化的近视发展智能预警系统和方法，采用AI算法检测及处理数据，识别速度快，识别准确度高，数据库中的对应关系表丰富，数据匹配准确。

【技术实现步骤摘要】
基于青少年眼部微表情变化的近视发展智能预警系统及其干预方法
本专利技术涉及近视预警
，更具体地说，涉及基于青少年眼部微表情变化的近视发展智能预警系统及其干预方法。
技术介绍
儿童青少年近视防控工作上升到国家高度，近视防控任务极其艰巨。目前近视普查主要通过筛查机构在学校的视力检查中，将视力异常的儿童转诊至医院进行综合验光以明确诊断，普查过程中存在漏诊率高、人力设备成本高等缺点由于我国的医疗资源欠缺、分布不均，这使得普及全国的、高频率的近视筛查成为一个难题。针对人工视力筛查效率低、误判、漏判的问题，提出了“基于青少年眼部微表情变化的近视发展智能预警系统”，将AI赋能视频数据。将采用摄像头前端感知设备的实时视频流、远程视频文件接入系统，转码并调用算法分析结果，并生成结构化数据存入数据库，自动发现视力异常个体并实时上报及推送警示信息。本专利的关键点和保护点1.运用人工智能对学生视力进行预警：在学生最重要学习场所教室安装高清监控摄像机等前端感知设备，实时无感采集学生的眼部特征信息，用眼情况信息，教室光环境等信息，通过算法分析，还会结合学生的早期视力下降的具体表现和频次，给出近视风险因子，以及合理的干预建议方案。现行干预方式均为人工排查。2.自动化学生近视特征数据库建立：通过学生眼部微表情特征识别作为学生id，以班级为单位提取教学过程图片，分割学生个体，采集眼部特征，分析其眼部微表情。采集学生对黑板的注视行为，标注其对视力健康的影响程度，从而输出AI模型用于自动化识别归类这些学生个体行为。当前还不存在商业化近视特征数据库。3.针对学生个体的干预方案辅助决策系统建立：通过对学生眼部微表情行为的采集，构建短期行为预防和长期趋势预防手段，辅助引导学生健康用眼的行为习惯。4.实时视频流处理流程（见附图一）：实时导入高清监控摄像机信息及教室光环境信息，流媒体服务器主动请求实时视频流。流媒体服务器接收分发服务器消息，需要处理实时视频流后，根据当前系统CPU/GPU负载情况，调用CPU/GPU对视频文件解码。解码完成后，把结果写入缓存队列，并通知算法处理模块处理数据。算法处理完成后，把处理后的结果写回缓存队列。上层应用根据处理结果，展示数据，并进行学生的视力因子判别并上报。
技术实现思路
1．要解决的技术问题针对现有技术中存在的问题，本专利技术的目的在于提供基于青少年眼部微表情变化的近视发展智能预警系统及其干预方法，可以通过使用教室高清监控系统对学生的眼部微表情特征信息进行实时采集，视频识别及分发系统对眼部微表情特征信息进行提取和分发，近视发展预警AI算法平台对学生的眼部进行对比和自动化算法处理，近视预警系统进行近视分析和预警，并通过近视警示信息推送系统在学生近视发展出现变化时对校医、班主任、家长及学生本人发出警示信息，通过多方向的干预，对学生的近视发展情况进行管理，能够及时有效的提醒校医、班主任、家长及学生本人近视发展情况，有效提高对学生的视力保护。2．技术方案为解决上述问题，本专利技术采用如下的技术方案。基于青少年眼部微表情变化的近视发展智能预警系统及其干预方法，包括教室高清监控系统、视频识别及分发系统、近视发展预警AI算法平台、数据库系统、近视预警系统、近视警示信息推送系统。所述教室高清监控系统与视频识别及分发系统连接，通过教室高清监控系统对学生的眼部特征信息及教室光环境信息进行实时监测，近视发展预警AI算法平台用于对学生眼部微表情变化的实时视频采集、自动化处理等，得到检测特征值组数据，并从青少年眼部近视特称数据库中调用对应关系表，利用所述检测特征值组数据与所述对应关系表中进行匹配得到检测结果列表，通过AI智能化计算和比对，发现青少年近视风险因子。近视预警系统根据AI算法平台的处理结果将数据分组，并进行因子判别及数据上报。并由近视警示信息推送系统将近视警示信息推送给校医、班主任、家长及学生本人，及时有效的提醒多方关注近视发展情况。所述教室高清监控系统包括有高清监控摄像机、教室光环境感应模块；所述视频识别及分发系统包括眼部微表情获取模块、眼部微表情提取模块、分发服务模块；所述近视发展预警AI算法平台包括青少年眼部近视特征数据模块、眼部微表情对比模块、算法处理模块；所述近视预警系统包括近视预警统计分析模块、干预模块；所述近视警示信息推送系统包括警示通讯模块。另外，本专利技术还公开了基于青少年眼部微表情变化的近视发展智能预警系统及干预方法，包括如下步骤：S1.通过教室高清监控系统对学生的眼部微表情和教室光环境进行采集，并与视频识别及分发系统的输入端连接；S2.视频识别及分发系统对采集的学生眼部微表情进行提取，并将其格式化存储至数据库系统；S3.数据库系统主要用来存储格式化后的数据信息及对应关系表，数据库系统存储待处理特征值组数据与对应关系表中进行匹配得到检测结果列表，例如匹配可以是利用模糊匹配，或者对特征值组数据中的特征值进行权重区分，重要的特征数据权重高，不重要的特征数据权重低。对应关系表中存储有待处理特征值组与近视风险程度和对应干预措施的关系。因为特征值组很有可能不是与某一个近视风险程度100%匹配，那么就取匹配度最高的近视风险类别，每种近视风险匹配度的百分比值以及对应干预措施生成分析结果，多个匹配的分析结果组成分析结果列表。数据库系统具体为云存储数据库；S4.近视发展预警AI算法平台用于对眼部微表情提取模块获取的视频及图像数据进行自动化算法处理，得到检测特征值组数据，并从青少年眼部近视特称数据库中调用对应关系表，利用所述检测特征值组数据与所述对应关系表中进行匹配得到检测结果列表，通过AI智能化计算和比对，发现青少年近视风险因子，并将对比的数据输送至近视预警系统进行近视预警分析；S5.近视预警系统对于眼部近视特征数据进行统计分析，并将统计分析结果及对应的干预方法输送至近视警示信息推送系统；S6.近视警示信息推送系统根据近视预警系统所输送过来的统计分析结果和对应的干预方法，启动不同的警示信息通讯模块，将警示信息推送至校医、班主任、家长及学生本人，及时有效的提醒多方关注近视发展情况；另外，本专利技术还公开了基于青少年眼部微表情变化的近视发展智能预警系统所采用的算法模块：（1）算法概述算法模块主要由短期和长期两种预防场景组成，它们均以眼部微表情特征识别识别为ID，对班级学生进行行为分析，通过获取的数据分别给出短期行为预警和长期视力健康程度统计值。短期行为监测通过图像形式采集学生在班级教室中的学习活动，以眼部微表情为ID进行个体区分，关注每一学生个体的眼部特征和注视行为，通过在线深度学习模型评估他们的眼部健康状况。通过对教学过程中的用眼行为分析，掌握样本个体影响自身视力健康的活动方式，从而推到出每个个体的视力健康趋势。对于长期以上特征的统计，结合统计个体每天学习/活动的作息分布，推导出长期视力健康程度预测，从而指导样本个体，采取有效的诱导措施，避免影响视力健康的行为误区。（2）眼部微表情特征本文档来自技高网...

【技术保护点】
1.基于青少年眼部微表情变化的近视发展智能预警系统，包括教室高清监控系统、视频识别及分发系统、近视发展预警AI算法平台、数据库系统、近视预警系统、近视警示信息推送系统，其特征在于：所述教室高清监控系统与视频识别及分发系统连接，通过教室高清监控系统对学生的眼部特征信息及教室光环境信息进行实时无感监测，近视发展预警AI算法平台用于对学生眼部微表情变化的实时视频采集、自动化处理等，得到检测特征值组数据，并从青少年眼部近视特称数据库中调用对应关系表，利用所述检测特征值组数据与所述对应关系表中进行匹配得到检测结果列表，通过AI智能化计算和比对，发现青少年近视风险因子；/n近视预警系统根据AI算法平台的处理结果将数据分组，并进行因子判别及数据上报；/n并由近视警示信息推送系统将近视警示信息推送给校医、班主任、家长及学生本人，及时有效的提醒多方关注近视发展情况。/n

【技术特征摘要】
1.基于青少年眼部微表情变化的近视发展智能预警系统，包括教室高清监控系统、视频识别及分发系统、近视发展预警AI算法平台、数据库系统、近视预警系统、近视警示信息推送系统，其特征在于：所述教室高清监控系统与视频识别及分发系统连接，通过教室高清监控系统对学生的眼部特征信息及教室光环境信息进行实时无感监测，近视发展预警AI算法平台用于对学生眼部微表情变化的实时视频采集、自动化处理等，得到检测特征值组数据，并从青少年眼部近视特称数据库中调用对应关系表，利用所述检测特征值组数据与所述对应关系表中进行匹配得到检测结果列表，通过AI智能化计算和比对，发现青少年近视风险因子；
近视预警系统根据AI算法平台的处理结果将数据分组，并进行因子判别及数据上报；
并由近视警示信息推送系统将近视警示信息推送给校医、班主任、家长及学生本人，及时有效的提醒多方关注近视发展情况。


2.根据权利要求1所述的基于青少年眼部微表情变化的近视发展智能预警系统，其特征在于：干预方法，包括如下步骤：
S1.通过教室高清监控系统对学生的眼部微表情和教室光环境进行采集，并与视频识别及分发系统的输入端连接；
S2.视频识别及分发系统对采集的学生眼部微表情进行提取，并将其格式化存储至数据库系统；
S3.数据库系统主要用来存储格式化后的数据信息及对应关系表，数据库系统存储待处理特征值组数据与对应关系表中进行匹配得到检测结果列表，例如匹配可以是利用模糊匹配，或者对特征值组数据中的特征值进行权重区分，重要的特征数据权重高，不重要的特征数据权重低，对应关系表中存储有待...

【专利技术属性】
技术研发人员：谢文蕾，
申请(专利权)人：谢文蕾，
类型：发明
国别省市：黑龙江;23