注意力监测方法和台灯技术

本申请涉及一种注意力监测方法和台灯。所述方法包括：获取台灯上的摄像头所拍摄的用户图像，所述用户图像用于表征用户的姿态和面部特征；提取所述用户图像的典型特征；根据用户个人信息获取典型特征库中与所述用户个人信息匹配的目标典型特征；将所述典型特征与对应的所述目标典型特征进行比对，根据比对结果判断用户注意力是否集中，其中，所述目标典型特征包括用于表征用户注意力不集中的标准姿态特征和标准面部特征。采用本方法能够实现了对用户注意力的自动检测。用户注意力的自动检测。用户注意力的自动检测。

【技术实现步骤摘要】
注意力监测方法和台灯


[0001]本申请涉及台灯
，特别是涉及一种注意力监测方法和台灯。

技术介绍

[0002]近些年来，台灯已经成为千家万户必备的学习、生活用品，用于照明，便于阅读、学习、工作等。然而，学生在使用台灯进行学习的过程中，经常会出现注意力不集中的状态，通常，需要家长人为的监督是否出现学生注意力不集中状态，并对学生进行提醒，这种通过家长认为对学生注意力进行监督并提醒的方式耗时耗力。

技术实现思路

[0003]基于此，有必要针对上述技术问题，提供一种能够自动对用户注意力进行检测的台灯注意力监测方法和台灯。
[0004]本申请提供了一种注意力监测方法。该方法包括：
[0005]获取台灯上的摄像头所拍摄的用户图像，所述用户图像用于表征用户的姿态和面部特征；
[0006]提取所述用户图像的典型特征；
[0007]根据用户个人信息获取典型特征库中与用户个人信息匹配的目标典型特征；
[0008]将典型特征与对应的目标典型特征进行比对，根据比对结果判断用户注意力是否集中，其中，目标典型特征包括用于表征用户注意力不集中的标准姿态特征和标准面部特征。
[0009]在其中一个实施例中，用户个人信息包括：用户年龄、身高和性别。
[0010]在其中一个实施例中，标准面部特征包括：眼睛瞳孔小于2.5mm和/或闭眼睛大于预设时间阈值；标准姿态特征包括头部移动范围大于预设距离。
[0011]在其中一个实施例中，根据比对结果判断用户注意力是否集中的步骤后还包括步骤：
[0012]若判定用户注意力不集中，则执行提醒动作。
[0013]在其中一个实施例中，将典型特征与对应的目标典型特征进行比对，根据比对结果判断用户注意力是否集中的步骤后还包括步骤：
[0014]获取用户输入的注意力自我评估结果；
[0015]基于用户注意力是否集中的判断结果得到机器评估结果；
[0016]将注意力自我评估结果和所述机器评估结果进行比对，并根据比对结果优化典型特征库中的典型特征。
[0017]在其中一个实施例中，根据比对结果优化所述典型特征库中的典型特征的步骤包括：
[0018]根据比对结果和机器学习算法优化所述典型特征库中的典型特征。
[0019]在其中一个实施例中，机器学习算法包括支持向量机和/或反向传播算法。
[0020]在其中一个实施例中，获取台灯上的摄像头所拍摄的用户图像的步骤包括：
[0021]在接收到提醒触发信号的情况下，获取台灯上的摄像头所拍摄的用户图像。
[0022]本申请还提供了一种台灯。该台灯包括：
[0023]台灯本体；
[0024]至少一个摄像头，设置在所述台灯本体上，用于拍摄用户图像，所述用户图像用于表征用户的姿态和面部特征；
[0025]控制器，与所述摄像头通信连接，用于执行上述的方法步骤。
[0026]在其中一个实施例中，上述摄像头为两个，且两个摄像头间隔设置在台灯本体上。
[0027]上述注意力监测方法和台灯，首先，获取台灯上的摄像头所拍摄的用户图像；然后，提取用户图像的典型特征；再根据用户个人信息获取典型特征库中与用户个人信息匹配的目标典型特征；将所述典型特征与对应的所述目标典型特征进行比对，根据比对结果判断用户注意力是否集中，其中，所述目标典型特征包括用于表征用户注意力不集中的标准姿态特征和标准面部特征。从而实现了对用户注意力的自动检测。
附图说明
[0028]图1为一个实施例中注意力监测方法的流程示意图；
[0029]图2为另一个实施例中注意力监测方法的流程示意图；
[0030]图3为一个另实施例中注意力监测方法的流程示意图；
[0031]图4为一个实施例中台灯的结构图；
[0032]图5为另一个实施例中台灯的结构图；
[0033]图6为一个实施例中注意力监测装置的结构框图；
[0034]图7为一个实施例中控制器的内部结构图。
具体实施方式
[0035]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0036]在一个实施例中，如图1所示，提供了一种注意力监测方法，包括以下步骤：
[0037]S200，获取台灯上的摄像头所拍摄的用户图像。
[0038]其中，用户图像用于表征用户的姿态和面部特征，面部特征包括瞳孔间距和瞳孔大小等，姿态特征包括头部姿态、五官姿态和四肢姿态等。
[0039]S400，提取用户图像的典型特征。
[0040]其中，可以采用主成分分析、线性判别分析和/或独立成分分析等方法对用户图像进行典型特征提取。
[0041]S600，根据用户个人信息获取典型特征库中与用户个人信息匹配的目标典型特征。
[0042]其中，用户个人信息包括：用户年龄、身高和性别。
[0043]其中，根据用户个人信息对典型特征库中的目标典型特征分类，例如，以身高为分类标准，得到不同身高区间对应的目标典型特征；还可以以性别为分类标准，得到不同性别
对应的目标典型特征。上述先对目标典型特征按照个人信息进行分类的方法根据用户的个人信息为其匹配相对应的目标典型特征，从而提升了注意力监测方法的监测精度。
[0044]S700，将典型特征与对应的目标典型特征进行比对，根据比对结果判断用户注意力是否集中。
[0045]其中，目标典型特征包括用于表征用户注意力不集中的标准姿态特征和标准面部特征。
[0046]上述注意力监测方法中，首先获取台灯上的摄像头所拍摄的用户图像，并提取用户图像的典型特征，然后，根据用户个人信息获取典型特征库中与用户个人信息匹配的目标典型特征，最后，将典型特征与对应的目标典型特征进行比对，根据比对结果判断用户注意力是否集中，因此基于上述注意力监测方法可以自动的实现对用户注意力进行监督。
[0047]在一个实施例中，标准面部特征包括：眼睛瞳孔小于2.5mm和/或闭眼睛大于预设时间阈值；标准姿态特征包括头部移动范围大于预设距离。
[0048]其中，基于面部标准特征和标准姿态特征可以对用户注意力是否集中进行判断。基于统计数据申请人发现眼睛瞳孔小于2.5mm时，用户通常处于疲乏状态、注意力不集中，基于此，将眼睛瞳孔小于2.5mm设为一种标准面部特征，在用户使用台灯时，可通过检测用户两瞳孔的实际距离是否小于2.5mm来判断用户注意力是否集中，当用户的瞳孔实际距离小于2.5mm时，判定注意力不集中，反之则判断用户注意力集中。类似的，通过设置一预设时间阈值去监测用户闭眼时间是否过长，例如可设置预设时间阈值为1S，当监测到用户闭眼时间超过1S，则判定用户注意力不集中，通过合理设置预设时间阈值，不仅可以监测用户是否注意力不集中，还可以排除用户眨眼造成的干扰，提本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种注意力监测方法，其特征在于，应用于台灯，所述方法包括：获取台灯上的摄像头所拍摄的用户图像，所述用户图像用于表征用户的姿态和面部特征；提取所述用户图像的典型特征；根据用户个人信息获取典型特征库中与所述用户个人信息匹配的目标典型特征；将所述典型特征与对应的所述目标典型特征进行比对，根据比对结果判断用户注意力是否集中，其中，所述目标典型特征包括用于表征用户注意力不集中的标准姿态特征和标准面部特征。2.根据权利要求1所述的方法，其特征在于，所述用户个人信息包括：用户年龄、身高和性别。3.根据权利要求1所述的方法，其特征在于，所述标准面部特征包括：眼睛瞳孔小于2.5mm和/或闭眼睛大于预设时间阈值；所述标准姿态特征包括头部移动范围大于预设距离。4.根据权利要求1所述的方法，其特征在于，所述根据比对结果判断用户注意力是否集中的步骤后还包括步骤：若判定用户注意力不集中，则执行提醒动作。5.根据权利要求1所述的方法，其特征在于，所述将所述典型特征与对应的所述目标典型特征进行比对，根据比对结果判断用户注意力是否集中的步骤后还包括步骤：获取用户输入的注意力自我评估...

【专利技术属性】
技术研发人员：ꢀ七四专利代理机构，
申请(专利权)人：广州柏曼光电科技有限公司，
类型：发明
国别省市：