一种基于神经网络的防近视方法和装置制造方法及图纸

本发明专利技术涉及近视预防技术领域，具体为一种基于神经网络的防近视方法和装置；通过设定人体头部与被视物件距离的第一预警阈值以及人体头部偏转角的第二预警阈值，再根据人体标准坐姿数据，训练获取基于神经网络的坐姿判定模型，最后实时获取人体头部数据，采用基于神经网络的坐姿判定模型获取人体头部偏转角，并获取人体头部与被视物件的距离，再根据防近视规则，判定是否发出预警；本发明专利技术将人体头部与被视物件实际距离值、人体头部偏转角相结合，形成两个判定条件，来监控人体的姿态，并在姿态异常时，发出预警，提醒使用者调整头部的姿态，通过坐姿提醒也可以帮助青少年纠正不良坐姿，帮助预防近视。帮助预防近视。帮助预防近视。

【技术实现步骤摘要】
一种基于神经网络的防近视方法和装置


[0001]本专利技术涉及近视预防
，具体为一种基于神经网络的防近视方法和装置。

技术介绍

[0002]近视是屈光不正的一种，当眼在调节放松状态下，平行光线进入眼内，其聚焦在视网膜之前，这导致视网膜上不能形成清晰像，称为近视眼。
[0003]近年来，近视已经成为影响当代儿童身体健康最严重的眼科疾病。儿童近视之后不仅会影响日常的学习，如果不加以防治，还有可能导致眼睛出现病理性病变，更严重还会导致永久性失明。目前众多科研人员对于导致儿童近视的原因进行了深入的研究，发现不良用眼习惯是导致儿童后天近视的主要原因，如果能够对于儿童日常学习时的不良姿态做出监测和提醒，可降低由于不良坐姿导致的近视比例，帮助儿童从小养成健康的用眼习惯。因此，如何有效预防近视已经成为我国近视预防领域亟待解决的重要问题。
[0004]因此，本专利技术提供一种基于神经网络的防近视方法和装置，用于解决上述所提出的相关技术问题。

技术实现思路

[0005]本专利技术的目的在于提供一种基于神经网络的防近视方法和装置，本专利技术提供了基于神经网络的防近视方法和装置，将人体头部与被视物件实际距离值、人体头部偏转角相结合，形成两个判定条件，来监控人体的姿态，并在姿态异常时，发出预警，提醒使用者调整头部的姿态，通过坐姿提醒也可以帮助青少年纠正不良坐姿，帮助预防近视。
[0006]为实现上述目的，本专利技术提供如下技术方案：
[0007]本专利技术的第一方面：提供了一种基于神经网络的防近视方法，包括以下步骤：
[0008]Ⅰ、设定人体头部与被视物件距离的第一预警阈值以及人体头部偏转角的第二预警阈值；
[0009]Ⅱ、根据人体标准坐姿数据，训练获取基于神经网络的坐姿判定模型；
[0010]Ⅲ、实时获取人体头部数据，采用基于神经网络的坐姿判定模型获取人体头部偏转角，并获取人体头部与被视物件的距离，再根据防近视规则，判定是否发出预警。
[0011]更进一步的，所述步骤Ⅰ中的第一预警阈值为人体标准坐姿下人体头部距被视物体间的健康距离阈值。
[0012]更进一步的，所述步骤Ⅰ中的第二预警阈值为人体在标准坐姿下，头部晃动的健康偏转角度值。
[0013]更进一步的，所述步骤Ⅱ中的根据人体标准坐姿数据，训练获取基于神经网络的坐姿判定模型的过程如下：
[0014]ⅰ
、在人体处于标准坐姿状态下，获得人体头部晃动数据，将晃动数据作为训练集，输入神经网络；
[0015]ⅱ
、训练获取坐姿判定模型，由坐姿判定模型输出头部偏转角。
[0016]更进一步的，所述坐姿判定模型输出的头部偏转角的计算公式为：式中，α为人体头部在x轴方向的头部偏转角度，β为人体头部在y轴方向的头部偏转角度，γ为人体头部在z轴方向的头部偏转角度，R
x
为人体头部的运动加速度在x轴方向的矢量值，R
y
为人体头部的运动加速度在y轴方向的矢量值，R
z
为人体头部的运动加速度在z轴方向的矢量值。
[0017]更进一步的，所述步骤Ⅲ中的防近视规则包括以下内容：
[0018]若人体头部与被视物件实际距离值大于第一预警阈值，且由坐姿判定模型所判定的人体头部偏转角小于第二预警阈值，则不发出预警；
[0019]若人体头部与被视物件实际距离值小于第一预警阈值，或由坐姿判定模型所判定的人体头部偏转角大于第二预警阈值，则发出预警。
[0020]本专利技术的第二方面：还提供了一种基于神经网络的防近视装置，包括预警阈值设定模块、数据存储模块、数据获取单元、坐姿判定模型模块和预警判定模块，其中：
[0021]所述预警阈值设定模块用于设定人体头部与被视物件距离的第一预警阈值以及人体头部偏转角的第二预警阈值；
[0022]所述数据存储模块用于存储所设置的第一预警阈值、第二预警阈值以及所采集的数据，所述数据存储模块与预警阈值设定模块连接；
[0023]所述数据获取单元用于采集人体头部与被视物件的距离数据，以及人体头部数据，所述数据获取单元与数据存储模块连接；
[0024]所述坐姿判定模型模块基于神经网络来获取人体头部偏转角，所述坐姿判定模型模块与数据获取单元连接；
[0025]所述预警判定模块用于判定是否符合预警规则，以及根据判定结果判定是否发出预警信息，所述预警判定模块与数据存储模块、数据获取单元和坐姿判定模型模块均连接。
[0026]更进一步的，所述数据获取单元包括距离获取模块和头部数据获取模块，其中：
[0027]所述距离获取模块用于采集人体头部与被视物件的距离数据；
[0028]所述头部数据获取模块用于采集人体头部数据。
[0029]更进一步的，所述距离获取模块与数据存储模块和预警判定模块均连接。
[0030]更进一步的，所述头部数据获取模块与数据存储模块、坐姿判定模型模块和预警判定模块均连接。
[0031]与现有技术相比，本专利技术的有益效果是：
[0032]本专利技术提供了基于神经网络的防近视方法和装置，通过设定人体头部与被视物件距离的第一预警阈值以及人体头部偏转角的第二预警阈值，再根据人体标准坐姿数据，训练获取基于神经网络的坐姿判定模型，最后实时获取人体头部数据，采用基于神经网络的坐姿判定模型获取人体头部偏转角，并获取人体头部与被视物件的距离，再根据防近视规则，判定是否发出预警，本专利技术将人体头部与被视物件实际距离值、人体头部偏转角相结合，形成两个判定条件，来监控人体的姿态，并在姿态异常时，发出预警，提醒使用者调整头部的姿态，通过坐姿提醒也可以帮助青少年纠正不良坐姿，帮助预防近视。
附图说明
[0033]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0034]图1为本专利技术一种基于神经网络的防近视方法的流程图；
[0035]图2为本专利技术一种基于神经网络的防近视装置的示意图；
[0036]图3为本专利技术一种基于神经网络的防近视装置中数据获取单元的示意图；
[0037]图中标号说明：
[0038]100、预警阈值设定模块；200、数据存储模块；300、数据获取单元；310、距离获取模块；320、头部数据获取模块；400、坐姿判定模型模块；500、预警判定模块；
具体实施方式
[0039]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述；显然，所描述的实施例仅是本专利技术一部分实施例，而不是全部的实施例，基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0040]在本专利技术的描述中，需要说明的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于神经网络的防近视方法，其特征在于：包括以下步骤：Ⅰ、设定人体头部与被视物件距离的第一预警阈值以及人体头部偏转角的第二预警阈值；Ⅱ、根据人体标准坐姿数据，训练获取基于神经网络的坐姿判定模型；Ⅲ、实时获取人体头部数据，采用基于神经网络的坐姿判定模型获取人体头部偏转角，并获取人体头部与被视物件的距离，再根据防近视规则，判定是否发出预警。2.根据权利要求1中所述的一种基于神经网络的防近视方法，其特征在于，所述步骤Ⅰ中的第一预警阈值为人体标准坐姿下人体头部距被视物体间的健康距离阈值。3.根据权利要求1中所述的一种基于神经网络的防近视方法，其特征在于：所述步骤Ⅰ中的第二预警阈值为人体在标准坐姿下，头部晃动的健康偏转角度值。4.根据权利要求1中所述的一种基于神经网络的防近视方法，其特征在于：所述步骤Ⅱ中的根据人体标准坐姿数据，训练获取基于神经网络的坐姿判定模型的过程如下：
ⅰ
、在人体处于标准坐姿状态下，获得人体头部晃动数据，将晃动数据作为训练集，输入神经网络；
ⅱ
、训练获取坐姿判定模型，由坐姿判定模型输出头部偏转角。5.根据权利要求4中所述的一种基于神经网络的防近视方法，其特征在于：所述坐姿判定模型输出的头部偏转角的计算公式为：式中，α为人体头部在x轴方向的头部偏转角度，β为人体头部在y轴方向的头部偏转角度，γ为人体头部在z轴方向的头部偏转角度，R
x
为人体头部的运动加速度在x轴方向的矢量值，R
y
为人体头部的运动加速度在y轴方向的矢量值，R
z
为人体头部的运动加速度在z轴方向的矢量值。6.根据权利要求1中所述的一种基于神经网络的防近视方法，其特征在于：所述步骤Ⅲ中的防近视规则包括以下内容：若人体头部与被视物件实际距离值大于第一预警阈值，且由坐姿判定模型所判定的人体头部偏转角小于第二预警阈值，则不发出...

【专利技术属性】
技术研发人员：吴振涛，游亮，王有星，
申请(专利权)人：深圳市领天智杰科技有限公司，
类型：发明
国别省市：