基于鼠标使用监测的手部疲劳识别方法技术

本发明专利技术公开了一种基于鼠标使用监测的手部疲劳识别方法

【技术实现步骤摘要】
基于鼠标使用监测的手部疲劳识别方法、系统及存储介质


[0001]本专利技术涉及数据分析领域，更具体的，涉及基于鼠标使用监测的手部疲劳识别方法
、
系统及存储介质
。

技术介绍

[0002]鼠标是计算机的重要组成部分，与用户直接交互，通过对鼠标的数据分析，能够有效对用户进行行为操作分析
。
[0003]受制于传统技术，目前对于鼠标的移动监测分析能力较为低，分析精度不高，也难以实现用户的疲劳识别，功能单一，阻碍了用户与鼠标之间基于数据分析与提升用户体验的发展
。

技术实现思路

[0004]本专利技术克服了现有技术的缺陷，提出了基于鼠标使用监测的手部疲劳识别方法
、
系统及存储介质
。
[0005]本专利技术第一方面提供了一种基于鼠标使用监测的手部疲劳识别方法，包括：基于预设接收设备，实时获取鼠标对象的实时位置信息；在一个预设时间段内，获取鼠标操作数据，并基于所述实时位置信息描绘出实时移动路径；根据预设聚类算法，结合鼠标操作数据与实时移动路径进行基于多方位光标移动与速率变化的特征分析，得到用户使用特征数据；在下一分析周期内，实时更新实时移动路径，基于所述用户使用特征数据与实时移动路径进行用户疲劳度分析，并生成用户疲劳评价数据与鼠标动态修正方案；本方案中，所述基于预设接收设备，实时获取鼠标对象的实时位置信息，具体为：通过有线或无线连接方式，将系统与鼠标对象进行数据连接；基于鼠标对象的反馈数据进行，获取实时位置信息
。/>[0006]本方案中，所述在一个预设时间段内，获取鼠标操作数据，并基于所述实时位置信息描绘出实时移动路径，具体为：基于用户显示设备参数，构建二维分析模型；将一个预设时间段内的实时位置信息导入二维分析模型进行位置映射基于时间维度进行位置变化的轨迹模拟，形成实时移动路径
。
[0007]本方案中，所述根据预设聚类算法，结合鼠标操作数据与实时移动路径进行基于多方位光标移动与速率变化的特征分析，得到用户使用特征数据，具体为：获取鼠标操作数据，基于鼠标操作数据，得到在一个预设时间段
T
内的鼠标点击次数
、
点击时间
、
点击位置
、
点击操作键信息；基于预设时间段
T
划分出连续
N
个细分周期；以一个细分周期作为分析单位，基于所述在一个预设时间段
T
内的鼠标点击次数
、
点击时间
、
点击位置
、
点击操作键信息，分析出一个细分周期内的点击频率
、
按键操作频率数据；基于点击时间
、
点击位置
、
点击操作键信息，提取出连续两次点击的位置与时间信息；基于所述连续两次点击的位置与时间信息，结合实时移动路径，在二维分析模型中分析出连续两次点击的连续路径段，将连续路径段基于预设间隔划分出多个路径点，根据所述连续两次点击的位置与时间信息与连续路径段的长度，计算出多个路径点对应的移动瞬时速度，将所述移动瞬时速度作为一个细分周期的移动速率数据；将所述一个细分周期的点击频率
、
按键操作频率数据
、
移动速率数据进行多源数据整合，形成用户特征数据；分析所有
N
个细分周期，得到
N
份用户特征数据；本方案中，所述根据预设聚类算法，结合鼠标操作数据与实时移动路径进行基于多方位光标移动与速率变化的特征分析，得到用户使用特征数据，还包括：从系统数据库中获取用户疲劳监测特征数据；将用户疲劳监测特征数据分成
M
组特征数据，每组特征数据对应一个疲劳程度值；构建基于
K
‑
means
的聚类模型；将所述
M
组特征数据导入聚类模型并形成
M
个聚类中心点；将
N
份用户特征数据导入聚类模型中进行聚类分析，计算分析用户特征数据与
M
个聚类中心点距离，基于距离关系将用户特征数据进行聚类分类，得到
M
组聚类特征数据；所述
M
组聚类特征数据对应
M
个疲劳程度值；若用户特征数据与
M
个聚类中心点的距离均大于预设距离，则将对应的用户特征数据标记为第二用户特征数据；基于第二用户特征数据与
M
组聚类特征数据的数据量占比情况，计算出疲劳评估值
。
[0008]本方案中，所述在下一分析周期内，实时更新实时移动路径，基于所述用户使用特征数据与实时移动路径进行用户疲劳度分析，并生成用户疲劳评价数据与鼠标动态修正方案，具体为：在下一分析周期内，实时更新实时移动路径得到第二实时移动路径；根据下一分析周期的鼠标操作数据
、
第二实时移动路径进行基于多方位光标移动与速率变化的特征分析，得到第二用户特征数据；将第二用户特征数据导入聚类模型进行聚类分析并基于聚类结果计算出第二疲劳评估值；根据疲劳评估值
、
第二疲劳评估值
、
实时移动路径与第二实时移动路径的长度，对用户进行疲劳评估分析，分析在两个分析周期的疲劳变化与评估，生成用户疲劳评价数据
。
[0009]本方案中，所述生成用户疲劳评价数据与鼠标动态修正方案，还包括：根据所述用户疲劳评价数据，对用户使用鼠标进行移动速率补偿与移动位移补偿分析，生成鼠标动态修正方案；在第三分析周期内，将鼠标动态修正方案发送至鼠标对象并实时应用方案配置
。
[0010]本专利技术第二方面还提供了一种基于鼠标使用监测的手部疲劳识别系统，该系统包
括：存储器
、
处理器，所述存储器中包括基于鼠标使用监测的手部疲劳识别程序，所述基于鼠标使用监测的手部疲劳识别程序被所述处理器执行时实现如下步骤：基于预设接收设备，实时获取鼠标对象的实时位置信息；在一个预设时间段内，获取鼠标操作数据，并基于所述实时位置信息描绘出实时移动路径；根据预设聚类算法，结合鼠标操作数据与实时移动路径进行基于多方位光标移动与速率变化的特征分析，得到用户使用特征数据；在下一分析周期内，实时更新实时移动路径，基于所述用户使用特征数据与实时移动路径进行用户疲劳度分析，并生成用户疲劳评价数据与鼠标动态修正方案
。
[0011]本方案中，所述基于预设接收设备，实时获取鼠标对象的实时位置信息，具体为：通过有线或无线连接方式，将系统与鼠标对象进行数据连接；基于鼠标对象的反馈数据进行，获取实时位置信息
。
[0012]本专利技术第三方面还提供一种计算机可读存储介质，所述计算机可读存储介质中包括基于鼠标使用监测的手部疲劳识别程序，所述基于鼠标使用监测的手部疲劳识别程序被处理器执行时，实现如上述任一项所述的基于鼠标使用监测的手部疲劳识别方法的步骤
。
[0013]本专利技术公开了一种基于鼠标使用监测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于鼠标使用监测的手部疲劳识别方法，其特征在于，包括：基于预设接收设备，实时获取鼠标对象的实时位置信息；在一个预设时间段内，获取鼠标操作数据，并基于所述实时位置信息描绘出实时移动路径；根据预设聚类算法，结合鼠标操作数据与实时移动路径进行基于多方位光标移动与速率变化的特征分析，得到用户使用特征数据；在下一分析周期内，实时更新实时移动路径，基于所述用户使用特征数据与实时移动路径进行用户疲劳度分析，并生成用户疲劳评价数据与鼠标动态修正方案
。2.
根据权利要求1所述的一种基于鼠标使用监测的手部疲劳识别方法，其特征在于，所述基于预设接收设备，实时获取鼠标对象的实时位置信息，具体为：通过有线或无线连接方式，将系统与鼠标对象进行数据连接；基于鼠标对象的反馈数据进行，获取实时位置信息
。3.
根据权利要求1所述的一种基于鼠标使用监测的手部疲劳识别方法，其特征在于，所述在一个预设时间段内，获取鼠标操作数据，并基于所述实时位置信息描绘出实时移动路径，具体为：基于用户显示设备参数，构建二维分析模型；将一个预设时间段内的实时位置信息导入二维分析模型进行位置映射基于时间维度进行位置变化的轨迹模拟，形成实时移动路径
。4.
根据权利要求1所述的一种基于鼠标使用监测的手部疲劳识别方法，其特征在于，所述根据预设聚类算法，结合鼠标操作数据与实时移动路径进行基于多方位光标移动与速率变化的特征分析，得到用户使用特征数据，具体为：获取鼠标操作数据，基于鼠标操作数据，得到在一个预设时间段
T
内的鼠标点击次数
、
点击时间
、
点击位置
、
点击操作键信息；基于预设时间段
T
划分出连续
N
个细分周期；以一个细分周期作为分析单位，基于所述在一个预设时间段
T
内的鼠标点击次数
、
点击时间
、
点击位置
、
点击操作键信息，分析出一个细分周期内的点击频率
、
按键操作频率数据；基于点击时间
、
点击位置
、
点击操作键信息，提取出连续两次点击的位置与时间信息；基于所述连续两次点击的位置与时间信息，结合实时移动路径，在二维分析模型中分析出连续两次点击的连续路径段，将连续路径段基于预设间隔划分出多个路径点，根据所述连续两次点击的位置与时间信息与连续路径段的长度，计算出多个路径点对应的移动瞬时速度，将所述移动瞬时速度作为一个细分周期的移动速率数据；将所述一个细分周期的点击频率
、
按键操作频率数据
、
移动速率数据进行多源数据整合，形成用户特征数据；分析所有
N
个细分周期，得到
N
份用户特征数据
。5.
根据权利要求4所述的一种基于鼠标使用监测的手部疲劳识别方法，其特征在于，所述根据预设聚类算法，结合鼠标操作数据与实时移动路径进行基于多方位光标移动与速率变化的特征分析，得到用户使用特征数据，还包括：从系统数据库中获取用户疲劳监测特征数据；将用户疲劳监测特征数据分成
M
组特征数据，每组特征数据对应一个疲劳程度值；
构建基于
K

【专利技术属性】
技术研发人员：唐谊，
申请(专利权)人：深圳市利新联电子有限公司，
类型：发明
国别省市：