CN104146678B - 基于智能手机的眼睛疲劳度数据分析方法 - Google Patents

Abstract

本发明公开了一种基于智能手机的眼睛疲劳度数据分析方法，其以个人健康档案数据为基础，通过智能手机的位移传感器实时采集手机的空间坐标信息和环境光亮度，计算其振动幅度和位移矩阵，并根据环境光数据和位移矩阵作为样本，计算环境阈值，分析眼睛疲劳度。该方法能有效地避免人们过量的使用智能手机，纠正不良的生活习惯，有利于保护视力，提高人们对自身健康的认知度。

Description

基于智能手机的眼睛疲劳度数据分析方法

技术领域

本发明涉及智能手机的数据分析技术，尤其涉及个人健康档案领域的数据分析计算。

背景技术

当前，我国随着社会经济水平的发展，人们对健康问题的关注度逐渐提升，而且，随着社会老龄化以及食品安全问题的加剧，越来越多的人希望得到更为准确地了解如何能够通过事前干预的方式来避免疾病的发生，以及非医疗的方式(如食疗)来预防和治疗疾病。

随着智能手机的应用普及，智能手机被人们用于工作、学习、生活和娱乐之中。但是，手机虽然给人们带来了很多便捷，却同时也给人们带来了很多健康问题，比如因为手机分辨率高、光线强度高以及观看距离近等，造成对眼睛的伤害急剧上升。

另一方面，利用智能手机的多项传感器数据，比如GPS信息，又可以统计人们的活动范围、运动距离、天气环境状况等健康档案有关数据，通过对这些数据进行计算可进一步分析个人健康状况，以进一步得出营养补给方案。

发明内容

为解决上述问题，本发明致力于通过技术手段对人们的活动范围、运动距离、天气环境状况等健康档案有关数据进行分析，进一步得到眼睛疲劳度数据，以更好地降低人们利用智能手机发病的几率，改善社会的医患关系，进而提高人们对自身健康的认知度。

为此，本发明提供了一种基于智能手机的眼睛疲劳度数据分析方法。该方法以个人健康档案数据为基础，根据智能手机的位移传感器实时采集手机的空间坐标信息和环境光亮度，计算其振动幅度和位移矩阵，并根据环境光数据和位移矩阵作为样本，计算不同环境下的环境阈值，再根据环境阈值参数，定义眼睛疲劳模型，统计每天的眼睛疲劳度。

具体的，本发明的一种基于智能手机的眼睛疲劳度数据分析方法包括：

(1)连续采样n周期的手机空间坐标信息和环境光亮度，生成坐标矩阵P：

P＝{(t₁,(x₁,y₁,z₁),b₁),(t₂,(x₂,y₂,z₂),b₂),...(t_i,(x_i,y_i,z_i),b_i),...,(t_m,(x_m,y_m,z_m),b_m)}；其中，t_i为时间，(x_i,y_i,z_i)为空间相对坐标，b_i为环境光亮度；

(2)以坐标矩阵P计算手机的即时位移以及位移矩阵 $D=\{(t_1,D_{t_1}),(t_2,D_{t_2}),...,(t_n,D_{t_n})\},$ D_t为t时间的即时位移；

(3)以P的环境光数据和位移矩阵D作为样本，根据振幅伤害阈值函数Z_t和环境光伤害阈值函数B_t，计算不同环境下的环境阈值矩阵

Ev＝{(t₁,Z_t1,B_t1),(t₂,Z_t2,B_t2),...,(t_n,Z_tn,B_tn)}；

(4)根据振幅伤害阈值函数Z_t和环境光伤害阈值函数B_t，定义振幅周期t的眼睛疲劳模型：

$E_{\mathrm{tired}}^t=\frac{t\×Z_t\×D_t}{B_t}$

然后，统计每天的眼睛疲劳度：

$E_{\mathrm{tired}}^{\mathrm{day}}=\underset{t=1..n}{\mathrm{\Σ}}\frac{t_n\×Z_{t_n}\×D_{t_n}}{B_{t_n}}.$

所述振幅伤害阈值函数Z_t和环境光伤害阈值函数B_t分别定义为下式(1)和式(2)：

$Z_t=\left\{\begin{array}{cc}1& (D_t\&le;2\mathrm{mm})\&cup;(\mathrm{age}<60)\\ 1& (D_t\&le;4\mathrm{mm})\&cup;(\mathrm{age}\&GreaterEqual;60)\\ 2& (4\mathrm{mm}\&le;D_t\&le;30\mathrm{mm})\end{array}\right\}---\left(1\right)$

$B_t=\left\{\begin{array}{cc}1& (20\&le;b_t<100);\\ 2& (100\&le;b_t<300);\\ 4& (300\&le;b_t<500);\\ 2& (500\&le;b_t<800);\\ 1& (800\&le;b_t<1000);\end{array}\right\}---\left(2\right)$

进一步的，如果每日的眼睛疲劳度数值大于每天正常的眼睛疲劳度阈值，则启动监控线程，在振幅超过振幅阈值或者环境光亮度小于环境光阈值一或大于环境光阈值二的情况下，自动关闭手机屏幕。

所述振幅阈值定义为4mm，环境光阈值一定义为300，环境光阈值二定义为500，关闭屏幕的线程描述如下：

其中，CloseScreen()为关闭屏幕的函数。

本发明的有益效果为：基于智能手机的眼睛疲劳度数据分析方法能够统计用户在不同场合使用手机对眼睛造成的疲劳度，使用户了解到自己的不良手机使用***。

具体实施方式

以下结合实施例对本发明的技术方案作进一步详细说明。以下实施例在以本发明的技术方案为前提下进行实施，给出了详细的实施方式和过程，但本发明的保护范围不限于下述的实例。

本发明实施例的一种基于智能手机的眼睛疲劳度数据分析方法，包括：

(1)连续采样n周期的手机空间坐标信息和环境光亮度，生成坐标矩阵P：

P＝{(t₁,(x₁,y₁,z₁),b₁),(t₂,(x₂,y₂,z₂),b₂),...(t_i,(x_i,y_i,z_i),b_i),...,(t_m,(x_m,y_m,z_m),b_m)}；其中,t_i为时间，(x_i,y_i,z_i)为空间相对坐标，b_i为环境光亮度；

(2)以坐标矩阵P计算手机的即时位移振幅(即在周期t的最大位移值)，以及位移矩阵

(3)以P的环境光数据和位移矩阵D作为样本，根据振幅伤害阈值函数(式1)和环境光伤害阈值函数(式2)，计算不同环境下的环境阈值矩阵Ev＝{(t₁,Z_t1,B_t1),(t₂,Z_t2,B_t2),...,(t_n,Z_tn,B_tn)}；

$Z_t=\left\{\begin{array}{cc}1& (D_t\&le;2\mathrm{mm})\&cup;(\mathrm{age}<60)\\ 1& (D_t\&le;4\mathrm{mm})\&cup;(\mathrm{age}\&GreaterEqual;60)\\ 2& (4\mathrm{mm}\&le;D_t\&le;30\mathrm{mm})\end{array}\right\}---\left(1\right)$

$B_t=\left\{\begin{array}{cc}1& (20\&le;b_t<100);\\ 2& (100\&le;b_t<300);\\ 4& (300\&le;b_t<500);\\ 2& (500\&le;b_t<800);\\ 1& (800\&le;b_t<1000);\end{array}\right\}---\left(2\right)$

(4)根据环境阈值参数Z_t和B_t，定义振幅周期t的眼睛疲劳模型，见如下式(3)：

$E_{\mathrm{tired}}^t=\frac{t\&times;Z_t\&times;D_t}{B_t}---\left(3\right)$

统计每天的眼睛疲劳度：

$E_{\mathrm{tired}}^{\mathrm{day}}=\underset{t=1..n}{\mathrm{\&Sigma;}}\frac{t_n\&times;Z_{t_n}\&times;D_{t_n}}{B_{t_n}}.$

根据医学统计数据，每日正常的眼睛疲劳度为(在正常光强度区间[300,500]下，眼睛注视屏幕10小时的疲劳度)，计算方法如下：

$E_{\mathrm{tired}}^{\mathrm{day}}=\underset{\mathrm{\&Delta;t}=1..60*60*10}{\mathrm{\&Sigma;}}\frac{1\&times;1\&times;2}{4}=18000$

如果每日的眼睛疲劳度数值大于每天正常的眼睛疲劳度阈值18000，则启动监控线程，在振幅超过4mm或者环境光亮度小于300或大于500的情况下，自动关闭手机屏幕。

上述振幅伤害阈值函数、环境光伤害阈值函数的具体计算过程如下：

1、振幅伤害阈值：

(1)静止态阈值：静止状态下，振幅频率是手的振动频率，根据年龄是否超过60岁，有两种评判参数，年轻人手的晃动位移在2mm/s(毫米/秒)之内，老年人手的晃动位移在4mm/s之内；

(2)运动态阈值：走路、乘公交车等运动状态，振幅频率是运动频率，根据统计结果手的晃动范围在[4mm/s,30mm/s]之内；

$Z_t=\left\{\begin{array}{cc}1& (D_t\&le;2\mathrm{mm}/s)\&cup;(\mathrm{age}<60)\\ 1& (D_t\&le;4\mathrm{mm}/s)\&cup;(\mathrm{age}\&GreaterEqual;60)\\ 2& (4\mathrm{mm}/s\&le;D_t\&le;30\mathrm{mm}/s)\end{array}\right\}$

2.环境光阈值：若手机亮度传感器的检测范围为20-1000(暗->亮)，定义环境光阈值B；

$B_t=\left\{\begin{array}{cc}1& (20\&le;b_t<100);\\ 2& (100\&le;b_t<300);\\ 4& (300\&le;b_t<500);\\ 2& (500\&le;b_t<800);\\ 1& (800\&le;b_t<1000);\end{array}\right\}$

下面，以某26岁IT职员采样为例，来进一步说明本发明具体实施方式。

实施例1

(1)连续采样某26岁IT职员上午9:00:00-9:00:30中30秒的手机空间坐标信息，生成坐标矩阵P：

P＝{(t1,(2.3,0.7,3.1),350),(t2,(0.3,0.2,1.5),380),(t3,(3.2,0.3,1.6),360),(t4,(0.7,0.1,2.5),360),(t5,(1.8,0.6,1.5),350),(t6,(0.1,0.1,0.7),420),(t7,(0.5,0.1,0.1),380),(t8,(2.5,0.6,2.2),370),(t9,(1.1,0.2,1.3),380),(t10,(0.3,0.2,3.2),400),(t11,(0.9,0.1,1.7),370),(t12,(2.8,1.4,2.4),510),(t13,(3.8,2.1,1.8),600),(t14,(0.8,1.9,1.3),690),(t15,(2.5,2.3,0.3),580),(t16,(1.8,1.4,1.1),690),(t17,(2.7,1.2,0.1),750),(t18,(2.8,1.6,1.5),770),(t19,(3.0,2.7,1.3),720),(t20,(1.5,2.0,0.9),760),(t21,(1.0,2.5,1.3),670),(t22,(3.3,1.2,0.7),690),(t23,(2.1,1.8,4.6),630),(t24,(3.7,2.1,1.5),650),(t25,(0.4,0.9,3.6),580),(t26,(3.4,2.7,0.5),660),(t27,(2.5,2.1,0.4),710),(t28,(3.6,0.1,0.2),710),(t29,(2.4,1.7,0.1),700),(t30,(0.3,2.6,2.6),660)}

(2)以坐标矩阵计算手机的即时位移振幅(即在周期t的最大位移值)，得到位移矩阵D如下：

D＝{(t1,3.9),(t2,1.5),(t3,3.6),(t4,2.6),(t5,2.4),(t6,0.7),(t7,0.5),(t8,3.4),(t9,1.7),(t10,3.2),(t11,1.9),(t12,3.9),(t13,4.7),(t14,3.4),(t15,1.7),(t16,3.2),(t17,1.9),(t18,3.9),(t19,4.2),(t20,2.7),(t21,3.0),(t22,3.6),(t23,5.4),(t24,4.5),(t25,3.7),(t26,4.3),(t27,3.3),(t28,3.6),(t29,2.9),(t30,3.7)}；

(3)根据式1和式2计算不同环境下的环境阈值矩阵Ev：

Ev＝{(t₁,Z_t1,B_t1),(t₂,Z_t2,B_t2),...,(t_n,Z_tn,B_tn)}

$Z_t=\left\{\begin{array}{cc}1& (D_t\&le;2\mathrm{mm})\&cup;(\mathrm{age}<60)\\ 1& (D_t\&le;4\mathrm{mm})\&cup;(\mathrm{age}\&GreaterEqual;60)\\ 2& (4\mathrm{mm}\&le;D_t\&le;30\mathrm{mm})\end{array}\right\}---\left(1\right)$

$B_t=\left\{\begin{array}{cc}1& (20\&le;b_t<100);\\ 2& (100\&le;b_t<300);\\ 4& (300\&le;b_t<500);\\ 2& (500\&le;b_t<800);\\ 1& (800\&le;b_t<1000);\end{array}\right\}---\left(2\right)$

得到，

Ev＝{(t1,2,4),(t2,1,4),(t3,1,4),(t4,1,4),(t5,1,4),(t6,1,4),(t7,1,4),(t8,1,4),(t9,1,4),(t10,1,4),(t11,1,4),(t12,2,2),(t13,2,2),(t14,1,2),(t15,1,2),(t16,1,2),(t17,1,2),(t18,1,2),(t19,2,2),(t20,1,2),(t21,1,2),(t22,1,2),(t23,2,2),(t24,2,2),(t25,1,2),(t26,2,2),(t27,1,2),(t28,1,2),(t29,1,2),(t30,1,2)}

(4)根据环境阈值矩阵Ev，分析计算眼睛疲劳指数E_tired：

$E_{\mathrm{tired}}=\underset{i=1..n}{\mathrm{\&Sigma;}}\frac{D_i\&times;Z_i\&times;t_i}{B_i}=54.625$

即30秒的疲劳度为54.625，若每日使用眼睛时间为10小时，则估计日疲劳度指数： $E_{\mathrm{tired}}^{\mathrm{day}}=54.625*2*60*10=65550.$

(5)该用户的每日疲劳度指数远超过了正常值18000，则启动视力保护进程，其逻辑为：若每日的眼睛疲劳度数值大于每天正常的眼睛疲劳度阈值，则***在振幅超过4mm或者环境光强度小于300或者大于500的情况下，启动关闭屏幕的线程。所述关闭屏幕的线程形式化描述如下：

其中，CloseScreen()为关闭屏幕的函数。

Claims (4)

1.一种基于智能手机的眼睛疲劳度数据分析方法，其特征在于包括如下步骤：

(1)连续采样n周期的手机空间坐标信息和环境光亮度，生成坐标矩阵P：

P＝{(t₁,(x₁,y₁,z₁),b₁),(t₂,(x₂,y₂,z₂),b₂),...(t_i,(x_i,y_i,z_i),b_i),...,(t_m,(x_m,y_m,z_m),b_m)}；其中，t_i为时间，(x_i,y_i,z_i)为空间相对坐标，b_i为环境光亮度；

(2)以坐标矩阵P计算手机的即时位移以及位移矩阵 $D=\{(t_1,D_{t_1}),(t_2,D_{t_2}),...,(t_n,D_{t_n})\},$ 其中，D_t表示t时间的即时位移；

(3)以P的环境光数据和位移矩阵D作为样本，根据振幅伤害阈值函数Z_t和环境光伤害阈值函数B_t，计算不同环境下的环境阈值矩阵

$Ev=\{(t_1,Z_{t_1}{B}_{t_1}),(t_2,Z_{t_2}{B}_{t_2}),...,(t_n,Z_{t_n}{B}_{t_n})\};$

(4)根据振幅伤害阈值函数Z_t和环境光伤害阈值函数B_t，定义振幅周期t的眼睛疲劳模型：

$E_{tired}^t=\frac{t\&times;Z_t\&times;D_t}{B_t}$

然后，统计每天的眼睛疲劳度：

$E_{tired}^{day}=\underset{t=\mathrm{1..}n}{\&Sigma;}\frac{t_n\&times;Z_{t_n}\&times;D_{t_n}}{B_{t_n}}.$

2.如权利要求1所述的方法，其特征在于，振幅伤害阈值函数Z_t和环境光伤害阈值函数B_t分别定义为下式(1)和式(2)：

$Z_t=\left\{\begin{array}{cc}1& (D_t\&le;2mm)\&cup;(age<60)\\ 1& (D_t\&le;4mm)\&cup;(age\&GreaterEqual;60)\\ 2& (4mm\&le;D_t\&le;30mm)\end{array}\right\}---\left(1\right)$

$B_t=\left\{\begin{array}{cc}1& (20\&le;b_t<100);\\ 2& (100\&le;b_t<300);\\ 4& (300\&le;b_t<500);\\ 2& (500\&le;b_t<800);\\ 1& (800\&le;b_t<1000);\end{array}\right\}---\left(2\right)$

其中，b_t为t时间的手机亮度，数值上与环境光亮度b_i相等。

3.如权利要求1或2所述的方法，其特征在于，如果每日的眼睛疲劳度数值大于每天正常的眼睛疲劳度阈值，则启动监控线程，在振幅超过振幅阈值或者环境光亮度小于环境光阈值一或大于环境光阈值二的情况下，自动关闭手机屏幕。

4.如权利要求3所述的方法，其特征在于，振幅阈值定义为4mm，环境光阈值一定义为300，环境光阈值二定义为500，关闭屏幕的线程描述如下：

其中，CloseScreen()为关闭屏幕的函数。