一种防近视的方法及装置与流程

1.本发明涉及在线教育技术领域，尤其涉及一种防近视的方法及装置。


背景技术：

2.目前，学生的近视率逐年上升，诱发近视的重要原因之一是学生的近距离长时间的用眼疲劳行为，尤其是如果上网课经常发生疲劳用眼行为；然而，大多数家长在其儿女出现近视症状后仅仅为为其配眼镜进行纠正，缺乏对未成年人或自己视力数据收集记录的习惯，这就无法制定科学的近视情况应对方案，容易导致近视度数快速加深的情况。
3.减少过度用眼是预防近视的有效途径，尤其是通过线下活动转移学生注意力，从而减少学生在日常空闲时间把大部分注意力放在电子产品的比重。然而，现有的各类线上教育平台通常都不具备提醒学员注意保护眼睛的功能，因此急需改进。


技术实现要素：

4.本发明的目的在于提供一种防近视的方法及装置，可以时刻对学员的情况进行了解，可以起到及时提醒学员的作用，避免学员长时间学习而对眼睛造成伤害，可以解决背景技术中的问题。
5.为了解决上述技术问题，本发明提供的防近视的方法及装置的技术方案具体如下：
6.第一方面，本发明实施例公开了一种防近视的方法，所述方法包括以下步骤：
7.步骤1：实时获取学员的体位图像信息和学员与显示器的距离；
8.步骤2：根据获取的体位图像信息与预先设置的标准体位图像信息进行对比，判断学员的坐立状态，根据学员与显示器的距离，判断学员是否在标准距离内，若在标准距离内，则提示距离安全，若不在标准距离内，则提示继续调整位置；
9.步骤3：根据学员的坐立状态判断学员的坐姿是否标准，若坐姿不标准，则进行提醒，若坐姿标准，则提出鼓励。
10.在上述任一方案中优选的是，防近视的方法，还包括对学员的学习时间进行计时并储存，当学员学习一定时间后，则提示学员进行休息，其中，一定时间可以根据学员的实际需求来进行调整，例如，可以设置为40分钟或45分钟或50分钟等等，应根据学员的实际情况适当的增加或者减少学习时间，使其达到一个最适合学员的时间。
11.在上述任一方案中优选的是，防近视的方法，若学员在学习一定时间后，则自动在显示器上提醒需要休息，并出现做眼睛保健操的提示，其中，存储模块当中存储有预先安装的眼保健操视频，当学员需要使用时，直接点击做眼保健操即可，即可跟着显示器上的眼保健操视频进行锻炼；若在显示器提示之后，学员不按照显示器上的指示操作，则显示器自动息屏，在显示器熄灭一定时间之后，显示器可自动开启，其中，显示器熄灭的时间可以根据学员的时间来设定，例如，可以休息3分钟、四分钟、五分钟、六分钟
……
等等。
12.在上述任一方案中优选的是，通过角点特征采集学员的图像信息，通过harris角
点检测出图像特征的字元素，并建立图像匹配特征正则表达式，以实现选取学员轮廓边缘的多个点，其计算公式为：
[0013][0014]
其中，w(x,y)表示移动窗口，i(x,y)表示图像中像素灰度值强度，，取值范围为0～255,(u,v)表示窗口的移动偏移量,根据泰勒级数计算下一阶到n阶的偏导数，得到harris矩阵公式：其中，m为梯度的协方差矩阵，i
x
、i
y
分别代表横坐标x方向和纵坐标y方向的灰度强度集，通过计算获得harris角度响应值：其中，变量因子k为系数值，通常取值范围为0.04～0.06，r为角点响应值。
[0015]
在上述任一方案中优选的是，在检测学员与显示器的距离时，为提高对位置信息的描述效率，以显示器的中点作为中心，对与特征向量位置之间的距离进行计算，计算公式为：其中，d距离为显示器中心距离学员眼部之间的距离，p、q两点的像素坐标分别为(x
p
,x
q
)、(y
p
,y
q
)。
[0016]
在上述任一方案中优选的是，防近视的方法，还包括若采集到的视频中发现学员异常，异常行为目标检测可以完成对视频中学员行为的实时检测。然而，由于其没有具体办法分辨出学员行为的异常类型，如果待检测学员行为和其他目标行为同时出现在镜头前时，其学员行为会被看作是学员行为的待检测，从而造成误差检测的状况，本文发明可以删除以后可能会发生的差误检测状况，使用误差值方面直立坐标图作为人体面部图像的具体特征，可以科学、合理、有效区分出学员面部特征和图像特征之间的差别，其中，所述学员异常的检测方法为：
[0017]
实时采集学员的图像信息，并根据学员的图像信息建构出相似的视频构图，同时在具备类似性的构图视频集合前，需要具体引出时间和空间变化中的滤波大小值，以降低噪声的影响程度，采取对长、宽、高相同比例的时间顺序进行模型检测，具体手段为当长、宽、高的比值一定时，需要获取出前面若干个比值进行模拟检测，在以后的长、宽、高比值中，凡是不适合这种模拟函数的，均判定为异常。如果组合不成周期比例的函数，即组合间的误差值比较大，那么有必要直接判定为学员行为异常，充分考虑到学员的具体行为动作通常情况下由几十帧组合而成。可以设置为计算标志，学员行为出现连续的异常值规定时，判定为行为异常。其中，学员行为的具体特征可以直接且实际地反映出学员的具体肢体行为。在学员肢体行为的具体监测和观察环节，利用其精准而又固定的行为特征，有效检测出学员异常行为的发生。
[0018]
在上述任一方案中优选的是，根据选取的学员轮廓边缘的多个点，通过选择最能够描述图像特征的特征点，参照像元素库中的定义提取像元素。首先对目标外围特征点进
行连通性连接以形成轮廓线，然后在连通图块内部按照最大相似度原则进行像元素切割，即切割后的局部特征能够在像元素库中找到最相似的像元素，其中，所述像元素库中储存有学员的图像信息。
[0019]
在上述任一方案中优选的是，防近视的方法，还可以包括人工修改轮廓线的步骤，例如在学员的图像信息与轮廓线之间的轮廓边界不够明晰，此时可以通过人工方式来调整轮廓线，通过人工干预调整轮廓线，可以保证轮廓线的准确性。又例如，若在生成轮廓线时，将学员与轮廓边缘的多个点之间的轮廓线划偏，则此时可以通过人工方式来调整轮廓线，将轮廓线调整至学员与其轮廓边缘的多个点上，通过人工干预调整轮廓线，可以起到进一步检查的作用，保证轮廓线的准确性。
[0020]
在上述任一方案中优选的是，将所自动生成的由学员轮廓线围成的一图像与预先设置的标准体位图像信息进行对比，判断学员的坐立状态，根据学员与显示器的距离，判断学员是否在标准距离内，若在标准距离内，则提示距离安全，若不在标准距离内，则提示继续调整位置。
[0021]
在上述任一方案中优选的是，防近视的方法，还可以识别学员的脸部信息，并对学员的脸部信息进行分析和对比，若发现学员状态不佳，则及时提醒或及时停课。
[0022]
其中，对学员脸部信息进行分析和对比的方法包括以下步骤：
[0023]
采用文件管理的形式来管理人脸图像，每个学员均对应一个单独的文件，并将人脸图像保存于云服务器中。为了提高数据库的存储效率，先对sql server2010数据库进行范化处理，并且其只存放各个图像的对应地址以及人物的信息表，以保证该模块的灵活性与可扩展性；
[0024]
将采集到的彩色图像灰度化和直方图均衡化，灰度图像进行均衡化操作后，直方图的范围明显增大，原先灰度值密集部分被拉伸的同时灰度值的稀疏部分被压缩，从而总体上增强了图像对比度，并突出了图像的细节特征；
[0025]
然后确定人脸的边界，设边界的大小为m，该区域的水平灰度投影即为脸的上下边界，然后根据脸上的眼睛、鼻、口等器官，对该矩阵区域进行分块处理，接下来，根据数据库中的人脸图像信息及人员身份信息，对图像的灰度值进行处理后，对人脸图像数据进行特征提取；
[0026]
从人脸样本库中获取数据，得到新的特征向量和特征值，当有待识别人脸输人时，将之转化为一维矢量，将样板库中的各人脸样本和待识别人脸数据向同一个特征空间进行投影，样板库中的某一人脸与待识别人脸的投影特征距离最小的那个就认为是对应于待识别人脸那个人，然后对比该学员的脸部状态，从而确定该学员的学习状况。
[0027]
与现有技术相比，本发明的有益效果是：
[0028]
通过实时获取学员的体位图像信息和学员与显示器的距离，可以时刻对学员的情况进行了解，从而根据获取的体位图像信息与预先设置的标准体位图像信息进行对比，判断学员的坐立状态，根据学员与显示器的距离，判断学员是否在标准距离内，若在标准距离内，则提示距离安全，若不在标准距离内，则提示继续调整位置，可以起到及时提醒学员的作用，可以根据学员的坐立状态判断学员的坐姿是否标准，若坐姿不标准，则进行提醒，若坐姿标准，则提出鼓励，避免学员长时间学习而对眼睛造成伤害。
[0029]
第二方面，一种防近视的装置，包括：
[0030]
获取模块，用于实时获取学员的体位图像信息和学员与显示器的距离；
[0031]
处理模块，用于根据获取的体位图像信息与预先设置的标准体位图像信息进行对比，判断学员的坐立状态，根据学员与显示器的距离，判断学员是否在标准距离内，若在标准距离内，则提示距离安全，若不在标准距离内，则提示继续调整位置；
[0032]
判断模块，用于根据学员的坐立状态判断学员的坐姿是否标准，若坐姿不标准，则进行提醒，若坐姿标准，则提出鼓励。
[0033]
在上述任一方案中优选的是，防近视的装置还包括：
[0034]
存储模块，用于对学员的学习时间进行计时并储存，若学员学习一定时间后，则提示学员进行休息。
[0035]
第二方面的有益效果与第一方面的有益效果相同，故在此不再赘述。
附图说明
[0036]
附图用于对本发明的进一步理解，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。
[0037]
图1是按照本发明防近视的方法示意图。
[0038]
图2是按照本发明防近视的装置示意图。
具体实施方式
[0039]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0040]
此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。
[0041]
为了更好地理解上述技术方案，下面将结合说明书附图及具体实施方式对本发明技术方案进行详细说明。
[0042]
实施例1：
[0043]
第一方面，如图1所示，本发明实施例公开了一种防近视的方法，所述方法包括以下步骤：
[0044]
步骤1：实时获取学员的体位图像信息和学员与显示器的距离；
[0045]
步骤2：根据获取的体位图像信息与预先设置的标准体位图像信息进行对比，判断学员的坐立状态，根据学员与显示器的距离，判断学员是否在标准距离内，若在标准距离内，则提示距离安全，若不在标准距离内，则提示继续调整位置；
[0046]
步骤3：根据学员的坐立状态判断学员的坐姿是否标准，若坐姿不标准，则进行提醒，若坐姿标准，则提出鼓励。
[0047]
在步骤1中，还可以包括对学员的学习时间进行计时并储存，当学员学习一定时间后，则提示学员进行休息，其中，一定时间可以根据学员的实际需求来进行调整，例如，可以设置为40分钟或45分钟或50分钟等等，应根据学员的实际情况适当的增加或者减少学习时
间，使其达到一个最适合学员的时间。
[0048]
再或者，若学员在学习一定时间后，则自动在显示器上提醒需要休息，并出现做眼睛保健操的提示，其中，存储模块当中存储有预先安装的眼保健操视频，当学员需要使用时，直接点击做眼保健操即可，即可跟着显示器上的眼保健操视频进行锻炼；若在显示器提示之后，学员不按照显示器上的指示操作，则显示器自动息屏，在显示器熄灭一定时间之后，显示器可自动开启，其中，显示器熄灭的时间可以根据学员的时间来设定，例如，可以休息3分钟、四分钟、五分钟、六分钟
……
等等。
[0049]
在步骤1中，通过角点特征采集学员的图像信息，通过harris角点检测出图像特征的字元素，并建立图像匹配特征正则表达式，以实现选取学员轮廓边缘的多个点，其计算公式为：
[0050][0051]
其中，w(x,y)表示移动窗口，i(x,y)表示图像中像素灰度值强度，取值范围为0～255；(u,v)表示窗口的移动偏移量,根据泰勒级数计算下一阶到n阶的偏导数，得到harris矩阵公式：其中，m为梯度的协方差矩阵，i
x
、i
y
分别代表横坐标x方向和纵坐标y方向的灰度强度集，，通过计算获得harris角度响应值:
[0052]
r＝detm
‑
k(tracem)2[0053]
detm＝λ1λ2[0054]
tracem＝λ1+λ2[0055]
其中，变量因子k为系数值，通常取值范围为0.04～0.06，r为角点响应值。
[0056]
在步骤1中，在检测学员与显示器的距离时，为提高对位置信息的描述效率，以显示器的中点作为中心，对与特征向量位置之间的距离进行计算，计算公式为：：其中，d距离为显示器中心距离学员眼部之间的距离，p、q两点的像素坐标分别为(x
p
,x
q
)、(y
p
,y
q
)。
[0057]
在步骤2中，还包括若采集到的视频中发现学员异常，异常行为目标检测可以完成对视频中学员行为的实时检测。然而，由于其没有具体办法分辨出学员行为的异常类型，如果待检测学员行为和其他目标行为同时出现在镜头前时，其学员行为会被看作是学员行为的待检测，从而造成误差检测的状况，本文发明可以删除以后可能会发生的差误检测状况，使用误差值方面直立坐标图作为人体面部图像的具体特征，可以科学、合理、有效区分出学员面部特征和图像特征之间的差别，其中，所述学员异常的检测方法为：
[0058]
实时采集学员的图像信息，并根据学员的图像信息建构出相似的视频构图，同时在具备类似性的构图视频集合前，需要具体引出时间和空间变化中的滤波大小值，以降低噪声的影响程度，采取对长、宽、高相同比例的时间顺序进行模型检测，具体手段为当长、宽、高的比值一定时，需要获取出前面若干个比值进行模拟检测，在以后的长、宽、高比值中，凡是不适合这种模拟函数的，均判定为异常。如果组合不成周期比例的函数，即组合间
的误差值比较大，那么有必要直接判定为学员行为异常，充分考虑到学员的具体行为动作通常情况下由几十帧组合而成。可以设置为计算标志，学员行为出现连续的异常值规定时，判定为行为异常。其中，学员行为的具体特征可以直接且实际地反映出学员的具体肢体行为。在学员肢体行为的具体监测和观察环节，利用其精准而又固定的行为特征，有效检测出学员异常行为的发生。
[0059]
在步骤2当中，根据选取的学员轮廓边缘的多个点，通过选择最能够描述图像特征的特征点，参照像元素库中的定义提取像元素。首先对目标外围特征点进行连通性连接以形成轮廓线，然后在连通图块内部按照最大相似度原则进行像元素切割，即切割后的局部特征能够在像元素库中找到最相似的像元素，其中，所述像元素库中储存有学员的图像信息。
[0060]
在该步骤中，还可以包括人工修改轮廓线的步骤，例如在学员的图像信息与轮廓线之间的轮廓边界不够明晰，此时可以通过人工方式来调整轮廓线，通过人工干预调整轮廓线，可以保证轮廓线的准确性。又例如，若在生成轮廓线时，将学员与轮廓边缘的多个点之间的轮廓线划偏，则此时可以通过人工方式来调整轮廓线，将轮廓线调整至学员与其轮廓边缘的多个点上，通过人工干预调整轮廓线，可以起到进一步检查的作用，保证轮廓线的准确性。
[0061]
在步骤2中，将所自动生成的由学员轮廓线围成的一图像与预先设置的标准体位图像信息进行对比，判断学员的坐立状态，根据学员与显示器的距离，判断学员是否在标准距离内，若在标准距离内，则提示距离安全，若不在标准距离内，则提示继续调整位置。
[0062]
在步骤2中，还可以识别学员的脸部信息，并对学员的脸部信息进行分析和对比，若发现学员状态不佳，则及时提醒或及时停课。
[0063]
其中，对学员脸部信息进行分析和对比的方法包括以下步骤：
[0064]
采用文件管理的形式来管理人脸图像，每个学员均对应一个单独的文件，并将人脸图像保存于云服务器中。为了提高数据库的存储效率，先对sql server2010数据库进行范化处理，并且其只存放各个图像的对应地址以及人物的信息表，以保证该模块的灵活性与可扩展性；
[0065]
将采集到的彩色图像灰度化和直方图均衡化，灰度图像进行均衡化操作后，直方图的范围明显增大，原先灰度值密集部分被拉伸的同时灰度值的稀疏部分被压缩，从而总体上增强了图像对比度，并突出了图像的细节特征；
[0066]
然后确定人脸的边界，设边界的大小为m，该区域的水平灰度投影即为脸的上下边界，然后根据脸上的眼睛、鼻、口等器官，对该矩阵区域进行分块处理，接下来，根据数据库中的人脸图像信息及人员身份信息，对图像的灰度值进行处理后，对人脸图像数据进行特征提取；
[0067]
从人脸样本库中获取数据，得到新的特征向量和特征值，当有待识别人脸输人时，将之转化为一维矢量，将样板库中的各人脸样本和待识别人脸数据向同一个特征空间进行投影，样板库中的某一人脸与待识别人脸的投影特征距离最小的那个就认为是对应于待识别人脸那个人，然后对比该学员的脸部状态，从而确定该学员的学习状况。
[0068]
如图2所示，第二方面，一种防近视的装置，包括：
[0069]
获取模块，用于实时获取学员的体位图像信息和学员与显示器的距离；
[0070]
处理模块，用于根据获取的体位图像信息与预先设置的标准体位图像信息进行对比，判断学员的坐立状态，根据学员与显示器的距离，判断学员是否在标准距离内，若在标准距离内，则提示距离安全，若不在标准距离内，则提示继续调整位置；
[0071]
判断模块，用于根据学员的坐立状态判断学员的坐姿是否标准，若坐姿不标准，则进行提醒，若坐姿标准，则提出鼓励。
[0072]
在上述任一方案中优选的是，防近视的装置还包括：
[0073]
存储模块，用于对学员的学习时间进行计时并储存，若学员学习一定时间后，则提示学员进行休息。
[0074]
以上仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。