一种青少年近视的预警方法及相关设备与流程

本发明涉及数据处理，特别涉及一种青少年近视的预警方法及相关设备。

背景技术：

1、目前，在检测用户是否出现近视时，通常都是通过专业的检测方式，如通过视力检测表进行检测，测试员提问让被测用户辨识检测表中的符号，通过辨识的成绩得到视力检测结果。当近视发生后，为了更好看清物体，用户往往会主动眯眼来减少光线入射，增加景深，以获得更清楚的视野。同时，若近视用户存在长期用眼的情况，也会出现“干眼症”，需要通过频繁眨眼来滋润眼球。因此，识别眯眼、频繁眨眼的现象对于近视早期诊断具有重要意义。

2、目前，用于评价近视的金标准即为验光报告，需要在带有验光机的指定场所(如医院、眼镜店)开展验光实验，并不能于日常生活中实时开展近视风险评估、应用范围受限。应当注意，轻度近视对视力影响较小，用户易习惯于远处景象的模糊，且由于视近视野十分清晰，并不会过多影响日常学习与生活，故用户自身也难以在近视早期发现视力异常。

3、因此，如何在近视早期及时发现风险，进而开展有效的干预措施以减缓、甚至扭转近视趋势，是在当前严峻近视形势下亟需解决的问题。

4、需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本技术的目的在于提供一种青少年近视的预警方法及相关设备和系统，至少在一定程度上克服现有技术存在的问题，根据用户的眼部图像对不同的用户进行分类，筛选出相应的用户分组，并获取该分组内不同用户的用眼习惯，根据该用眼习惯获取对应用户的实时眼部图像，从而获知不同的用眼习惯对用户眼部的危害性，并根据此对用户进行预警，从而减少青少年的近视高发率。

2、本技术的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

3、根据本技术的一个方面，提供一种青少年近视的预警方法及相关设备，包括：获取若干用户的历史眼部图像和对应用户的用眼习惯；分别将不同用户的历史眼部图像互相进行比对处理，生成相似度结果；基于所述相似度结果对不同用户的历史眼部图像进行划分处理，生成相应的用户分组，其中，所述用户分组包括用于表征同一分组内不同用户眼部图像状态的标识信息；基于所述用眼习惯获取所述用户的实时眼部图像；基于预设分类模型对所述实时眼部图像进行处理，生成目标眼部图像，其中，所述目标眼部图像包括若干生理状态因素对所述实时眼部图像的影响程度；基于眼部图像计算模型对所述历史眼部图像和所述目标眼部图像进行处理，生成所述用户的眼部图像变化率，其中，所述眼部图像计算模型包括用于计算眼部图像变化率的计算公式，所述公式为；p＝a*tn/(s1-s2)；p表示眼部图像变化率，a为预设归一化因子，tn为第二时间段的时长，(s1-s2)为第一时间段与第二时间段中眼部图像的变化值；若所述眼部图像变化率大于预设阈值，基于风险因子评估模型对所述眼部图像变化率进行处理，生成预警信息。

4、在本技术的一个实施例中，所述基于预设分类模型对所述实时眼部图像进行处理，生成目标眼部图像，包括：获取所述用户的生活环境数据；基于所述生活环境数据对所述用户的生理状态因素设置预设权重值。

5、在本技术的一个实施例中，所述基于风险因子评估模型对所述眼部图像变化率进行处理，生成预警信息，包括：基于风险因子评估模型对所述眼部图像变化率进行处理，生成各生理状态因素的风险属性；基于所述风险属性获取所述生理状态因素与所述眼部图像变化率的影响程度；基于风险分类规则对所述生理状态因素的预设权重值进行处理，生成风险异常指标，其中，所述风险异常指标根据权重值的大小降序排序；基于所述风险异常指标生成预警信息。

6、在本技术的一个实施例中，所述基于预设分类模型对所述实时眼部图像进行处理，生成目标眼部图像，包括：对所述实时眼部图像进行灰度化处理，生成初始色彩图像；基于所述初始色彩图像获取初始特征；基于残差神经网络模型对所述初始色彩图像进行归一化处理，生成预设尺寸大小的目标色彩图像；基于所述残差神经网络模型对所述预设尺寸大小的目标色彩图像进行全局平均池化处理，生成目标特征；基于所述目标特征生成目标眼部图像。

7、在本技术的一个实施例中，所述基于残差神经网络模型对所述初始色彩图像进行归一化处理，生成预设尺寸大小的目标色彩图像之前，还包括：对所述目标色彩图像进行切片处理，依次生成多张连续的切片图像；对所述切片图像进行处理，生成多通道图像；将所述多通道图像输入残差神经网络模型进行处理，生成所述初始色彩图像。

8、在本技术的一个实施例中，所述基于预设分类模型对所述实时眼部图像进行处理，生成目标眼部图像，还包括：对所述切片图像进行分类处理，生成不同类别的目标切片图像；基于预设分类阈值对所述目标切片图像进行处理，生成处于异常状态的炎症细胞；基于预设规则对所述处于异常状态的炎症细胞进行处理，生成炎症细胞占比值；基于所述炎症细胞占比值生成目标眼部图像。

9、在本技术的一个实施例中，所述基于风险因子评估模型对所述眼部图像变化率进行处理，生成预警信息，包括：获取所述生理状态因素的实时参数浮动概率；若所述浮动概率大于预设浮动阈值，则基于所述历史生理状态因素判断所述浮动概率对应的生理状态因素是否一致；若是，则提高所述生理状态因素的风险值；若否，则在预设时间内获取所述生理状态因素浮动概率大于预设浮动阈值的次数，若所述次数大于预设次数，则提高所述生理状态因素的风险值；基于所述生理状态因素生成预警信息。

10、本技术的另一个方面，一种青少年近视的预警装置，其特征在于，包括：获取模块，用于获取若干用户的历史眼部图像和对应用户的用眼习惯；基于所述用眼习惯获取所述用户的实时眼部图像；处理模块，用于分别将不同用户的历史眼部图像互相进行比对处理，生成相似度结果；基于所述相似度结果对不同用户的历史眼部图像进行划分处理，生成相应的用户分组，其中，所述用户分组包括用于表征同一分组内不同用户眼部图像状态的标识信息；基于预设分类模型对所述实时眼部图像进行处理，生成目标眼部图像，其中，所述目标眼部图像包括若干生理状态因素对所述实时眼部图像的影响程度；基于眼部图像计算模型对所述历史眼部图像和所述目标眼部图像进行处理，生成所述用户的眼部图像变化率，其中，所述眼部图像计算模型包括用于计算眼部图像变化率的计算公式，所述公式为；p＝a*tn/(s1-s2)；p表示眼部图像变化率，a为预设归一化因子，tn为第二时间段的时长，(s1-s2)为第一时间段与第二时间段中眼部图像的变化值；若所述眼部图像变化率大于预设阈值，基于风险因子评估模型对所述眼部图像变化率进行处理，生成预警信息。

11、根据本技术的再一个方面，一种电子设备，其特征在于，包括：第一处理器；以及存储器，用于存储所述第一处理器的可执行指令；其中，所述第一处理器配置为经由执行所述可执行指令来执行实现上述的青少年近视的预警方法。

12、根据本技术的又一个方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被第二处理器执行时实现上述的青少年近视的预警方法。

13、根据本技术的又一个方面，提供一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被第三处理器执行时实现上述的青少年近视的预警方法。

14、本技术所提供的一种青少年近视的预警方法及相关设备，由服务器获取若干用户的历史眼部图像和对应用户的用眼习惯；分别将不同用户的历史眼部图像互相进行比对处理，生成相似度结果；基于所述相似度结果对不同用户的历史眼部图像进行划分处理，生成相应的用户分组，其中，所述用户分组包括用于表征同一分组内不同用户眼部图像状态的标识信息；基于所述用眼习惯获取所述用户的实时眼部图像；基于预设分类模型对所述实时眼部图像进行处理，生成目标眼部图像，其中，所述目标眼部图像包括若干生理状态因素对所述实时眼部图像的影响程度；基于眼部图像计算模型对所述历史眼部图像和所述目标眼部图像进行处理，生成所述用户的眼部图像变化率，其中，所述眼部图像计算模型包括用于计算眼部图像变化率的计算公式，所述公式为；p＝a*tn/(s1-s2)；p表示眼部图像变化率，a为预设归一化因子，tn为第二时间段的时长，(s1-s2)为第一时间段与第二时间段中眼部图像的变化值；若所述眼部图像变化率大于预设阈值，基于风险因子评估模型对所述眼部图像变化率进行处理，生成预警信息。根据用户的眼部图像对不同的用户进行分类，筛选出相应的用户分组，并获取该分组内不同用户的用眼习惯，根据该用眼习惯获取对应用户的实时眼部图像，从而获知不同的用眼习惯对用户眼部的危害性，并根据此对用户进行预警，从而减少青少年的近视高发率。

15、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。