一種三維立體顯示的視疲勞檢測系統和方法
【專利摘要】本發明公開了一種三維立體顯示的視疲勞檢測系統和方法，本系統包括立體顯示設備、閃光融合臨界頻率值CFF測量設備、近點距離NPD測量設備和數據處理單元；CFF測量設備，用于采集用戶觀看所述立體顯示時的CFF值，并將其傳輸給所述數據處理單元；NPD測量設備，用于采集該用戶觀看所述立體顯示時的NPD值，并將其傳輸給所述數據處理單元；數據處理單元包括一立體視疲勞預測模型；立體視疲勞預測模型根據輸入的CFF和NPD預測該用戶的立體視疲勞；本發明能快速檢測立體顯示造成的視疲勞程度，并可用于評價立體顯示設備和內容，以及指導設備生產和制作舒適的立體資源等。
【專利說明】一種三維立體顯示的視疲勞檢測系統和方法
【技術領域】
[0001]本發明屬于三維顯示評估領域，具體涉及到一種三維立體顯示的視疲勞檢測系統和方法。
【背景技術】
[0002]近些年來，立體顯示技術在電視廣播、視頻游戲、會議、醫療、教育、商業等領域的應用越來越多。盡管其應用惠及消費者和商家，但目前由于技術和成本的限制，立體顯示技術的發展受到很多阻礙。主要是3D顯示的成像原理和人的視覺系統工作機制存在沖突，造成了 3D顯示不可忽視的副作用。例如，長時間觀看立體圖像/視頻會使觀看者感到眼睛疲勞、頭暈、嘔吐等不適。甚至有研究表明，觀看立體顯示或許會對人們的健康產生長遠影響或不可逆的損害。這些健康隱患的存在使得人們不便長期觀看立體顯示，更不利于一些特殊人群，如小孩觀看。這些問題不僅嚴重影響用戶體驗，也制約了三維顯示技術的發展，及其相關產品的應用普及。因此，預防立體顯示對觀看過程中造成的視疲勞等不適癥狀具有重要的意義。
[0003]目前的立體顯示視疲勞數據檢測方法主要有兩種:主觀檢測和客觀測量。前者是讓觀看者表述觀看不適感的程度，或者完成一些特殊設計的問卷；后者主要是測量相關的一些生理指標。但這些方法都各有缺點，主觀表述往往因人而異，沒有統一的量化標準；很多客觀測量的設備復雜昂貴，對受試者的限制較多，有些甚至還需要測量者具備相當的領域知識才能處理后期的數據。同時客觀參量的選擇以及它們反應主觀不適程度的閾值等都還沒有標準可循。為此，尋找一種操作簡單且有效的立體資源視疲勞數據檢測方法勢在必行。因此，本發明提供了一種三維立體顯示的視疲勞檢測系統和方法，該系統提供了進行視疲勞檢測所需的軟硬件環境和基本流程，在其基礎上，通過本發明提供的視疲勞檢測方法將能簡單快速地量化立體顯示造成的視疲勞程度，用于檢測立體顯示設備和內容，以及指導設備生產和制作舒適的立體資源等。

【發明內容】

[0004]針對現有技術中在檢測立體顯示的立體視疲勞時常用客觀測量方法存在的不足，提供一種三維立體顯示的視疲勞檢測系統和方法，本系統和方法能夠對用戶針對立體顯示的主觀感受進行客觀量化，從而簡單快速的獲取立體顯示的視疲勞評測數據。
[0005]本發明中的立體顯示視疲勞檢測系統包括立體顯示設備、主觀視疲勞(SS)連續打分裝置、兩種視功能特征測量設備(閃光融合臨界頻率值(CFF)和近點距離(NPD))、以及配有桌椅、提供基本照明等條件的室內房間。該系統提供了進行視疲勞檢測所需的軟硬件環境和基本流程，其框架圖如圖2所示。數據輸入輸出層主要是對用戶的SS，CFF, NPD進行測量，獲取其在不同時刻的數值，然后經過數據處理層的加工，得到用CFF，NPD預測用戶視疲勞的模型公式，最后利用該模型公式可直接根據所測得的CFF、NPD的值，輸出用戶的預測立體視疲勞(SS’)。通過該系統獲得的立體視疲勞預測模型，可用于各種立體顯示的客觀評測，從而不再需要用戶主觀進行打分，而只需要測量用戶的CFF和NPD，再帶入模型公式進行計算即可。
[0006]所示立體顯示設備包括各種類型的可顯示立體內容的立體顯示器、立體投影等。設備的設置參數推薦使用默認值，并根據相關標準(ITU-R BT.500)控制觀看距離，滿足不同設備對最佳觀看距離的要求。同時還應該合理控制環境光照、溫度等，保持正常水平。
[0007]所述具備桌椅和照明等條件的室內房間，其大小要能滿足被測立體顯示設備對最佳觀看距離的限制，并保證正常穩定的室內環境。桌子大小能夠擺放開上述所有硬件設備，并避免設備之間的碰觸干擾，特別是測量設備對顯示設備的遮擋等。
[0008]所述兩種視功能特征的定義分別為:(a)近點是指當眼睛高度調節時，即用最大的調節力所能看清的最近一點，該點離眼睛的距離就是近點距離；(b)閃光融合臨界頻率是指剛剛能夠引起閃光融合感覺的刺激的最小頻率。
[0009]所述兩種視功能特征和視疲勞的關系分別是:(a)發生視疲勞時，近點距離變大；b)發生視疲勞時，閃光融合臨界頻率降低。并且，在用戶可承受范圍內，隨著視疲勞程度的增加，兩種視功能特征的值會持續變化。
[0010]所述主觀視疲勞連續打分裝置為一個手持滑塊交互式語音裝置，通過左右兩個按鈕進行加分和減分操作，增量為1，打分范圍為[1，10]。每次打分都會有語音反饋，在讓用戶知曉當前打分情況的基礎上又不需要占用用戶的觀看時間。用戶的打分會被實時記錄在文件中，方便后期的分析處理。其中，10分表示沒有疲勞，9-7分表示輕微疲勞，6-5分表示中等疲勞，4-3分表示明顯疲勞，2-1分表示嚴重視疲勞。
[0011]所述兩種視功能特征的測量方法分別是:(I)所測近點距離指的是雙目近點距離而不區分左右眼。測量工具可自制。自制近點測量工具包括一個30cm左右的直尺和一個可在直尺上前后移動的視標。用支架固定直尺，使得其上的視標中心和眼睛等高，測量時兩眼中心距離直尺開始端0.5cm，讓視標從眼睛處開始慢慢遠離，直到視標變得清晰不模糊為止，讀取此時視標所在的刻度值，即為雙目近點距離；(2)閃光融合臨界頻率的測量同樣是兩眼同時進行。可使用商業閃光融合頻率儀，分兩次測量，即漸增測量——將亮點調到明顯閃爍，然后調節旋扭直到剛剛看不到亮點閃爍為止，記錄此次頻率值；漸減測量——將亮點調到明顯不閃爍，然后調節旋扭直到剛剛看到亮點閃爍為止；記錄此次頻率值。每次測量時，可以在閃與不閃附近反復調整旋鈕，直到確定不再閃爍為止。最后，兩次測得數據的平均值即為該時刻的閃光融合臨界頻率值。
[0012]所述數據處理層首先對輸入的三種原始數據(SS，CFF, NPD)進行歸一化，以消除不同數據的單位量級差異。對于每個用戶，上述三種數據都分別是一組在不同時刻測得的數值。在用戶個人數據集內，將每種數據歸一化到O到I范圍內，以方便后續計算。對于歸一后的上述三種數據，進行每種數據的變化量計算，即某種數據的每個數值相對于該種數據的第一個數值的差異。變化量計算先是以用戶為單位，在每個用戶的數據集內部進行，得到每個用戶每種數據在不同時刻的變化量。然后綜合所有用戶在每個時刻上述三種數據的變化量，求取它們在各時刻處的變化量均值。對于上述三種數據對應的三組變化量均值，首先分別將CFF和SS，NPD和SS對應的數據(即歸一變化量均值)進行一元線性擬合，分別得到單個因子(CFF或NPD)和SS歸一變化量均值之間的線性關系。進而，對CFF, NPD和SS進行多元回歸處理，得到多因子(CFF和NPD)與SS之間的模型公式，即為立體視疲勞的預測模型。
[0013]所述數據存儲層用于存放測得的上述三種原始數據和經過數據處理層處理后獲得的各種關系模型等結果數據。
[0014]基于上述視疲勞檢測系統，本發明還提供一套具體的檢測方法，即在用戶觀看3D視頻過程中，在等間隔的時間點測量觀看者的主觀疲勞度評分和兩種視功能特征(CFF和NPD),來綜合檢測用戶視疲勞，從而確定立體顯示是否合格，本方法包括兩個部分:模型建立階段和模型應用階段。其中，模型建立階段的步驟為:
[0015]I)首先搭建上述立體顯示的視疲勞檢測環境，選擇合適的室內空間，布置立體顯示器、座椅、兩種視功能測量裝置和主觀視疲勞連續打分裝置，以及相關的量表和紙質材料等;
[0016]2)然后，對用戶進行立體視覺篩查，當立體視覺達到200"，即認為其可以參與實驗，最終參與用戶數量為M個；
[0017]3)把待測立體顯示的觀看過程分成N個等長的觀看時間段，在每個觀看時間段之后，緊跟著是測量時間段，測量內容包括近點距離(NPD)和閃光融合臨界頻率(CFF);在觀看時間段中，用戶使用連續打分裝置對主觀視疲勞(SS)進行連續打分；在第一個觀看時間段之前，即實驗開始前，先對用戶進行上述三項測量，獲得它們的初始值，該測量時間記為第O個測量時間段；
[0018]4)對步驟 3)測 得的數據進行編號，即 SS(i，j),NPD(i, j)和 CFF(i，j), i=l, 2...M, j=0, 1-N ；NPD(i, j)和CFF(i，j)分別表示第i個用戶的第j個測量時間段所測得的NPD和CFF值；SS(i，j)表示的是第i個用戶在第j個觀看時間段里連續主觀打分的均值，將其作為該用戶第j個測量時間段應測的主觀視疲勞度；
[0019]5)對步驟4)中已編號的數據進行歸一化處理，即對每個用戶的SS，NH)和CFF數據，分別得到一組歸一化值 uniSS(i，j)，uniNPD(i，j)和 uniCFF(i, j), i=l, 2…M，j=0, I...N ;它們分別表示第i個用戶在第j個測量時間段所測得的SS，NPD和CFF值的歸一值，取值范圍為[O, I]；
[0020]6)計算步驟5)的數據的變化量，即對每個用戶歸一后的SS，NH)和CFF數據，分另1J 得到一組變化量值 Delta_uniSS(i, j), Delta_uniNPD(i, j)和 Delta_uniCFF(i, j), i=l, 2...Μ，j=0, I…N ;它們分別表示第i個用戶在第j個測量時間段出現的SS, NPD和CFF歸一值的變化量；
[0021]7)計算步驟 6)中數據的均值，即 avg_Delta_uniSS (j)，avg_Delta_uniNPD (j)和avg_Delta_uniCFF (j), j=0, I...N ;它們分別表示全部用戶在第j個測量時間段出現的SS,NPD和CFF歸一變化量的均值；
[0022]8)分析步驟7)中數據之間的相關性，即對avg_Delta_uniSS和avg_Delta_uniNPD, avg_Delta_uniSS 和 avg_Delta_uniCFF 進行線性擬合，均滿足關系 y=ax+b, y 表不avg_DeIta_uniSS, x 表不 avg_De11a_uniNPD 或 avg_Delta_uniCFF,擬合程度越高越好；
[0023]9)對步驟7)中的數據，進行多元線性回歸，可得到關系模型SS’ =UniSS(O)+avg_Delta_uniSS,其中，uniSSh(O)表示所有用戶的第O個測量時間段里視疲勞的歸一值；avg_Delta_uniSS=w1*avg_DeIta_uniNPD+w2*avg_DeIta_uniCFF+c, W1 和 w2 代表各個特征指標的權重，c是一個常量；[0024]上述步驟1-9建立的模型關系，應用于三維顯示視疲勞的客觀評估，即為模型應用階段，其步驟為:
[0025]a)按照模型建立階段的步驟3)測得每個用戶的一組NPD值和一組CFF值；
[0026]b)按照模型建立階段的步驟4)至步驟7)對數據進行處理；
[0027]c)將處理后的數據值帶入上述關系模型，即可得到一組avg_Delta_uniSS(j),j=0, Ρ..Ν;表示用戶在第j個測量時間段發生的視疲勞歸一值的變化量；
[0028]d)對所有用戶在第O個測量時間段測得的主觀視疲勞歸一值uniSS (i, O)，i=l, 2…M，求其均值為 avg_uniSS (O)；
[0029]e)至此，可計算第j個測量時間段時用戶的視疲勞程度預測值為SS’ (j)=avg_uniSS (O) +avg_Delta_uniSS (j), j=0, 1-N ;SS’取值范圍[0，I]，數值越大表示疲勞程度越小。
[0030]進一步的，所述步驟2)中，參與檢測的用戶數量M越大越好，建議不少于5人。綜合越多用戶的體驗感受，越能接近真實地對顯示設備或內容進行檢測。
[0031]進一步的，所述步驟3)中測量的順序是:先測量近點距離，然后測量閃光融合臨界頻率。以此避免測量后者時，所用設備(如閃光融合頻率儀)對眼睛造成的影響。
[0032]進一步的，所述步驟3)中，觀看時間段個數應N的取值取決于所觀看的立體內容或設備，原則上要保證用戶觀看N/2個時間段后能夠出現視疲勞癥狀。為此，每個觀看時間段的持續時間和整個實 驗耗時也會受到限制，而測量時間段的耗時則盡量小于觀看時間段的時長，以保證用戶產生的視疲勞不會在測量過程中得到太多恢復。
[0033]進一步的，為了盡量縮短測量時間段的耗費時間，需要在正式開始立體觀看之前，訓練用戶熟練使用兩種視功能特征的測量設備，直到可以在允許的時間內完成。
[0034]進一步的，對步驟5)中所述的歸一化處理是針對每個用戶分別進行的，即對于用戶 i 的 SS, NPD 和 CFF 的值進行如下處理:uniXX(i, j) = (XX(i, j) _MIN(XX (i，O)，...XX(i,N)))/(MAX (XX(i,0),...XX (i, N))-MIN (XX (i, 0)，...XX(i，N)))，i=l, 2,…M; j=0, I,...N。其中符號” XX”代表SS，NPD或CFF。此步驟旨在于通過歸一化處理消除用戶個體間差
巳升。
[0035]進一步的，對步驟6)中所述的變化量的計算過程也是針對每個用戶分別進行的，在步驟5)獲得的數據基礎上，對于用戶i的SS，NPD和CFF的歸一值進行如下處理:Delta_uniXX(i, j) =UniXX(i, j)-uniXX(i, 0)，i=l, 2，…M; j=0, I,...N。其中符號”XX”代表 SS, NPD或 CFF。
[0036]進一步的，對步驟8)中所述的相關性分析，擬合程度通常以線性擬合的線性系數R2來判斷，一般R2越大越好。此步驟旨在于確保所測視功能特征與主觀疲勞度之間存在有效的相關性，從而為后續尋找它們之間的關系模型提供保障。
[0037]進一步的，對步驟9)中所述的多元線性回歸，其根據在于步驟8)驗證了所測視功能特征與主觀視疲勞之間的相關性為線性，從而可以用這些視功能特征作為自變量，主觀視疲勞打分作為因變量，找到它們之間的關系模型。
[0038]進一步的，對步驟9)中所得到的關系模型，其有效性可通過回歸判定系數、斯皮爾曼等級相關系數或均方根誤差等方法來進行判定。而為了提高其有效性，則應進行較大規模的實驗，收集大量數據以穩定關系模型中的各項系數。在各種條件允許的情況下實驗規模越大越好。
[0039]本方法的實施流程如圖3所示，由觀看時間段和測量時間段交替組成。為了保證用戶在實驗過程中出現視疲勞，觀看時間段時長，測量時間段時長和觀看時間段個數等需要根據具體觀看的立體顯示內容或設備來定。在每個測量時間段里，先進行近點距離的測量，然后是閃光融合臨界頻率的測量。在模型建立階段的每個觀看時間段里，用戶使用連續打分裝置進行主觀視疲勞的實時打分。實驗中，環境光照、溫度等一般保持正常值不變，而所觀看的立體顯示設備和立體內容需要根據不同的目標進行相應的差異控制。若目標是檢測顯示設備，則應控制每個觀看時間段里立體內容的差異盡量小，特別是立體內容的運動、視差和亮度等；若目標是檢測立體內容，則應控制整個觀看過程中顯示設備參數是恒定的，即設定參數為推薦值，并保持不變。
[0040]根據本方法所得關系模型，只需要測量兩種視功能特征，即可實現對立體視疲勞的定量計算，而不再需要用戶的主觀打分。所用視功能特征的測量方法簡單，對測量設備要求很低，甚至可以自制。后期的數據處理只需要一次歸一化，即可直接利用所給公式計算出立體視疲勞預測值。本方法一方面對用戶沒有任何強制性限制，只需要能夠熟練操作兩種測量設備即可；另一方面，數據處理部分對測量者基本沒有門檻，只要有基礎的數學知識就能完成計算。
[0041]與現有技術相比，本發明具有如下的優點和技術效果:
[0042]1.方法的有效性
[0043]本方法從分析視疲勞客觀指標的時序變化，客觀指標和主觀視疲勞之間的一致性和相關性等方面入手，驗證所測客觀指標的有效性，并通過一系列數據處理得到用所測客觀指標預測主觀視疲勞的關系模型。其中，在模型建立階段，通過主觀視疲勞連續打分裝置可以獲取用戶視疲勞的實時情況，并用每個時間段的平均值作為計算數據，一定程度上增加了主觀打分的可靠性和穩定性。
[0044]2.測量過程簡單，測量設備可自制。
[0045]本方法所使用的兩種視功能特征數據，其獲取非常簡單，對設備的要求很低。在理解其測量原理的基礎上，可自制測量設備。而主觀視疲勞連續打分裝置只需要將帶有兩個按鈕的單片機和具有語音功能的交互軟件連接起來，進行簡單的數據讀取，即可實現用戶自主地進行主觀打分。因此，使用本方法檢測立體視疲勞的花費低。
[0046]3.數據量少，處理簡單。
[0047]本方法中模型建立階段最終收集的數據包括主觀視疲勞、近點距離和閃光融合臨界頻率，且在模型應用階段只需要后兩種即可，每種數據量級可控。應用所得模型進行三維顯示視疲勞評估時，通過簡單的公式帶入，即可得到用戶視疲勞的預測值。數據處理部分對測量者幾乎沒有門檻。
[0048]4.通過尋找合適的預測模型，可以不再需要主觀評價，減少了個體情感等主觀因
素影響。
[0049]通過本方法所獲預測模型計算的立體視疲勞，沒有摻雜任何人的主觀情感，因而結果更客觀。同時不需要主觀評價，也減輕了用戶的任務負擔。
【專利附圖】

【附圖說明】[0050]圖1本系統的實施環境圖；
[0051]圖2本系統的框架圖；
[0052]圖3本方法的實施流程圖；
[0053]圖4本方法的具體實施案例中的結果圖(NPD和SS)；
[0054]圖5本方法的具體實施案例中的結果圖(CFF和SS)。
【具體實施方式】
[0055]為了使本【技術領域】的技術人員更好的理解，下面結合附圖1和附圖3對本方法作進一步的詳細說明。使用本方法檢測一個立體電影的視疲勞，其過程主要包括四個階段:布置環境、練習演示、觀看和測量，以及數據處理。
[0056]1.布置環境
[0057]觀看環境主要包括一臺23英寸的偏振眼鏡式立體顯示器、近點距離測量設備、閃光融合臨界頻率測量設備、可旋轉的移動座椅和一臺主機。顯示器的亮度、對比度等參數設為推薦值(ITU-R BT.500)。近點距離測量設備是自制的，用一個鐵架臺固定一個50厘米長的鋼尺,鋼尺上有一個可前后移動的視標。視標是一個6.5cmX6.5cm的正方形PC板，中心有一個十字架符號。視標下邊緣做出一個
[0058]深1.5厘米的槽口，正好卡在鋼尺上，如此，視標中心的十字架符號距離鋼尺表面5厘米左右，近似等于兩眼中心距離鼻尖的距離。閃光融合臨界頻率測量設備采用的是購買的商業儀器。這兩個測量設備放置于用戶的左手側桌面上。在距離立體顯示器所在平面3倍屏幕高度(87厘米)的地面上，用黃色線標記為座椅位置。主機用來控制立體電影《變形金剛3》的播放。周圍環境光照和溫度維持正常值不變。
[0059]2.練習演示
[0060]先對用戶進行立體視力檢查，通過隨機點立體圖篩選出可以識別出視差為200"的用戶。共有13名用戶通過篩選，接著主試者向這些用戶演示兩種測量設備的使用方法，然后給予用戶一定時間進行操作練習。
[0061]近點距離測量:演示時，主試者把鼻尖輕輕抵在鋼尺的開始端，此時兩眼中心和視標中心的十字符號處在等高面上。左手扶住鋼尺后半部，右手捏住視標右下角，從眼睛處慢慢向遠處推動，直到能清楚的看到視標中心的十字位置。然后，由用戶自己練習操作，主試者記錄每次練習的距離值和花費時間。
[0062]閃光融合臨界頻率測量:首先依次演示漸增和漸減測量，(I)漸增測量——主試者將亮點調至明顯閃爍，然后邊操作邊解釋:“現在看到的是一個閃爍的亮點，用右手向外側調節旋鈕直到剛剛看不到亮點閃爍為止；可以在閃與不閃附近反復調整，直至確定不再閃爍為止。”(2)漸減測量——主試者將亮點調到明顯不閃爍，然后邊操作邊解釋:“現在看到的是一個不閃爍的亮點，用右手向內側調節旋扭直到剛剛看到亮點閃爍為止；同樣可以在閃與不閃附近反復調整，直到確定閃爍為止。”之后，由用戶自己練習操作，主試者記錄每次的漸增頻率值和漸減頻率值，并計算它們的均值為一次結果。同時主試記錄完成一次測量的時間。
[0063]當用戶最后2次測量值基本不變，且能夠在I分鐘內完成所有測量時，則結束練習階段。接著進行實驗演示，即按照正式的實驗流程，讓用戶觀看5-10分鐘左右的視頻，并完成相應的測量和打分，以此增加他們對實驗的熟悉度。
[0064]接下來，在正式開始實驗之前，主試者向用戶介紹大概過程，需要的時間和注意事項:“接下來你將看到一部立體電影的部分內容，分成12段，每段5分鐘。每段結束時會有提示鈴聲，緊接著進行近點距離和閃光融合臨界頻率的測量，如此反復。整個觀看過程大約需要I小時20分鐘。期間，若感覺特別不適，無法繼續觀看，可隨時終止。”
[0065]3.觀看和測量
[0066]主試者調整座椅位置，使其前輪位于黃色標記線處。然后指導用戶以一個舒適的姿勢坐在座椅上，并左右移動顯示器，直到用戶表示正對著屏幕中心為止。用戶帶上立體眼鏡和耳機，主試者開始播放立體電影，并開始計時。
[0067]觀看過程中，周圍環境保持安靜，主試者坐在用戶視野外的某個位置，通過無線鼠標控制播放。用戶手持連續打分裝置，對觀看過程中的視疲勞進行實時打分。5分鐘之后，主試者暫停電影播放，用戶摘下立體眼鏡，移動座椅至測量設備旁，依次開始測量近點距離和閃光融合臨界頻率，主試者記錄數據。之后，主試者再次調整座椅位置，用戶帶上立體眼鏡，繼續觀看電影，直到下一個5分鐘時，重復上述測量過程。
[0068]當第12個5分鐘后的測量完成后，整個觀看過程結束。
[0069]4.數據處理
[0070]觀看過程結束后，共記錄了 13名用戶的三種數據，即SS(i，j)，NPD(i，j)和CFF(i，j), i=l, 2...13，j=0, I...12 ;對這些數據一次進行如下處理:
[0071](1)歸一化處理，即對每個用戶的SS，Nro和CFF數據，分別得到一組歸一化值uniSS(i, j), uniNPD(i, j)和 uniCFF(i, j), i=l, 2…13，j=0, 1...12 ；
[0072](2)計算每種數據的歸一變化量，即對每個用戶歸一后的SS，NB)和CFF數據，分另1J 得到一組變化量值 Delta_uniSS(i, j), Delta_uniNPD(i, j)和 Delta_uniCFF(i, j), i=l, 2…13，j=0, 1...12 ；
[0073](3)計算全部用戶每一種數據的歸一變化量均值，即avg_Delta_uniSS(j), avg_Delta_uniNPD(j)和 avg_Delta_uniCFF(j), j=0, 1...12 ；
[0074](4)進行三種數據歸一變化量均值之間的相關性分析，即對avg_Delta_uniSS和a V g_D e 11 a_un i NPD, avg_Delta_uniSS 和 avg_Delta_uniCFF 分別進行線性擬合，其中 avg_Delta_uniSS作為因變量，avg_De11a_uniNPD或avg_Delta_uniCFF作為自變量。得到如下擬合結果:
[0075]avg_Delta_uniSS=-l.0215*avg_De11a_uniNPD+0.0247, R2=0.9730 (I)
[0076]avg_De11a_uniSS=0.8724*avg_Delta_uniCFF+0.0305, R2=0.9343 (2)
[0077]等式(1)和(2)的結果對應圖4和圖5.經此步驟可確保所測NPD和CFF與主觀視疲勞之間存在明顯的線性相關。
[0078](5)進行多元線性回歸，以NPD和CFF的歸一變化量均值為自變量，主觀視疲勞的歸一變化量均值為因變量，得到關系模型avg_Delta_SS=wl*avg_Delta_uniNPD+w2*avg_Delta_uniCFF+e,其中 wl=_0.8404，w2=0.1629, e=0.0305.回歸判定系數為 0.9750，達到非常聞的有效性。
[0079]經過數據處理得到的關系模型，在被實際應用于主觀視疲勞預測之前，應進行大規模上述實驗，以提升模型的有效性和穩定性。
【權利要求】
1.一種三維立體顯示的視疲勞檢測系統，其特征在于包括立體顯示設備、閃光融合臨界頻率值CFF測量設備、近點距離NPD測量設備和數據處理單元；其中: 所述閃光融合臨界頻率值CFF測量設備，用于采集用戶觀看所述立體顯示上的三維立體顯示時的CFF值，并將其傳輸給所述數據處理單元； 所述近點距離NPD測量設備，用于采集該用戶觀看所述立體顯示上的三維立體顯示時的NPD值，并將其傳輸給所述數據處理單元； 所述數據處理單元包括一立體視疲勞預測模型；所述立體視疲勞預測模型根據輸入的CFF和NPD預測該用戶的立體視疲勞； 其中，所述立體視疲勞預測模型為SS’ =UniSS(0) +avg_Delta_uniSS ；avg_Delta_uniSS=w1*avg_DeIta_uniNPD+w2*avg_DeIta_uniCFF+c ；c 是一個常量；uniSSh (O)表不用戶起始視疲勞歸一值；avg_Delta_SS為視疲勞的歸一變化量均值的預測值，avg_Delta_uniNPD為用戶歸一后的NPD數據變化量的均值，其權重為W1 ；avg_Delta_uniCFF為用戶歸一后的CFF數據變化量的均值，其權重為w2。
2.如權利要求1所述的系統，其特征在于還包括一主觀視疲勞連續打分裝置，用于采集設定時刻用戶觀看所述立體顯示上的三維立體顯示時的用戶視疲勞打分值SS，并將其傳輸給所述數據處理單元。
3.如權利要求2所述的系統，其特征在于所述閃光融合臨界頻率值CFF測量設備采集設定時刻用戶觀看所述立體顯示上的三維立體顯示時的CFF值，并將其傳輸給所述數據處理單元；所述近點距離NPD測量設備采集設定時刻用戶觀看所述立體顯示上的三維立體顯示時的NH)值，并將其傳輸給所述數據處理單元；所述數據處理單元根據輸入的SS值序列、CFF值序列和NPD值序列構建所述立體視疲勞預測模型。
4.如權利要求3所述的系統，其特征在于所述數據處理單元首先對輸入的SS、CFF、NPD三種數據進行歸一化；然后計算每個用戶每種數據在不同時刻的變化量；然后綜合所有用戶在每個時刻上三種數據的變化量均值，得到三種數據對應的三組歸一變化量均值；然后分別將CFF和SS，NPD和SS對應的歸一變化量均值進行一元線性擬合，分別得到CFF和SS、NPD和SS之間的線性關系；然后對CFF、NPD和SS對應的歸一變化量均值進行多元回歸處理，得到所述立體視疲勞的預測模型。
5.如權利要求2所述的系統，其特征在于所述主觀視疲勞連續打分裝置為一個手持滑塊交互式語音裝置，通過左右兩個按鈕進行加分和減分操作。
6.如權利要求1所述的系統，其特征在于所述近點距離NPD測量設備包括一近點測量工具；所述近點測量工具包括一直尺和一可在該直尺上前后移動的視標，以及直尺固定支架。
7.—種三維立體顯示的視疲勞檢測方法，其步驟為: 1)采集用戶觀看所述立體顯示上的三維立體顯示時的CFF值； 2)采集該用戶觀看所述立體顯示上的三維立體顯示時的NPD值，并將其傳輸給所述數據處理單元； 3)所述數據處理單元根據輸入的CFF和NPD利用立體視疲勞預測模型預測該用戶的立體視疲勞； 其中，所述立體視疲勞預測模型為SS’ =UniSS(0) +avg_Delta_uniSS ；uniSSh (0)表不用戶起始視疲勞歸一值！avg—Delta—uniSSzWi^avg—Delta—uniNPD+wdavg—Delta.uni CFF+c ；c是一個常量；avg_Delta_SS為視疲勞的歸一變化量均值的預測值，avg_Delta_uniNPD為用戶歸一后的NPD數據變化量的均值，其權重為W1 ；avg_Delta_uniCFF為用戶歸一后的CFF數據變化量的均值，其權重為w2。
8.如權利要求7所述的方法，其特征在于所述立體視疲勞預測模型的建立方法為: 1)將待測三維立體顯示的觀看過程分成N個觀看時間段，在每個觀看時間段之后對用戶的近點距離NPD和閃光融合臨界頻率CFF進行測量；在觀看時間段中，用戶使用主觀視疲勞連續打分裝置對主觀視疲勞SS進行打分；分別得到一 SS(i，j)序列、NPD(i，j)序列和CFF(i,j)序列;其中，i=l，2…M，j=0，1...Ν;Μ為用戶總數；NPD(i, j)和CFF(i,j)分別表示第i個用戶的第j個測量時間段所測得的NPD和CFF值；SS(i，j)表示的是第i個用戶在第j個觀看時間段里連續主觀打分的均值； 2)對SS(i，j)序列、NPD (i，j)序列和CFF (i，j)序列中的數據進行歸一化處理，分別得到一組歸一化值 uniSS (i, j)，uniNPD (i, j)和 uniCFF (i, j)； 3)計算每個用戶歸一后的SS、NPD和CFF數據變化量Delta_uniSS(i，j)、Delta_uniNPD(i, j)和 Delta_uniCFF (i, j)； 4)計算全部用戶在第j個測量時間段出現的SS，NPD和CFF歸一變化量的均值:avg_Delta_uniSS(j), avg_Delta_uniNPD(j)和 avg_Delta_uniCFF(j)；
5)對avg_Delta_uniSS 和 avg_Delta_uniNPD,avg_Delta_uniSS 和 avg_Delta_uniCFF進行線性擬合； 6)對步驟5)中的數據進行多元線性回歸，得到所述立體視疲勞預測模型。
9.如權利要求8所述的方法，其特征在于所述歸一化處理方法為:對于每一用戶i的 SS、NPD 和 CFF 的值進行如下處理:uniXX (i, j) = (XX (i, j) -MIN (XX (i, O)，...XX (i, N))) /(MAX (XX (i, O)，...XX (i, N)) -MIN (XX (i, O)，...XX (i, N)));其中符號”XX”代表 SS,NPD 或 CFF。
10.如權利要求7或8或9所述的方法，其特征在于先測量近點距離NPD，然后測量閃光融合臨界頻率CFF。
【文檔編號】H04N13/04GK103796010SQ201410019363
【公開日】2014年5月14日 申請日期:2014年1月16日 優先權日:2014年1月16日
【發明者】王丹力, 王婷婷, 王宏安 申請人:中國科學院軟件研究所