基于智能手机的眼睛疲劳度数据分析方法

摘要

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，纠正不良的生活惯，有利于保护视力，提高人们对自身健康的认知度。

主权项

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$D=\{(t_1,D_{t_1}),(t_2,D_{t_2}),...,(t_n,D_{t_n})\};$(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：$E_{\mathrm{tired}}^t=\frac{t{\times Z}_t{\times D}_t}{B_t}$然后，统计每天的眼睛疲劳度：$E_{\mathrm{tired}}^{\mathrm{day}}=\underset{t=1..n}{\Sigma }\frac{t_n\times Z_{t_n}\times D_{t_n}}{B_{t_n}}.$