本發(fā)明涉及一種測評視頻視疲勞程度的方法，具體涉及一種測評立體視頻視疲勞程度的方法與系統(tǒng)。
背景技術：
：與常規(guī)的二維平面顯示相比，由于人眼看現(xiàn)實世界和立體顯示是不同的。在觀看現(xiàn)實世界時，人眼的焦點調節(jié)距離和集合距離是一致的，都為觀看者和注視點間的距離。而觀看立體顯示時，由于光線是從顯示屏發(fā)出的，故人眼焦點調節(jié)距離是固定的，而視差使得人眼集合在虛擬物體上，此時焦點調節(jié)距離和集合距離不一致，形成了一種不舒適的觀看體驗。長時間觀看立體顯示對會導致視疲勞的發(fā)生，造成諸如頭痛、眼脹、視力模糊、復視甚至是休克等短期癥狀，甚至有可能對人體造成永久性傷害，成為立體顯示技術長期以來不能普及的重要原因之一。因此，考慮到立體顯示的市場化前景，立體顯示的視疲勞的研究非常有必要，為了保證立體顯示技術持續(xù)穩(wěn)定的發(fā)展和立體顯示裝置的推廣，需要進一步提升立體顯示的性能，保證在觀看的時候不會對人們的身體健康有長期不可逆的危害，且至少具有與傳統(tǒng)二維平面顯示相同的觀看舒適度?，F(xiàn)有立體視頻測試需要大量測試人員對其進行長時間觀看而對其進行主觀或客觀評價，但是長時間觀看這些立體視頻會造成觀看者諸如頭痛、頭暈、眼灼熱等視疲勞現(xiàn)象，甚至有可能對人體造成永久性傷害。技術實現(xiàn)要素：本發(fā)明所要解決的技術問題是現(xiàn)有立體視頻測試需要大量測試人員對其進行長時間觀看而對其進行主觀或客觀評價，但是長時間觀看這些立體視頻會造成觀看者諸如頭痛、頭暈、眼灼熱等視疲勞現(xiàn)象，甚至有可能對人體造成永久性傷害，目的在于提供一種測評立體視頻視疲勞程度的方法與系統(tǒng)，解決現(xiàn)有立體視頻測試需要大量測試人員對其進行長時間觀看而對其進行主觀或客觀評價，但是長時間觀看這些立體視頻會造成觀看者諸如頭痛、頭暈、眼灼熱等視疲勞現(xiàn)象，甚至有可能對人體造成永久性傷害的問題。本發(fā)明通過下述技術方案實現(xiàn)：一種測評立體視頻視疲勞程度的方法與系統(tǒng)，包括顯示裝置，還包括與顯示裝置連接的處理器，所述處理器上還連接有數(shù)據(jù)輸入模塊、視頻輸入模塊、疲勞度數(shù)據(jù)庫和視頻數(shù)據(jù)庫；顯示裝置：接收處理器發(fā)送的視頻數(shù)據(jù)并進行播放；處理器：接收外界輸入的疲勞度參數(shù)，從視頻數(shù)據(jù)庫中讀取對應視頻的播放參數(shù)，建立疲勞度多因素線性回歸模型儲存到疲勞度數(shù)據(jù)庫中；接收視頻輸入模塊發(fā)送的視頻數(shù)據(jù)，讀取視頻數(shù)據(jù)中的播放參數(shù)，帶入疲勞度數(shù)據(jù)庫中儲存的儲存疲勞度多因素線性回歸模型中計算視頻的疲勞度參數(shù)；數(shù)據(jù)輸入模塊：接收外界輸入的疲勞度參數(shù)并發(fā)送給處理器；視頻輸入模塊：接收外界發(fā)送的視頻數(shù)據(jù)，處理后發(fā)送到處理器；疲勞度數(shù)據(jù)庫：儲存疲勞度多因素線性回歸模型；視頻數(shù)據(jù)庫：儲存視頻數(shù)據(jù)。顯示裝置為以下立體顯示器或系統(tǒng)中的一種：分色立體顯示器、快門式立體顯示器、偏振式立體顯示器、光柵式立體顯示器、分色立體投影系統(tǒng)、快門式立體顯示系統(tǒng)、偏振式立體投影系統(tǒng)、光柵式立體投影系統(tǒng)。數(shù)據(jù)輸入模塊用于采集參與實驗的受試者在觀看立體顯示內容前后的視疲勞感受程度，以建立疲勞度多因素線性回歸模型的數(shù)據(jù)庫。視頻輸入模塊用于在系統(tǒng)建立完成后輸入待測視頻到系統(tǒng)中。疲勞度數(shù)據(jù)庫用于儲存疲勞度多因素線性回歸模型。視頻數(shù)據(jù)庫用于儲存樣本視頻。采用上述模塊的有機組合，可以實現(xiàn)通過系統(tǒng)自動判斷立體視頻的疲勞度參數(shù)，解決現(xiàn)有立體視頻測試需要大量測試人員對其進行長時間觀看而對其進行主觀或客觀評價，但是長時間觀看這些立體視頻會造成觀看者諸如頭痛、頭暈、眼灼熱等視疲勞現(xiàn)象，甚至有可能對人體造成永久性傷害的問題。一種測評立體視頻視疲勞程度的方法，包括以下步驟：a、基于現(xiàn)有的立體視頻建立視頻數(shù)據(jù)庫；b、通過數(shù)據(jù)輸入模塊輸入步驟a中建立的視頻數(shù)據(jù)庫中視頻的疲勞度參數(shù)；通過處理器提取步驟a中建立的視頻數(shù)據(jù)庫中視頻的播放參數(shù)；c、匹配視頻的疲勞度參數(shù)和播放參數(shù)，建立多因素線性回歸模型并儲存在疲勞度數(shù)據(jù)庫中；d、通過視頻輸入模塊將待測視頻輸入處理器中，處理器讀取待測視頻的播放參數(shù)，將待測視頻的播放參數(shù)帶入步驟c中建立的多因素線性回歸模型，得到待測視頻的疲勞度參數(shù)。本發(fā)明提供一種測評立體視頻視疲勞程度高低的方法，用于評估制作出來的立體視頻視疲勞程度是否較低，即是否達到觀看者所需要的舒適度。首先，根據(jù)已有的大量立體視頻樣本建立視頻數(shù)據(jù)庫，讓足夠數(shù)量的測試人員對其進行評估，然后得到立體視頻樣本的疲勞度參數(shù)。其次，用spss數(shù)據(jù)統(tǒng)計分析軟件進行數(shù)據(jù)分析并建立疲勞度數(shù)據(jù)庫，將數(shù)據(jù)庫存儲在計算機中。疲勞度數(shù)據(jù)庫中包含了疲勞度參數(shù)與立體視頻播放參數(shù)的多因素線性回歸模型。最后，當需要對一個新的立體視頻進行視疲勞度參數(shù)的評價，以判斷其能否達到觀看者能接受的舒適度要求時，將待評估立體視頻的播放參數(shù)輸入計算機中的視頻輸入模塊，根據(jù)疲勞度數(shù)據(jù)庫中已經建立的多因素線性回歸模型，對待評估立體視頻的視疲勞程度高低進行評測，而不用再進行觀看后評價。立體觀看視疲勞的多參數(shù)模型可以預測可靠度較高的結果，用該模型可以到達快速評估立體觀看視疲勞，從立體視頻中預測視疲勞程度可以代替主客觀評價，從而減少了主觀評價信息收集的復雜性，以避免多次主觀評價過程對人體的傷害，提出低視疲勞程度的立體視頻的優(yōu)化設計方案。所述步驟a中建立的視頻數(shù)據(jù)庫中包括不少于10段立體視頻。所述步驟b中的疲勞度參數(shù)包括10個項目，分別為頭痛、眼干、眼痛、眼灼熱、眼緊繃、眼刺痛、視物模糊、重影、惡心和肩僵硬的參數(shù)。所述步驟b中的對疲勞度參數(shù)10個項目的測評，采用的是含有5個等級的疲勞分級。根據(jù)視疲勞癥狀的嚴重程度，從1到5分別分為沒有視疲勞、輕度疲勞、中等視疲勞、嚴重視疲勞、非常嚴重視疲勞五個量級。每兩個相鄰的等級之間還可以設置一個中間值，這樣共計9個評價值。所述步驟b中每段視頻至少輸入20組的疲勞度參數(shù)。所述疲勞度參數(shù)由1.0以上的視力、屈光參差在2.00ds、至少擁有60″或更低的立體視銳度、眼壓低于20毫米汞柱的測試人員提供。所述播放參數(shù)包括視差閾值、視頻幀率和串擾度。所述步驟c中基于spss建立多因素線性回歸模型：y＝a+b1x1+b2x2+b3x3其中y為立體視頻的疲勞度參數(shù)，a、b1、b2、b3為特征參數(shù)，x1、x2、x3為立體視頻的三個播放參數(shù)。所述建立多因素線性回歸模型的方法包括以下步驟：c1、確定y、x1、x2、x3的值；c2、基于y＝a+b1x1+b2x2+b3x3，求得a、b1、b2、b3；c4、建立回歸方程，得到了立體觀看視疲勞的多因素線性回歸模型的表達式。所述c2中采用最小二乘法求得a、b1、b2、b3。在模型的建立方法上，利用最小二乘法計算多因素線性回歸模型中的線性回歸系數(shù)，使預測視疲勞值與主觀評價值相關性最大。本發(fā)明與現(xiàn)有技術相比，具有如下的優(yōu)點和有益效果：1、本發(fā)明一種測評立體視頻視疲勞程度的方法與系統(tǒng)，避免了繁瑣的主客觀評價過程，減少主觀評價信息收集的復雜性，并且能快速預測立體視頻視疲勞程度；2、本發(fā)明一種測評立體視頻視疲勞程度的方法與系統(tǒng)，消除客觀評價所使用的眼科檢測設備對人體健康的二次傷害，提高了視疲勞評價過程的效率；3、本發(fā)明一種測評立體視頻視疲勞程度的方法與系統(tǒng)，數(shù)據(jù)分析過程的有效性和所建數(shù)據(jù)模型的可靠性高。附圖說明此處所說明的附圖用來提供對本發(fā)明實施例的進一步理解，構成本申請的一部分，并不構成對本發(fā)明實施例的限定。在附圖中：圖1為本發(fā)明結構示意圖。具體實施方式為使本發(fā)明的目的、技術方案和優(yōu)點更加清楚明白，下面結合實施例和附圖，對本發(fā)明作進一步的詳細說明，本發(fā)明的示意性實施方式及其說明僅用于解釋本發(fā)明，并不作為對本發(fā)明的限定。實施例1如圖1所示，本發(fā)明一種測評立體視頻視疲勞程度的方法與系統(tǒng)，包括顯示裝置，還包括與顯示裝置連接的處理器，所述處理器上還連接有數(shù)據(jù)輸入模塊、視頻輸入模塊、疲勞度數(shù)據(jù)庫和視頻數(shù)據(jù)庫；顯示裝置：接收處理器發(fā)送的視頻數(shù)據(jù)并進行播放；處理器：接收外界輸入的疲勞度參數(shù)，從視頻數(shù)據(jù)庫中讀取對應視頻的播放參數(shù)，建立疲勞度多因素線性回歸模型儲存到疲勞度數(shù)據(jù)庫中；接收視頻輸入模塊發(fā)送的視頻數(shù)據(jù)，讀取視頻數(shù)據(jù)中的播放參數(shù)，帶入疲勞度數(shù)據(jù)庫中儲存的儲存疲勞度多因素線性回歸模型中計算視頻的疲勞度參數(shù)；數(shù)據(jù)輸入模塊：接收外界輸入的疲勞度參數(shù)并發(fā)送給處理器；視頻輸入模塊：接收外界發(fā)送的視頻數(shù)據(jù)，處理后發(fā)送到處理器；疲勞度數(shù)據(jù)庫：儲存疲勞度多因素線性回歸模型；視頻數(shù)據(jù)庫：儲存視頻數(shù)據(jù)。顯示裝置為以下立體顯示器或系統(tǒng)中的一種：分色立體顯示器、快門式立體顯示器、偏振式立體顯示器、光柵式立體顯示器、分色立體投影系統(tǒng)、快門式立體顯示系統(tǒng)、偏振式立體投影系統(tǒng)、光柵式立體投影系統(tǒng)。數(shù)據(jù)輸入模塊用于采集參與實驗的受試者在觀看立體顯示內容前后的視疲勞感受程度，以建立疲勞度多因素線性回歸模型的數(shù)據(jù)庫。視頻輸入模塊用于在系統(tǒng)建立完成后輸入待測視頻到系統(tǒng)中。疲勞度數(shù)據(jù)庫用于儲存疲勞度多因素線性回歸模型。視頻數(shù)據(jù)庫用于儲存樣本視頻。采用上述模塊的有機組合，可以實現(xiàn)通過系統(tǒng)自動判斷立體視頻的疲勞度參數(shù)，解決現(xiàn)有立體視頻測試需要大量測試人員對其進行長時間觀看而對其進行主觀或客觀評價，但是長時間觀看這些立體視頻會造成觀看者諸如頭痛、頭暈、眼灼熱等視疲勞現(xiàn)象，甚至有可能對人體造成永久性傷害的問題。一種測評立體視頻視疲勞程度的方法，包括以下步驟：a、基于現(xiàn)有的立體視頻建立視頻數(shù)據(jù)庫；b、通過數(shù)據(jù)輸入模塊輸入步驟a中建立的視頻數(shù)據(jù)庫中視頻的疲勞度參數(shù)；通過處理器提取步驟a中建立的視頻數(shù)據(jù)庫中視頻的播放參數(shù)；c、匹配視頻的疲勞度參數(shù)和播放參數(shù)，建立多因素線性回歸模型并儲存在疲勞度數(shù)據(jù)庫中；d、通過視頻輸入模塊將待測視頻輸入處理器中，處理器讀取待測視頻的播放參數(shù)，將待測視頻的播放參數(shù)帶入步驟c中建立的多因素線性回歸模型，得到待測視頻的疲勞度參數(shù)。本發(fā)明提供一種測評立體視頻視疲勞程度高低的方法，用于評估制作出來的立體視頻視疲勞程度是否較低，即是否達到觀看者所需要的舒適度。首先，根據(jù)已有的大量立體視頻樣本建立視頻數(shù)據(jù)庫，讓足夠數(shù)量的測試人員對其進行評估，然后得到立體視頻樣本的疲勞度參數(shù)。其次，用spss數(shù)據(jù)統(tǒng)計分析軟件進行數(shù)據(jù)分析并建立疲勞度數(shù)據(jù)庫，將數(shù)據(jù)庫存儲在計算機中。疲勞度數(shù)據(jù)庫中包含了疲勞度參數(shù)與立體視頻播放參數(shù)的多因素線性回歸模型。最后，當需要對一個新的立體視頻進行視疲勞度參數(shù)的評價，以判斷其能否達到觀看者能接受的舒適度要求時，將待評估立體視頻的播放參數(shù)輸入計算機中的視頻輸入模塊，根據(jù)疲勞度數(shù)據(jù)庫中已經建立的多因素線性回歸模型，對待評估立體視頻的視疲勞程度高低進行評測，而不用再進行觀看后評價。立體觀看視疲勞的多參數(shù)模型可以預測可靠度較高的結果，用該模型可以到達快速評估立體觀看視疲勞，從立體視頻中預測視疲勞程度可以代替主客觀評價，從而減少了主觀評價信息收集的復雜性，以避免多次主觀評價過程對人體的傷害，提出低視疲勞程度的立體視頻的優(yōu)化設計方案。所述步驟a中建立的視頻數(shù)據(jù)庫中包括10段立體視頻。所述步驟b中的疲勞度參數(shù)包括10個項目，分別為頭痛、眼干、眼痛、眼灼熱、眼緊繃、眼刺痛、視物模糊、重影、惡心和肩僵硬的參數(shù)。所述步驟b中的對疲勞度參數(shù)10個項目的測評，采用的是含有5個等級的疲勞分級。根據(jù)視疲勞癥狀的嚴重程度，從1到5分別分為沒有視疲勞、輕度疲勞、中等視疲勞、嚴重視疲勞、非常嚴重視疲勞五個量級。每兩個相鄰的等級之間還可以設置一個中間值，這樣共計9個評價值。所述步驟b中每段視頻輸入20組的疲勞度參數(shù)。所述疲勞度參數(shù)由1.0以上的視力、屈光參差在2.00ds、至少擁有60″或更低的立體視銳度、眼壓低于20毫米汞柱的測試人員提供。所述播放參數(shù)包括視差閾值、視頻幀率和串擾度。所述步驟c中基于spss建立多因素線性回歸模型：y＝a+b1x1+b2x2+b3x3其中y為立體視頻的疲勞度參數(shù)，a、b1、b2、b3為特征參數(shù)，x1、x2、x3為立體視頻的三個播放參數(shù)。所述建立多因素線性回歸模型的方法包括以下步驟：c1、確定y、x1、x2、x3的值；c2、基于y＝a+b1x1+b2x2+b3x3，求得a、b1、b2、b3；c4、建立回歸方程，得到了立體觀看視疲勞的多因素線性回歸模型的表達式。所述c2中采用最小二乘法求得a、b1、b2、b3。在模型的建立方法上，利用最小二乘法計算多因素線性回歸模型中的線性回歸系數(shù)，使預測視疲勞值與主觀評價值相關性最大。實施例2一種測評立體視頻視疲勞程度的方法，包括以下步驟：a、基于現(xiàn)有的立體視頻建立具有10段時間不少于30分鐘視頻數(shù)據(jù)庫；b、通過數(shù)據(jù)輸入模塊輸入步驟a中建立的視頻數(shù)據(jù)庫中視頻的疲勞度參數(shù)，所述疲勞度參數(shù)包括10個項目，分別為頭痛、眼干、眼痛、眼灼熱、眼緊繃、眼刺痛、視物模糊、重影、惡心和肩僵硬。所述步驟b中的對疲勞度參數(shù)10個項目的測評，采用的是含有5個等級的主觀疲勞問卷，根據(jù)視疲勞癥狀的嚴重程度，從1到5分別為沒有視疲勞、輕度疲勞、中等視疲勞、嚴重視疲勞、非常嚴重視疲勞五個量級。每兩個相鄰的等級之間可以有一個中間值，這樣共計9個評價值可供觀看者選擇。所述步驟b中每段視頻輸入20組的疲勞度參數(shù)，所述疲勞度參數(shù)由1.0以上的視力、屈光參差在2.00ds、至少擁有60″或更低的立體視銳度、眼壓低于20毫米汞柱的測試人員提供；通過處理器提取步驟a中建立的視頻數(shù)據(jù)庫中視頻的播放參數(shù)，所述播放參數(shù)包括視差閾值、視頻幀率和串擾度；c、匹配視頻的疲勞度參數(shù)和播放參數(shù)，建立多因素線性回歸模型并儲存在疲勞度數(shù)據(jù)庫中；所述步驟c中基于spss建立多因素線性回歸模型：y＝a+b1x1+b2x2+b3x3其中y為立體視頻的疲勞度參數(shù)，a、b1、b2、b3為特征參數(shù)，x1、x2、x3分別為立體視頻的視差閾值、視頻幀率和串擾度參數(shù)；所述建立多因素線性回歸模型的方法包括以下步驟：c1、確定y、x1、x2、x3的值；c2、基于y＝a+b1x1+b2x2+b3x3，求得a、b1、b2、b3；c4、建立回歸方程，得到了立體觀看視疲勞的多因素線性回歸模型的表達式。所述c2中采用最小二乘法求得a、b1、b2、b3。在模型的建立方法上，利用最小二乘法計算多因素線性回歸模型中的線性回歸系數(shù)，使預測視疲勞值與主觀評價值相關性最大。d、通過視頻輸入模塊將待測視頻輸入處理器中，處理器讀取待測視頻的播放參數(shù)，將待測視頻的播放參數(shù)帶入步驟c中建立的多因素線性回歸模型，得到待測視頻的疲勞度參數(shù)。實施例3使用：視差閾值x1的取值為30′、50′、70′；視頻幀率x2的取值為20fps、25fps、30fps；串擾度x3的取值為10％、15％、20％的數(shù)據(jù)建立多因素線性回歸模型。其組合如下：x1x2x3y3020101.753025101.803030102.355020102.055025103.205030103.557020102.15………..將這些數(shù)據(jù)輸入spss，根據(jù)最小二乘法確定了a、b1、b2、b3分別為-5.2789，0.0522，0.1176，0.1438。代入多因素線性回歸模型，得：y＝-5.2789+0.0522x1+0.1176x2+0.1438x3若有一段待測視頻，采用人工評測的方法獲得疲勞度參數(shù)為2.15，其播放參數(shù)為：視差閾值70′、視頻幀率20fps和串擾度10％，代入上式，則可以求得待測視頻的疲勞度參數(shù)為2.1651，與人工評測的方法獲得疲勞度參數(shù)的誤差在合理范圍內。因而，不再需要主客觀的視疲勞評估。以上所述的具體實施方式，對本發(fā)明的目的、技術方案和有益效果進行了進一步詳細說明，所應理解的是，以上所述僅為本發(fā)明的具體實施方式而已，并不用于限定本發(fā)明的保護范圍，凡在本發(fā)明的精神和原則之內，所做的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內。當前第1頁12