SCI论文（www.lunwensci.com）:
摘 要：研发实时检测与缓解视疲劳的智能设备在日常生活中具有重要应用价值。视疲劳程度与眨眼动作密切相关，从眨 眼动作提取的眨眼频率和眨眼持续时间会随着视疲劳程度的加深而有所增加。本文通过采集疲劳和非疲劳状态下的垂直眼电信号（VEOG）从而进行眨眼实时监测，然后建立支持向量机（二分类）模型，将 30 秒内的眨眼频率、平均时间占比作为区分 将疲劳眼电信号和非疲劳眼电信号的特征，最终模型测试集准确率为 88.33%。本文创新地提出了将监测和缓解视疲劳于一体 的智能按摩眼镜。系统可以根据判别函数 f(x1,x2)=4.8647*x1+x2-0.5138 判断眼睛是否进入疲劳状态，若眼睛进入疲劳状态，眼 镜自动启动按摩功能对睛明穴进行按摩，以及时缓解视疲劳，保护双眼。该设备可佩戴性高，低功耗，是一款能有效保护双眼 的可穿戴设备。
关键词：视疲劳 ；睛明穴 ；按摩 ；眨眼动作
A Kind of Intelligent Massage Glasses for Monitoring and Relieving Asthenopia
SHI Yuzhu1, SHANG Zhigang1,2, WU Yue1, XU Ruinan1
（1.School of Electrical Engineering, Zhengzhou University, Zhengzhou Henan 450001；
2.Henan Key Laboratory of Brain Science and Brain Computer Interface Technology, Zhengzhou Henan 450001）
【Abstract】：The research and development of real-time detection and relief of asthenopia intelligent equipment in daily life has an important application value. The degree of asthenopia is closely related to eye blink, and the blink frequency and duration extracted from eye blink will increase the degree of asthenopia. In this paper, real- time monitoring of blinking is carried out by collecting the VEOG signals under fatigue and non-fatigue conditions, and then a Support Vector Machine model（SVM）is established.The blinking frequency and the average blink duration within 30 seconds were used as the characteristics to distinguish the fatigue and non-fatigue eye signals, the accuracy of the final model test set was 88.33%. In this paper, the intelligent massage glasses model which can monitor and relieve visual fatigue is presented. According to the function f(x1,x2)=4.8647*x1+x2-0.5138, the system can judge the fatigue state of the eyes. Then it automatically starts the massage function to massage the Jingming points, so as to relieve asthenopia in time and protect the eyes. The device has high wearability and low power consumption, and is a wearable device that can effectively protect eyes.
【Key words】： asthenopia;Jingming point;message;eye blink
在 2019 新型冠状病毒（2019-nCoV） 的影响下， 远程教育，远程办公被广泛应用。随之产生的问题是社会 对电子产品的依赖性大幅度提升 [1]。长时间观看电脑显示屏，手机屏幕等视屏显示终端会使眼球频繁运动而过度紧张，从而引起视疲劳，长此以往会引起眼球表面炎性反应、近视、干眼症等眼部疾病 [2]。根据以往的研究，按摩眼部周围穴位可以调整眼，脑的血液循环，放 松肌肉，改善视疲劳，预防近视等眼部疾病 [3]。睛明穴 位于面部，目内眦角稍上方凹陷处，研究表明按摩此穴能促进眼睛周围的血液流通，有助于缓解眼睛疲劳，目赤肿痛，视物不清等眼部疾病 [4]。
眨眼，又称瞬目反射，是眼睛自我保护的基本生理功能。正常的周期性眨眼有利于于维持和反映眼睛的健康状态 [5-6]。目前的研究中，可以通过高速摄像机拍摄脸部图像然后通过机器视觉算法检测眨眼 [7]，也可以通过采集眼电信号来检测眨眼 [8]。前者受环境影响较大，系统复杂，不利于小型化可穿戴设备。后者识别较为准确，并且方便实时佩戴和记录。眼电信号（EOG）可以分为垂直眼电信号（VEOG）和水平眼电信号（HEOG），垂直眼电信号（VEOG）记录眼球上下运动，因此从垂直眼电信号中可以有效的提取眨眼动作，李帅等人提出的VEOG 采集系统 [9] 通过单导联方式采集 VEOG，同时也能减少受试者的视线影响和不适感，不影响受试者的正常生活，符合可穿戴设备的设计原则。
目前可穿戴设备大多朝着促进健康生活的方向发展。基于此，本文提出了一种通过采集垂直眼电信号，实时检测眨眼动作，判断眼部疲劳状态的眼镜，一旦眼睛进入疲劳状态，该眼镜能智能按摩睛明穴以缓解视疲劳程度。
1 系统硬件设计
该眼镜的硬件部分由电源供应模块、信号采集与转换模块、MCU 控制模块、按摩模块组成。该系统先通过 Agcl 电极将 VEOG 从受试者眼睛周围采集出来，通过信号采集模块进行滤波和模数转换。MCU 控制模块的 STM32 芯片则负责对采集数据处理计算，并将其存储到 SD 卡和通过串口发送到上位机 PC 端，方便观察VEOG 波形。MCU 控制模块同时控制着按摩模块启动 和停止。此外，电源供应模块负责整个眼镜的供电及电 压转换。系统的整体框架如图 1 所示。
电源供应模块由 5V 锂电池电源，稳压芯片，开关等组成，为系统提供三个不同的电压 ：3.3V 电压用 于 MCU、外围接口供电 ；±2.5V 用于给 AD 转换芯片 （ADS1299）供电。存储模块以及与上位机通信电路属 于通用电路，这里不再详述。本文主要介绍信号采集转 换模块和按摩模块的设计。
1.1 信号采集与转换模块
选用 Agcl 电极采集 VEOG，电极正（图 2）、电极 负（图 2）分别贴于受试者右眼的上下两侧（正对于眼 睛中央，分别距眼眶上下两侧约 10mm），地电极（图2）贴于眉心上方 20mm 处。电极正和电极负用来得 到眼球在垂直方向运动时的差信号，即 VEOG。由于 眼电信号属于微弱的低频信号（0.1 ～ 38Hz）, 幅值约 为 0.4 ～ 10mV[10]，因此低通滤波电路由四阶模拟低通 器组成，设置其低通截止频率为 39.8Hz，并实现 50 倍 的放大。由于生物电的采集对采集系统的放大，共模抑 制，动态范围等都有很高的要求。因此采用低噪声、24 位同步采样模数转换器 ADS1299 芯片实现差动放大 - 数模转换过程。
1.2 按摩模块
按摩模块由电机驱动电路， 1027 微型纽扣按摩电机及 开关等组成。1027 微型纽扣按摩电机直径 10±0.1mm， 其形状和大小可以很好的匹配睛明穴，且具有功耗小 （额定功率 0.15W），振动稳定、使用寿命长的优点。可 以通过改变电机驱动电压的大小，来调节电机振动的快 慢。该功能可让按摩力度符合受试者的个人需求。
综上所述，该眼镜集独立电源供电、实时采集与处 理垂直眼电信号（VEOG）、上位机显示波形，数据存储，智能按摩等功能于一体。从图 3 中可以发现，佩戴 该眼镜并不影响受试者的视物及正常生活。
2 视疲劳的确定
本文讨论的是视疲劳与眨眼的关系，以往的研究提 出，随着视疲劳程度的加深，眨眼频率以及眨眼持续时 间会有明显变化。
2.1 VEOG 采集实验
眨眼动作是判断眼睛是否疲劳的重要特征，VEOG 幅值的变化可以反应眨眼动作。本实验中共采集了 6 名无眼部疾病的受试者。让受试者佩戴上述眼镜，完成 VEOG 的实时采集，采样频率为 250Hz。为了更准确 的判断眼睛是否进入疲劳状态，实验开始前让受试者 回答主观疲劳问卷，评分≥ 30（满分 50）判定为疲劳 状态。该疲劳问卷参考李帅等人 [10] 的眼疲劳简短问题 主观问卷。当受试者出现眼睛干涩、灼热 / 发红、注意 力不集中、看屏幕模糊、头晕 / 头痛中任一症状评分加 10，否则不加分 ；出现多种症状时，评分累加。
两种眼睛状态（非疲劳 / 疲劳）的信号采集流程如下 ：
（1）非疲劳状态 ：在受试者前一天晚上保证充足的 睡眠的前提下，早上九点进行实验。实验开始前受试者 闭眼休息 30min，并进行疲劳问卷回答，若评分 <30， 受试者开始佩戴眼镜开始信号采集。采集过程中观看 30min 的视频， 每隔 10min， 闭眼休息 2min。采集的 每段 VEOG 信号时长 30s。
（2）疲劳状态 ：受试者在进行实验前观看 1h 的视 频，全程不休息，而后进行疲劳问卷回答，评分≥ 30， 则佩戴眼镜开始采集 VEOG ；评分 <30，则继续观看视 频。采集过程中观看 30min 的视频，每隔 10min，闭 眼休息 10s。采集的每段 VEOG 信号时长 30s。
实验共采集了 6 人 340 组有效信号 , 通过 C# 语言 开发的上位机软件可以实时观察信号采集是否正常。
2.2 眨眼检测算法
将采集到的 VEOG 数据导入到 MATLAB 中 [13]，首 先进行 VEOG 信号的预处理。信号经过去基线和归一化 之后更加方便观察眨眼 VEOG 波形。预处理之后的信号 波形图如图 4（a）所示，从中可以看出眨眼时刻 VEOG信号幅度值快速变化，其变化速度要远大于其他时刻，幅值高，波形也比较简单。本文中对眨眼特征的提取参考了 Bruno Jammes 等人的方法 [9]，核心思想是给定一个眨眼开始的 VEOG 幅值变化的速度阈值，可以借助这个阈值来定位一次眨眼动作。
处理过程 ：对预处理之后的 VEOG 进行差分运算得到幅值变化的速度值，设定一个速度阈值，当速度值 大于该阈值，定位为眨眼开始。并确定该时刻 VEOG 的幅值 A，而后的幅值大于等于 A 的一段 VEOG 即是一段眨眼信号 ，设置眨眼时刻幅值为 1，其余时刻为 0，即可得到如图 4（b）所示的矩形波形图。
通过以上步骤，每段 30 秒的 VEOG 均可提取出两个特征 ：眨眼频率
和平均眨眼时间占比
。令受试者连续观看视频 30 分钟，其和 N 变化波形图如图 5 所示。随着疲劳程度的增加， 和 N 都有所变化。
2.3 疲劳阈值的确定
本文主要采用支持向量机（SVM）分类模型进行二 分类。每个输入量有两个特征 和 N，输出量为疲劳 / 非疲劳。线性 SVM 分类判别函数为 y=xβ+b[11]。本文 主要调用了 Matlab 软件中的 fitcsvm 函数 [13]。
共选用了训练集样本 280 组，测试集样本数据 60 组。经过训练，得到的判别函数为 f(x1,x2)=4.8647*x1+x2- 0.5138。测试集的准确率为 88.33%，如图 6 所示。
3 系统软件设计
3.1 软件设计
根据上述研究，得到视疲劳分类函数 f(x1,x2)=4.8647* x1+x2-0.5138。系统的软件程序是基于 STM32 的基础 上开发的，其疲劳判定主程序流程如图 7 所示。初始化 包括系统时钟初始化，按键中断初始化，ADS1299 初 始化。然后开始从 I/O 接收 VEOG。根据 2.2 中的眨眼 检测算法，每隔 30s 计算一个眨眼频率和平均眨眼时间占比，将这两个值作为判别函数 f(x1,x2) 的输入，当 f(x1,x2)>0 时，判定眼睛进入疲劳状态，启动按摩功能， 每次按摩 2 分钟。
3.2 功能测试
分别让 6 名受试者佩戴此眼镜，配合回答如表 1 所 示的视疲劳调查问卷。当问卷得分 <30 时（非视疲劳状 态）， 仅有 1 人眼镜启动按摩 ；当问卷得分≥ 30 时（视疲劳状态），6 人眼镜均自动启动按摩。
4 总结
本文提出了一种可以实时监测 VEOG 并通过按摩缓 解视疲劳的智能眼镜。采用单导联的方式采集 VEOG， 保证该眼镜不对用户视物造成影响。按摩单元选用 1027 微型纽扣按摩电机能够对睛明穴起到很好的按摩作用。硬件系统整体设计遵循易佩戴，低功耗，操作简单的设 计原则。实验过程中，为了衡量受试者的视疲劳程度， 设计了一套视疲劳程度主观问卷，确保了视疲劳主观感 受采集过程的可靠性和全面性。实验证明随着疲劳程度 的增加，眨眼频率和平均眨眼时间占比有所增加，并通 过 SVM 分类算法得到了分类判别函数，该分类函数是 视疲劳判别的关键。测试结果表明，该眼镜能长时间， 高准确性地监测眨眼动作，并及时对视疲劳状态下睛明穴进行按摩。在未来的研究中，可以增添多模式按摩功 能并优化眼镜外形，让其更加满足市场的需要。
参考文献
[1] Saldanha Ian J.Impact of the COVID-19 pandemic on eye strain and dry eye symptoms[J].The Ocular Surface, 2021(22):38-46.
[2] 张玮,李华南,赵娜,等.基于人类本能浅谈睛明穴在VDT视疲 劳和脑疲劳之间的桥梁作用[J].中国针灸,2017,37(1):85-87. [3] 付于.如何缓解视疲劳[J].开卷有益-求医问药,2021(3):51-52. [4] 董文君,殷萱,姚斐.穴位按摩防近视[J].健康向导,2017,23 (5):48-49.
[5] Miljanović Biljana,Dana Reza,Sullivan David A, Schaumberg Debra A.Impact of dry eye syndrome on vision- related quality of life[J].AmericanJournal of Ophthalmology, 2007,143(3):409-15.
[6] Mark Rosenfield.Computer vision syndrome:a review of ocular causes and potential treatments[J].Ophthalmic and Physiological Optics,2011,31(5):502-515.
[7] 刘松岩.基于计算机视觉的驾驶员驾驶疲劳监测系统的设计 [D].秦皇岛:燕山大学,2009.
[8] Kong X,Wilson G F.A new EOG-based eye blink detection algorihm[J].Behavior Research Methods Instruments and Computers,1998,30(4):713-719.
[9] Magosso E,Ursino M,Zaniboni A,et al.A wavelet-based energetic approach for the analysis of biomedical signals: Application to the electroencephalogram and electro- oculogram[J].Applied Mathematics and Computation,2009, 207(1):42-62.
[10] 李帅.基于垂直眼电信号的眼疲劳评估系统的研发[J].中国 医学装备,2020,17(6):4-9.
[11] 周志华.机器学习[M].北京:清华大学出版社,2016.
[12] 王金芳.基于脑电和眼电的疲劳状态分析方法的研究[D]. 秦皇岛:燕山大学,2015.
[13] 沈再阳.MATLAB信号处理[M].北京:清华大学出版,2017.
关注SCI论文创作发表，寻求SCI论文修改润色、SCI论文代发表等服务支撑，请锁定SCI论文网！
文章出自SCI论文网转载请注明出处：https://www.lunwensci.com/jisuanjilunwen/34560.html
