眼动行为分析方法、图像渲染方法、组件、装置和介质与流程

1.本公开涉及近眼显示技术领域，特别涉及一种眼动行为分析方法、图像渲染方法、电子组件、近眼显示装置和计算机可读介质。


背景技术：

2.随着电子科技水平的不断进步，虚拟现实(virtual reality，vr)或增强现实(augmented reality，ar)技术作为一种高新技术，已经越来越多地被应用在日常生活中。
3.现阶段，针对利用了虚拟现实或增强现实技术的近眼显示装置，其画面刷新率较低，画面延迟较大，观看者无法获得流畅的观看体验。


技术实现要素：

4.本公开旨在至少解决现有技术中存在的技术问题之一，提出了一种眼动行为分析方法、图像渲染方法、电子组件、近眼显示装置和计算机可读介质。
5.为实现上述目的，第一方面，本公开实施例提供了一种眼动行为分析方法，应用于近眼显示装置，所述方法包括：
6.确定目标人眼在显示屏上的注视点；
7.获取所述注视点在预设时间段内的移动速度曲线；
8.根据所述移动速度曲线确定所述目标人眼在所述预设时间段内对应的至少一种眼动行为类型，并根据所述移动速度曲线获取每一种所述眼动行为类型对应的眼动行为数据；
9.基于每一种所述眼动行为类型对应的眼动行为数据进行分析计算，生成所述目标人眼的眼动行为特征。
10.在一些实施例中，所述根据所述移动速度曲线确定所述目标人眼在所述预设时间段内对应的至少一种眼动行为类型，包括：
11.针对所述移动速度曲线，若存在一速率小于或等于预设的第一速率阈值，确定出所述眼动行为类型包括注视类型；
12.若存在一速率大于所述第一速率阈值且小于预设的第二速率阈值，确定出所述眼动行为类型包括注视移动类型，其中，所述第一速率阈值小于所述第二速率阈值；
13.若存在一速率大于或等于所述第二速率阈值，确定出所述眼动行为类型包括扫视类型。
14.在一些实施例中，所述眼动行为数据包括：眼动行为频次和持续时间；
15.所述基于每一种所述眼动行为类型对应的眼动行为数据进行分析计算，生成所述目标人眼的眼动行为特征，包括：
16.根据每一种所述眼动行为类型对应的眼动行为频次确定其各自对应的权重系数；
17.基于每一种所述眼动行为类型对应的权重系数、眼动行为频次和持续时间进行分析计算，生成所述眼动行为特征。
18.在一些实施例中，所述确定目标人眼在显示屏上的注视点，包括：
19.获取包括所述目标人眼的人眼侧图像；
20.根据所述人眼侧图像检测瞳孔状态，以确定所述注视点。
21.在一些实施例中，所述基于每一种所述眼动行为类型对应的眼动行为数据进行分析计算，生成所述目标人眼的眼动行为特征，包括：
22.根据所述人眼侧图像分析得到所述目标人眼的人眼特征；
23.响应于数据库中未存储所述人眼特征，基于每一种所述眼动行为类型对应的眼动行为数据进行分析计算，生成所述眼动行为特征，并将所述人眼特征和所述眼动行为特征存储至所述数据库中；
24.响应于所述数据库中存储有所述人眼特征，从所述数据库中获取所述目标人眼对应的历史眼动行为数据；基于每一种所述眼动行为类型对应的历史眼动行为数据和眼动行为数据进行分析计算，生成所述眼动行为特征；将所述人眼特征和所述眼动行为特征更新至所述数据库中。
25.在一些实施例中，所述眼动行为特征为当前的场景类型下的眼动行为特征；
26.所述方法还包括：
27.获取包括所述显示屏的显示屏侧图像；
28.将所述显示屏侧图像和预设的场景模板进行匹配，并根据匹配出的场景模板确定当前的场景类型。
29.在一些实施例中，所述近眼显示装置包括图像采集组件、透镜组件和所述显示屏；所述显示屏投射的图像经所述透镜组件的整形后到达所述目标人眼处；所述人眼侧图像和所述显示屏侧图像由所述图像采集组件采集得到；
30.在将所述显示屏侧图像和预设的场景模板进行匹配之前，还包括：
31.基于亮度从所述显示屏侧图像中提取出显示屏区域；
32.对所述显示屏区域进行校正，以得到呈预设形状的所述显示屏区域；
33.所述将所述显示屏侧图像和预设的场景模板进行匹配，包括：
34.将呈预设形状的所述显示屏区域和所述场景模板进行匹配。
35.在一些实施例中，所述近眼显示装置还包括反光组件，所述反光组件与所述目标人眼位于同一侧，所述反光组件被配置为反射所述显示屏投射的、经所述透镜组件整形后的图像；所述人眼侧图像和所述显示屏侧图像为同一图像，其由所述图像采集组件对所述目标人眼和所述反光组件拍摄得到；
36.所述基于亮度从所述显示屏侧图像中提取出显示屏区域，包括：
37.基于亮度从所述显示屏侧图像中提取出反光组件区域，将所述反光组件区域作为所述显示屏区域。
38.第二方面，本公开实施例还提供了一种图像渲染方法，应用于近眼显示装置，所述方法包括：
39.确定目标人眼在显示屏上的注视点；
40.获取所述目标人眼的眼动行为特征，其中，所述眼动行为特征为预先采用如上述实施例中任一所述的眼动行为分析方法得到；
41.根据所述眼动行为特征预测得到下一时刻所述注视点的预测位置信息；
42.根据所述预测位置信息对所述显示屏在下一时刻显示的图像进行渲染。
43.第三方面，本公开实施例还提供了一种电子组件，包括：
44.一个或多个处理器；
45.存储器，用于存储一个或多个程序；
46.当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述实施例中任一所述的眼动行为分析方法，或者实现如上述实施例所述的图像渲染方法。
47.第四方面，本公开实施例还提供了一种近眼显示装置，其中，包括：图像采集组件、透镜组件、显示屏以及上述实施例所述的电子组件。
48.第五方面，本公开实施例还提供了一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如上述实施例中任一所述的眼动行为分析方法中的步骤，或者实现如上述实施例所述的图像渲染方法中的步骤。
附图说明
49.附图用来提供对本公开的进一步理解，并且构成说明书的一部分，与本公开的实施例一起用于解释本公开，并不构成对本公开的限制。通过参考附图对详细示例实施例进行描述，以上和其他特征和优点对本领域技术人员将变得更加显而易见，在附图中：
50.图1为本公开实施例提供的一种眼动行为分析方法；
51.图2为本公开实施例中步骤s3的一种具体实施方法流程图；
52.图3为本公开实施例中步骤s4的一种具体实施方法流程图；
53.图4为本公开实施例提供的另一种眼动行为分析方法的流程图；
54.图5为本公开实施例提供的又一种眼动行为分析方法的流程图；
55.图6为本公开实施例提供的再一种眼动行为分析方法的流程图；
56.图7为本公开实施例中步骤s02的一种具体实施方法流程图；
57.图8为本公开实施例提供的一种近眼显示装置的结构示意图；
58.图9为本公开实施例提供的另一种近眼显示装置的结构示意图；
59.图10为本公开实施例提供的一种图像渲染方法的流程图；
60.图11为本公开实施例提供的一种电子组件的结构示意图；
61.图12为本公开实施例提供的一种计算机可读介质的结构示意图。
具体实施方式
62.为使本领域的技术人员更好地理解本公开的技术方案，下面结合附图对本公开提供的眼动行为分析方法、图像渲染方法、电子组件、近眼显示装置和计算机可读介质进行详细描述。
63.在下文中将参考附图更充分地描述示例实施例，但是所述示例实施例可以以不同形式来体现且不应当被解释为限于本文阐述的实施例。反之，提供这些实施例的目的在于使本公开透彻和完整，并将使本领域技术人员充分理解本公开的范围。
64.本文所使用的术语仅用于描述特定实施例，且不意欲限制本公开。如本文所使用的，单数形式“一个”和“该”也意欲包括复数形式，除非上下文另外清楚指出。还将理解的
是，当本说明书中使用术语“包括”和/或“由
……
制成”时，指定存在所述特征、整体、步骤、操作、元件和/或组件，但不排除存在或添加一个或多个其他特征、整体、步骤、操作、元件、组件和/或其群组。
65.将理解的是，虽然本文可以使用术语第一、第二等来描述各种元件，但这些元件不应当受限于这些术语。这些术语仅用于区分一个元件和另一元件。因此，在不背离本公开的指教的情况下，下文讨论的第一元件、第一组件或第一模块可称为第二元件、第二组件或第二模块。
66.除非另外限定，否则本文所用的所有术语(包括技术和科学术语)的含义与本领域普通技术人员通常理解的含义相同。还将理解，诸如那些在常用字典中限定的那些术语应当被解释为具有与其在相关技术以及本公开的背景下的含义一致的含义，且将不解释为具有理想化或过度形式上的含义，除非本文明确如此限定。
67.图1为本公开实施例提供的一种眼动行为分析方法。具体地，该方法应用于近眼显示装置，近眼显示装置包括虚拟现实设备和增强现实设备等，在一些实施例中，近眼显示装置为可穿戴设备，如vr眼镜、ar眼镜及其他头戴式设备等；如图1所示，该方法包括：
68.步骤s1、确定目标人眼在显示屏上的注视点。
69.其中，可通过实时检测人眼状态或设置固定点的方式确定注视点，注视点即目标人眼当前直接注视的、显示屏显示的图像中的位置。
70.在一些实施例中，在近眼显示装置中，使用者的双眼分别对应一块显示屏，将其中任一作为目标人眼；若获取到的是目标人眼当前感受的三维画面中的注视位置，则基于显示屏的显示分辨率以及物理尺寸，通过二维与三维之间的映射关系可得到空间坐标系和显示屏坐标系之间的函数关系，由此可进行空间坐标系和显示屏坐标系之间的转换，确定显示屏上的注视点。
71.步骤s2、获取注视点在预设时间段内的移动速度曲线。
72.其中，基于注视点在预设时间段内的变化情况可得到注视点在该预设时间段内的移动速度曲线；具体地，基于注视点从一个位置移动到另一位置的时间以及两位置的距离可计算得到相应的移动速度；在一些实施例中，在该预设时间段中，可基于注视点的移动情况选取至少两个点，基于选择出的点生成移动速度曲线；在一些实施例中，该预设时间段可为固定值，或者在实际分析计算过程中其可为基于注视点的变化情况而动态设置的值。
73.步骤s3、根据移动速度曲线确定目标人眼在预设时间段内对应的至少一种眼动行为类型，并根据移动速度曲线获取每一种眼动行为类型对应的眼动行为数据。
74.其中，对应人体用眼习惯，人眼会频繁转动以搜寻、注视、跟踪感兴趣的目标；在预设时间段内，目标人眼可做出一种或多种眼动行为。在一些实施例中，眼动行为可包括扫视行为、注视行为、注视移动行为、震颤行为、眨眼行为以及瞳孔放大或缩小行为等，上述行为均可对应一种眼动行为类型；在一些实施例中，可根据某一瞬时速度的方向和/或大小确定出对应的眼动行为类型，或者在一些实施例中，还可根据某一时刻的线速度和/或角速度确定出对应的眼动行为类型。
75.步骤s4、基于每一种眼动行为类型对应的眼动行为数据进行分析计算，生成目标人眼的眼动行为特征。
76.其中，对每一种眼动行为类型对应的眼动行为数据进行综合分析，生成目标人眼
的眼动行为特征。
77.本公开实施例提供了一种眼动行为分析方法，其可用于确定目标人眼对应的注视点，获取注视点在预设时间段内的移动速度曲线，根据移动速度曲线确定至少一种眼动行为类型及其各自对应的眼动行为数据，进行分析计算，由此生成目标人眼的眼动行为特征，可实现对不同的眼动行为类型进行区分，以此得到更精确的眼动行为特征。
78.图2为本公开实施例中步骤s3的一种具体实施方法流程图。如图2所示，在步骤s3中，根据移动速度曲线确定目标人眼在预设时间段内对应的至少一种眼动行为类型的步骤，包括：步骤s301至步骤s303。
79.其中，基于移动速度曲线的任一速率执行步骤s301至步骤s303。
80.步骤s301、若存在一速率小于或等于预设的第一速率阈值，确定出眼动行为类型包括注视类型。
81.步骤s302、若存在一速率大于第一速率阈值且小于预设的第二速率阈值，确定出眼动行为类型包括注视移动类型。
82.其中，第一速率阈值小于第二速率阈值。
83.步骤s303、若存在一速率大于或等于第二速率阈值，确定出眼动行为类型包括扫视类型。
84.由此，基于第一速率阈值和第二速率阈值可确定出在目标人眼在预设时间段内做出的至少一种眼动行为，确定出对应的至少一种眼动行为类型；基于上述的与注视点移动的速率相关的眼动行为类型，而得出的眼动行为特征可用于注视点的预测以及显示图像的预先渲染中，以提升预测位置与实际位置的同步性。
85.图3为本公开实施例中步骤s4的一种具体实施方法流程图。具体地，眼动行为数据包括眼动行为频次和持续时间；如图3所示，步骤s4，基于每一种眼动行为类型对应的眼动行为数据进行分析计算，生成目标人眼的眼动行为特征的步骤，包括：步骤s401和步骤s402。
86.步骤s401、根据每一种眼动行为类型对应的眼动行为频次确定其各自对应的权重系数。
87.步骤s402、基于每一种眼动行为类型对应的权重系数、眼动行为频次和持续时间进行分析计算，生成眼动行为特征。
88.其中，根据移动速度曲线确定至少一种眼动行为类型，并进一步确定各种眼动行为类型对应的眼动行为频次和持续时间；根据眼动行为频次确定各种眼动行为类型对应的权重系数，再根据权重系数、眼动行为频次和持续时间进行综合分析，生成目标人眼的眼动行为特征。
89.在一些实施例中，该方法还包括：初始化权重系数、眼动行为频次和持续时间，例如，将三种类型的权重系数均初始化为1/3，将三种类型的眼动行为频次和持续时间均初始化为1。
90.在一些实施例中，采用下述公式：
91.factor＝(w
n1
*f
gaze
w
n2
*f
glance
w
n3
*f
move
)*(w
n1
*t
gaze
w
n2
*t
glance
w
n3
*t
move
)
92.计算得到影响因子factor，基于影响因子以及眼动行为数据可生成目标人眼的眼动行为特征，影响因子的大小与利用该特征预测注视点时的精度相关；其中，f
gaze
、f
glance
、
f
move
分别表示注视类型、注视移动类型、扫视类型在预设时间段内所对应的频次，t
gaze
、t
glance
、t
move
分别表示注视类型、注视移动类型、扫视类型在预设时间段内所对应的持续时间，w
n1
、w
n2
、w
n3
分别表示注视类型、注视移动类型、扫视类型所对应的权重参数。
93.图4为本公开实施例提供的另一种眼动行为分析方法的流程图。具体地，该方法为基于图1所示方法的一种具体化可选实施方案。如图4所示，该方法不仅包括步骤s2至步骤s4，还包括步骤s101至步骤s102，其中，步骤s101和步骤s102为步骤s1的一种可选实施方式。下面仅对步骤s101至步骤s102进行详细描述。
94.步骤s101、获取包括目标人眼的人眼侧图像。
95.其中，可通过内置在近眼显示装置中的图像采集组件获取人眼侧图像，或接收主机端传输来的人眼侧图像。
96.步骤s102、根据人眼侧图像检测瞳孔状态，以确定注视点。
97.在一些实施例中，人眼侧图像为使用者的眼部图像或眼球图像；根据人眼侧图像检测瞳孔状态，即根据使用者的眼部图像或眼球图像提取使用者的瞳孔区域；此后可基于使用者的瞳孔位置建立坐标系，并将瞳孔中心的坐标映射至显示屏的显示图像上，或根据在显示图像中建立的坐标系进行坐标换算，由此，将映射点或换算结果对应的点位置作为人眼的注视点。
98.在一些实施例中，该图像采集组件可包括红外摄像头；在近眼显示装置的显示环境中红外摄像头可以拍摄到人眼瞳孔的清晰画面，并且红外光源会在人眼角膜上形成较亮的光斑，由此可以通过瞳孔中心
‑
角膜光斑的算法计算出人眼在显示屏上的注视点。
99.图5为本公开实施例提供的又一种眼动行为分析方法的流程图。具体地，该方法为基于图4所示方法的一种具体化可选实施方案。如图5所示，该方法不仅包括步骤s101至步骤s3，还包括步骤s403至步骤s405，步骤s403至步骤s405为步骤s4的一种可选实施方式。下面仅对步骤s403至步骤s405进行详细描述。
100.步骤s403、根据人眼侧图像分析得到目标人眼的人眼特征。
101.其中，人眼特征，例如虹膜特征，可用于区分不同的人眼，通过识别人眼可识别到不同的人或使用者。
102.步骤s404、响应于数据库中未存储该人眼特征，基于每一种眼动行为类型对应的眼动行为数据进行分析计算，生成眼动行为特征，并将人眼特征和眼动行为特征存储至数据库中。
103.步骤s405、响应于数据库中存储有该人眼特征，从数据库中获取目标人眼对应的历史眼动行为数据，基于每一种所述眼动行为类型对应的历史眼动行为数据和眼动行为数据进行分析计算，生成眼动行为特征，并将人眼特征和眼动行为特征更新至数据库中。
104.其中，若数据库中未存储该人眼特征，则将该人眼特征和眼动行为特征存储至相应数据存储区中，具体地，为人眼特征对应分配标识以及与该标识对应的数据存储区，该标识为与该人眼特征对应的唯一标识，将人眼特征和眼动行为特征存储至该数据存储区中；若数据库中存储有该人眼特征，则从该人眼特征对应的数据存储区中调取历史眼动行为数据，基于历史眼动行为数据和眼动行为数据进行分析，并将得到的眼动行为特征更新至该数据存储区中，例如，以目标人眼在预设时间段内所观看的多帧或多个画面为目标对象，基于每帧的眼动行为数据进行特征的叠加，由此针对同一人眼可通过迭代的方式完善其眼动
行为特征。
105.图6为本公开实施例提供的再一种眼动行为分析方法的流程图。具体地，该方法为基于图4所示方法的一种具体化可选实施方案。如图6所示，该方法不仅包括步骤s101至步骤s4，还包括步骤s01和步骤s02。下面仅对步骤s01和步骤s02进行详细描述。
106.步骤s01、获取包括显示屏的显示屏侧图像。
107.其中，可通过内置在近眼显示装置中的图像采集组件获取显示屏侧图像，或接收主机端传输来的显示屏侧图像，或直接接收主机端传输来的显示屏当前显示的显示画面。
108.步骤s02、将显示屏侧图像和预设的场景模板进行匹配，并根据匹配出的场景模板确定当前的场景类型。
109.其中，对应不同场景类型，在视频图像的不同场景中人眼关注的目标不同，会做出的眼动行为也不同，例如，在阅读场景下眼动行为更多的是注视移动行为，在影视场景下眼动行为更多的是注视行为，在室外场景下眼动行为更多的是扫视行为。
110.在步骤s02中，将显示屏侧图像和场景模板进行匹配，根据匹配出的场景模板，例如匹配度最大的场景模板，确定当前的场景类型；而经分析计算得出的眼动行为特征为当前的场景类型下的眼动行为特征；在一些实施例中，各场景模板及场景类型对应有其编号，也即各场景模板及场景类型的唯一标识，可基于该编号，以及人眼特征的标识，确定出眼动行为特征对应的数据存储区。
111.需要说明的是，本公开实施例对步骤s01至步骤s02与s101至步骤s4的执行步骤不作限定，即步骤s01至步骤s02与步骤s101至步骤s4可先后执行，后者同步执行，或者也可穿插执行。
112.图7为本公开实施例中步骤s02的一种具体实施方法流程图。具体地，近眼显示装置包括图像采集组件、透镜组件和显示屏；显示屏投射的图像经透镜组件的整形后到达目标人眼处；人眼侧图像和显示屏侧图像由图像采集组件采集得到；如图7所示，步骤s02中，将显示屏侧图像和预设的场景模板进行匹配的步骤，包括：步骤s021至步骤s023。
113.步骤s021、基于亮度从显示屏侧图像中提取出显示屏区域。
114.其中，显示屏侧图像由图像采集组件在近眼显示装置的显示环境中采集得到，基于亮度可准确地分割在该环境中拍摄得到的图像，以此提取出显示屏区域。
115.步骤s022、对显示屏区域进行校正，以得到呈预设形状的显示屏区域。
116.步骤s023、将呈预设形状的显示屏区域和场景模板进行匹配。
117.其中，通过直接采集得到的显示屏侧图像的显示屏区域，其形状多为不规则形状或出现一定畸变，由此需要对显示屏区域进行校正，如仿射变换、反畸变操作等，以此获得与各场景模板相匹配的预设形状，如矩形等。
118.图8为本公开实施例提供的一种近眼显示装置的结构示意图，图9为本公开实施例提供的另一种近眼显示装置的结构示意图。如图8和图9所示，近眼显示装置包括图像采集组件1、透镜组件2和显示屏3，显示屏3投射的图像经透镜组件2的整形后到达目标人眼a处，图像采集组件1位于透镜组件2上方。
119.如图8所示，作为一种可选的实施方式，图像采集组件1包括第一采集器101和第二采集器102，在一些实施例中，第一采集器101为红外摄像头，其拍摄方向指向目标人眼a的一侧，第二采集器102为彩色摄像头，如rgb摄像头，其拍摄方向指向显示屏3的一侧；由第一
采集器101采集人眼侧图像，由第二采集器102采集显示屏侧图像。
120.如图9所示，作为一种可选的实施方式，近眼显示装置还包括反光组件4，反光组件4与目标人眼a位于同一侧，反光组件4被配置为反射显示屏3投射的、经透镜组件2整形后的图像；人眼侧图像和显示屏侧图像为同一图像，其由图像采集组件1对目标人眼和反光组件4拍摄得到，具体地，图像采集组件1包括第一采集器101，其拍摄方向指向目标人眼a的一侧，在一些实施例中，第一采集器101为红外摄像头。
121.针对如图9所示的结构，步骤s021，基于亮度从显示屏侧图像中提取出显示屏区域的步骤，包括：基于亮度从显示屏侧图像中提取出反光组件区域，将反光组件区域作为显示屏区域。
122.图10为本公开实施例提供的一种图像渲染方法的流程图。具体地，该方法应用于近眼显示装置；如图10所示，该方法包括：
123.步骤s5、确定目标人眼在显示屏上的注视点。
124.步骤s6、获取目标人眼的眼动行为特征。
125.其中，目标人眼的眼动行为特征为预先采用如上述实施例中任一的眼动行为分析方法得到。
126.步骤s7、根据眼动行为特征预测得到下一时刻注视点的预测位置信息。
127.步骤s8、根据预测位置信息对显示屏在下一时刻显示的图像进行渲染。
128.在一些实施例中，将以预测的注视点为对称中心，位于具有预定尺寸的预定形状内的区域为渲染区域，并渲染该区域的图像。
129.具体地，近眼显示装置中刷新率不高，在现有方案中，不作区分地对眼动行为进行分析，所得出的眼动行为特征误差较大，若需要提前预测注视点的位置以预先进行图像渲染，会由于人眼的眼动行为类型的不同、不同人眼的眼动行为的不同、不同场景下人眼的眼动行为的不同等，出现预测的注视点与实际注视点不同步的现象，导致预先渲染不准确，引发画面卡顿等问题。基于本公开实施例的图像渲染方法可更为精确地预测注视点，由此在近眼显示装置的显示过程，准确地进行图像的预先渲染，提升画面流畅度。
130.图11为本公开实施例提供的一种电子组件的结构示意图。如图11所示，该电子组件包括：
131.一个或多个处理器101；
132.存储器102，其上存储有一个或多个程序，当该一个或多个程序被该一个或多个处理器执行，使得该一个或多个处理器101实现如上述实施例中任一的眼动行为分析方法，或者实现如上述实施例中任一的图像渲染方法；
133.一个或多个i/o接口103，连接在处理器与存储器之间，配置为实现处理器与存储器的信息交互。
134.其中，处理器101为具有数据处理能力的器件，其包括但不限于中央处理器(cpu)等；存储器102为具有数据存储能力的器件，其包括但不限于随机存取存储器(ram，更具体如sdram、ddr等)、只读存储器(rom)、带电可擦可编程只读存储器(eeprom)、闪存(flash)；i/o接口(读写接口)103连接在处理器101与存储器102间，能实现处理器101与存储器102的信息交互，其包括但不限于数据总线(bus)等。
135.在一些实施例中，处理器101、存储器102和i/o接口103通过总线104相互连接，进
而与计算设备的其它组件连接。
136.本公开实施例还提供了一种近眼显示装置，其中，包括：图像采集组件、透镜组件、显示屏以及上述实施例的电子组件。
137.图12为本公开实施例提供的一种计算机可读介质的结构示意图。该计算机可读介质上存储有计算机程序，其中，该计算机程序在被处理器执行时实现如上述实施例中任一的眼动行为分析方法中的步骤，或者实现如上述实施例中任一的图像渲染方法中的步骤。
138.本领域普通技术人员可以理解，上文中所公开方法中的全部或某些步骤、装置中的功能模块/单元可以被实施为软件、固件、硬件及其适当的组合。在硬件实施方式中，在以上描述中提及的功能模块/单元之间的划分不一定对应于物理组件的划分；例如，一个物理组件可以具有多个功能，或者一个功能或步骤可以由若干物理组件合作执行。某些物理组件或所有物理组件可以被实施为由处理器，如中央处理器、数字信号处理器或微处理器执行的软件，或者被实施为硬件，或者被实施为集成电路，如专用集成电路。这样的软件可以分布在计算机可读介质上，计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的，术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于ram、rom、eeprom、闪存或其他存储器技术、cd
‑
rom、数字多功能盘(dvd)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外，本领域普通技术人员公知的是，通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据，并且可包括任何信息递送介质。
139.本文已经公开了示例实施例，并且虽然采用了具体术语，但它们仅用于并仅应当被解释为一般说明性含义，并且不用于限制的目的。在一些实例中，对本领域技术人员显而易见的是，除非另外明确指出，否则可单独使用与特定实施例相结合描述的特征、特性和/或元素，或可与其他实施例相结合描述的特征、特性和/或元件组合使用。因此，本领域技术人员将理解，在不脱离由所附的权利要求阐明的本公开的范围的情况下，可进行各种形式和细节上的改变。