一种脑力负荷质量评估方法、程序产品、设备和介质

本发明实施例涉及人体工程，尤其涉及一种脑力负荷质量评估方法、程序产品、设备和介质。

背景技术：

1、在计算机辅助学习环境、人机交互以及高危作业场景中，用户的脑力负荷状态直接决定了任务执行的效率、安全性与可持续性。当用户处于认知过载状态时，信息加工效率下降、决策失误率上升，长期持续还可能引发隐性疲劳累积。因此，持续实时地检测用户的脑力负荷和认知投入状态具有重要意义。

2、现在的脑力负荷检测方式主要是采用线性统计指标对瞳孔信号进行分析，例如计算特定时间窗口内的平均瞳孔直径、瞳孔直径变化率或眨眼频率等。即其确定脑力负荷主要依赖于线性、基于平均值的统计指标，这些指标能够在一定程度上反映用户的脑力负荷，即脑力负荷的“量”：用户使用了多少脑力资源来应对当前任务。但是这种检测用户脑力负荷的方式不够全面，线性的基于平均值的统计指标只能反映脑力负荷的“量”，但其不能反映用户投入的资源的利用效率到底如何，例如当用户处于认知过载边缘时，其表现出的静态唤醒度可能与健康状态下无异，导致这种情况下无法根据统计指标识别出用户真正的脑力负荷。

技术实现思路

1、本发明实施例提供一种脑力负荷质量评估方法、程序产品、设备和介质，能够根据瞳孔数据准确分析出用户的用脑“量”和用脑“质”，进一步能够根据用脑“量”和用脑“质”更全面准确地评估出用户真正的脑力负荷，提高脑力负荷质量评估的准确性。

2、第一方面，本发明实施例提供一种脑力负荷质量评估方法，包括：

3、获取待处理的生理信号数据，并根据所述待处理的生理信号数据确定相空间轨迹数据；其中，所述生理信号数据包括瞳孔状态数据和时间信息；所述相空间轨迹数据包括各时间点上的三维瞳孔状态向量序列；

4、基于所述相空间轨迹数据确定相邻时间点的瞳孔直径变化率，并根据所述瞳孔直径变化率确定脑力负荷量；

5、计算所述相空间轨迹数据的轨迹曲率，基于所述轨迹曲率确定瞳孔调节模式的变向频率；所述轨迹曲率用于描述瞳孔调节轨迹的弯曲程度；所述瞳孔调节模式包括扩张、收缩或稳定；

6、根据所述瞳孔调节模式的变向频率确定脑力负荷质；

7、根据所述脑力负荷量和所述脑力负荷质对所述待处理生理信号数据进行质量评估，得到脑力负荷质量评估结果。

8、第二方面，本发明实施例还提供了一种电子设备，所述电子设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明实施例中任一所述的脑力负荷质量评估方法。

9、第三方面，本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明实施例中任一所述的脑力负荷质量评估方法。

10、第四方面，本发明实施例提供一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如本发明实施例中任一所述的一种脑力负荷质量评估方法。

11、第五方面，本发明实施例提供一种脑力负荷质量评估装置，所述装置包括：

12、数据处理模块，用于获取待处理的生理信号数据，并根据所述待处理的生理信号数据确定相空间轨迹数据；其中，所述生理信号数据包括瞳孔状态数据和时间信息；所述相空间轨迹数据包括各时间点上的三维瞳孔状态向量序列；

13、负荷量计算模块，用于基于所述相空间轨迹数据确定相邻时间点的瞳孔直径变化率，并根据所述瞳孔直径变化率确定脑力负荷量；

14、第一负荷质计算模块，用于计算所述相空间轨迹数据的轨迹曲率，基于所述轨迹曲率确定瞳孔调节模式的变向频率；所述轨迹曲率用于描述瞳孔调节轨迹的弯曲程度；所述瞳孔调节模式包括扩张、收缩或稳定；

15、第二负荷质计算模块，用于根据所述瞳孔调节模式的变向频率确定脑力负荷质；

16、质量评估模块，用于根据所述脑力负荷量和所述脑力负荷质对所述待处理生理信号数据进行质量评估，得到脑力负荷质量评估结果。

17、本发明实施例的方法，获取待处理的生理信号数据，并根据待处理的生理信号数据确定相空间轨迹数据；其中，生理信号数据包括瞳孔状态数据和时间信息；相空间轨迹数据包括各时间点上的三维瞳孔状态向量序列；基于相空间轨迹数据确定相邻时间点的瞳孔直径变化率，并根据瞳孔直径变化率确定脑力负荷量；计算相空间轨迹数据的轨迹曲率，基于轨迹曲率确定瞳孔调节模式的变向频率；轨迹曲率用于描述瞳孔调节轨迹的弯曲程度；瞳孔调节模式包括扩张、收缩或稳定；根据瞳孔调节模式的变向频率确定脑力负荷质；根据脑力负荷量和脑力负荷质对待处理生理信号数据进行质量评估，得到脑力负荷质量评估结果。本发明实施例的方法，能够根据相空间轨迹数据准确计算相邻时间点的瞳孔直径变化率，通过相邻时间点的瞳孔直径变化率得到用户的脑力负荷量，进一步能够客观度量用户的脑力资源投入规模。通过计算相空间轨迹数据的轨迹曲率，得到用户的生理调节的平滑度与结构稳定性，即准确确定用户的脑力负荷质。通过联合分析脑力负荷量和脑力负荷质，能够明确区分“高量-高质”的理想稳定状态与“低量-低质”的代偿性微抖动状态。即通过联合分析脑力负荷量和脑力负荷质，能够全面准确的评估出用户真正的脑力负荷，提高脑力负荷质量评估的准确性。

1.一种脑力负荷质量评估方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，根据所述待处理的生理信号数据确定相空间轨迹数据，包括：

3.根据权利要求1所述的方法，其特征在于，基于所述相空间轨迹数据确定相邻时间点的瞳孔直径变化率，包括：

4.根据权利要求3所述的方法，其特征在于，根据所述瞳孔直径变化率确定脑力负荷量，包括：

5.根据权利要求1所述的方法，其特征在于，计算所述相空间轨迹数据的轨迹曲率，包括：

6.根据权利要求5所述的方法，其特征在于，基于取模后的所述叉积计算结果和取模后的所述速度向量的三次方确定所述确定轨迹曲率，包括：

7.根据权利要求1所述的方法，其特征在于，根据所述脑力负荷量和所述脑力负荷质对所述待处理生理信号数据进行质量评估，得到脑力负荷质量评估结果，包括：

8.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序在被处理器执行时实现如权利要求1-7中任一项所述的脑力负荷质量评估方法。

9.一种电子设备，所述电子设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一所述的脑力负荷质量评估方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的脑力负荷质量评估方法。