WO2009121088A2 - Verfahren zum prüfen des ermüdungsgrades einer ein gerät bedienenden person - Google Patents

Verfahren zum prüfen des ermüdungsgrades einer ein gerät bedienenden person Download PDF

Info

Publication number
WO2009121088A2
WO2009121088A2 PCT/AT2009/000133 AT2009000133W WO2009121088A2 WO 2009121088 A2 WO2009121088 A2 WO 2009121088A2 AT 2009000133 W AT2009000133 W AT 2009000133W WO 2009121088 A2 WO2009121088 A2 WO 2009121088A2
Authority
WO
WIPO (PCT)
Prior art keywords
data
values
eyelid
person
eyes
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Ceased
Application number
PCT/AT2009/000133
Other languages
English (en)
French (fr)
Other versions
WO2009121088A3 (de
Inventor
Christian Kusmitsch
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
GESUNDE ARBEITSPLATZSYSTEME GmbH
Original Assignee
GESUNDE ARBEITSPLATZSYSTEME GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by GESUNDE ARBEITSPLATZSYSTEME GmbH filed Critical GESUNDE ARBEITSPLATZSYSTEME GmbH
Publication of WO2009121088A2 publication Critical patent/WO2009121088A2/de
Publication of WO2009121088A3 publication Critical patent/WO2009121088A3/de
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Measuring devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor or mobility of a limb
    • A61B5/1103—Detecting muscular movement of the eye, e.g. eyelid movement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6887—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient mounted on external non-worn devices, e.g. non-medical devices
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient; User input means
    • A61B5/7475—User input or interface means, e.g. keyboard, pointing device, joystick
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/011—Arrangements for interaction with the human body, e.g. for user immersion in virtual reality
    • G06F3/013—Eye tracking input arrangements
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/20—Workers
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/20—Workers
    • A61B2503/22—Motor vehicles operators, e.g. drivers, pilots, captains
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
    • A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
    • A61B5/6813—Specially adapted to be attached to a specific body part
    • A61B5/6814—Head
    • A61B5/6821—Eye

Definitions

  • the invention relates to a method for checking the degree of fatigue of a person operating a device in which their eyes are monitored by means of a camera, the result is evaluated by means of a computer and, if necessary, a warning is issued to the person.
  • Asthenopia or asthenopic complaints are visual complaints that occur during or after high-vision performance. They can be associated with visual work and visual performance as a subset of all visual ailments. Visual complaints affect the visual well-being. These symptoms are not necessarily associated with substantial damage to the organs of vision, they are basically reversible and short-term. The daily and several hours of use of the computer burdens the eyes and demands of the screen worker high visual performance.
  • the Computer Vision Syndrome in Europe: Office Eye Syndrome or Asthenopia
  • NIOSH National Institute for Occupational Safety and Health
  • CVS Computer Vision Syndrome
  • CVS is not limited to vision and the visual organ, it also includes musculoskeletal complaints in the shoulders and neck and headache. Typical symptoms of this syndrome are:
  • the symptoms correlate with environmental conditions such as illumination, screen presentation, line of sight, existing impairment of ocular surface wetting ([1] Schierz, 2003) or high attention ([2] Schlote, Kadner & Freudenthaler, 2004) and psychological factors ([3] Mocci, Serra & Corrias, 2001, [4] Smith, 1997).
  • Temporary complaints can be in chronic diseases (dry-eye syndrome or sicca syndrome) go over, even the interaction with the Age may have a negative impact on the symptoms and an effect on the incidence ([5] Stüdeli, 2005).
  • the aim of the subject invention is to visual complaints, stress and
  • a method and the associated device disclosed in WO 99/52479 serve to prevent CVS by reminding a user of winking as a function of the measured frequency of his eyelid impact by means of light signals or acoustic signals. In addition, it is intended to prevent the eye from drying out by a moistening device.
  • US 2007/0171364 A1 discloses a computer program which, after a certain time interval or after a certain number of keystrokes, induces the user to perform various eye exercises in order to avoid the occurrence of CVS.
  • the present invention achieves the objectives set out above by monitoring the operating sequence of the device belonging to the screen at a workstation in addition to monitoring the eyes, with all the data collected being compared with data stored in the computer and a warning being displayed on the screen if predetermined limits are not met or a warning signal is output.
  • the invention thus provides a method for the individualized measurement of stress and stress by activities at the human-machine interface. In particular, specific strains on the visual system can be detected, resulting stresses individually estimated and appropriate countermeasures initiated. As a result, systems for measuring and monitoring human conditions and for changes and performance at the machine-human interface can be used optimally.
  • detectors for the detection of signals at the human-machine interfaces, a monitor, a volatile memory and a billing unit can be used, wherein in the billing unit predefined processes take place in which the signals are analyzed and compared with the signal pattern be set in a fixed memory archived signal patterns.
  • ratio values such as the ratio of the maximum lid opening to the current lid closure frequency, the ratio of the maximum lid opening to the lid closing or lid opening speed, etc., can be derived.
  • the method according to the invention recognizes by biometric measurement of parameters of the eye and lid movements by comparison with already existing data as a baseline or reference the state of the user and its use by specific programs (user programs such as Excel, Word, Internet browser, etc.) or temporal sections ( Time of day, working time length, etc.).
  • specific programs user programs such as Excel, Word, Internet browser, etc.
  • temporal sections Time of day, working time length, etc.
  • the individual data can be determined by means of the operating unit, for example the keyboard or keyboard, to determine the individual data to be individually stored in the computer a pointing device, such as a mouse or the like, are recorded by logging in the computer.
  • the status of the device to be operated can additionally be included in the monitoring of the person.
  • the data required for this are obtained at the various human / machine interfaces (optical, input device, pointing device) and are processed algorithmically to determine and predict the stress and the estimation of the stress.
  • several methods, independently of one another and also interacting, can be used for pattern recognition and algorithm development, so that, for example, in an advantageous embodiment, combination criteria can be formed from the differently measured or derived data.
  • the methods used are in particular time series analyzes, multiple regression, probability calculation (for example four-field analysis, chi-squared), determination of the moving average (simple and weighted), methods for determining rhythmicity (Fourier analysis) and curve discussion ( Integral and differential calculus) as well as the confi guration analysis.
  • the method may be advantageous to additionally determine the subjective parameters, such as self-experienced stress on the eyes, gender, visibility and the like, for the determination of the individual data and to weight them via an evaluation method.
  • randomized or pseudo-randomized methods can be used to determine if there is an indication for the warning signal.
  • the quality of the warning signal can thus be determined and arranged, for example according to: Signal yes / no - Indication yes / no.
  • the possible combinations result in the following implications: ⁇ "Miss" (indication present, no signal)
  • the results of this assignment are taken into account in the procedure and lead to a sharpening of the system, to an increase of the hits and to a decrease of the False Alarms.
  • the signal detection theory offers an individual quality control for the accuracy of the warning processes.
  • the resulting ROC (Receiver Operation-Characteristic) curves provide quality feedback about the accuracy of the threshold.
  • the predetermined limit values are determined and stored individually for each of the persons operating the device.
  • the acceptance of the warnings can thereby be increased by the warnings appearing at the individually ideal time, i. take into account the course of the concentration and the work process, but this, in turn, depends on the symptoms, ie the individuality of the computer worker.
  • the signal is triggered when the first signs of worsening or onset of symptoms (here: low blinking frequency and long time-on task) occur.
  • this warning signal may be delayed to a point in time between two concentrated units of work. This increases the compliance of the screen worker and increases the likelihood of compensatory or preventive measures.
  • the warning may include guidance on a compensatory behavior of the person.
  • Such compensatory behaviors include, for example, pausing or performing exercises.
  • the exercises are offered to the screen worker when the warning signal is triggered.
  • the measurement continues during the exercise to be able to determine quality measures and effect.
  • a further preferred embodiment of the invention provides that the determined values of their significance for the individual person are related to each other. This allows individual stress thresholds for the Development of asthenopic symptoms, such as dry eye or general activation phenomena, such as fatigue, or specific activation phenomena, such as attention and vigilance, are determined.
  • the data collected on a device via one or more serving persons data can be transmitted to a central processing unit, where they stored and compared with recorded on other devices and also transmitted to the central processing unit data of other serving people and be aggregated.
  • the effect of the preventative or compensatory measures, the exercises or interactions, is thus tested and improved in three ways: First, the measurement also takes place during the exercises, whereby an efficiency control can be carried out, in which the quality of the exercises with the other generated by the screen workers Secondly, a comparison before / after, which expresses the effect of the intervention or exercise, and thirdly by a comparison with all other users, which is optionally possible via an update functions and the effectiveness of Exercises in the population and of specific target groups (group of word processing users) shows.
  • the central processing unit based on the aggregated data of a large number of people operating updates can be created, which are transmitted to the individual devices. Thus, the empirically proven best matching exercises can be automatically selected.
  • FIG. 1 shows, in a process overview, areas in which the processes and processes can be classified
  • FIG. 2 shows the process overview of FIG. 1 in more detail
  • FIG. Fig. 5 is a graph showing the time course of the eyelid opening with simultaneous measurement on both eyes
  • Fig. 6 is a graph showing curves representing the change of the%
  • FIG. 7 is a diagram showing the eye flashes measured over time
  • FIG. 8 is a flowchart of the monitoring of the eye.
  • FIG. 9 and FIG. 10 each show a decision diagram with combination criteria for determining the user state I show fatigue / alertness or increased stress
  • FIG. 11 shows an exemplary course of the frequency and the degree of opening of the eyes (from [7] Hargutt).
  • the individual steps of the method according to the invention can be subdivided into four areas which are systemically connected and functionally interact. These are shown in Fig. 1 and broken down into more detailed subgroups in Fig. 2.
  • the areas shown in FIG. 1 are an input area I, a calculation area II, an output area III and a central statistics and update area IV.
  • the input area I is used for the detection and pre-processing of the measurement data, which allow an assessment of the load and load level of the user ,
  • the collected data is processed in calculation area II and stored individually.
  • the output area III forms the output interface to the user.
  • This area is also assigned a memory for exercises.
  • data from a variety of different users of different devices can be centrally collected and statistically processed. Based on the aggregated data, new exercises can be transmitted to the output unit via an update function, which have proven to be particularly effective on the basis of statistical evaluations.
  • the centrally collected user evaluations can also identify improvement potentials in the calculation or other process parameters, the implementation of which can then also be transmitted to the individual devices in the form of an update. All the memory units shown (FIG. 2: IL1, II.4, ULI, III.2, III.4) are logical units that are assigned to the individual areas in the same way.
  • These detectors contain algorithms and processes for detecting the essential usage characteristics of the input device, such as number of stops, impact pressure, operated buttons and superordinate patterns of activity on the device (such as working rhythms) in any unit of time
  • keyboards such as mechanical, electronic, electrical
  • a computer via an interface such as USB, as well as those already plugged into the housing or screen (for example Example on-screen T astaturen) are integrated.
  • pointing devices of detectors On the input side of the system also parameters of the input of data are measured by means of pointing devices of detectors, and passed on indirectly to the accounting unit (see Fig. 2, no. 1.3).
  • detectors contain algorithms and processes for detecting the essential usage characteristics of the input device, such as distance traveled, acceleration, number of clicks, and double clicks in any unit of time. The goal is the most accurate measurement or estimation of the load.
  • pointing devices such as mechanical, electronic, electrical pointing devices
  • pointing devices such as mechanical, electronic, electrical pointing devices
  • a volatile intermediate memory IL1 is arranged in the calculation area II of the system, in which the incoming signals of the detectors are temporarily stored for the purpose of inputting into the calculation unit.
  • the billing unit II.2 reads out data from this buffer.
  • Machine state data II.3 such as the system time, the on-time time since user login, the programs / processes with user input and interaction, memory usage, etc., are being read into the volatile memory.
  • the On the one hand serves the resource optimization of the processes, on the other hand serve the use data of programs / processes with user input of the assessment of the burden of the user and are thus input parameters for the accounting unit II.2.
  • program-specific profiles can be created, which represent the load caused by the programs, and can thereby estimate the user's demands.
  • the accounting unit II.2 executes predefined computing processes with which the signals coming from the detectors are processed in relation to each other and with respect to the signals already stored in a fixed memory II.4, which have previously been signaled in time to signal patterns.
  • the analysis of the optical input 1.1 can either be based on signals from the left or right eye or a combination of both, also in terms of time.
  • the permanent memory for calculated data II.4 is the archive and reference location for the accesses of the accounting unit II.2 during the process of offsetting the data indirectly coming from the detectors and the pattern formation.
  • the accounting unit has write and read access to this fixed memory.
  • the permanent memory II.4 contains the patterns of the biosignals of the user at the human-machine interface, which will be discussed in more detail below in the description of the data structures.
  • the individual, aggregated over time data is sent at the request of the user via a data connection to another permanent memory, which analyzes the aggregated data of all individuals using the same procedure via a charging unit and in turn forms patterns in predefined processes.
  • a first volatile memory III.4 in which analyzes and queries are buffered before the results are presented to the user.
  • the result display III.5 is activated on request of the user.
  • Selected results of the calculations performed in calculation unit II.2 can be routed through the interfaces to an output device (screen, printer, loudspeaker) in the presentation of results III.5.
  • the retrieved from the permanent storage II.4 data can also be issued on user request, eg. In the form of a report or graphic on a screen or plotter.
  • a second volatile memory III.1 which is intended for exercises and targeted interventions.
  • the second volatile memory III.1 is associated with a permanent memory for exercises / interventions III.2 to which it has read and write access.
  • the effects of the exercises / interventions are also measured and in an evaluation step, the functional condition of the screenwork worker before the exercise is compared with the state after the exercise using statistical methods (analysis of variance, comparison tests).
  • the data that are recorded during the exercises reach the permanent memory 11.4 via the input area I.
  • the presentation and execution III.3 of the exercises / interventions is based on the exercises / interventions contained in the permanent memory III.2. This means that sensory (visual, acoustic, taletile, olfactory) stimulation is used to initiate pauses, to change the behavior at the workplace (at the man-machine interface) or to perform exercises with the help or without the aid of the devices on the human body. Initiate machine interface.
  • the exercises are suggested or accompanied by instructions.
  • the permanent storage II.4 in the area of calculation II is connected via a data connection (for example via the Internet) to a central statistics and update area IV which records the individually aggregated data. stores and aggregates across all users of the same process.
  • a central statistics and update area IV which records the individually aggregated data. stores and aggregates across all users of the same process.
  • the most effective interventions and exercises are determined and confirmed via an update unit IV.2 in the permanent exercise memory III.2.
  • the measured values recorded in the input range can be divided into three groups, which will be discussed below.
  • Eye measured values for the current lid opening L act , the maximum lid opening L max and the minimum lid opening L m ; n is processed by the accounting unit so that the values can be assigned a temporal sequence characterized by the speed (see FIGS. 4, 5, 6 and 7).
  • the recognition algorithm determines, as explained in FIG. 4, for each image recorded by the camera at successive times (ti, t 2 ,..., T 5 ) a value for the corresponding current eye opening L act (L 1 , L 2 , ..., L 5 ).
  • These values can be represented in a diagram curve as the time curve of the current lid opening L act , an exemplary profile of such a curve is shown in FIG. 11 (from [7], Hargutt) (upper curve of the diagram).
  • a blink duration can be determined for each blink, wherein a value for the blink breaks can be determined in each case from the periods between the blinks.
  • the lower curve in Fig. 11 shows this blinking in a binary Representation, wherein the curve with open eyes a lower value, and occupies an upper value with closed eyes or blink. In Fig. 7, such a binary curve is shown by itself.
  • Such a value is about the maximum lid opening L max or amplitude defined as the maximum measured value between two consecutive lid loops.
  • the minimum lid opening L m j n denotes the minimum value of this period.
  • the maximum amplitude is the maximum measured lethargy for a given user, which is a physiological factor that does not change over time.
  • the eyelid and eyelid opening speeds can also be calculated from the above measurement results.
  • the distance covered by the eyelid and eyelid opening is determined.
  • the rate of change is referred to as a percentage of the measured amplitude of the eyelid and eyelid opening.
  • This data can be used to determine the PERCLOS index (PERCLOS: "percentage of eyelid closure").
  • a measurement on one eye is sufficient because physiologically the eyes do their work synchronously.
  • the possibility of impairing one of the two eyes must be taken into account, so that it may be advantageous to perform the measurement on both eyes. That is, the measurement can be made on the left or right eye, or both eyes can be measured.
  • Fig. 5 shows a diagram in which the measured eyelid opening of the right and left eyes are compared.
  • This difference the "on-eye" would result in erroneous readings when measured on only one eye, which can result not only in eyelid opening but also in blinking frequency.
  • Evaluation inclination can be measured automatically at regular or random intervals and can either be invoked by the user through a menu offered to users in a dialog menu, or automatically, without the user being aware of it.
  • the lid opening and closing speeds are categorized and
  • the time unit is typically in the millisecond range.
  • the mean values or the median and the scattering serve as a reference. These values change with the demands of visual and cognitive work on the human-machine interface.
  • the ratio of amplitude to velocity as a measure of the lid movements is determined by calculation. This value changes with the stress of visual and cognitive work on the human-machine interface. Changes to this
  • the value for the number of complete eyelid closure and eyelid opening cycles in the time unit is the blink frequency or frequency (also referred to as flashing).
  • Frequency or Blinzel frequency This value changes with the stress of visual and cognitive work on the human-machine interface.
  • This time unit can be specified in the output in seconds, hours or days or longer periods.
  • the PERCLOS index (see [6] Knipling & Wierwille, 1994) describes the proportion of time, relative to a unit of time, in which the eye or the eyes are more than 80% closed. This value changes with the general activation but also with the demands of visual and cognitive work on the human-machine interface. The value provides a measure of the alertness or drowsiness of the user.
  • Fig. 6 illustrates the calculation of the PERCLOS index by the percentage eye opening (dash-dot line) and the threshold (which is 20% of the maximum amplitude).
  • a pattern can be defined based on a combination of biometric features that allows the assignment to different stages of fatigue. Also, to create the combination criteria, individual patterns are detected, stored and used as a reference for a warning signal.
  • the input data for such combinations are the blink rate (high-low, relative to median / mean), the blink amplitude (high-low, relative to median / mean), the degree of eye opening (% of open eyes, the maximum Eye opening) and their duration, the eyelid closure and eyelid opening rate (high-low, in ms, relative to the median / mean) and derived ratios such as ratios, sums or results of statistical billing models.
  • fatigue states for the user are derived from the measured values of the duration of the eye closings and the blinking frequency.
  • the parameters that underlie the decisions can be found in the specialist literature, but they will, as will be described in more detail below, be individually adapted and optimized for the user in the course of the decay with the help of user queries.
  • stop frequency, pressure and all machine-detectable qualities are measured over time. These values change with the burden of work on the human-machine interface. This measure of stress is correlated with measures of stress (based on changes in parameters of eyelid movements and subjective assessment on psychometric scales).
  • Parameters include pointing device distances, total distance, as well as the location of the pointer in certain predefined areas of the screen. These values change with the burden of work on the human-machine interface.
  • measures of loading are correlated with measures of stress (based on the changes in parameters of eyelid movements and the subjective assessment on psychometric scales).
  • Combination criteria can also be created on the basis of the load values, as illustrated, for example, in FIG. 10. With this combination criterion, in addition to the lid closure frequency, the load of the user is also included on the basis of the value "Time-on-task.” If the lid closure frequency drops below a risk value, a warning signal is output.
  • All averages are averages, such as the grand mean (that is, the mean over all measured episodes) over all times and activities, and averages of task-specific and time-dependent categorized data and their standard deviations.
  • the categorized data includes the average values and standard deviations that are calculated specifically for certain activities (for example text or table processing) and time segments (time of day, time-on-task). The beginning and end of the activity (for example, table processing) is indicated by system-set triggers. All values available for this activity (such as the blinking frequency, etc.) are averaged, the standard deviation is calculated and these values are stored in the target data memory as a reference. For the comparison, at least the last and the first of the episodes stored in the nominal data memory are compared with the current episodes.
  • Norm values are understood to mean values that have proven to be meaningful thresholds for categorizing stress on the basis of scientific research. Empirical values, which are charged further
  • the empirical values include result values of a calibration process during which the system learns to determine the individual values and the standard deviation and variance of these values.
  • the current average values such as the blink frequency, are determined over a freely selectable period of time, the episode duration. If the current average deviates from two standard deviations from the Grand Mean or a standard deviation for specific activities, environmental conditions or day / time in the positive or negative direction, the warning signal is triggered. In the event of deviations in the negative direction, the signal is triggered for a too low blinking frequency, which represents a danger of the symptom development of a dry eye.
  • a subjective scale the eye-specific and other physical symptoms are ascertained, for example via a short questionnaire, which is presented to the user for filling in on the screen.
  • the subjective stress can be determined by a visual analogue scale (VAS). If the PERCLOS index indicates fatigue, a short questionnaire can be used for the current stress if the user so wishes.
  • the activity of the user of the computer system is associated with little interaction (through engagement, pointing device activities, etc.), so if it is uniform, then another related measure may be used.
  • the elapsed time during the task usually involves an increase in the blink rate, such as reading a book, which prevents the eye from drying out.
  • this protective function of the eye partially fails in screen work, and the blinking frequency decreases with increasing TOT [7, Hargutt, 2003]. This circumstance leads to the drying of the eyes and contributes significantly to the occurrence of the above-mentioned computer vision syndrome.
  • the empirical values also include changes, for example the blinking frequency, over the useful life of the method according to the invention, or changes in the course of using a particular program.
  • the change in the blink rate is very different from person to person, and also the relationships of load, stress and change the eyelid frequency are individually different. Intraindividually, however, both measures are stable.
  • the methods (exercises / interventions) used in the output area (III) can be validated using the above data in combination with stress measurements. Thus, it can be evaluated which exercises lead to a reduction of the stress and the associated symptoms. Both subjective measures (which are obtained on the basis of the assessment of the visual stress by the VDU worker himself) and objective measures (the calculated inputs from the detectors) are included in the determination of the nominal values. If a current measured value deviates too much from the setpoint, a warning signal is triggered.
  • phase one the individual-specific data from the optical input, fed via the recognition algorithm 1.1, is the continuous measurement of the opening of the eyelids and their changes (speed, frequencies of blinks, eye closures) in a permanent database Memory II.4 stored and compared with values that were already there at the beginning of the procedure, for example, a maximum continuous screen working time of 50 min and a blink frequency in a range of 6-20 eyebrows at VDU work without language. If a warning threshold, such as the maximum continuous screen working time of 50 minutes, is exceeded, an alarm, in this case a pause signal, is triggered. If the blinking frequency falls below 6 blinks per minute, an alarm is also triggered.
  • a warning threshold such as the maximum continuous screen working time of 50 minutes
  • Fig. 8 shows in a flow chart the essential steps in monitoring the user.
  • the measurement results obtained by the recognition algorithm 1.1. determined for the current sampling period (step 2. detection) and in the volatile buffer II.1. were queried and compared with habitual values, which are stored in the permanent memory IIA (Step 3. Check).
  • the habitual eye-blink frequency is the value expected for the user in the rested state on the basis of the previously measured data.
  • This query is repeated in a program loop every sampling period. In this way, for example, the current eye blinking frequency (ALF) detected in step 2 can be compared in step 3 with the habitual eye blinking frequency (HLF) stored in the read-only memory.
  • ALF current eye blinking frequency
  • HVF habitual eye blinking frequency
  • the threshold width in this case could be the habitual blink frequency minus the standard deviation
  • a relevance check for example based on combination criteria, checks in step 4 whether a state of fatigue is actually to be assumed. If so, a predefined process is started in which the user is offered eye relief exercises (steps 5: warning signal) that he or she may or may not accept (step 6: j / n). During the exercise (step 7: intervention) and afterwards, the eye measurements are continued and the data measured can be evaluated to evaluate the effect of the exercises performed and to find the most effective individual exercises.
  • the habitual values are constantly adapted to the user. For this purpose, the user is asked at regular intervals, or when a warning message, according to his subjective condition, and it is checked whether the fatigue state measured in the course of the procedure with the queried subjective parameters, so about the operator subjectively to each query time felt Stress of the eyes, matches. If this is not the case (ie with the implications "Miss” or "False alarm") the habitual values are adjusted accordingly. Habitual values can vary greatly from person to person, and as a result of this procedure, they are increasingly approximated to the user's individual fatigue patterns.
  • the sequence shown in FIG. 8 can be carried out simultaneously with other parameters, for example with the PERCLOS index or the ratio of the current amplitude to the current blink frequency (this ratio represents a particularly meaningful value for many people).
  • the different combinations of measurement data can be used to create the individual psychophysiological patterns described below for each user.
  • the monitor worker stores the individual values (based on statistical data such as median, mean, standard deviation and variance) as reference data / target data. Biometric values associated with high visual well-being (as assessed by the user) as well as neutral (neither good nor bad) or those that correlate with high visual discomfort are discarded. If the variance or standard deviation of the measurement no longer changes-or no longer significantly and / or unsystematically-then the setpoint value is suitable as a description of the functional condition of the VDU worker and thus a habitual value. If current values (biometric data from L1) deviate from these nominal values by more than its standard deviation, and this over a selectable number of measurement episodes, then the warning signal is triggered. In phase three, individual patterns are detected for the user, the z. B. off
  • Combinations of the measured, received via the detectors 1.1 to 1.3 data can exist.
  • the user's stress is set in a process based on the existing patterns of his psychophysiological measures.
  • the occurrence of these individual patterns, which are associated with increased visual stress or increased visual stress, is understood as an indicator or predictor of the warning signal and thus triggers the alarm.
  • Configuration frequency analysis is used to investigate whether different types of users occur. The frequency of specific qualitative combination of symptoms can thus be tested for statistical relevance compared to expected values (see [8] Lautsch & Weber, 1995).
  • cluster analyzes are used; these are multivariate analysis methods that show similarities or dissimilarities in a structured manner, and in addition to classification and pattern recognition for data mining Purposes are suitable. This is advantageous in terms of the optimal, individualized contents and updates of the pattern recognition functions and the exercises.
  • the effect can be observed and quantified using statistical methods.
  • Eyelid amplitude and blink rate can be determined with great precision by using individually rated data aggregated across many users.

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • General Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Ophthalmology & Optometry (AREA)
  • Physiology (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Human Computer Interaction (AREA)
  • General Physics & Mathematics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

Verfahren zum Prüfen des Ermüdungsgrades einer ein Gerät bedienenden Person, bei welchem deren Augen mittels einer Kamera überwacht, das Ergebnis mittels eines Rechners ausgewertet und im Bedarfsfall eine Warnung an die Person ausgegeben wird. An einem Bildschirmarbeitsplatz wird zusätzlich zur Überwachung der Augen der Bedienungsablauf des zum Bildschirm gehörenden Gerätes überwacht, wobei alle erhobenen Daten mit im Rechner gespeicherten Daten verglichen werden und bei Unterschreiten von vorgegebenen Grenzwerten ein Warnhinweis am Bildschirm angezeigt, bzw. ein Warnsignal ausgegeben wird.

Description

Verfahren zum Prüfen des Ermüdungsgrades einer ein Gerät bedienenden Person
Die Erfindung betrifft ein Verfahren zum Prüfen des Ermüdungsgrades einer ein Gerät bedienenden Person, bei welchem deren Augen mittels einer Kamera überwacht, das Ergebnis mittels eines Rechners ausgewertet und im Bedarfsfall eine Warnung an die Person ausgegeben wird.
Asthenopie oder asthenopische Beschwerden sind visuelle Beschwerden, die während oder nach dem Erbringen hoher Sehleistungen auftreten. Sie können als Teilmenge aller visuellen Beschwerden mit visueller Arbeit und visueller Leistung in Zusammenhang gebracht werden. Visuelle Beschwerden beeinträchtigen das visuelle Wohlbefinden. Diese Beschwerden gehen nicht notwendigerweise mit einer substantiellen Schädigung der Sehorgane einher, sie sind im Grunde reversibel und kurzfristig. Die tägliche und mehrstündige Nutzung des Computers belastet die Augen und fordert vom Bildschirmarbeiter hohe visuelle Leistung. Das Computer Vision Syndrome (in Europa: Office Eye Syndrome oder Asthenopie) ist eine Zivilisationskrankheit vergleichbar mit dem Karpaltunnel- Syndrom, aber es ist wesentlich verbreiteter. Das National Institute for Occupational Safety and Health (NIOSH) definiert das Computer Vision Syndrome (CVS) als Beeinträchtigung, die spezifisch mit der Computernutzung verbunden ist. CVS ist nicht auf Sehleistung und das Sehorgan beschränkt, es umfasst auch muskulo-skeletale Beschwerden in den Schultern und im Nacken sowie Kopfschmerz. Typische Symptome dieses Syndroms sind:
■ brennende, müde Augen
■ trockene Augen
■ Schwierigkeiten beim Fokussieren ■ Doppelsicht
■ Verschwommenes Sehen
■ Kopfschmerzen
■ Nacken/Schulter Schmerzen
Die Symptome korrelieren mit Umgebungsbedingungen wie Beleuchtung, Bildschirmdarstellung, Blickrichtung, vorhandenen Beeinträchtigungen der Benetzung der Augenoberfläche ([1] Schierz, 2003) oder hoher Aufmerksamkeit ([2] Schlote, Kadner & Freudenthaler, 2004) und psychologischen Faktoren ([3] Mocci, Serra & Corrias, 2001, [4] Smith, 1997). Temporäre Beschwerden können in chronische Erkrankungen (Dry-Eye- Syndrome bzw. Sicca-Syndrom) übergehen, auch kann allein die Wechselwirkung mit dem Alter einen negativen Einfluss auf die Symptomatik und eine Wirkung auf die Inzidenz haben ([5] Stüdeli, 2005).
Im Folgenden wird, wie im Fachgebiet üblich, zwischen der Belastung und der
Beanspruchung einer Bedienungsperson unterschieden. Belastungen sind dabei von außen auf eine Person einwirkende physikalische und psychologische Größen. Diese führen zu einer
Beanspruchung des Menschen. Beanspruchung ist somit die aus einer äußeren Belastung resultierende "innere" Auswirkung auf eine bestimmte Person. Generell sind für die
Verhinderung visueller Beschwerden und für Maßnahmen mit dem Ziel der Reduktion zum einen die Dauer der Belastung und zum anderen das Ausmaß der geforderten Sehleistung entscheidend ([5] Stüdeli, 2005). Stüdeli (2005) folgert, dass die Erfassung visueller
Beschwerden zumindest diesen Kriterien genügen muss:
■ Messung am spezifischen Arbeitsplatz
■ Messung während der normalen Arbeitszeiten
■ Messung mit hoher zeitlicher Auflösung Das Ziel der gegenständlichen Erfindung ist es, visuelle Beschwerden, Belastung und
Beanspruchung mittels biometrischer und psychophysiologischer Verfahren zu erfassen, eine Warnschwelle zu ermitteln, zum geeigneten Zeitpunkt eine Warnung auszulösen und diese visuellen Beschwerden mit einem Verfahren zu reduzieren, zu kompensieren oder zu verhindern. Der Benutzer soll bereits vor dem Auftreten einer zeitlich nur langsam reversiblen Beanspruchungsreaktion (Ermüdung, Monotonie, Augenschmerzen oder passagere Augendysfunktionen, die in der Literatur unter anderem unter den Begriffen Asthenopie, Computer Vision Syndrome oder Office Eye Syndrome behandelt wurden) gewarnt werden. Die Erfindung konzentriert sich auf folgende Hauptproblemfelder:
■ Ungenügende Befeuchtung der Konjunktiven ■ Erschöpfung der Augenmuskulatur
■ Aufmerksamkeitsänderungen bei längerdauernder Bildschirmarbeit
■ Mangelnde Motivation Pausen zu machen und Übungen „durchzuziehen"
■ Missachtung aller ergonomischer Regeln und Übungen unter voller Arbeitsbelastung ■ Negative Wirkung von Reflexionen auf dem Bildschirm
Bekannte Verfahren zur Überwachung des Beanspruchungsgrades der Augen dienen der Beurteilung der Einschlafneigung bzw. der Müdigkeit eines Fahrzeug- oder Maschinenlenkers, um das Risiko eines Sekundenschlafs und die damit verbundene Unfallgefahr zu vermindern. Zu diesem Zweck dienliche Systeme und Verfahren sind beispielsweise in der DE 10 2004 022 58 Al, der DE 10 2004 034 748 Al oder der DE 10 2004 010 398 Al beschrieben. Die gegenwärtige Erfindung soll die Messergebnisse jedoch nicht im Hinblick auf die Einschlafheigung auswerten, von der bei der Computerarbeit meist keine primäre Gefahr ausgeht, sondern sie bewertet die Dauerbelastung der Augen, wirkt dieser entgegen und vermindert dadurch medizinische Folgen, die sich aus der Dauerbelastung ergeben können.
Ein in der WO 99/52479 offenbartes Verfahren und die zugehörige Vorrichtung dienen dazu, CVS zu verhindern, indem ein Benutzer in Abhängigkeit der gemessenen Frequenz seines Lidschlages durch Lichtsignale oder akustische Signale an das Zwinkern erinnert wird. Zusätzlich ist vorgesehen, das Auge durch eine Befeuchtungsvorrichtung am Austrocknen zu hindern.
In der US 2007/0171364 Al ist ein Computerprogramm offenbart, welches den Benutzer nach einem bestimmten Zeitintervall oder nach einer bestimmten Anzahl an Tastenanschlägen zur Durchführung verschiedener Augenübungen anregt, um das Auftreten von CVS zu vermeiden.
Die vorliegende Erfindung erreicht die oben dargelegten Ziele dadurch, dass an einem Bildschirmarbeitsplatz zusätzlich zur Überwachung der Augen der Bedienungsablauf des zum Bildschirm gehörenden Gerätes überwacht wird, wobei alle erhobenen Daten mit im Rechner gespeicherten Daten verglichen werden und bei Unterschreiten vorgegebener Grenzwerte ein Warnhinweis am Bildschirm angezeigt bzw. ein Warnsignal ausgegeben wird. Die Erfindung stellt somit ein Verfahren zur individualisierten Messung der Belastung und Beanspruchung durch Tätigkeiten an der Mensch-Maschine Schnittstelle dar. Insbesondere können spezifische Belastungen des Sehapparats erkannt, resultierende Beanspruchungen individuell geschätzt und entsprechende Gegenmaßnahmen eingeleitet werden. Dadurch können Systeme zur Messung und Überwachung menschlicher Zustände und von Veränderungen und Leistungen an der Maschine-Mensch Schnittstelle optimal genutzt werden. Zur Durchführung des Verfahrens können Detektoren für die Erkennung von Signalen an den Mensch-Maschine Schnittstellen, ein Monitor, ein flüchtiger Speicher und eine Verrechnungseinheit genutzt werden, wobei in der Verrechnungseinheit vordefmierte Prozesse ablaufen, in denen die Signale analysiert und als Signalmuster in Bezug zu den in einem festen Speicher archivierten Signalmustern gesetzt werden.
In einer vorteilhaften Ausführungsform zählen zu den anhand der bei der Überwachung der Augen gemessenen Lidöffnung ermittelten Daten die maximale Lidöffnung, die minimale Lidöffnung, die prozentuelle Lidöffnung, die Lidöffnungsgeschwindigkeit, die Lidschlussgeschwindigkeit, die aktuelle Lidschlussfrequenz, die habituelle Lidschlussfrequenz, der PERCLOS-Index (prozentueller Lidschluss), und die Durchschnittswerte, Mediane und/oder Streumaße der obigen Werte. Anhand der so ermittelten Daten können Verhältniswerte, wie zum Beispiel das Verhältnis der maximalen Lidöffnung zur aktuellen Lidschlussfrequenz, das Verhältnis der maximalen Lidöffnung zur Lidschluss- bzw. Lidöffnungsgeschwindigkeit, etc., abgeleitet werden. Das erfindungsgemäße Verfahren erkennt durch biometrische Messung von Parametern der Augen- und Lidbewegungen über Vergleich mit bereits bestehenden Daten als Grundlinie oder Referenz den Zustand des Benutzers und dessen Beanspruchung durch spezifische Programme (Anwenderprogramme wie Excel, Word, Internetbrowser, etc.) oder zeitliche Abschnitte (Tageszeit, Arbeitszeitlänge, etc.). Mittels Datenoutput werden dem Nutzer die an der Schnittstelle individuell über die Zeit aggregierten und mit vordefmierten Algorithmen verrechneten Inputs aus den Detektoren als Warnhinweis rückgemeldet, um ihn zu einer Änderung seines Verhaltens zu veranlassen. In vorteilhafter Weise können zur Ermittlung der im Rechner für jede Person individuell zu speichernden Daten die individuellen Daten, wie Anschlagstärke, -häufigkeit und/oder -Charakteristik und dergleichen, beziehungsweise Bedienungshäufigkeit und/oder - geschwindigkeit, mittels der Bedienungseinheit, zum Beispiel der Tastatur bzw. einer Zeigeeinheit, wie einer Maus oder dergleichen, durch Protokollieren im Rechner erfasst werden. Um sowohl die Beanspruchung als auch die Belastung der bedienenden Person messen bzw. abschätzen zu können, kann dabei zusätzlich in die Überwachung der Person auch der Status des zu bedienenden Gerätes einbezogen werden.
Die methodische grundlegende Annäherung an die individuelle und subjektive Komponente „Beanspruchung" des Nutzers an der Mensch/Maschine Schnittstelle erfolgt somit über die Belastung durch das System und dort zu lösende Aufgaben sowie:
■ die Messung biometrischer Parametern beim Individuum (zum Beispiel Lidschlaghäufigkeit, Öffnungs- und Verschlussgeschwindigkeit des Lids, Verhältnis Amplitude zu Geschwindigkeit, PERCLOS-Index) und Kategorisierung nach Zeiteinheit, Bedingungen (zum Beispiel Reflexionen, Tageszeit), Zahl der bearbeiteten Aufgaben pro Zeiteinheit, Aufgabenart (Text- oder
Tabellenverarbeitung, Bildbearbeitung, etc.), verstrichene Zeit während der Aufgabe (Time-On-Task),
■ die Erfassung von Verhaltensparametern (Änderungen der Tätigkeiten zwischen Arbeit an der Mensch-Maschine Schnittstelle und Arbeiten fern davon, z. B. Verlassen des Arbeitsplatzes, Zusammenkneifen der Augen, Näherführen des Kopfes an das Display, Sprechen),
■ die Aufzeichnung des Maschinenstatus (laufende Programme, Hardware- und Softwarebeschaffenheit) sowie der Mensch-Maschine Interaktionen (Tastaturanschläge, Mausbewegungen, Frequenz der Wechsel der verwendeten
Programme oder Abläufe) und
■ die Individualisierung der Referenzwerte für Belastung und Beanspruchung durch Messen bzw. Ermitteln der erlebten Beanspruchung der Augen (durch Einsatz von Skalen, wie der Visuellen Analogskala), des Status-Quo (wie Geschlecht, Sichtigkeit, Alter, Erfahrung mit Bildschirmarbeit) und einer Kombination dieser
Daten in verrechneter Form als Gewichtungsfaktoren.
Die dafür notwendigen Daten werden an den verschiedenen Mensch/Maschine Schnittstellen (optisch, Eingabegerät, Zeigegerät) gewonnen und zur Bestimmung und Vorhersage der Belastung und Schätzung der Beanspruchung algorithmisch aufbereitet. Dabei können mehrere Methoden, unabhängig voneinander und auch interagierend, zur Mustererkennung und Algorithmusentwicklung angewandt werden, so können etwa, in einer vorteilhaften Ausführungsform, aus den unterschiedlich gemessenen bzw. davon abgeleiteten Daten Kombinationskriterien gebildet werden.
Diese Methoden dienen der Signalgewinnung, der Signaldarstellung und -analyse, der Aufstellung von auf empirischen Daten basierenden Modellen und der Qualitätskontrolle, der Bestimmung des Einflusses sowie der Wechselwirkungen von Faktoren (Umwelt, individuelle/prädispositionelle), der Bestimmung und Vorhersage kritischer Zeitpunkte im Ermüdungsverlauf und der Entdeckung von Warnschwellen im Belastungs- Beanspruchungs verlauf von asthenopischen Beschwerden. Als Methoden dienen insbesondere Zeitreihenanalysen, multiple Regression, Wahrscheinlichkeitsrechnung (zum Beispiel Vierfelder-Analyse, Chi-Quadrat), Bestimmung des (einfachen wie gewichteten) gleitenden Mittelwerts (Moving-Average), Verfahren zur Bestimmung von Rhythmizität (Fourier- Analyse) und Kurvendiskussion (Integral- und Differentialrechnung) sowie die Konfϊgurationsanalyse. Zur Schärfung des Verfahrens kann es vorteilhaft sein, zur Ermittlung der individuellen Daten zusätzlich die subjektiven Parameter, wie selbst erlebte Beanspruchung der Augen, Geschlecht, Sichtigkeit und dergleichen, zu erfassen und über ein Evaluierungsverfahren zu gewichten . Bei Auslösen eines Warnsignals oder unabhängig davon können dabei randomisiert oder pseudorandomisiert Befragungsmethoden eingesetzt werden, um zu ermitteln, ob für das Warnsignal eine Indikation vorhanden ist. Die Qualität des Warnsignals kann somit bestimmt und eingeordnet werden, zum Beispiel nach: Signal ja/nein - Indikation ja/nein. Aus den möglichen Kombinationen ergeben sich die folgenden Implikationen: ■ „Miss" (Indikation vorhanden, kein Signal)
■ „Hit" (Indikation vorhanden, Signal)
■ „Correct Reject" (keine Indikation, kein Signal)
■ „False Alarm" (keine Indikation, Signal)
Die Ergebnisse dieser Zuordnung werden im Verfahren berücksichtigt und führen zu einer Schärfung des Systems, zu einer Zunahme der Hits und zu einer Abnahme der False Alarms. Die Signaldetektionstheorie bietet eine individuelle Qualitätskontrolle für die Treffergenauigkeit der Warnprozesse. Die resultierenden ROC-Kurven (ROC: „Receiver- Operation-Characteristic") bieten Qualitätsfeedback über die Exaktheit der Schwelle.
Besonders vorteilhaft kann es sein, wenn die vorgegebenen Grenzwerte individuell für jede der das Gerät bedienenden Personen ermittelt und gespeichert werden. Dadurch kann insbesondere die Akzeptanz der Warnhinweise gesteigert werden, indem die Warnungen zum individuell idealen Zeitpunkt erscheinen, d.h. den Konzentrationsverlauf und den Arbeitsprozess berücksichtigen, dies jedoch wiederum abhängig von den Symptomausprägungen, also der Individualität des Bildschirmarbeiters. Bei schwerer Symptomatik (beispielsweise im Bereich trockene Augen) wird das Signal ausgelöst, wenn sich erste Anzeichen für eine Verschlechterung oder ein Auftreten der Symptomatik (hier: geringe Lidschlaghäufigkeit und lange Time-On-Task) einstellen. Bei Personen mit geringer individueller Anfälligkeit/Vulnerabilität oder Symptomatik kann dieses Warnsignal auf einen Zeitpunkt zwischen zwei konzentrierten Arbeitseinheiten verschoben werden. Dadurch erhöht sich die Compliance beim Bildschirmarbeiter und die Wahrscheinlichkeit kompensativer oder präventiver Maßnahmen steigt.
In vorteilhafter Weise kann der Warnhinweis eine Anleitung zu einem kompensativen Verhalten der Person enthalten. Solche kompensative Verhalten sind beispielsweise das Einlegen von Pausen oder das Durchführen von Übungen. Die Übungen werden dem Bildschirmarbeiter bei Auslösen des Warnsignals angeboten. Die Messung läuft während der Übung weiter um Qualitätsmaße und Wirkung bestimmen zu können.
Eine weitere bevorzugte Ausführungsform der Erfindung sieht vor, dass die ermittelten Werte ihrer Wertigkeit für die individuelle Person entsprechend zueinander in Beziehung gesetzt werden. Damit können individuelle Belastungsschwellen für die Entwicklung asthenopischer Symptome, wie Augentrockenheit oder generelle Aktivierungsphänomene, wie Müdigkeit, oder spezifische Aktivierungsphänomene, wie Aufmerksamkeit und Vigilanz, bestimmt werden.
In einer weiteren vorteilhaften Ausgestaltung der Erfindung können die an einem Gerät über eine oder mehrere bedienende Personen gesammelten Daten an eine zentrale Verarbeitungseinheit übermittelt werden, an der sie gespeichert und mit an anderen Geräten aufgezeichneten und ebenfalls an die zentrale Verarbeitungseinheit übermittelten Daten anderer bedienender Personen verglichen und aggregiert werden. Die Wirkung der präventiven oder kompensativen Maßnahmen, der Übungen oder Interaktionen, wird somit auf drei Wegen geprüft und verbessert: Erstens erfolgt die Messung auch während der Übungen, wodurch eine Effizienzkontrolle durchgeführt werden kann, in dem die Qualität der Übungen mit den weiteren vom Bildschirmarbeiter generierten statistisch verglichen oder durch Inferenzstatistiken auf Signifikanz geprüft wird, zweitens durch einen Vergleich vorher/nachher, der den Effekt der Intervention oder Übung ausdrückt, und drittens durch einen Vergleich mit allen anderen Usern, der optional über eine Update-Funktionen möglich ist und die Effektivität von Übungen in der Population und von spezifischen Zielgruppen (Gruppe der Textverarbeitungs-User) zeigt. Zu diesem Zweck können in der zentralen Verarbeitungseinheit anhand der aggregierten Daten einer Vielzahl von bedienenden Personen Updates erstellt werden, die an die einzelnen Geräte übermittelt werden. Damit können die empirisch belegt am besten passenden Übungen automatisch gewählt werden.
Die Erfindung wird im Folgenden anhand der beigefügten Zeichnungen und Diagramme eingehend beschrieben, wobei Fig. 1 in einer Verfahrensübersicht Bereiche zeigt, in welche die Prozesse und Abläufe eingeteilt werden können, Fig. 2 die Verfahrensübersicht der Fig. 1 in detaillierterer Weise wiedergibt, Fig. 3 und Fig. 4 der Erläuterung der von den Augen und dem umliegenden Gewebe gemessenen Parameter dienen, Fig. 5 ein Diagramm des zeitlichen Verlaufs der Lidöffnung bei gleichzeitiger Messung an beiden Augen zeigt, Fig. 6 ein Diagramm zeigt, dessen Kurven die Änderung der %- Werte der Lidöffnung (bezogen auf die Maximalamplitude, y- Achse) in der Zeit (Zeiteinheit, x- Achse) beschreiben, Fig. 7 in einer Diagrammdarstellung die über die Zeit gemessenen Lidschläge zeigt, Fig. 8 ein Ablaufdiagramm der bei der Überwachung des Benutzers wesentlichen Schritte zeigt, Fig. 9 und Fig. 10 je ein Entscheidungsdiagramm mit Kombinationskriterien zur Ermittlung des Benutzerzustands bezüglich Müdigkeit/Wachheit bzw. erhöhter Belastung zeigen, und Fig. 11 einen beispielhaften Verlauf der Freqenz und des Öffnungsgrades der Augen zeigt (aus [7] Hargutt). Die einzelnen Schritte des erfindungsgemäßen Verfahrens können in vier Bereiche unterteilt werden, die systemisch in Verbindung stehen und funktional interagieren. Diese sind in Fig. 1 dargestellt und in Fig. 2 in detailliertere Untergruppen aufgegliedert. Die in Fig. 1 dargestellten Bereiche sind ein Inputbereich I, ein Kalkulationsbereich II, ein Outputbereich III und ein zentraler Statistik- und Updatebereich IV. Der Inputbereich I dient der Erfassung und Vorverarbeitung der Messdaten, die eine Beurteilung des Belastungs- und Beanspruchungsgrades des Benutzers zulassen. Die gesammelten Daten werden im Kalkulationsbereich II verarbeitet und individualisiert gespeichert. Der Outputbereich III bildet die Ausgabeschnittstelle zum Benutzer hin. Er dient einerseits der Präsentation der Übungen, andererseits können Ergebnisse von Abfragen und Analysen dem Benutzer präsentiert werden. Diesem Bereich ist auch ein Speicher für Übungen zugeordnet. Im zentralen Statistik- und Updatebereich IV können Daten einer Vielzahl unterschiedlicher Benutzer verschiedener Geräte zentral gesammelt und statistisch verarbeitet werden. Auf Basis der aggregierten Daten können über eine Updatefunktion neue Übungen an die Outputeinheit übermittelt werden, die sich aufgrund der statistischen Auswertungen als besonders wirkungsvoll erwiesen haben. Durch die zentral gesammelten Benutzerauswertungen können auch Verbesserungspotentiale an der Kalkulation oder an anderen Verfahrensparametern erkannt werden, deren Umsetzung dann ebenfalls in Form eines Updates an die einzelnen Geräte übermittelt werden können. Bei allen dargestellten Speichereinheiten (Fig. 2: ILl, II.4, ULI, III.2, III.4) handelt es sich um logische Einheiten, die den einzelnen Bereichen sinngemäß zugeordnet sind. Es ist jedoch unerheblich, an welcher Stelle diese Daten physikalisch abgelegt sind, und ob die einzelnen Dateneinheiten getrennt oder gemeinsam gespeichert werden. Dies ist im Fachbereich der Computertechnik hinlänglich bekannt. Auf der Inputseite I des in Fig. 2 dargestellten Systems erkennen Detektoren mittels eines optischen Input-Geräts Ll Parameter der Bewegung und des Zustandes der Augen sowie des umliegenden Gewebes der Augen des Nutzers und geben diese mittelbar an eine Verrechnungseinheit II.2 weiter. Als Mittel dieser Detektoren fungieren entweder Kameras, die über eine Schnittstelle wie USB mit einem Computer verbunden sind, sowie solche, die bereits in das Gehäuse oder den Bildschirm integriert sind (ein solches Input/Output-Display ist etwa in der US2006/0007222 Al5 Apple Computer, offenbart).
Bei der Bilderfassung werden Algorithmen und Abläufe benutzt, die eine für die weitere Signalanalyse zeit- und ablaufoptimierte Verarbeitung ermöglichen. So wird etwa aus den im Zeitverlauf erfassten Bildern durch die Algorithmen in erster Linie jeweils die momentane Lidöffnung ermittelt. Mit einer zeitlichen Auflösung von mindestens 30 ms können aus dem zeitlichen Verlauf der Lidöffnung eine Vielzahl abgeleiteter Werte errechnet werden. Auf die für die Erfindung wichtigsten Werte wird weiter unten im Abschnitt „Erfassung der Messwerte" genauer eingegangen. Weitere Detektoren auf der Inputseite des Systems erkennen Parameter der Eingabe von Daten mittels taktil-motorischer Eingabegeräte und geben diese mittelbar an die Verrechnungseinheit weiter (siehe Fig. 2, Nr. 1.2). Diese Detektoren enthalten Algorithmen und Prozesse zur Erfassung der wesentlichen Verwendungscharakteristika des Inputgeräts, wie Zahl der Anschläge, Anschlagdruck, bediente Tasten und übergeordnete Muster von Aktivität am Gerät (wie Arbeitsrhythmen) in einer beliebigen Zeiteinheit. Ziel ist die möglichst exakte Messung oder Schätzung der Belastung der Bedienungsperson. Als Schnittstelle für Detektoren fungieren beispielsweise Tastaturen (wie mechanische, elektronische, elektrische), die über eine Schnittstelle wie USB mit einem Computer verbunden sind, sowie solche, die bereits in das Gehäuse oder den Bildschirm (zum Beispiel On-Screen-Tastaturen) integriert sind.
Auf der Inputseite des Systems werden auch Parameter der Eingabe von Daten mittels Zeigegeräten von Detektoren gemessen, und mittelbar an die Verrechnungseinheit weitergegeben (siehe Fig. 2, Nr. 1.3). Diese Detektoren enthalten Algorithmen und Prozesse zur Erfassung der wesentlichen Verwendungscharakteristika des Inputgeräts, wie zurückgelegte Strecke, Beschleunigung, Zahl der Klicks und Doppelklicks in einer beliebigen Zeiteinheit. Ziel ist die möglichst exakte Messung oder Schätzung der Belastung. Als Inputschnittstelle zu diesen Detektoren fungieren Zeigegeräte (wie mechanische, elektronische, elektrische Zeigegeräte), die über eine Schnittstelle wie USB mit einem Computer verbunden sind (zum Beispiel Maus, Marble Mouse, etc.) sowie solche, die bereits in das Gehäuse (Touchpad, Trackpoint, Trackball, Space Mouse, Space Balls, etc.) oder den Bildschirm (On-Screen-Zeigegeräte, Touchscreens) integriert sind.
Zwischen den Detektoren und der Veiτechnungseinheit II.2 ist im Kalkulationsbereich II des Systems ein flüchtiger Zwischenspeicher ILl angeordnet, in dem die eingehenden Signale der Detektoren zum Zwecke der Eingabe in die Verrechnungseinheit temporär aufbewahrt werden. Aus diesem Zwischenspeicher liest die Verrechnungseinheit II.2 Daten aus.
Maschinenzustandsdaten II.3, wie etwa die Systemzeit, die On-Time-Zeit seit Anmeldung des Nutzers, die verwendeten Programme/Abläufe mit Nutzerinput und - interaktion, die Speicherauslastung, etc., werden in den flüchtigen Speicher eingelesen. Das dient zum einen der Ressourcenoptimierung der Abläufe, zum anderen dienen die Verwendungsdaten von Programmen/Abläufen mit Nutzerinput der Beurteilung der Belastung des Benutzers und sind somit Eingangsparameter für die Verrechnungseinheit II.2.
Anhand der Programmverwendung können programmspezifische Profile erstellt werden, welche die von den Programmen bewirkte Belastung darstellen, und die Beanspruchung des Nutzers dadurch schätzen lassen.
Die Verrechnungseinheit II.2 führt vordefinierte Rechenprozesse aus, mit denen die aus den Detektoren kommenden Signale im Bezug zueinander und in Bezug zu den in einem festen Speicher II.4 abgelegten, bereits zeitlich vorher zu Signalmustern verrechneten Signalen verarbeitet werden. Die Analyse des optischen Input 1.1 kann entweder anhand von Signalen des linken oder rechten Auges erfolgen oder aus einer Kombination aus beiden, auch in zeitlicher Hinsicht.
Der permanente Speicher für errechnete Daten II.4 ist Archiv und Bezugsort für die Zugriffe der Verrechnungseinheit II.2 während des Vorgangs der Verrechnung der aus den Detektoren mittelbar eingehenden Daten und der Musterbildung. Die Verrechnungseinheit hat auf diesen festen Speicher Schreib- und Lesezugriff.
Der permanente Speicher II.4 beinhaltet die Muster der Biosignale des Nutzers an der Mensch-Maschine Schnittstelle, auf die weiter unten bei der Beschreibung der Datenstrukturen genauer eingegangen wird. Außerdem werden die individuellen, über die Zeit aggregierten Daten auf Wunsch des Nutzers über eine Datenverbindung an einen weiteren permanenten Speicher gesendet, der über eine Verrechnungseinheit die aggregierten Daten aller Individuen, die dasselbe Verfahren nutzen, analysiert und in vordefinierten Prozessen wiederum Muster bildet.
In diesem Speicher II.4 werden alle an den Mensch-Maschine-Schnittstellen gemessenen und zur weiteren Verrechnung gelangten Signale aufbewahrt. Die darin permanent abgelegten Werte sind die Referenzpunkte, um Vergleiche innerhalb der Person herzustellen.
An der Schnittstelle zwischen dem Kalkulationsbereich II und dem Outputbereich III befindet sich ein erster flüchtiger Speicher III.4, in dem Analysen und Abfragen zwischengespeichert werden, bevor die Ergebnisse dem Benutzer dargestellt werden. Die Ergebnisdarstellung III.5 wird auf Benutzeranfrage hin aktiviert. Selektierte Ergebnisse der in der Verrechnungseinheit II.2 erfolgten Berechnungen können bei der Ergebnisdarstellung III.5 über die Schnittstellen zu einem Ausgabegerät (Bildschirm, Drucker, Lautsprecher) geleitet werden. Die aus dem permanenten Speicher II.4 abgerufenen Daten können ebenfalls auf Benutzeranfrage ausgeben werden, z. B. in Form eines Berichts oder einer Grafik auf einem Bildschirm oder Plotter.
An der Schnittstelle zwischen dem Kalkulationsbereich II und dem Outputbereich III befindet sich auch ein zweiter flüchtiger Speicher III.1, der für Übungen und zielgerichtete Interventionen bestimmt ist. Mittels einer optischen oder akustischen oder taletilen Ausgabeeinheit soll eine Verhaltensänderung des Nutzers induziert werden, welche die Symptome von CVS vermindert. Der zweite flüchtige Speicher III.1 steht mit einem permanenten Speicher für Übungen/Interventionen III.2 in Verbindung, auf den er Schreib- und Lesezugriff hat.
In dem permanenten Speicher für Übungen III.2 sind Instruktionen gespeichert, die vom zweiten flüchtigen Speicher III.1 abgerufen und dem Benutzer vorgeschlagen und präsentiert werden (III.3). Ebenso werden die Reaktionen des Nutzers auf die Übungen und Instrulctionen/Interventionen im permanenten Speicher abgelegt. Zu solchen Reaktionen zählen die Änderungen des Verhaltens und die Nicht-Änderungen des Verhaltens. NichtÄnderung heißt dabei, dass der Nutzer sein bisheriges Verhalten fortsetzt, Verhaltensänderung heißt, dass er entweder die Instruktion befolgt, Übungen durchführt oder den Arbeitsplatz verlässt.
Während die Übungen/Intervention ablaufen, werden die Messungen fortgesetzt. Somit werden auch die Auswirkungen der Übungen/Interventionen gemessen und in einem Evaluationsschritt wird mit statistischen Methoden (Varianzanalyse, Vergleichstests) der funktionale Zustand des Bildschirmarbeiters vor der Übung mit dem Zustand nach der Übung verglichen. Die Daten, die während der Übungen aufgezeichnet werden, gelangen über den Inputbereich I wiederum in den permanenten Speicher 11.4. Die Präsentation und Durchführung III.3 der Übungen/Interventionen erfolgt auf Basis der im permanenten Speicher III.2 enthaltenen Übungen/Interventionen. Dies bedeutet, es werden sensorische (visuelle, akustische, taletile, olfaktorische) Stimulationen dazu eingesetzt, Pausen einzuleiten, das Verhalten am Arbeitsplatz (an der Mensch-Maschine-Schnittstelle) zu ändern oder Übungen unter Zuhilfenahme oder ohne Zuhilfenahme der Geräte an der Mensch-Maschine-Schnittstelle zu initiieren. Die Übungen werden mit Instruktionen vorgeschlagen bzw. begleitet.
Der permanente Speicher II.4 im Bereich Kalkulation II steht auf Wunsch des Nutzers über eine Datenverbindung (beispielsweise über das Internet) mit einem zentralen Statistik und Updatebereich IV in Verbindung, welcher die individuell aggregierten Daten aufzeichnet, speichert und über alle Nutzer desselben Verfahrens aggregiert. In einer Feedbackschleife werden damit die effektvollsten Interventionen und Übungen bestimmt und über eine Updateeinheit IV.2 in den permanenten Übungsspeicher III.2 rückgemeldet.
Indem die im permanenten Übungsspeicher III.2 vorhandenen Übungen über die Updatefunktion IV.2 regelmäßig aktualisiert werden, können auf Basis der Erkenntnisse der laufenden Analyse der aggregierten Daten (Bereich IV) die Übungen und Intervention für alle
Einzelbenutzer des Systems verbessert werden. Diese Verbesserung führen zu einer größeren
Inanspruchnahme des Übungsangebots, zu einer Verstärkung der Effekte auf die biometrischen Maße während und nach der Intervention/Übung, sowie zu einer Änderung des subjektiven Empfindens, das beispielsweise auf einer psychometrischen Skala gemessen werden kann. Damit können die Beanspruchung speziell der Augen und damit assoziierte
Syndrome wie das Computer Vision Syndrome (Office Eye Syndrome, Asthenopie) wirkungsvoll verringert werden.
Erfassung der Messwerte
Die im Iniputbereich (Fig. 2, 1.1- 1.3) erfassten Messwerte lassen sich, je nach Gerätetyp, in drei Gruppen aufgliedern, auf die im Folgenden eingegangen werden soll.
1.) Messinput und Werte beim optischen Inputgerät Anhand der Fig. 3 bis 7 wird im Folgenden erläutert, wie die von einem oder beiden
Augen gemessenen Werte für die aktuelle Lidöffnung Lakt, die maximale Lidöffnung Lmax und die minimale Lidöffnung Lm;n von der Verrechnungseinheit verarbeitet wird, sodass den Werten ein zeitlicher, durch die Geschwindigkeit charakterisierter Ablauf zugeordnet werden kann (siehe Fig. 4, 5, 6 und 7). Der Erkennungsalgorithmus ermittelt, wie dies in Fig. 4 erläuternd dargelegt ist, für jedes von der Kamera zu aufeinanderfolgenden Zeitpunkten (ti, t2,..., t5) aufgezeichnete Bild einen Wert für die entsprechende aktuelle Lidöffnung Lakt (L1, L2,..., L5). Diese Werte lassen sich in einer Diagramm-Kurve als Zeitverlauf der aktuellen Lidöffnung Lakt darstellen, ein beispielhafter Verlauf einer solchen Kurve ist in Fig. 11 (aus [7], Hargutt) gezeigt (obere Kurve des Diagramms). Wie aus dem Diagramm zu erkennen ist, fällt bei jedem Blinzeln der Wert kurz gegen Null ab, was als nach unten gerichtete Wertspitze zu erkennen ist. Anhand der Form der der Wertspitzen kann für jedes Blinzeln eine Blinzeldauer ermittelt werden, wobei aus den Zeiträumen zwischen dem Blinzeln jeweils ein Wert für die Blinzelpausen ermittelt werden kann. Die untere Kurve in Fig. 11 zeigt dieses Blinzeln in einer binären Darstellung, wobei die Kurve bei geöffneten Augen einen unteren Wert, und bei geschlossene Augen bzw. Blinzeln einen oberen Wert einnimmt. In Fig. 7 ist eine solche binäre Kurve für sich alleine dargestellt.
Anhand dieser Messaufzeichnungen lassen sich weitere Werte ableiten, deren zeitlicher Verlauf ebenfalls beobachtet wird. Ein solcher Wert ist etwa die maximale Lidöffnung Lmax oder Amplitude, die als der maximale gemessene Wert zwischen zwei aufeinanderfolgenden Lidschlüssen definiert ist. Die minimale Lidöffnung Lmjn bezeichnet den Minimalwert dieser Periode. Als maximale Amplitude wird die bei einem bestimmten Benutzer maximal gemessene Lindöffnung bezeichnet, wobei dieser Wert ein physiologischer Faktor ist, der sich nicht mit der Zeit ändert.
Aus den obigen Messergebnissen können auch die Lidschluss- und die Lidöffnungsgeschwindigkeit berechnet werden. Außerdem wird die bei Lidschluss- und Lidöffnung vom Augenlid zurückgelegte Strecke bestimmt. Die Änderungsgeschwindigkeit wird als Prozentwert auf die gemessene Amplitude der Lidschluss- und Lidöffnung bezogen. Mit diesen Daten kann der PERCLOS-Index (PERCLOS: „percentage of eyelid closure" - „prozentueller Lidschluss") bestimmt werden. Auf einige Daten wird weiter unten noch genauer eingegangen.
Im allgemeinen ist eine Messung an einem Auge ausreichend, da physiologisch die Augen ihre Arbeit synchron verrichten. Allerdings muss der Möglichkeit von Beeinträchtigung eines der beiden Augen Rechnung getragen werden, sodass es vorteilhaft sein kann, die Messung an beiden Augen vorzunehmen. Das heißt, die Messung kann am linken oder am rechten Auge vorgenommen werden oder es können beide Augen gemessen werden. Es ist jedoch auch möglich, zwischen den Messverfahren (linkes Auge, rechtes Auge, beide Augen) in jedem beliebigen Messintervall (z. B. im Sekundentakt) in beliebiger Kombination zu wechseln.
Fig. 5 zeigt ein Diagramm, in dem die gemessene Lidöffnung des rechten und des linken Auges gegenübergestellt sind. In diesem Beispiel kommt es zu einem mit der Zeit größer werdenden Unterschied der Messwerte beider Augen. Dieser Unterschied, die „Äugigkeit", würde bei einer Messung an nur einem Auge zu fehlerhaften Messergebnissen führen. Eine Äugigkeit kann sich nicht nur bei der Lidöffnung, sondern auch bei der Lidschlaghäufigkeit ergeben. Die Messung der Äugigkeitsneigung kann automatisch in regelmäßigen oder zufällig gewählten Intervallen durchgeführt werden und sie kann entweder durch den Benutzer über ein Menü aufgerufen werden, dem Benutzer in einem Dialogmenü angeboten werden, oder automatisch erfolgen, ohne dass der Benutzer dies mitbekommt. 1.1.) Lidschluss- und Lidöffnungsgeschwindigkeit
Die Lidöffnungs- und -Schließgeschwindigkeiten werden zur Kategorisierung und
Erfassung von Aufmerksamkeit und Müdigkeit/Wachheit gemessen. Die Zeiteinheit ist typischerweise im Millisekundenbereich. Die Durchschnittswerte bzw. der Median und die Streumaße dienen als Referenz. Diese Werte ändern sich mit der Beanspruchung durch visuelle und kognitive Arbeit an der Mensch-Maschine Schnittstelle.
1.2.) Verhältnis von Amplitude zu Geschwindigkeit
Das Verhältnis von Amplitude zu Geschwindigkeit als Kennzahl der Lidbewegungen wird durch Berechnen ermittelt. Dieser Wert ändert sich mit der Beanspruchung durch visuelle und kognitive Arbeit an der Mensch-Maschine Schnittstelle. Änderungen dieser
Werte werden auch hier mit den im permanenten Speicher II.4 gespeicherten Werten verglichen.
1.3.) Lidschlaghäufigkeit
Der Wert für die Zahl der kompletten Lidschluss- und Lidöffnungszyklen in der Zeiteinheit (Fig. 7) ist die Lidschlaghäufigkeit oder -frequenz (auch bezeichnet als Blink-
Frequenz oder Blinzel-Frequenz). Dieser Wert ändert sich mit der Beanspruchung durch visuelle und kognitive Arbeit an der Mensch-Maschine Schnittstelle. Diese Zeiteinheit kann im Output in Sekunden, Stunden oder Tagen oder längeren Zeiträumen angeben werden.
Unterhalb einer bestimmten Frequenz ist das Auge nicht mehr ausreichend befeuchtet und trocknet aus. Das Maß der Austrocknung korreliert mit Umgebungsfaktoren (zum
Beispiel Luftqualität, -trockenheit, -partikeln), individuellen Maßen (zum Beispiel Ernährung,
Flüssigkeitszufuhr) und interindividuellen Faktoren (zum Beispiel Alter) sowie pathologischen Veränderungen (zum Beispiel Sicca-Syndrom). Daher müssen die vorhandenen individuellen Maße berücksichtigt, und die Bedingungen des Arbeitsplatzes möglichst genau erfasst werden.
1.4.) PERCLOS-Index
Der PERCLOS-Index (siehe [6] Knipling & Wierwille, 1994) beschreibt den Zeitanteil, bezogen auf eine Zeiteinheit, in der das Auge bzw. die Augen zu mehr als 80% geschlossen sind. Dieser Wert ändert sich mit der generellen Aktivierung aber auch mit der Beanspruchung durch visuelle und kognitive Arbeit an der Mensch-Maschine Schnittstelle. Der Wert stellt ein Maß für die Wachheit oder Schläfrigkeit des Nutzers da. Fig. 6 verdeutlicht die Berechnung des PERCLOS-Index anhand der prozentuellen Augenöffnung (Strichpunkt-Linie) und dem Schwellenwert (dieser liegt bei 20% der maximalen Amplitude).
1.5.) Kombinationskriterien Wie zum Beispiel die Arbeiten von [7] Hargutt (2003) zeigen, kann aufgrund einer Kombination biometrischer Merkmale ein Muster definiert werden, welches die Zuordnung zu unterschiedlichen Stadien der Müdigkeit erlaubt. Auch zur Erstellung der Kombinationskriterien werden individuelle Muster entdeckt, gespeichert und als Referenzwert für ein Warnsignal herangezogen. Als Eingangsdaten für solche Kombinationen dienen die Lidschlaghäufigkeit (hoch-niedrig, relativ zum Median/Mittelwert), die Lidschlagamplitude (hoch-niedrig, relativ zum Median/Mittelwert), der Grad der Augenöffnung (in % bezogen auf 100% geöffnete Augen, die maximale Augenöffnung) und deren Dauer, die Lidschluss- und Lidöffnungsgeschwindigkeit (hoch-niedrig, in ms, relativ zum Median/Mittelwert) sowie daraus abgeleiteten Kennzahlen wie Verhältnismaße, Summen oder Ergebnisse statistischer Verrechnungsmodelle. Ein Beispiel für ein solches Kombinationskriterium ist in Fig. 9 dargestellt. Dabei werden aus den Messwerten der Dauer der Augenschlüsse und der Blinkfrequenz Ermüdungszustände für den Benutzer abgeleitet. Die Parameter, die den Entscheidungen zugrunde liegen, können der Fachliteratur entnommen werden, sie werden jedoch, wie weiter unten noch genauer beschrieben wird, im Zuge des Verfallrens mithilfe von Benutzerabfragen individuell an den Nutzer angepasst und optimiert.
2.) Messinput und Werte der Schnittstelle zum taktilen motorischen Gerät
Die Werte für die Anschlaghäufigkeit, den Druck und sämtliche maschinell erfassbaren Qualitäten werden im zeitlichen Verlauf gemessen. Diese Werte ändern sich mit der Belastung durch Arbeit an der Mensch-Maschine Schnittstelle. Dieses Maß der Belastung wird mit Maßen der Beanspruchung (anhand der Änderungen von Parametern der Lidbewegungen und subjektiven Einschätzung auf psychometrischen Skalen) in Beziehung gesetzt.
3.) Messinput und Werte der Schnittstelle zum Zeigegerät
Zu den Parametern zählen die Zeigegerätstrecken, die Gesamtdistanz sowie der Aufenthalt des Zeigers in bestimmten vordefmierten Bereichen des Bildschirms. Diese Werte ändert sich mit der Belastung durch Arbeit an der Mensch-Maschine Schnittstelle. Die Zahl der Klicks mit allen am Zeigegerät vorhandenen Klickmöglichkeiten, wie etwa Knöpfen, Tasten und Druck- oder Widerstandssensoren im Allgemeinen, wird als Belastungsmaß erhoben. Diese Maße der Belastung werden mit Maßen der Beanspruchung (anhand der Änderungen von Parametern der Lidbewegungen und der subjektiven Einschätzung auf psychometrischen Skalen) in Beziehung gesetzt. Auch anhand der Belastungswerte lassen sich Kombinationskriterien erstellen, wie beispielsweise in Fig. 10 dargestellt ist. Bei diesem Kombinationskriterium wird zusätzlich zur Lidschlussfrequenz die Belastung des Nutzers anhand des Wertes „Time-On-Task" miteinbezogen. Sinkt die Lidschlussfrequenz unter einen Risikowert, wird ein Warnsignal ausgegeben.
Datenstruktur der Solldaten
Im permanenten Speicher II.4 sind Solldaten, die habituellen Daten, gespeichert. Zu diesen Solldaten zählen kategorisierte und über alle Bedingungen erfasste Durchschnittswerte, Normwerte, empirische Werte, die weiter verrechnet werden, und Validierungsmaße von
Daten, die während der Interaktion bestehen. Auf diese Daten wird im Folgenden einzeln eingegangen.
Kategorisierte und über alle Bedingungen erfasste Durchschnittswerte Von allen anfallenden Daten werden Durchschnittswerte, etwa der Grand Mean (d. h. der Mittelwert über alle gemessenen Episoden) über alle Zeiten und Tätigkeiten sowie Mittelwerte aufgabenspezifisch und zeitabhängig kategorisierter Daten und deren Standardabweichungen gebildet. Zu den kategorisierten Daten zählen die Durchschnittswerte und Standardabweichungen die spezifisch für bestimmte Tätigkeiten (zum Beispiel Text- oder Tabellenbearbeitung) und Zeitabschnitte (Tageszeit, Time-on-task) berechnet werden. Der Beginn und das Ende der Tätigkeit (zum Beispiel der Tabellenbearbeitung) wird durch systemgesetzte Trigger gekennzeichnet. Alle für diese Tätigkeit vorhandenen Werte (wie Lidschlaghäufigkeit, etc.) werden gemittelt, es wird die Standardabweichung berechnet und diese Werte werden im Solldatenspeicher als Referenz abgelegt. Für den Vergleich werden zumindest die letzte sowie die erste der im Solldatenspeicher abgelegten Episoden mit den aktuellen Episoden verglichen.
Normwerte
Unter Normwerten werden Werte verstanden, die sich aufgrund wissenschaftlicher Forschung als aussagekräftige Schwellen zur Kategorisierung von Beanspruchung erwiesen haben. Empirische Werte, die weiterverrechnet werden
Zu den empirischen Werten zählen Ergebniswerte eines Eichungsprozesses, während dessen das System lernt, die individuellen Werte und die Standardabweichung und Varianz dieser Werte zu bestimmen. Die aktuellen Mittelwerte, etwa der Lidschlagfrequenz, werden über einen frei wählbaren Zeitraum, der Episodendauer, bestimmt. Bei Abweichen des aktuellen Mittelwerts über zwei Standardabweichungen vom Grand Mean oder eine Standardabweichung bei spezifischen Tätigkeiten, Umgebungsbedingungen oder Tages/Uhrzeiten in positiver oder negativer Richtung wird das Warnsignal ausgelöst. Bei Abweichungen in negativer Richtung wird das Signal für zu niedrige Lidschlagfrequenz, die eine Gefahr der Symptomentwicklung eines trockenen Auges darstellt, ausgelöst.
Die Durchschnittswerte der aktuellen Mittelwerte in der Nutzungsdauer, der Grand Mean, referenziert auf einen aus der Literatur gewonnenen Idealwert. Bei Unterschreitung dieses erfahrungsgestützten, empirischen Idealwerts wird ein Signal ausgelöst. Dieses Verfahren wird immer durchgeführt, unabhängig von der Art der Aufgabe und den Anforderungen der Aufgabe. Mittels einer subjektiven Skala werden, etwa über einen Kurzfragebogen, der dem Benutzer zum Ausfüllen auf dem Bildschirm dargestellt wird, die augenspezifischen und anderen körperlichen Symptome erhoben. Die subjektive Beanspruchung kann durch eine Visuelle Analogskala (VAS) ermittelt werden. Deutet der PERCLOS Index auf Ermüdung hin, kann ebenso ein Kurzfragebogen zur aktuellen Beanspruchung eingesetzt werden wenn der Benutzer dies wünscht.
Ist die Tätigkeit des Nutzers des Computersystems mit wenig Interaktion (durch Eingriff, Zeigegerätaktivitäten, usw.) verbunden, ist sie also gleichförmig, so kann auch ein anderes verwandtes Maß verwendet werden. Mit der verstrichenen Zeit während der Aufgabe (Time-on-task, TOT) ist normalerweise, etwa beim Lesen eines Buchs, eine Zunahme der Lidschlagfrequenz verbunden, die ein Austrocknen des Auges verhindert. Aus Gründen, die noch nicht abschließend geklärt und Thema aktueller Untersuchungen sind, versagt bei Bildschirmarbeit diese Schutzfunktion des Auges teilweise, und die Lidschlagfrequenz nimmt mit zunehmender TOT ab [7, Hargutt, 2003]. Dieser Umstand führt dann zum Austrocknen der Augen und trägt wesentlich zum Auftreten des eingangs erwähnten Computer Vision Syndroms bei.
Trägt man die Lidschlagfrequenz über der Zeit in einer Kurve auf, dann ist dies als positive Steigung erkennbar. Eine Änderung dieser Steigung in der Zeiteinheit und des Steigungskoeffϊzienten werden als individueller Wert im Sollwertspeicher abgelegt. Überschreitet die Abweichung der aktuellen Steigung vom Sollwert einen Grenzwert, wird ein Signal ausgelöst. Ist die Steigung negativ, nimmt also die spontane Lidschlagfrequenz ab, wird das Signal für zu niedrige Lidschlagfrequenz ausgelöst.
Zu den empirischen Werten zählen weiters Veränderungen, beispielsweise der Lidschlagfrequenz, über die Nutzungsdauer des erfindungsgemäßen Verfahrens, oder Veränderung im Zuge der Nutzung eines bestimmten Programms. Die Änderung der Lidschlagfrequenz ist dabei von Person zu Person höchst unterschiedlich, und auch die Zusammenhänge von Belastung, Beanspruchung und Änderung der Lidschlagfrequenz sind individuell verschieden. Intraindividuell hingegen sind beide Maße stabil.
Validierungsmaße von Daten, die während der Interaktion bestehen
Die im Outputbereich (III) eingesetzten Verfahren (Übungen/Interventionen) können anhand der obigen Daten in Kombination mit Beanspruchungsmessungen validiert werden. So kann evaluiert werden, welche Übungen zu einer Verminderung der Beanspruchung und damit verbundenen Symptomen führen. Sowohl subjektive Maße (die aufgrund der Einschätzung der visuellen Beanspruchung durch den Bildschirmarbeiter selbst gewonnen werden) als auch objektive Maße (die verrechneten Inputs aus den Detektoren) gehen in die Bestimmung der Sollwerte ein. Weicht ein aktueller Messwert zu stark vom Sollwert ab wird ein Warnsignal ausgelöst.
Algorithmen zur Aufarbeitung der Daten
Die Verrechnung der Inputs lässt sich in drei Phasen aufgliedern: In Phase eins werden die vom optischen Input stammenden, über den Erkennungsalgorithmus 1.1 eingespeisten individuumsspezifischen Daten der kontinuierlichen Messung der Lidöffnung und deren Änderungen (Geschwindigkeit, Häufigkeiten von Blinzeln, Augenschlüssen) in einer Datenbank im permanenten Speicher II.4 abgelegt und mit Werten verglichen, die bereits zu Beginn des Verfahrens dort abgelegt waren, zum Beispiel einer maximale kontinuierliche Bildschirmarbeitszeit von 50 min und einer Lidschlagfrequenz in einem Bereich von 6-20 Lidschlägen bei Bildschirmarbeit ohne Sprache. Wird eine Warnschwelle, etwa die maximale kontinuierliche Bildschirmarbeitszeit von 50 min, überschritten, so wird ein Alarm, in diesem Fall ein Pausensignal, ausgelöst. Wird die Blinkfrequenz von 6 Lidschlägen pro Minute unterschritten, wird ebenfalls ein Alarm ausgelöst. Darüber hinaus wird der Bildschirmarbeiter in unregelmäßigen oder regelmäßigen Intervallen zu seinem persönlichen visuellen Befinden befragt. Fig. 8 zeigt in einem Flussdiagramm die wesentlichen Schritte bei der Überwachung des Benutzers. Dabei werden die Messergebnisse, die vom Erkennungsalgoritlimus 1.1. für die aktuelle Abtastperiode ermittelt (Schritt 2. Erfassung) und im flüchtigen Zwischenspeicher II.1. gespeichert wurden abgefragt und mit habituellen Werten, die im permanenten Speicher IIA abgelegt sind, verglichen (Schritt 3. Prüfung). Die habituelle Lidschlagfrequenz ist dabei der aufgrund der bisher gemessenen Daten für den Benutzer im ausgeruhten Zustand erwartete Wert. Diese Abfrage wird in einer Programmschleife in jeder Abtastperiode wiederholt. Auf diese Weise kann zum Beispiel die in Schritt 2 erfasste aktuelle Lidschlagfrequenz (ALF) in Schritt 3 mit der im Festwertspeicher abgelegten habituellen Lidschlagfrequenz (HLF) verglichen werden.
Sinkt die aktuelle Lidschlagfrequenz unter einen Grenzwert, der Grenzweit könnte in diesem Fall die habituelle Lidschlagfrequenz minus der Standardabweichung sein, wird in einer Relevanzprüfung, etwa anhand von Kombinationskriterien, in Schritt 4 geprüft, ob tatsächlich ein Ermüdungszustand anzunehmen ist. Wenn dies der Fall ist, wird ein vordefmierter Prozess gestartet, in welchem dem Benutzer Übungen zur Augenentlastung angeboten werden (Schritte 5: Warnsignal), die er annehmen kann oder auch nicht (Schritt 6: j/n). Während der Übung (Schritt 7: Intervention) und danach werden die Augenmessungen fortgesetzt, und die dabei gemessenen Daten können ausgewertet werden um die Wirkung der durchgeführten Übungen zu evaluieren und damit die individuell wirkungsvollsten Übungen herauszufinden.
Die habituellen Werte werden laufend an den Benutzer individuell angepasst. Dazu wird der Benutzer in regelmäßigen Abständen, oder bei Auftreten einer Warnmeldung, nach seinem subjektiven Befinden befragt, und es wird geprüft, ob der im Zuge des Verfahrens gemessene Ermüdungszustand mit den abgefragten subjektiven Parametern, also etwa der von der Bedienungsperson zum jeweiligen Abfragezeitpunkt subjektiv empfundene Beanspruchung der Augen, übereinstimmt. Ist dies nicht der Fall (also bei den Implikationen „Miss" oder „False Alarm") werden die habituellen Werte entsprechend angepasst. Habituelle Werte können sich von Person zu Person stark unterscheiden und werden auf diese Weise im Zuge des Verfahrens immer besser an die individuellen Ermüdungsmuster des Benutzers angenähert.
Der in Fig. 8 dargestellte Ablauf kann gleichzeitig mit anderen Parametern ausgeführt werden, beispielsweise mit dem PERCLOS-Index oder dem Verhältnis der aktuellen Amplitude zur aktuellen Lidschlagfrequenz (diese Verhältnis stellt bei vielen Personen einen besonders aussagekräftigen Wert dar). Die verschiedenen Kombinationen an Messdaten können für die Erstellung der weiter unten beschriebenen individuellen psychophysiologischen Verhaltensmuster für jeden Benutzer verwendet werden.
Wenn bereits ausreichend Messdaten vorliegen, werden in Phase zwei für den Bildschirmarbeiter die individuellen (auf statistischen Daten wie Median, Mittelwert, Standardabweichung und Varianz) basierenden Werte als Referenzdaten/Solldaten abgelegt. Biometrische Werte, die mit hohem visuellen Wohlbefinden (nach Befindensschätzung des Benutzers) einhergehen, werden ebenso wie neutrale (weder gutes noch schlechtes Befinden) oder solchen, die mit hohem visuellen Beschwerden korrelieren, abgelegt. Ändert sich die Varianz oder Standardabweichung der Messung nicht mehr — oder nicht mehr signifikant und/oder unsystematisch - so ist der festgelegte Sollwert als Beschreibung des funktionalen Zustands des Bildschirmarbeiters geeignet und somit ein habitueller Wert. Weichen aktuelle Werte (biometrische Daten aus Ll) von diesen Sollwerten um mehr als seine Standardabweichung ab, und das über eine wählbare Anzahl an Messepisoden, so wird das Warnsignal ausgelöst. In Phase drei werden für den Benutzer individuelle Muster erkannt, die z. B. aus
Kombinationen der gemessenen, über die Detektoren 1.1 bis 1.3 eingegangenen Daten, bestehen können. Damit wird die Beanspruchung des Benutzers prozesshaft über die vorliegenden Muster seiner psychophysiologischen Maße festgelegt. Das Auftreten dieser individuellen Muster, die mit erhöhter visueller Beanspruchung oder auch erhöhter visueller Belastung einhergehen, wird als Indikator oder Prädiktor für das Warnsignal verstanden und löst somit den Alarm aus.
Mittels statistischer Methoden können auch die unterschiedlichsten Wirkungen der Faktoren Arbeitsplatz und Individuum sowie deren Wechselwirkung bestimmt werden. Diese Berechnungen können entweder anhand der Daten unterschiedlicher Benutzer desselben Geräts durchgeführt werden, oder sie dienen der Bewertung der im zentralen Statistik- und Updatebereich gesammelten, über viele verschiedene Nutzer aggregierten Daten.
Mittels Konfigurationsfrequenzanalyse wird untersucht, ob unter den Benutzern unterschiedliche Typen auftreten. Die Häufigkeit bestimmter qualitativer Symptomkombination kann so auf statistische Relevanz im Vergleich zu Erwartungswerten geprüft werden (siehe [8] Lautsch & Weber, 1995).
Für quantitative Auswertungen werden Clusteranalysen verwendet; dies sind multivariante Analyseverfahren, welche Ähnlichkeiten oder Unähnlichkeiten strukturiert aufzeigen, und sich neben einer Klassifikation und Mustererkennung für Data-Mining Zwecke eignen. Dies ist in Hinblick auf die optimalen, individualisierten Inhalte und Updates der Mustererkennungsfunktionen und der Übungen vorteilhaft.
Die Effektivität der Übungen wird mit statistischen Verfahren überprüft. Im einfachsten Fall werden Episoden mit biometrischen Signalen und Daten, die von den Schnittstellen kurz vor der Übung/Intervention aufgezeichnet wurden, mit Episoden nach der
Übung/Intervention (unmittelbar danach oder in beliebig größerem Zeitabstand) verglichen.
Hierbei kann der Effekt beobachtet und mit statistischen Verfahren quantifiziert werden.
Außerdem können mit geeigneten statistischen Verfahren die Unterschiede der Wirkungen zwischen Übungen/Interaktionen verglichen werden. Ein Vergleich der Effekte unterschiedlicher Übungen ergibt die jeweilige Effektivität.
Für Populationsparameter, wie etwa die Beanspruchung, die Belastung, die
Aufmerksamkeit, die zentralnervöse Ermüdung in und ohne Zusammenhang mit den ermittelten Messwerten, den PERCLOS-Index, die Lidschlagfrequenz, die
Lidschlagamplitude und die Lidschlaggeschwindigkeit können mithilfe der individuell bewerteten und über viele Benutzer aggregierten Daten sehr präzise Schätzung ermittelt werden.

Claims

Patentansprüche:
1. Verfahren zum Prüfen des Ermüdungsgrades einer ein Gerät bedienenden Person, bei welchem deren Augen mittels einer Kamera überwacht, das Ergebnis mittels eines
Rechners ausgewertet und im Bedarfsfall eine Warnung an die Person ausgegeben wird, dadurch gekennzeichnet, dass an einem Bildschirmarbeitsplatz zusätzlich zur Überwachung der Augen der Bedienungsablauf des zum Bildschirm gehörenden Gerätes überwacht wird, wobei alle erhobenen Daten mit im Rechner gespeicherten Daten verglichen werden und bei Unterschreiten vorgegebener Grenzwerte ein Warnhinweis am Bildschirm angezeigt, bzw. ein Warnsignal ausgegeben wird.
2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, dass zu den anhand der bei der Überwachung der Augen gemessenen Lidöffnung (Lakt) ermittelten Daten die maximale Lidöffnung (Lraax), die minimale Lidöffnung (Lmin), die prozentuelle Lidöffnung, die Lidöffnungsgeschwindigkeit, die Lidschlussgeschwindigkeit, die aktuelle Lidschlussfrequenz (ALF), die habituelle Lidschlussfrequenz (HLF), der PERCLOS-Index (prozentueller Lidschluss), und die Durchschnittswerte, Mediane und/oder Streumaße der obigen Werte zählen.
3. Verfahren nach Anspruch 2, dadurch gekennzeichnet, dass anhand der ermittelten Daten Verhältniswerte, wie zum Beispiel das Verhältnis der maximalen
Lidöffnung zur aktuellen Lidschlussfrequenz, das Verhältnis der maximalen Lidöffnung zur Lidschluss- bzw. Lidöffnungsgeschwindigkeit, etc., abgeleitet werden.
4. Verfahren nach einem der Ansprüche 1 bis 3, dadurch gekennzeichnet, dass zur Ermittlung der im Rechner für jede Person individuell zu speichernden Daten die individuellen Daten, wie Anschlagstärke, -häufigkeit und/oder -Charakteristik und dergleichen, beziehungsweise Bedienungshäufϊgkeit und/oder -geschwindigkeit, mittels der Bedienungseinheit, zum Beispiel der Tastatur bzw. einer Zeigeeinheit, wie einer Maus oder dergleichen, durch Protokollieren im Rechner erfasst werden.
5. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass zur Ermittlung der individuellen Daten zusätzlich die subjektiven
Parameter, wie die von der Bedienungsperson zum jeweiligen Abfragezeitpunkt subjektiv empfundene Beanspruchung der Augen, das Geschlecht, die Sichtigkeit und dergleichen, erfasst und über ein Evaluierungsverfahren gewichtet werden.
6. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass in die Überwachung der Person auch der Status des zu bedienenden Gerätes einbezogen wird.
7. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass aus den unterschiedlich gemessenen bzw. davon abgeleiteten Daten
Kombinationskriterien gebildet werden.
8. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die vorgegebenen Grenzwerte individuell für jede der das Gerät bedienenden Personen ermittelt und gespeichert werden.
9. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass der Warnhinweis eine Anleitung zu einem kompensativen Verhalten der Person enthält.
10. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die ermittelten Werte ihrer Wertigkeit für die individuelle Person entsprechend zueinander in Beziehung gesetzt werden.
11. Verfahren nach einem der vorhergehenden Ansprüche, dadurch gekennzeichnet, dass die an einem Gerät über eine oder mehrere bedienende Personen gesammelten Daten an eine zentrale Verarbeitungseinheit übermittelt werden, an der sie gespeichert und mit an anderen Geräten aufgezeichneten und ebenfalls an die zentrale Verarbeitungseinheit übermittelten Daten anderer bedienender Personen verglichen und aggregiert werden.
12. Verfahren nach Anspruch 11, dadurch gekennzeichnet, dass in der zentralen Verarbeitungseinheit anhand der aggregierten Daten einer Vielzahl von bedienenden Personen Updates erstellt werden, die an die einzelnen Geräte übermittelt werden.
PCT/AT2009/000133 2008-04-03 2009-04-03 Verfahren zum prüfen des ermüdungsgrades einer ein gerät bedienenden person Ceased WO2009121088A2 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
ATA532/2008 2008-04-03
AT5322008A AT506667B1 (de) 2008-04-03 2008-04-03 Verfahren zum prüfen des ermüdungsgrades einer ein gerät bedienenden person

Publications (2)

Publication Number Publication Date
WO2009121088A2 true WO2009121088A2 (de) 2009-10-08
WO2009121088A3 WO2009121088A3 (de) 2010-03-11

Family

ID=41045125

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/AT2009/000133 Ceased WO2009121088A2 (de) 2008-04-03 2009-04-03 Verfahren zum prüfen des ermüdungsgrades einer ein gerät bedienenden person

Country Status (2)

Country Link
AT (1) AT506667B1 (de)
WO (1) WO2009121088A2 (de)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ITVI20120151A1 (it) * 2012-06-27 2013-12-28 Alfredo Marino Programma di elaborazione caricabile su un dispositivo elettronico di elaborazione, atto ad interdire il normale funzionamento del suddetto dispositivo elettronico e atto ad indurre un utente ad eseguire specifici esercizi per il rilassamento dei mus
CN106200939A (zh) * 2016-06-29 2016-12-07 广东欧珀移动通信有限公司 基于终端设备的视力保护方法、装置及终端设备
US10514553B2 (en) 2015-06-30 2019-12-24 3M Innovative Properties Company Polarizing beam splitting system
CN110786869A (zh) * 2019-10-29 2020-02-14 浙江工业大学 一种程序员的疲劳程度的检测方法
CN113051014A (zh) * 2021-03-23 2021-06-29 展讯通信(天津)有限公司 护眼提示方法、装置、存储介质和计算机设备
US11468990B2 (en) 2020-10-12 2022-10-11 Kyndryl, Inc. Prevention of computer vision syndrome using explainable artificial intelligence

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5579238A (en) * 1994-10-21 1996-11-26 Krugman; Michael Instrumented computer keyboard for prevention of injury
US6070098A (en) * 1997-01-11 2000-05-30 Circadian Technologies, Inc. Method of and apparatus for evaluation and mitigation of microsleep events
US5867587A (en) * 1997-05-19 1999-02-02 Northrop Grumman Corporation Impaired operator detection and warning system employing eyeblink analysis
US6270467B1 (en) * 1998-04-14 2001-08-07 Richard W. Yee Apparatus, system, and method for preventing computer vision syndrome
GB9817710D0 (en) * 1998-08-14 1998-10-14 Barrow Nicholas F Fatigue relief
WO2000060432A2 (en) * 1999-04-06 2000-10-12 Magnitude Information Systems, Inc. Computer input performance monitoring system and method
DE10034983A1 (de) * 2000-07-19 2002-01-31 Georg Willi Eckhardt Computerprogramme zur Verminderung oder Vermeidung von Fehlverhalten der Benutzer von Bildschirmarbeitsplätzen
JP2002042115A (ja) * 2000-07-26 2002-02-08 Fujitsu Ltd 疲労緩和システム、疲労緩和方法及び記録媒体
GB2366410A (en) * 2000-09-05 2002-03-06 Benjamin Rohde Computer user management system for a safer working environment
CN100488443C (zh) * 2002-02-19 2009-05-20 沃尔沃技术公司 用于监视和管理司机注意力负荷的系统和方法
CZ2004770A3 (cs) * 2004-06-29 2006-02-15 Pavelka@Miloslav Zpusob detekce únavy operátora ze svalové cinnosti a zarízení k provádení tohoto zpusobu
US20070171364A1 (en) * 2006-01-20 2007-07-26 Beresford Steven M Method of relieving computer vision syndrome
JP5398532B2 (ja) * 2006-08-07 2014-01-29 コーニンクレッカ フィリップス エヌ ヴェ 運動を促すためにコンピュータスクリーンでユーザの動作を監視する方法及び装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
None

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
ITVI20120151A1 (it) * 2012-06-27 2013-12-28 Alfredo Marino Programma di elaborazione caricabile su un dispositivo elettronico di elaborazione, atto ad interdire il normale funzionamento del suddetto dispositivo elettronico e atto ad indurre un utente ad eseguire specifici esercizi per il rilassamento dei mus
US10514553B2 (en) 2015-06-30 2019-12-24 3M Innovative Properties Company Polarizing beam splitting system
US11061233B2 (en) 2015-06-30 2021-07-13 3M Innovative Properties Company Polarizing beam splitter and illuminator including same
US11693243B2 (en) 2015-06-30 2023-07-04 3M Innovative Properties Company Polarizing beam splitting system
CN106200939A (zh) * 2016-06-29 2016-12-07 广东欧珀移动通信有限公司 基于终端设备的视力保护方法、装置及终端设备
CN106200939B (zh) * 2016-06-29 2019-04-19 Oppo广东移动通信有限公司 基于终端设备的视力保护方法、装置及终端设备
CN110786869A (zh) * 2019-10-29 2020-02-14 浙江工业大学 一种程序员的疲劳程度的检测方法
CN110786869B (zh) * 2019-10-29 2021-12-21 浙江工业大学 一种程序员的疲劳程度的检测方法
US11468990B2 (en) 2020-10-12 2022-10-11 Kyndryl, Inc. Prevention of computer vision syndrome using explainable artificial intelligence
CN113051014A (zh) * 2021-03-23 2021-06-29 展讯通信(天津)有限公司 护眼提示方法、装置、存储介质和计算机设备

Also Published As

Publication number Publication date
WO2009121088A3 (de) 2010-03-11
AT506667B1 (de) 2013-06-15
AT506667A1 (de) 2009-10-15

Similar Documents

Publication Publication Date Title
Zhang et al. Driver drowsiness detection using mixed-effect ordered logit model considering time cumulative effect
Charbonnier et al. EEG index for control operators’ mental fatigue monitoring using interactions between brain regions
Wang et al. A novel real-time driving fatigue detection system based on wireless dry EEG
DE102017216328B3 (de) Verfahren zum Überwachen eines Aufmerksamkeitszustandes einer Person, Verarbeitungseinrichtung, Speichermedium, und Kraftfahrzeug
AT506667B1 (de) Verfahren zum prüfen des ermüdungsgrades einer ein gerät bedienenden person
DE102018107633A1 (de) Schlaganfallüberwachungsstem
Medina et al. Encoding and decoding of learned smooth-pursuit eye movements in the floccular complex of the monkey cerebellum
WO1993007809A1 (de) Verfahren und vorrichtung zur bestimmung des gesundheitszustandes eines lebewesens
EP2626005A1 (de) Verfahren zur Bestimmung des physischen und/oder psychischen Zustands eines Probanden anhand einer Analyse seiner Herzratenvariabilität
EP3123278B1 (de) Verfahren und system zum betreiben einer anzeigevorrichtung
DE102012216747A1 (de) Verfahren und Vorrichtung zum Bestimmen von zumindest einer vorbestimmten Bewegung zumindest eines Teils eines Körpers eines Lebewesens
WO2014020134A1 (de) Vorrichtung, verfahren und applikation zur ermittlung eines aktuellen belastungsniveaus
DE102022002867A1 (de) Auf physiologischen Informationen des Fahrers basierendes Verfahren und System zur Fahrzeugsteuerungsassistenz
Chen et al. Study on tower crane drivers’ fatigue detection based on conditional empirical mode decomposition and multi-scale attention convolutional neural network
DE102018209717A1 (de) Verfahren zur Steuerung des Betriebs einer Medizintechnikeinrichtung, Medizintechnikeinrichtung, Computerprogramm und elektronisch lesbarer Datenträger
DE102016210014B4 (de) Überwachungsvorrichtung, Fahrzeugsteuervorrichtung und Überwachungsverfahren
DE102018117484A1 (de) Verfahren und Vorrichtung zur Erfassung von Herzflimmern basierend auf einem hochempfindlichen Photopletysmogramm unter Verwendung einer tragbaren Vorrichtung
DE102013009785B4 (de) Vorrichtung zur Schmerzmessung und/oder Schmerzermittlung
CN119548139A (zh) 一种铁路司机疲劳驾驶的监测方法、装置及电子设备
Labarre et al. Measure of the regularity of events in stochastic point processes, application to neuron activity analysis
DE202023100911U1 (de) Ein Internet der Dinge-basiertes Covid-Erkennungs- und Präventionssystem
Damousis et al. Physiological indicators based sleep onset prediction for the avoidance of driving accidents
Blinch et al. Tradeoffs of estimating reaction time with absolute and relative thresholds
DE102019132325B4 (de) Verfahren und Anordnung zum Erhöhen des Sicherheitsgefühls in einem Rideshare-Fahrzeug, Rideshare-Fahrzeug und Computerprogrammprodukt
DE60035505T2 (de) Feststellung von neurologischen zuständen mittels reizevozierten potentialen

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 09728443

Country of ref document: EP

Kind code of ref document: A2

DPE1 Request for preliminary examination filed after expiration of 19th month from priority date (pct application filed from 20040101)
NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 09728443

Country of ref document: EP

Kind code of ref document: A2