用于根据配戴者的视觉探索策略适配眼科设备的方法

技术领域

本发明涉及一种用于至少根据配戴者在某种情况下所使用的视觉探索策略来确定配戴者的适合眼科设备的方法，并且涉及一种用于确定这种适合眼科设备的系统。

背景技术

在日常生活中，人不断探索其视觉环境，以便检测、预计、观察、阅读和遵循任何相关信息来做出决定和采取行动。为了探索视觉环境，人的眼睛容易做出多种基本运动，基本运动是：

-注视，其是眼睛和头部协调运动的集合，以保持视线放下朝向单个位置，

-扫视，其是指眼睛快速移动以将视线方向从一个位置更改到另一个位置，以及

-平稳追视，其是跟随在视野中移动的物体的移动。

在对环境的视觉探索期间，眼睛执行一系列扫视和注视，其中，注视步骤可以例如取决于必须从关注区处理的信息而较长或较短。因此，视觉探索涉及到不同的眼睛偏心率、视距和与头部协调的调节平面之间的大量过渡。

视觉探索策略还取决于探索的目的，环境、要执行的任务的类型等。根据示例，人的视觉探索策略可能不同：人必须看人还是看书面信息，或者如果人正在驾驶、走路或走路时发短信时人是否必须执行活动。

根据另一个示例，视觉探索策略根据背景(即任务的工作量、白天或天气等)而不同。

附加地，视觉探索策略因人而异，并且可能根据诸如年龄、运动、感觉或认知能力的多个因素以及根据人配戴的眼科设备而不同。

例如，为远视配戴者设计的渐进式多焦点镜片包括视远区，视近区和视中区，那些区之间的过渡部会产生像差，尤其会导致模糊和畸变。

根据配戴者的处方、更普遍地根据配戴者的视觉需求，已经存在个性化渐进式多焦点镜片的设计的已知解决方案。

例如，从文件US 8 303 113和US 7 828 433已知方法，根据这些方法，通过识别使用者在诸如驾驶的移动性活动期间观看的环境的主要区，在该活动中评估使用者的视觉需求。然后设计眼科设备，包括根据所识别的环境的主要区配置的特定区。

这些解决方案仅考虑使用者以静态方式观看的环境的区，而没有考虑还包括动态方面的完整视觉探索策略，动态方面是诸如：

-眼睛、头部、视线运动模式在时间上的重复性和稳定性，

-为检查所有环境而执行的相继动作以检测事件，

-视线方向为了从关注区切换到另一个关注区而遵循的路径，包括扫视的数量、其分布和在两个主要关注区之间使用者观看的中间点、及其可重复性，

-视线模式及其组织中最重要的频率，

-在注视不变的主要关注区时眼睛和头部的运动等。

相应地，如果配戴者的视觉探索策略在给定的关注区内或为了在两个关注区之间切换而包括许多移动，则根据这些文件中披露的方法设计的眼科装置可能不适合于配戴者并且导致疲劳或不适。

因此，需要一种设计个性化眼科设备的解决方案，其更好地考虑了配戴者的个人视觉探索策略。

发明内容

本发明的目的是提供一种对现有技术中的缺陷的解决方案。

特别地，本发明的一个目的是提供一种用于考虑到给定配戴者的视觉探索策略优化给定配戴者的眼科设备的设计的方法。

通过结合独立权利要求中描述的特征来实现上述目的，并且从属权利要求提供了本发明的特定有利示例。

披露了一种用于确定配戴者的适合眼科装置的方法，所述方法包括：

-获取与所述配戴者有关的一组参数值，

-确定至少所述配戴者要执行的涉及到视觉探索的任务，

-使用计算系统，确定评估所述配戴者针对所述任务的视觉探索策略的效率的标准的值，以及

-根据所确定的所述标准的值确定配戴者要配戴的眼科装置的光学设计。

在实施例中，确定用于评估所述配戴者针对所述任务的视觉探索策略的效率的标准的值的步骤包括：

-使所述配戴者接受测试方案，所述测试方案涉及在确定的环境中执行所述任务，以及

-使用至少一个传感器记录在所述测试方案期间所述配戴者的视觉探索策略，以及

-根据所记录的视觉探索策略对评估所述配戴者的视觉探索策略的效率的标准进行评价。

在实施例中，确定评估所述配戴者的视觉探索策略的效率的标准的值的步骤进一步包括将所评价的标准与参考值进行比较，并且确定光学设计的步骤是根据所评价的标准与所述参考值的比较的结果执行的。所述参考值可以是在参考人群上计算出的，或者是所述配戴者的参考值。在一些实施例中，所述参考值可以是根据在所述配戴者先前接受测试方案期间所述配戴者的视觉探索策略评估的，所述测试方案涉及在相同确定的环境中执行相同任务、所述配戴者配备了先前的眼科装置或没有任何眼科装置。

在实施例中，所述记录所述配戴者的视觉探索策略的步骤包括以确定的频率记录所述配戴者观察的视线方向或点。所述记录所述配戴者的视觉探索策略的步骤可以进一步包括以确定的频率记录所述配戴者的眼睛和头部的运动。

在实施例中，所述使所述配戴者接受测试方案的步骤是通过使所述配戴者接受使用虚拟现实设备模拟的虚拟情况来执行的，所述测试方案涉及在确定的环境中执行所述任务。所述测试方案可以基于以下内容被配置：

-在记录所述视觉探索策略时要执行的任务的选择，

-执行所述任务的环境的选择，以及

-在一组参数中对至少一个影响所述测试情况期间涉及的视觉探索的附加参数的选择，所述一组参数包括：

ο测试方案的持续时间，

ο测试方案的视觉场景复杂性，

ο在执行选定任务时要在环境中探索的关注区的数量和设置，

ο心理工作负荷

ο测试方案期间配戴者要执行的决策的类型和数量。

在测试方案期间要执行的任务可以从由以下内容组成的组中选择：

-驾驶，

-走路，

-骑自行车，

-上下楼梯，

-爬上或爬下梯子，

-做体育运动。

在实施例中，确定评估所述配戴者针对所述任务的视觉探索策略的效率的标准的值的步骤可以是使用包括计算机和数据库的系统执行的，所述数据库存储多个配戴者人群中的每一个和多个任务中的每一个的视觉评估策略效率的标准的参考值，以及确定评估所述配戴者的视觉探索策略的效率的标准的值的步骤包括：使用所述计算机通过输入数据询问所述数据库以检索与所述配戴者相对应的人群的标准的参考值，所述输入数据包括与所述配戴者和所述任务有关的所述一组参数值。

在实施例中，确定光学设计的步骤包括在眼科装置的多个设计中选择使所述配戴者针对所述任务的视觉探索策略的效率最大化的设计。

在实施例中，其中，评估所述配戴者的视觉探索策略效率的所述标准选自包括以下内容的组：

-所述视觉探索的近似熵，

-所述视觉探索的或所述视觉探索的近似熵的基于功率的指数，

-所述视觉探索模式中涉及的频率的数量、权重和冗余度，是根据所记录的视觉探索的频谱分析或所述视觉探索的近似熵确定的，

-所述视觉探索的近似熵随时间的演化，或

-从一个观察到的关注区过渡到另一个关注区的效率。

在实施例中，所述方法包括确定至少两个评估所述配戴者针对所述任务的视觉探索策略的效率的不同标准的值，以及根据所述标准的所确定的值来确定配戴者要配戴的眼科装置的光学设计。

在实施例中，评估所述配戴者的视觉探索策略的效率的所述标准是从一个观察到的关注区过渡到另一个关注区的效率，并且所述标准的评价可以包括：

-确定所述配戴者的视野中的多个关注区域，

-在所述测试期间使用至少一个传感器记录所述配戴者的视觉探索策略，以及计算所述关注区域内发生的事件的比例。

-形成所述关注区域的马尔可夫链，其中，每个关注区域都与在下一次过渡到其他区的设置概率相关联，以及

-根据对所述关注区域的马尔可夫链的处理，评价从一个关注区域过渡到另一个关注区域的效率。

在实施例中，所述马尔可夫链的处理包括计算所述关注区域的固定分布的熵。

在实施例中，所述方法包括：

-评价所述配戴者观察的视线方向或点的近似熵，

-评价所述配戴者的眼睛运动的近似熵，

-评价所述配戴者的头部运动的近似熵，

并且其中，基于所述配戴者观察的视线方向或点的近似熵以及基于所述眼睛运动的近似熵和所述头部运动的近似熵的相对值来执行确定配戴者要配戴的眼科装置的光学设计的步骤。

根据本发明的另一个实施例，披露了一种用于确定配戴者的适合眼科装置的系统，所述系统包括计算装置，所述计算装置被配置为：

ο接收与所述配戴者有关的一组参数值，

ο接收附加输入数据，所述附加输入数据至少包括所述配戴者要执行的任务的标识并且涉及视觉探索，以及

ο根据所述一组参数值和所述附加输入数据确定评估所述配戴者针对所述任务的视觉探索策略的效率的标准的值。

在实施例中，所述系统可以进一步包括：

-虚拟现实设备，所述虚拟现实设备被配置为运行在多个测试方案中可选的测试方案，

-至少一个传感器，所述传感器被配置为在使用运行测试方案的虚拟现实设备时记录配戴者所涉及的视觉探索策略，以及

计算设备被配置为计算评估在测试方案期间配戴者所涉及的视觉探索策略的效率的标准的值。

例如，虚拟现实设备可以是头戴式虚拟现实头盔，并且传感器可以包括以下中的至少一个：

-至少一个传感器，所述传感器被配置为记录配戴者的视线方向或眼睛运动，

-至少一个传感器，所述传感器被配置为记录虚拟现实头盔的运动，以及

-具有固定方向的相机，固定在虚拟现实头盔上。

为了适配眼科设备，根据本发明的方法包括评估与任务的执行涉及的配戴者的视觉探索策略的效率。

对策略的效率的评估考虑了视觉探索的动态。更具体地，视觉探索策略的效率不仅考虑人的主要关注区，而且还考虑所述区内或之间的视线方向的路径，包括眼睛的“寄生”移动。

因此，评估视觉探索策略的效率允许个性化或选择保持或提高此效率的眼科设备，以减少疲劳并提高舒适度。

在实施例中，可以通过将配戴者暴露于测试情况来评估效率，所述情况可以例如由虚拟现实设备模拟，在虚拟现实设备中可以控制许多参数，诸如配戴者要执行的任务必须执行任务的环境。然后可以将评估的效率与参考进行比较，并且可以根据评估的效率和参考效率来执行眼科设备的设计的确定。

提出的方法允许考虑配戴者的个人参数，诸如视觉、认知或运动能力、以及配戴者对特定任务的需求，以适配眼科设备。

附图说明

为了更完整地理解本文提供的描述及其优点，现在结合附图和详细描述参考以下简要描述，其中相似的附图标记表示相似的部分。

图1示意性地表示根据本发明实施例的用于确定配戴者的适合眼科装置的方法的主要步骤，

图2示意性地表示对评估视觉探索策略的效率的标准进行评价的步骤的实施例，

图3a和图3b是两个不同的人针对共同任务的视觉探索策略、以及对应的处理以推断出评估视觉探索策略的效率的标准的值的表示，

图4表示在测试情况期间所涉及到的视觉探索策略在时间上的熵演化的示例，

图5a表示视线方向随时间的示例性信号，以及图5b表示图5a的信号的频率分解。

图5c和图5d表示针对两个不同的镜片设计所获取的视觉探索相量，

图6a示意性地表示使用虚拟现实装置的测试情况的模拟的示例，以及图6b表示使用图6a的测试情况记录的视觉探索的示例。

图7示意性地表示用于实施根据本发明实施例的方法的系统的示例。

图8a和图8b示出了对两个理论信号的处理，以获得每个信号的近似熵的功率指数。

具体实施方式

如将在下面更详细地描述的，本发明提出了评估配戴者的视觉探索策略的效率，以便适配眼科设备，即，根据配戴者的需求选择个性化设计或个性化眼科设备。

视觉探索机制的多样性和后者的测量标准参数使得难以评价使用者的需求或性能。

视觉探索策略的效率的评估允许评价视觉探索的动态组织，即，不仅考虑孤立的移动来观看目标，而且考虑使用者涉及到的一般策略，以其视觉环境进行交互，理解视觉环境并做出决定。然后其可以用于个性化配戴者的眼科设备，以便改进策略或考虑该策略以使特定任务更容易或更舒适地执行。

参考图1，现在将描述根据本发明的实施例的用于确定适合眼科设备的方法的主要步骤。

第一步骤100包括获取与配戴者有关的一组参数值。至少一部分参数值可以被测量或从问卷或数据库中获得或从配戴者的网上数据中提取。优选地，此步骤由图7上示意性示出的计算装置1执行，并且该计算装置包括：

-计算器10，包括至少一个处理器或微处理器、微控制器等。

-存储器11，

-人机接口12，诸如触控显示屏或非触控显示屏、和/或键盘，以及

-用于与诸如因特网的电信网络连接的接口13。

收集单元可以是存储在存储器上并且由计算器运行的软件模块，例如，应用软件，其被配置为显示用于输入配戴者的参数值的问卷，或者被配置为基于例如配戴者的标识符从数据库中检索数据。

所获取值的参数可以包括以下中的一个或多个：

-年龄，

-性别，

-生物特征参数(例如瞳孔间距)

-配戴者执行的活动，

-执行活动的类型环境，

这些参数还可以包括关于配戴者的视觉或运动或认知能力或需求的附加参数，诸如：

-视觉处方，

-当前眼科装置，

-感知和认知技巧，

-运动或移动性表现。

第二步骤200包括确定要由配戴者执行的至少一个任务，包括视觉探索。通常，所述任务是配戴者在其日常生活中重复执行的任务。在实施例中，此任务是对配戴者在视觉上有要求的任务，并且根据该任务，必须适配配戴者的眼科装置。而且，这可能是连续的任务，涉及到配戴者与其环境之间的交互，并且涉及到许多次要任务，诸如检测障碍物、阅读、进食或喝水、发短信等。

根据非限制性示例，所述任务可以是以下中的任一个：

-驾驶，

-走路，

-骑自行车，

-上下楼梯，

-爬上或爬下梯子，

-做体育运动，

-虚拟环境(诸如游戏)中的移动性。

也可以使用上述收集单元来执行步骤200。

第三步骤300包括确定评估在步骤200识别的任务的配戴者视觉探索策略的效率的标准的值。

参考图2a和图2b，可以根据不同实施例执行此步骤。

根据在图2a中示意性表示的第一实施例，此步骤被执行：使配戴者接受测试方案310，该测试方案包括配戴者在确定的环境中执行在步骤200确定的任务，以及记录配戴者在接受此测试方案的同时执行的视觉探索320。

测试方案是配戴者在完成任务时探索确定的环境。

因此，每个测试方案优选地使用以下内容被参数化：

-要执行的主要任务，其与在步骤200确定的任务相对应，但不包括要在测试方案中执行的次要任务，以及

-在执行主要任务的环境。

可以使用一个或多个附加参数来配置测试方案，诸如：

-测试方案的持续时间，

-测试方案的视觉场景复杂性，

-在执行选定任务时要在环境中探索的关注区的数量和设置，

-心理工作负荷

-测试方案期间配戴者要执行的决策的类型和数量。

根据第一示例，测试方案可以是配戴者驾驶汽车的顺序。可以根据几种类型的环境来选择环境，诸如：农村、城市、公路。

通过添加诸如以下的次要任务，可以进一步参数化测试方案：

-观看GPS装置以遵循路径，

-阅读汽车仪表板上的消息，

-避让障碍物，

-阅读街道上的路标等。

根据第二示例，测试方案可以是配戴者走路的顺序。可以根据几种类型的环境来选择环境，诸如：乡村、城市、自然(例如爬山)。

通过添加诸如以下的次要任务，可以进一步参数化测试方案：

-阅读标志，

-避让障碍物，

-走路或穿过街道时发短信等。

根据实施例，在要实施测试方案的环境是真实环境，即，配戴者正在实际驾驶、走路或执行任务。

根据另一个实施例，如图6a示意性所示，实施测试方案的环境是由虚拟现实设备4模拟的虚拟环境。在那种情况下，要执行的任务也可以在虚拟环境中执行。例如，在驾驶的情况下，汽车的内部也由虚拟现实设备模拟，并且给予配戴者能够虚拟驾驶汽车的控制装置。

视觉探索的记录320优选地通过使用记录装置3在测试方案期间记录配戴者的视线方向或配戴者注视的点来执行。更具体地，在测试方案期间以固定的确定频率记录视线方向，从而能够分析视觉探索的动态。例如，记录视线方向的频率是至少25Hz、优选地至少120Hz，例如1kHz。

记录装置3可以由配戴者配戴或者与配戴者相距一定距离，例如安装配戴者驾驶的汽车的仪表板上安装的显示虚拟环境的屏幕上等。记录装置3还可以配备有用于记录测试方案的视觉场景的系统、和/或用于记录配戴者的头部运动或行为的系统。

根据示例性实施例，记录装置3可以包括至少一个适于记录眼睛的运动的传感器或相机、以及可选地至少一个适于还记录头部的运动的传感器。

例如，记录装置3可以是集成到虚拟现实头盔中的眼动仪。根据另一个示例，记录装置可以是一副眼镜，其包括眼动仪和可选地陀螺仪和/或加速度计。记录装置还可以是眼动仪，眼动仪安装在支架上，该支架未被配戴者配戴，而是位于相对于配戴者的固定位置，诸如在屏幕或仪表板上。

SensoMotoric Instruments(SMI)公司销售的包括硬件和软件部件的解决方案可以用作眼睛跟踪记录装置。

在使用眼动仪和用于记录头部位置的系统的实施例中，视线方向被推断如下。采用基于模型的方法，包括以下假设：

-眼球是球形的，并且眼中心相对于头部模型位于固定点，

-使用眼动仪检测所有的眼点，包括瞳孔，并且

-眼睛张开，因此可以考虑所有眼睛轮廓点。

通过根据眼睛轮廓点估计瞳孔的3D位置，然后根据瞳孔位置和头部中心估计3D视线方向，来执行视线方向的确定。为了建立瞳孔的取向与所观看的空间中的对应点之间的对应关系，初步进行了校准。

最后，计算相对于相机坐标系的视线角度。

参考图3a和图3b，已经在相同的测试方案中记录了两个不同的人的视觉探索，该测试方案涉及到在布置在人周围的几个屏幕上显示的模拟环境。每个图的第一部分是在每个测试方案期间注视的虚拟环境的点的表示。

关于图中所示的曲线图，第一曲线图表示人注视的点的x轴坐标随时间的演变，并且第二线表示y轴随时间的演变。

第三曲线图表示r＝|x，y|，其是投影在例如对应于屏幕或对应于可视化场景的平面上的视线方向的向量的幅度。

可选地，在进一步处理之前，可以对视线方向的原始数据进行过滤以去除噪声。过滤可以包括使用中值滤波器和/或通带滤波器。作为非限制性示例，可以使用1Hz到10Hz之间的通带滤波器。

在随后的步骤330期间，基于配戴者在测试方案期间所涉及到的记录的视觉探索策略，对评估视觉探索策略的效率的至少一个标准进行评价。

在这个实施例中，标准的评价由计算装置执行，因为其暗示了处理一系列数据。

优选地从以下清单中选择标准：

-配戴者观察的视线方向或点位置的近似熵，

-根据所记录的视觉探索策略的频谱分析确定的视觉探索模式所涉及到的许多频率，

-根据视觉探索的近似熵随时间的演变而评价的疲劳，或

-从一个观察到的关注区过渡到另一个关注区的效率。

下面将对不同标准进行更详细的注释。

在以下公开的文章中介绍了近似熵：

-S.M Pincus，“Approximate entropy as a measure of system complexity[作为系统复杂性的度量的近似熵]”，美国国家科学院院刊，第88卷，第2297-2301页，1991年，

-S.M Pincus和AL Goldberger，“Physiological time series analysis：whatdoes regularity quantify？[生理时间序列分析：规律性量化了什么？]”，美国生理学杂志(心脏与循环生理学)，第266卷，H1643-H1656，1994年，

-D.Abasolo，R.Hornero和P.Espino，“Approximate entropy of EEG BackgroungActivity in Alzheimer’s disease patients[阿尔茨海默氏病患者的EEG背景活动的近似熵]”，智能自动化与软计算，15(4)，第591-603页，2009年。

近似熵是测量信号或系统中的值的规律性的函数，即量化属于信号的值的可重复性。例如，如果信号提供重复模式，则信号是稳定的，并且近似熵低。

如果基于视线方向上的移动分布进行计算，则近似熵可以用作评价视觉探索效率的标准。

近似熵的计算可以如下进行。

首先，用于计算近似熵的输入数据包括N个数据点{x(n)}＝x(1)，x(2)，x(3)，...，x(N)的时间序列，其中n＝1，2，3...，N，其中每个数据点通常包括极坐标中或沿x和y正交轴线(表示被注视的点)的视线方向。

还定义了长度为“m”的窗口以及正实数r，m表示比较的数据游程的长度，该正实数指定过滤级别或公差。

在N个数据点的时间序列中定义了多个向量，每个向量包括m个连续点并且还用作模板向量，用于与包括自身在内的所有其他向量进行比较。此过程在时间序列中被称为自匹配，并使得确定条件概率(条件是模板向量与条件向量之间的距离在与此向量关联的公差“r”内)。

接下来近似熵被注解ApEn。

步骤1：形成N-m+1个向量X(1)，...，X(N-m+1)，被定义为：X(i)＝[x(i)，x(i+1)，...，x(i+m-1)]并且i＝1，...，N-m+1。固定整数m和正实数r。m的值表示比较的数据游程的窗口长度，并且r指定过滤级别。

步骤2：定义X(i)与X(j)之间距离d[X(i)，X(j)]，作为最大范数：d[X(i)，X(j)]＝max

步骤3：对于给定的X(i)，对数字进行计数，使得d[X(i)，X(j)]≤r，表示为N

步骤4：计算每个

其中

步骤5：将熵向量定义为熵值的向量乘以长度为m的窗口，并将其在时间(t+m/2)分配给向量

步骤6：将尺寸增加到m+1。重复步骤(1)至(4)，并找到

步骤7：ApEn被定义为：

ApEn(m，r，N)＝φ

尽管m和r的选择对于计算ApEn至关重要，但是没有适当指南来优化这些值。对于较小的r值，获得较差的条件概率估计，而对于较大的r值，将丢失详细的系统信息。为了避免噪声在ApEn计算中的重大影响，应选择r的值，使其大于信号中存在的大多数噪声。建议使用参数值m＝2和r＝0.2＊SD估计ApEn，其中SD表示原始数据序列{x(n)}的标准偏差。

回到图3a和图3b，每个图的最后一个曲线图表示在前一个曲线图的信号r(t)上、例如用300ms的窗口长度计算的近似熵的值。在图3a的所有信号上计算的近似熵值为9.97，而在图3b的所有信号上计算的熵为16.63。因此，与图3b中显示了与视觉探索策略有关的其数据的第二驾驶人比图3a中显示其数据的第一驾驶员展现出更低的视觉探索策略的效率。

随时间而变的熵的值也可以被计算以便评估熵随时间的演变。根据以下步骤执行此计算：

-对于长度为N的给定时间序列数据，形成长度分别为m的N-m个向量：

X(1)＝{x(1)，x(2)，..，x(m)}

X(2)＝{x(2)，x(3)，...，x(m+1)}

...

X(N-m+1)＝{x(N-m+1)，x(N-m+2)，...，x(N)}

每个向量X由长度为N的时间序列的m个连续且离散的数据点、以及嵌入维数直条(bin)数M构成。

-取每个向量X并将其划分为M个等间隔的直条，并获得对应的直方图。

-现在，在直方图的每个直条i，估计其概率，

-根据香农熵的定义，给定时间序列的熵由以下表达式

-将此熵值分配给向量VecEn

在一些实施例中，除了观察到的点的视线方向的近似熵之外，还可以计算眼睛运动的近似熵和头部运动的近似熵。

可以比较眼睛和运动的近似熵的相对值，以识别出眼睛运动和头部运动中哪一个效率较差，这对视觉探索策略和对于配戴者而言最舒适的眼科装置产生影响。

参考图4，视觉探索策略的效率的另一个指标是熵随时间的演变。视觉探索策略的熵的类型(例如，视线方向的熵)的增加趋向于表明视觉探索策略随时间的推移并不鲁棒，并且将使配戴者更加疲劳或不适。当任务变得过于复杂或不确定时，熵的演化也可以揭示视觉探索策略的脆弱性。

根据另一个实施例，用于评价视觉探索策略的效率的标准也可以是Lempel-Ziv复杂性的量度，在文章“On the complexity of finite sequences[关于有限序列的复杂性]”进行了介绍，IEEE信息论汇刊22(1)(1976)75-81。

因此，可以根据表示视觉探索的信号的频谱分解分析确定视觉探索策略的效率的指标，诸如所记录的视线方向或眼睛运动的记录、或所计算的这种信号的近似熵。例如，如下所说明的，评估视觉探索策略的效率的标准可以是根据所考虑信号的功率谱或所考虑信号中所涉及到的多个频率计算出的功率指数。

以下是表示视觉探索的信号的示例频谱分析。在此示例中，信号是视线方向信号，但是可以对上述其他信号执行相同的处理。

正弦信号s(t)＝αcos(ωt+φ)可以被重写为两个复值正弦信号的线性组合，

φ

ω

需要考虑两个受约束复正弦波来处理一个无约束实正弦波的情况，这一事实表明，正弦信号的实值情况实际上可以被认为比复值情况更为复杂。

如果考虑离散信号(检测到视线信号)。这种信号最常见地是通过对连续(时间或空间)信号进行时间或空间采样获得的。

假设

然后，在一些附加规律性条件下，一般而言，序列{g(t)}具有如下定义的离散时间傅立叶变换(DTFT)：

并且对应的逆DTFT则为

角频率w以弧度/采样间隔为单位进行测量。从w到物理频率变量的转换

S(w)＝|Y(w)|

此等式可以重新表述为：

此等式被称为帕塞瓦尔定理(Parseval’s theorem)。其表明S(w)表示序列能量随频率而变的分布。由于这个原因，S(ω)被称为能谱密度。

离散时间信号g(t)；假设t＝0，±1，±2，...，±N是均值为零的随机变量序列，并且自协方差序列(ACS)或g(t)的协方差函数被定义为

r(k)＝E{g(t)g*(t-k)} (1.20)

其中E{.}表示期望算子，并且假设仅取决于两个平均样本之间的滞后(Priestley，1989)。

现在，功率谱密度(PSD)被定义为协方差序列的DTFTF：

从给定φ(w)中恢复{r(k)}的逆变换是

如果k＝0，可以从(1.22)获得r(0)＝E|g(t)|

测量{g(t)}的(平均)功率，则(1.23)表明φ(w)确实可以被称为PSD，因为其表示(平均)信号功率在频率上的分布。

换句话说，从(1.23)可以得出φ(w)dω/2π是频带(ω-dω/2，ω+dω/2)中的无穷小功率，信号中的总功率是通过对这些无穷小贡献求积分而获得的。如此获得的信号总功率是从信号的功率谱中计算出的上述功率指数，并指示视觉探索策略的效率。在实施例中，功率指数可以被归一化以展现出范围介于0到1之间的值，以便使其比较更容易和更准确。

参考图8a和图8b，示出了分别从两个信号计算的两个近似熵的频谱分解和功率指数计算的理论示例。图8a的基本信号包括比图8b的信号更少的频率。在两个图中，第一线对应于所记录的信号，诸如，在本发明的情况下，是视线方向信号。第二线表示正弦曲线信号的分解。第三线表示信号的近似熵，最后一条线表示相对于频率的近似熵的幂。功率指数是这个图的积分并且对应于曲线下的面积，其可以被归一化。从这个理论示例可以容易地理解，该功率指数对于从效率低下的视觉探索策略记录的信号将更高，因为其包含的频率比从高效视觉探索策略记录的信号更多。

信号的功率谱密度也可以用于构建下面定义的信号的所谓相量图。

由于(1.21){φ(w)}是功率密度，应具有实值且是非负的。实际上从φ(w)的定义中可以轻易地看出这种情况。因此，

φ(w)≥0对于所有w (1.24)

使用(1.21)，获得：

其中，Re{.}表示加括号的量的实部。如果g(t)且因此r(k)具有实值，则可以得出：

其表明φ(w)在这种情况下是偶函数。但是，在复值信号情况下，φ(w)不一定是关于w＝0轴对称的。

对于实值信号：φ(w)＝φ(-w)，w∈[-π，π]

对于复值信号：φ(w)≠φ(-w)，w∈[-π，π]

另一方面，考虑频谱分析的动机是表征信号中频率ω处的平均功率。以上定义可以相当直接地扩展到诸如视线方向的随机信号的情况。

相量是表示正弦函数的复数，其振幅(A)、角频率(w)和初始相位θ是时不变的。其与被称为解析表示的更一般概念有关。欧拉公式指示正弦信号可以数学地表示为两个复值函数之和：

或作为函数之一的实部：

Acos(wt+θ)＝Re{Ae

函数Ae

在数据捕获期间，眼动仪捕获眼动仪报告的平面(监视器)上嘈杂的n(x，y)视线坐标，并且可以表示为

g＝[(x

鉴于上述情况，可以执行以下步骤以便对配戴者的视线方向的记录执行频谱分析，其示例在图5a中示出：

-计算功率谱密度PSD(使用上述方法或任何其他计算PSD的方法)-图5b

-一旦计算出PSD，选择信号将被分解的频带，然后应用带通滤波器或诸如小波变换的算法来精确获得所需的频率范围。

-选择谱功率更大的频率，

-一旦获得了每个频带的信号，就可以以如图5c和图5d所示的相量形式绘制信号。

作为说明性而非限制性示例，比较具有较短(镜片A)相对于较长渐进走廊(镜片B)的镜片设计。在图5c和图5d中分别表示了针对镜片A和镜片B获取的每个信号的六个主要频率的相量图。配戴者的最合适镜片的选择可以基于出现在视觉探索的主要频率中的分解数。如图5d左上相量图中所示，镜片B更合适。

根据又一个实施例，视觉探索策略的效率的指标可以是从一个观察的关注区域到另一观察的关注区域的过渡效率。

为了评估此指标，识别配戴者视野中的N个关注区域(“AOI”)，这些关注区域是配戴者更经常观察到的区。

参考图6b，示出了在使用虚拟现实设备4模拟的测试方案期间记录配戴者的视觉探索策略的示例。从配戴者最经常观察的点，可以识别关注区，诸如在图中识别的区Z1、Z2、Z3和Z4。

然后形成区的马尔可夫链，其中每个区都与一组在下一次过渡到其他区的概率相关联。马尔可夫链满足以下等式，其中X

P(X

然后，可以从配戴者遵循的区之间的视觉探索路径中包含的区、其相关联的概率及其相对于所考虑的关注区的位置来评价从一个关注区到另一个关注区的过渡效率。

在实施例中，可以计算Krejtz等人在“Entropy-based statistical analysis ofeye in movement transitions[移动过渡中的眼睛的基于熵的统计分析]”，眼睛跟踪研究与应用学报(ETRA′14)，2014。固定分布是向量，指的是当使用者的视线过渡发散到无穷远时，视线会聚在每个AOI上的概率。这个值可以从过渡矩阵计算出，并且其意味着关注区会吸引使用者的视线。设想过渡矩阵P、从P导出的固定分布π和状态空间

如果H

优选地，为了比较不同系统的熵值，有必要建立所有系统的共用度量。其可以通过简单的归一化来执行，即通过将经验熵H

熵Hr的这个相对值允许比较不同组与不同情况之间的结果。高熵意味着所有组合都接近等概率。低熵意味着只有几个组合的冗余和高概率。

附加地，还可以计算每个AOI的总注视时间，以便完成对视觉探索策略的分析。

从以上内容可以得出的结果是，通过处理视觉探索策略的记录，可以评价相当多的不同标准，以便评估视觉探索策略的效率。

作为总结，下面列出了上面详述的不同标准及其特异性。

-根据视线方向、眼睛运动或热运动的记录计算出的近似熵的值；此标准允许对视觉探索进行整体评估，并且对视觉认知技能、模糊和降低的视敏度敏感。

-根据视线方向、眼睛运动或头部运动的记录计算出的近似熵的变化或演变；此标准允许在时间窗内进行评估，以评估效率的变化。因此，其对诸如视觉疲劳、视觉和/或认知变化、运动技能和表现等机会、对诸如危险的外在线索敏感。

-从其中获得的PSD或相量图，其可以根据视线方向、眼睛运动或头部运动的记录或根据从其中计算的近似熵进行计算。此标准允许评估所检查的向量上包含的每个频率的权重和冗余度。其可以进一步帮助评估子视觉探索分量，诸如揭示特定眼睛移动模式或头部运动控制的特定频率。

-根据视线方向、眼睛运动或头部运动的记录或基于从其中计算的近似熵计算的基于功率的指数；此标准允许对视觉探索进行整体评估。当基于近似熵进行计算时，其对视觉认知技能敏感，这些技能反映了熵向量中包含的频率权重以及整个信号上的能量消耗

-从一个观察的区域到另一个观察的区域的过渡效率，根据在视觉探索期间所探索的关注区域的马尔可夫链评价，此标准能够评估视觉探索随机性和特定空间关注区域内的冗余度。

-马尔可夫链的分布的熵描述了在所有关注区域上视觉探索的随机性或效率。

因此，根据需要，组合不同的标准以评估评价策略的效率的不同方面可能是有利的。

回到图2，在实施例中，当已经对评估视觉探索策略的标准进行了评价时，可以在步骤340期间将标准的值与参考值进行比较。

例如，可以将该值与先前在相同配戴者上用相同测试方案或至少具有相同任务、相同环境和通常相同心理负荷或相同类型的附加任务的方案确定的参考值进行比较。测试方案确实是随机化的，以便在需要时保持令人惊讶的效果，并防止配戴者使其视觉探索策略适应于他已经知道的方案。

根据示例，参考值可能已经在配戴者没有戴着眼科装置或戴着先前的眼科装置的情况下被获取，并且在步骤330确定的值可以在配戴者对新的眼科装置进行测试的情况下被获取。

参考值也可以是在具有与配戴者的参数值相似的参数值的人群上计算的值。在这种情况下，多个人群的参考值被存储在数据库2中，并且通过使用与配戴者有关的至少一些参数值来询问数据库2，从而检索与配戴者最相关的参考值。

在这种情况下，可能已经在配戴者戴着当前的眼科装置或测试新的眼科装置的情况下确定了配戴者的视觉探索策略的效率的值。

如以下更详细地说明的，比较的结果(如果有的话)被考虑用于个性化配戴者的眼科装置。

根据步骤300的另一个实施例，可以通过询问数据库来执行对评估配戴者的视觉探索策略的效率的标准的值的确定，在该数据库中存储了多个人群的参考值(诸如标准的平均值)。可以使用与配戴者有关的一组参数值来执行对数据库的询问，以便检索针对与配戴者最相关的人群计算的参考值。

在这种情况下，为配戴者确定的值对应于数据库中存储的具有最接近配戴者的参数值的参数值的人群的参考值。

回到图1，该方法然后包括步骤：根据评估其视觉探索策略的效率的被评价标准确定配戴者要配戴的眼科装置的光学设计的步骤。

根据该方法的前述步骤，也可以以多种不同方式来执行该方法。

根据实施例，可以执行眼科装置的设计的选择或个性化，以便提高视觉探索策略的效率。为此，可以在配戴者上测试许多装置，并且可以评价视觉探索策略的效率以选择允许最佳效率的装置。

如果步骤300包括将配戴者的视觉探索策略的效率与和具有类似于配戴者的特征的人群相对应的参考比较，当所述效率最初低于参考值时，还可以执行设计的选择或个性化以使配戴者的视觉探索策略的效率应尽可能接近参考值。

根据另一个示例，如果在配戴者戴着先前眼科装置与戴着测试装置的视觉探索策略的效率之间进行比较，则可以执行选择以便于先前的装置相比提高用测试装置获得的效率。

根据实施例，还可以通过根据已测量的视觉探索策略的效率来调整眼科装置的特定设计参数来执行眼科装置的设计的选择或个性化。

例如，如果已经评价出配戴者从一个视觉区过渡到另一个视觉区(例如，视近区和视远区)的效率很低，则设计的个性化可以包括每个区的几何形状的调整以及减小这些区之前的像差，以提高在两个区之间过渡的效率，以便减少沿渐进走廊的像散。

根据另一个示例，如果已经测量了头部和眼睛运动的熵值，并且如果注意到一个系统呈现的效率比另一个系统差，则眼科装置的设计可以考虑这一点。如果头部运动降低了视觉探索效率，那么将提出具有更平滑像差分割的渐进式多焦点镜片，而如果眼睛运动降低了视觉探索效率，则将提出具有更大视野的设计。

给定配戴者的视觉探索策略的效率可能取决于配戴者的适应能力，因此，一旦已经选择了眼科装置，也可以实施适配阶段，以定期检查配备有这种设计的配戴者的视觉探索策略的效率的演变。