基于物联网的心理测评方法及系统与流程

1.本技术涉及互联网技术领域，具体涉及一种基于物联网的心理测评方法及系统。


背景技术：

2.随着计算机和通信等技术的发展，产生了互联网，例如属于互联网分支的物联网。互联网用户可通过互联网进行购物、交流等操作。
3.互联网还用于进行心理测评。测试者可通过浏览器打开包含心理测评试题的页面，并且回答心理测评试题。包含心理测评试题的页面可被设置在服务器上。根据测试者对于心理测评试题的回答情况，服务器生成评价报告。
4.现有的心理测评方法通常在展示给测试者的不同页面上设置相同的试题，以确定针对该试题的答案是否可信。为了保证可信度，通常将全部心理测评试题展示给同一测试者两次，影响测试者的用户体验。


技术实现要素：

5.本技术提供一种基于物联网的心理测评方法及系统，旨在解决现有的心理测评方法将全部心理测评试题展示给同一测试者两次的技术问题。由于没有执行将全部心理测评试题展示给同一测试者两次的操作，因此可提高用户体验。
6.本技术一方面提供了一种基于物联网的心理测评方法。基于物联网的心理测评方法包括：将多道心理测评试题设置在多个页面中，其中，所述多个页面被设置在相同的坐标系下；通过物联网设备获取当前测试者脸部图像、当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离、当前测试者瞳孔面积、当前测试者眨眼频率、以及当前测试者心率；通过注意力集中区域预测模型进行第一预测，以获得与当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离、当前测试者瞳孔面积、当前测试者眨眼频率、以及当前测试者心率相对应的注意力集中坐标范围，其中，所述注意力集中坐标范围通过所述坐标系中的坐标来表示，注意力集中区域预测模型基于历史测试者眼睛注释方向、历史测试者眼睛与页面之间的距离、历史测试者瞳孔面积、历史测试者眨眼频率、历史测试者心率以及历史注意力集中坐标范围来训练；对所述多个页面中将向当前测试者展示的页面进行第一调整，使得将向当前测试者展示的心理测评试题落入到通过第一预测而获得的注意力集中坐标范围之内；根据当前测试者脸部图像，确定当前测试者脸部非对称像素数量；根据当前测试者眼睛在页面上的投射位置在所述坐标系下的坐标、当前测试者眼睛注释方向和当前测试者眼睛与页面之间的距离，确定当前测试者在向当前测试者展示的页面中所注视的心理测评试题；根据当前测试者脸部非对称像素数量和试题答案可信度分类模型，预测当前测试者所注视的心理测评试题的答案是否可信，其中，试题答案可信度分类模型根据历史测试者脸部非对称像素数量和与历史测试者脸部非对称像素数量对应的历史试题答案可信结果来训练；在当前测试者所注视的心理测评试题的答案为不可信时，将答案为不可信的心理测评试题整合到将向当前测试者展示的页面中并落入到通过第一预测而获得的注意力
集中坐标范围之内。
7.可选的，基于物联网的心理测评方法还包括：当经过所述整合的心理测评试题的数量超过预定数值时，通过物联网设备重新获取当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离、当前测试者瞳孔面积、当前测试者眨眼频率以及当前测试者心率；通过注意力集中区域预测模型进行第二预测，以获得与重新获取的当前测试者眼睛注释方向、重新获取的当前测试者眼睛与页面之间的距离、重新获取的当前测试者瞳孔面积、重新获取的当前测试者眨眼频率、以及重新获取的当前测试者心率相对应的注意力集中坐标范围；对所述多个页面中将向当前测试者展示的页面进行第二调整，使得将向当前测试者展示的心理测评试题落入到通过第二预测而获得的注意力集中坐标范围之内。
8.可选的，基于物联网的心理测评方法还包括：将已经展示给当前测试者的页面中，落入到通过第二预测而获得的注意力集中坐标范围之外的试题，整合到将向当前测试者展示的页面中并落入到通过第一预测或第二预测而获得的注意力集中坐标范围之内；如果进行过页面的第一调整或第二调整调整，则对所述多个页面中将向当前测试者展示的页面进行第三调整，使得将向当前测试者展示的心理测评试题的颜色改变为特定颜色。
9.可选的，基于物联网的心理测评方法还包括：根据当前测试者眼睛在页面上的投射位置在所述坐标系下的坐标、当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离和已向当前测试者展示的页面，统计当前测试者注视总面积；通过物联网设备获取当前测试者的身体图像；根据当前测试者的不同身体图像，计算当前测试者身体像素值改变数量；根据疲劳预测模型、统计出的当前测试者注视总面积、通过预测而获得的不可信答案数量和计算出的当前测试者身体像素值改变数量，预测当前测试者是否已进入疲劳期，其中，疲劳预测模型根据历史测试者注视总面积、历史不可信答案数量和历史测试者身体像素值改变数量来训练；当预测出当前测试者已进入疲劳期的时候，暂停心理测评并进入时长为第二时间段的休息期。
10.可选的，基于物联网的心理测评方法还包括：当休息期结束后，恢复心理测评并展示经过第三调整而获得的页面，其中，第一调整和/或第二调整包括：文字间距调整、段落间距调整、单行显示字数调整和/或文字大小调整。
11.本技术另一方面提供了一种基于物联网的心理测评系统。基于物联网的心理测评系统包括：页面设置单元，被配置为：将多道心理测评试题设置在多个页面中，其中，所述多个页面被设置在相同的坐标系下；物联网设备，被配置为：获取当前测试者脸部图像、当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离、当前测试者瞳孔面积、当前测试者眨眼频率、以及当前测试者心率；预测单元，被配置为：通过注意力集中区域预测模型进行第一预测，以获得与当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离、当前测试者瞳孔面积、当前测试者眨眼频率、以及当前测试者心率相对应的注意力集中坐标范围，其中，所述注意力集中坐标范围通过所述坐标系中的坐标来表示，注意力集中区域预测模型基于历史测试者眼睛注释方向、历史测试者眼睛与页面之间的距离、历史测试者瞳孔面积、历史测试者眨眼频率、历史测试者心率以及历史注意力集中坐标范围来训练；页面调整单元，被配置为：对所述多个页面中将向当前测试者展示的页面进行第一调整，使得将向当前测试者展示的心理测评试题落入到通过第一预测而获得的注意力集中坐标范围之内；确定单元，被配置为：根据当前测试者脸部图像，确定当前测试者脸部非对称像素数量；根
据当前测试者眼睛在页面上的投射位置在所述坐标系下的坐标、当前测试者眼睛注释方向和当前测试者眼睛与页面之间的距离，确定当前测试者在向当前测试者展示的页面中所注视的心理测评试题；其中，预测单元还被配置为：根据当前测试者脸部非对称像素数量和试题答案可信度分类模型，预测当前测试者所注视的心理测评试题的答案是否可信，其中，试题答案可信度分类模型根据历史测试者脸部非对称像素数量和与历史测试者脸部非对称像素数量对应的历史试题答案可信结果来训练；页面调整单元还被配置为：在当前测试者所注视的心理测评试题的答案为不可信时，将答案为不可信的心理测评试题整合到将向当前测试者展示的页面中并落入到通过第一预测而获得的注意力集中坐标范围之内。
12.可选的，物联网设备还被配置为：当经过所述整合的心理测评试题的数量超过预定数值时，重新获取当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离、当前测试者瞳孔面积、当前测试者眨眼频率以及当前测试者心率；预测单元还被配置为：通过注意力集中区域预测模型进行第二预测，以获得与重新获取的当前测试者眼睛注释方向、重新获取的当前测试者眼睛与页面之间的距离、重新获取的当前测试者瞳孔面积、重新获取的当前测试者眨眼频率、以及重新获取的当前测试者心率相对应的注意力集中坐标范围；页面调整单元还被配置为：对所述多个页面中将向当前测试者展示的页面进行第二调整，使得将向当前测试者展示的心理测评试题落入到通过第二预测而获得的注意力集中坐标范围之内。
13.可选的，页面调整单元还被配置为：将已经展示给当前测试者的页面中，落入到通过第二预测而获得的注意力集中坐标范围之外的试题，整合到将向当前测试者展示的页面中并落入到通过第一预测或第二预测而获得的注意力集中坐标范围之内；如果进行过页面的第一调整或第二调整调整，则对所述多个页面中将向当前测试者展示的页面进行第三调整，使得将向当前测试者展示的心理测评试题的颜色改变为特定颜色。
14.可选的，物联网设备还被配置为：获取当前测试者的身体图像；确定单元还被配置为：根据当前测试者眼睛在页面上的投射位置在所述坐标系下的坐标、当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离和已向当前测试者展示的页面，统计当前测试者注视总面积；根据当前测试者的不同身体图像，计算当前测试者身体像素值改变数量；预测单元还被配置为：根据疲劳预测模型、统计出的当前测试者注视总面积、通过预测而获得的不可信答案数量和计算出的当前测试者身体像素值改变数量，预测当前测试者是否已进入疲劳期，其中，疲劳预测模型根据历史测试者注视总面积、历史不可信答案数量和历史测试者身体像素值改变数量来训练；页面调整单元还被配置为：当预测出当前测试者已进入疲劳期的时候，暂停心理测评并进入时长为第二时间段的休息期。
15.可选的，页面调整单元还被配置为：当休息期结束后，恢复心理测评并展示经过第三调整而获得的页面，其中，第一调整和/或第二调整包括：文字间距调整、段落间距调整、单行显示字数调整和/或文字大小调整。
16.本技术根据注意力集中坐标范围的预测和心理测评试题的答案可信与否的预测，调整将向当前测试者展示的页面中的心理测评试题，以进行部分心理测评试题而非全部心理测评试题的重复显示，至少可解决将全部心理测评试题展示给同一测试者两次的技术问题，至少可提高用户体验。
附图说明
17.为了更清楚地说明本技术的实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
18.图1是本技术示例性实施例的基于物联网的心理测评方法的流程图。
19.图2是本技术示例性实施例的基于物联网的心理测评系统的结构示意图。
具体实施方式
20.下面将结合本技术的实施例中的附图，对本技术的实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
21.本技术中的术语“第一”和“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤、操作、组件或模块的过程、方法、系统、产品或设备没有限定于已列出的步骤、操作、组件或模块，而是可选的还包括没有列出的步骤、操作、组件或模块，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤、操作、组件或模块。
22.在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本技术的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其他实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其他实施例相结合。
23.本技术实施例提供了基于物联网的心理测评方法及系统，以下将分别进行详细说明。需要说明的是，以下各个实施例的描述先后顺序并不构成对具体实施先后顺序的限定，描述先后顺序包括但不限于步骤描述或操作描述的先后顺序和系统组成部分描述的先后顺序。
24.本技术的示例性实施例的心理测评方法和系统可通过互联网来实施。在实施过程中，实现心理测评方法的服务器可生成页面，页面中包含心理测评试题。用户通过浏览器上网，访问服务器的网址，从而浏览服务器生成的页面，并且回答页面中的心理测评试题。根据用户对心理测评试题的答案，可生成针对该用户的心理测评报告。这里的用户可被称为测试者。在实施过程中，还需要借助于物联网设备，例如可联网的眼动仪、照相机、摄像头、心率传感器等，这样的物联网设备可与服务器通信，以便将获得的信息传输给服务器。本技术的心理测评系统可在服务器上实施。
25.参照图1，示例性实施例的基于物联网的心理测评方法包括：将多道心理测评试题设置在多个页面中，其中，所述多个页面被设置在相同的坐标系下；通过物联网设备获取当前测试者脸部图像、当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离、当前测试者瞳孔面积、当前测试者眨眼频率、以及当前测试者心率；通过注意力集中区域预测模型进行第一预测，以获得与当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离、当前测试者瞳孔面积、当前测试者眨眼频率、以及当前测试者心率相对应的注意力集中坐标
范围，其中，所述注意力集中坐标范围通过所述坐标系中的坐标来表示，注意力集中区域预测模型基于历史测试者眼睛注释方向、历史测试者眼睛与页面之间的距离、历史测试者瞳孔面积、历史测试者眨眼频率、历史测试者心率以及历史注意力集中坐标范围来训练；对所述多个页面中将向当前测试者展示的页面进行第一调整，使得将向当前测试者展示的心理测评试题落入到通过第一预测而获得的注意力集中坐标范围之内；根据当前测试者脸部图像，确定当前测试者脸部非对称像素数量；根据当前测试者眼睛在页面上的投射位置在所述坐标系下的坐标、当前测试者眼睛注释方向和当前测试者眼睛与页面之间的距离，确定当前测试者在向当前测试者展示的页面中所注视的心理测评试题；根据当前测试者脸部非对称像素数量和试题答案可信度分类模型，预测当前测试者所注视的心理测评试题的答案是否可信，其中，试题答案可信度分类模型根据历史测试者脸部非对称像素数量和与历史测试者脸部非对称像素数量对应的历史试题答案可信结果来训练；在当前测试者所注视的心理测评试题的答案为不可信时，将答案为不可信的心理测评试题整合到将向当前测试者展示的页面中并落入到通过第一预测而获得的注意力集中坐标范围之内。
26.作为示例，页面中的心理测评试题包括题干和选项。题干用于描述试题，例如，询问用户对于事物的观点。选项对应于观点，例如，同意、不同意，又如，部分同意、完全同意、部分不同意、完全不同意，分别与a、b、c、d相对应。多个页面在相同的坐标系下，页面中的试题的范围对应于坐标范围。
27.作为示例，物联网设备可以是拍摄测试者脸部图像的摄像头或相机，以及物联网设备可以是眼动仪、心率传感器和距离传感器，眼动仪可获取测试者眼睛注释方向、测试者瞳孔面积以及测试者眨眼频率，心率传感器可获取测试者心率，距离传感器可获取测试者眼睛与页面之间的距离。
28.作为示例，注意力集中区域预测模型可预测出注意力集中坐标范围。注意力集中坐标范围通过页面的坐标系下的坐标来表示，可以是封闭区域。可确定心理测评试题落入注意力集中坐标范围之内与否（即注意力集中坐标范围之内还是之外）。当心理测评试题的题干和选项不完全落入注意力集中坐标范围之内，则可确定心理测评试题位于注意力集中坐标范围之外。注意力集中区域预测模型可采用神经网络模型或支持向量机模型。通过相应的历史数据可进行模型训练。
29.在示例性实施例中，可采用反向传播神经网络模型，sigmoid激活函数被用于分类器，线性整流函数被用于注意力集中区域预测模型等预测模型。使用的预测评价指标可采用均方误差、均方根误差、平均绝对误差或平均绝对百分比误差。
30.作为示例，第一调整除了包括通过调整使心理测评试题落入将展示的页面中的相应范围内，还可包括：文字颜色调整、文字间距调整、段落间距调整、单行显示字数调整和/或文字大小调整。
31.作为示例，通过对测试者脸部图像进行翻转，可获得翻转后图像。通过翻转前图像和翻转后图像之间进行对比可获得两个图像之间的差异，差异可包括像素差异，即当对称位置的灰度值不同时或者灰度值差异超过预定差异值时，相应像素为非对称像素。通过三角运算可获得当前测试者在向当前测试者展示的页面中所注视的心理测评试题。
32.作为示例，试题答案可信度分类模型可采用神经网络分类器或支持向量机分类器。可根据相应的历史数据进行模型训练。在将答案为不可信的心理测评试题整合到将向
当前测试者展示的页面中的过程之中，也需要保证被整合的心理测评试题落入到预测出的注意力集中坐标范围之内。
33.在示例性实施例中基于物联网的心理测评方法还包括：当经过所述整合的心理测评试题的数量超过预定数值时，通过物联网设备重新获取当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离、当前测试者瞳孔面积、当前测试者眨眼频率以及当前测试者心率；通过注意力集中区域预测模型进行第二预测，以获得与重新获取的当前测试者眼睛注释方向、重新获取的当前测试者眼睛与页面之间的距离、重新获取的当前测试者瞳孔面积、重新获取的当前测试者眨眼频率、以及重新获取的当前测试者心率相对应的注意力集中坐标范围；对所述多个页面中将向当前测试者展示的页面进行第二调整，使得将向当前测试者展示的心理测评试题落入到通过第二预测而获得的注意力集中坐标范围之内。
34.根据不可信答案的数量判断来进行重新训练以修正注意力集中坐标范围，可保证预测的注意力集中坐标范围更符合实际情况，提高答题准确性，并且提高心理测评结果准确性。作为示例，预定数值可以是1、2、3、5、10或其他数值。
35.在示例性实施例中，基于物联网的心理测评方法还包括：将已经展示给当前测试者的页面中，落入到通过第二预测而获得的注意力集中坐标范围之外的试题，整合到将向当前测试者展示的页面中并落入到通过第一预测或第二预测而获得的注意力集中坐标范围之内；如果进行过页面的第一调整或第二调整调整，则对所述多个页面中将向当前测试者展示的页面进行第三调整，使得将向当前测试者展示的心理测评试题的颜色改变为特定颜色。
36.通过这种整合，可保证已经做过的页面中的心理测评试题落入当前测试者的注意力集中坐标范围之内，从而使得测评结果更加真实、准确。为了进一步集中测试者的注意力，进行第三调整，以便将心理测评试题的颜色改变为更醒目的颜色，例如红色。
37.在示例性实施例中，基于物联网的心理测评方法还包括：根据当前测试者眼睛在页面上的投射位置在所述坐标系下的坐标、当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离和已向当前测试者展示的页面，统计当前测试者注视总面积；通过物联网设备获取当前测试者的身体图像；根据当前测试者的不同身体图像，计算当前测试者身体像素值改变数量；根据疲劳预测模型、统计出的当前测试者注视总面积、通过预测而获得的不可信答案数量和计算出的当前测试者身体像素值改变数量，预测当前测试者是否已进入疲劳期，其中，疲劳预测模型根据历史测试者注视总面积、历史不可信答案数量和历史测试者身体像素值改变数量来训练；当预测出当前测试者已进入疲劳期的时候，暂停心理测评并进入时长为第二时间段的休息期。
38.作为示例，身体像素值改变数量可根据两个身体图像之间的灰度值差异来计算，例如对先后拍摄的两幅身体图像之间的灰度值差异进行统计；当统计了全部的身体图像之间的灰度值差异时，通过求和可获得总的身体像素值改变数量用于进行接下来的处理。可统计每个像素所对应的实际尺寸，随后根据页面中眼睛注释的像素数量来统计测试者注视总面积。在计算页面中眼睛注释的像素数量的过程中，可根据测试者眼睛在页面上的投射位置在所述坐标系下的坐标、测试者眼睛注释方向、测试者眼睛与页面之间的距离和已向测试者展示的页面，统计眼睛扫视过的坐标范围，进而确定扫视过的坐标范围内包含的像素数量。获取测试者的身体图像的物联网设备，可包括摄像头、照相机等。疲劳预测模型可
以是神经网络模型，可将相应的历史数据作为训练数据，从而训练反向传播神经网络模型，反向传播神经网络模型采用线性整流函数，并且使用的预测评价指标可采用均方误差、均方根误差、平均绝对误差或平均绝对百分比误差。疲劳预测模型为分类器模型。通过该模型可预测测试者是否进入疲劳期，从而在进入疲劳期时，及时停止测试，进一步保证测试结果的准确。
39.在示例性实施例中，基于物联网的心理测评方法还包括：当休息期结束后，恢复心理测评并展示经过第三调整而获得的页面，其中，第一调整和/或第二调整包括：文字间距调整、段落间距调整、单行显示字数调整和/或文字大小调整。
40.通过第三调整可改变颜色，并且有针对性的将颜色改变为能够引起当前测试者关注度提高的颜色。
41.参照图2，示例性实施例的基于物联网的心理测评系统包括：页面设置单元，被配置为：将多道心理测评试题设置在多个页面中，其中，所述多个页面被设置在相同的坐标系下；物联网设备，被配置为：获取当前测试者脸部图像、当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离、当前测试者瞳孔面积、当前测试者眨眼频率、以及当前测试者心率；预测单元，被配置为：通过注意力集中区域预测模型进行第一预测，以获得与当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离、当前测试者瞳孔面积、当前测试者眨眼频率、以及当前测试者心率相对应的注意力集中坐标范围，其中，所述注意力集中坐标范围通过所述坐标系中的坐标来表示，注意力集中区域预测模型基于历史测试者眼睛注释方向、历史测试者眼睛与页面之间的距离、历史测试者瞳孔面积、历史测试者眨眼频率、历史测试者心率以及历史注意力集中坐标范围来训练；页面调整单元，被配置为：对所述多个页面中将向当前测试者展示的页面进行第一调整，使得将向当前测试者展示的心理测评试题落入到通过第一预测而获得的注意力集中坐标范围之内；确定单元，被配置为：根据当前测试者脸部图像，确定当前测试者脸部非对称像素数量；根据当前测试者眼睛在页面上的投射位置在所述坐标系下的坐标、当前测试者眼睛注释方向和当前测试者眼睛与页面之间的距离，确定当前测试者在向当前测试者展示的页面中所注视的心理测评试题；其中，预测单元还被配置为：根据当前测试者脸部非对称像素数量和试题答案可信度分类模型，预测当前测试者所注视的心理测评试题的答案是否可信，其中，试题答案可信度分类模型根据历史测试者脸部非对称像素数量和与历史测试者脸部非对称像素数量对应的历史试题答案可信结果来训练；页面调整单元还被配置为：在当前测试者所注视的心理测评试题的答案为不可信时，将答案为不可信的心理测评试题整合到将向当前测试者展示的页面中并落入到通过第一预测而获得的注意力集中坐标范围之内。
42.在示例性实施例中，物联网设备还被配置为：当经过所述整合的心理测评试题的数量超过预定数值时，重新获取当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离、当前测试者瞳孔面积、当前测试者眨眼频率以及当前测试者心率；预测单元还被配置为：通过注意力集中区域预测模型进行第二预测，以获得与重新获取的当前测试者眼睛注释方向、重新获取的当前测试者眼睛与页面之间的距离、重新获取的当前测试者瞳孔面积、重新获取的当前测试者眨眼频率、以及重新获取的当前测试者心率相对应的注意力集中坐标范围；页面调整单元还被配置为：对所述多个页面中将向当前测试者展示的页面进行第二调整，使得将向当前测试者展示的心理测评试题落入到通过第二预测而获得的注意力集
中坐标范围之内。
43.在示例性实施例中，页面调整单元还被配置为：将已经展示给当前测试者的页面中，落入到通过第二预测而获得的注意力集中坐标范围之外的试题，整合到将向当前测试者展示的页面中并落入到通过第一预测或第二预测而获得的注意力集中坐标范围之内；如果进行过页面的第一调整或第二调整调整，则对所述多个页面中将向当前测试者展示的页面进行第三调整，使得将向当前测试者展示的心理测评试题的颜色改变为特定颜色。
44.在示例性实施例中，物联网设备还被配置为：获取当前测试者的身体图像；确定单元还被配置为：根据当前测试者眼睛在页面上的投射位置在所述坐标系下的坐标、当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离和已向当前测试者展示的页面，统计当前测试者注视总面积；根据当前测试者的不同身体图像，计算当前测试者身体像素值改变数量；预测单元还被配置为：根据疲劳预测模型、统计出的当前测试者注视总面积、通过预测而获得的不可信答案数量和计算出的当前测试者身体像素值改变数量，预测当前测试者是否已进入疲劳期，其中，疲劳预测模型根据历史测试者注视总面积、历史不可信答案数量和历史测试者身体像素值改变数量来训练；页面调整单元还被配置为：当预测出当前测试者已进入疲劳期的时候，暂停心理测评并进入时长为第二时间段的休息期。
45.在示例性实施例中，页面调整单元还被配置为：当休息期结束后，恢复心理测评并展示经过第三调整而获得的页面，其中，第一调整和/或第二调整包括：文字间距调整、段落间距调整、单行显示字数调整和/或文字大小调整。
46.以上的系统实施例可参照方法实施例来实现，并且上述所有的技术方案，可以采用任意结合形成本技术的可选实施例，在此不再一一赘述。
47.本技术应用了具体个例对本技术的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本技术的方法及其核心思想；同时，对于本领域的技术人员，依据本技术的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本技术的限制。

技术特征：
1.一种基于物联网的心理测评方法，其特征在于，包括：将多道心理测评试题设置在多个页面中，其中，所述多个页面被设置在相同的坐标系下；通过物联网设备获取当前测试者脸部图像、当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离、当前测试者瞳孔面积、当前测试者眨眼频率、以及当前测试者心率；通过注意力集中区域预测模型进行第一预测，以获得与当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离、当前测试者瞳孔面积、当前测试者眨眼频率、以及当前测试者心率相对应的注意力集中坐标范围，其中，所述注意力集中坐标范围通过所述坐标系中的坐标来表示，注意力集中区域预测模型基于历史测试者眼睛注释方向、历史测试者眼睛与页面之间的距离、历史测试者瞳孔面积、历史测试者眨眼频率、历史测试者心率以及历史注意力集中坐标范围来训练；对所述多个页面中将向当前测试者展示的页面进行第一调整，使得将向当前测试者展示的心理测评试题落入到通过第一预测而获得的注意力集中坐标范围之内；根据当前测试者脸部图像，确定当前测试者脸部非对称像素数量；根据当前测试者眼睛在页面上的投射位置在所述坐标系下的坐标、当前测试者眼睛注释方向和当前测试者眼睛与页面之间的距离，确定当前测试者在向当前测试者展示的页面中所注视的心理测评试题；根据当前测试者脸部非对称像素数量和试题答案可信度分类模型，预测当前测试者所注视的心理测评试题的答案是否可信，其中，试题答案可信度分类模型根据历史测试者脸部非对称像素数量和与历史测试者脸部非对称像素数量对应的历史试题答案可信结果来训练；在当前测试者所注视的心理测评试题的答案为不可信时，将答案为不可信的心理测评试题整合到将向当前测试者展示的页面中并落入到通过第一预测而获得的注意力集中坐标范围之内。2.如权利要求1所述的基于物联网的心理测评方法，其特征在于，还包括：当经过所述整合的心理测评试题的数量超过预定数值时，通过物联网设备重新获取当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离、当前测试者瞳孔面积、当前测试者眨眼频率以及当前测试者心率；通过注意力集中区域预测模型进行第二预测，以获得与重新获取的当前测试者眼睛注释方向、重新获取的当前测试者眼睛与页面之间的距离、重新获取的当前测试者瞳孔面积、重新获取的当前测试者眨眼频率、以及重新获取的当前测试者心率相对应的注意力集中坐标范围；对所述多个页面中将向当前测试者展示的页面进行第二调整，使得将向当前测试者展示的心理测评试题落入到通过第二预测而获得的注意力集中坐标范围之内。3.如权利要求2所述的基于物联网的心理测评方法，其特征在于，还包括：将已经展示给当前测试者的页面中，落入到通过第二预测而获得的注意力集中坐标范围之外的试题，整合到将向当前测试者展示的页面中并落入到通过第一预测或第二预测而获得的注意力集中坐标范围之内；如果进行过页面的第一调整或第二调整调整，则对所述多个页面中将向当前测试者展
示的页面进行第三调整，使得将向当前测试者展示的心理测评试题的颜色改变为特定颜色。4.如权利要求3所述的基于物联网的心理测评方法，其特征在于，还包括：根据当前测试者眼睛在页面上的投射位置在所述坐标系下的坐标、当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离和已向当前测试者展示的页面，统计当前测试者注视总面积；通过物联网设备获取当前测试者的身体图像；根据当前测试者的不同身体图像，计算当前测试者身体像素值改变数量；根据疲劳预测模型、统计出的当前测试者注视总面积、通过预测而获得的不可信答案数量和计算出的当前测试者身体像素值改变数量，预测当前测试者是否已进入疲劳期，其中，疲劳预测模型根据历史测试者注视总面积、历史不可信答案数量和历史测试者身体像素值改变数量来训练；当预测出当前测试者已进入疲劳期的时候，暂停心理测评并进入时长为第二时间段的休息期。5.如权利要求4所述的基于物联网的心理测评方法，其特征在于，还包括：当休息期结束后，恢复心理测评并展示经过第三调整而获得的页面，其中，第一调整和/或第二调整包括：文字间距调整、段落间距调整、单行显示字数调整和/或文字大小调整。6.一种基于物联网的心理测评系统，其特征在于，包括：页面设置单元，被配置为：将多道心理测评试题设置在多个页面中，其中，所述多个页面被设置在相同的坐标系下；物联网设备，被配置为：获取当前测试者脸部图像、当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离、当前测试者瞳孔面积、当前测试者眨眼频率、以及当前测试者心率；预测单元，被配置为：通过注意力集中区域预测模型进行第一预测，以获得与当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离、当前测试者瞳孔面积、当前测试者眨眼频率、以及当前测试者心率相对应的注意力集中坐标范围，其中，所述注意力集中坐标范围通过所述坐标系中的坐标来表示，注意力集中区域预测模型基于历史测试者眼睛注释方向、历史测试者眼睛与页面之间的距离、历史测试者瞳孔面积、历史测试者眨眼频率、历史测试者心率以及历史注意力集中坐标范围来训练；页面调整单元，被配置为：对所述多个页面中将向当前测试者展示的页面进行第一调整，使得将向当前测试者展示的心理测评试题落入到通过第一预测而获得的注意力集中坐标范围之内；确定单元，被配置为：根据当前测试者脸部图像，确定当前测试者脸部非对称像素数量；根据当前测试者眼睛在页面上的投射位置在所述坐标系下的坐标、当前测试者眼睛注释方向和当前测试者眼睛与页面之间的距离，确定当前测试者在向当前测试者展示的页面中所注视的心理测评试题；其中，预测单元还被配置为：根据当前测试者脸部非对称像素数量和试题答案可信度分类模型，预测当前测试者所注视的心理测评试题的答案是否可信，其中，试题答案可信度
分类模型根据历史测试者脸部非对称像素数量和与历史测试者脸部非对称像素数量对应的历史试题答案可信结果来训练；页面调整单元还被配置为：在当前测试者所注视的心理测评试题的答案为不可信时，将答案为不可信的心理测评试题整合到将向当前测试者展示的页面中并落入到通过第一预测而获得的注意力集中坐标范围之内。7.如权利要求6所述的基于物联网的心理测评系统，其特征在于，物联网设备还被配置为：当经过所述整合的心理测评试题的数量超过预定数值时，重新获取当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离、当前测试者瞳孔面积、当前测试者眨眼频率以及当前测试者心率；预测单元还被配置为：通过注意力集中区域预测模型进行第二预测，以获得与重新获取的当前测试者眼睛注释方向、重新获取的当前测试者眼睛与页面之间的距离、重新获取的当前测试者瞳孔面积、重新获取的当前测试者眨眼频率、以及重新获取的当前测试者心率相对应的注意力集中坐标范围；页面调整单元还被配置为：对所述多个页面中将向当前测试者展示的页面进行第二调整，使得将向当前测试者展示的心理测评试题落入到通过第二预测而获得的注意力集中坐标范围之内。8.如权利要求7所述的基于物联网的心理测评系统，其特征在于，页面调整单元还被配置为：将已经展示给当前测试者的页面中，落入到通过第二预测而获得的注意力集中坐标范围之外的试题，整合到将向当前测试者展示的页面中并落入到通过第一预测或第二预测而获得的注意力集中坐标范围之内；如果进行过页面的第一调整或第二调整调整，则对所述多个页面中将向当前测试者展示的页面进行第三调整，使得将向当前测试者展示的心理测评试题的颜色改变为特定颜色。9.如权利要求8所述的基于物联网的心理测评系统，其特征在于，物联网设备还被配置为：获取当前测试者的身体图像；确定单元还被配置为：根据当前测试者眼睛在页面上的投射位置在所述坐标系下的坐标、当前测试者眼睛注释方向、当前测试者眼睛与页面之间的距离和已向当前测试者展示的页面，统计当前测试者注视总面积；根据当前测试者的不同身体图像，计算当前测试者身体像素值改变数量；预测单元还被配置为：根据疲劳预测模型、统计出的当前测试者注视总面积、通过预测而获得的不可信答案数量和计算出的当前测试者身体像素值改变数量，预测当前测试者是否已进入疲劳期，其中，疲劳预测模型根据历史测试者注视总面积、历史不可信答案数量和历史测试者身体像素值改变数量来训练；页面调整单元还被配置为：当预测出当前测试者已进入疲劳期的时候，暂停心理测评并进入时长为第二时间段的休息期。10.如权利要求9所述的基于物联网的心理测评系统，其特征在于，页面调整单元还被配置为：当休息期结束后，恢复心理测评并展示经过第三调整而获得的页面，其中，第一调整和/或第二调整包括：文字间距调整、段落间距调整、单行显示字数调整和/或文字大小调整。

技术总结
本申请涉及互联网技术领域，具体涉及一种基于物联网的心理测评方法及系统。基于物联网的心理测评系统包括：页面设置单元、物联网设备、预测单元、页面调整单元和确定单元。本申请根据注意力集中坐标范围的预测和心理测评试题的答案可信与否的预测，调整将向当前测试者展示的页面中的心理测评试题，以进行部分心理测评试题而非全部心理测评试题的重复显示，至少可解决将全部心理测评试题展示给同一测试者两次的技术问题，至少可提高用户体验。至少可提高用户体验。至少可提高用户体验。


技术研发人员：陈晓华 罗家欣 康天明
受保护的技术使用者：元惟（深圳）科技有限公司
技术研发日：2023.06.16
技术公布日：2023/9/7