一种手机屏幕亮度的控制方法及其显示终端与流程

1.本发明涉及通讯技术领域，更具体地说，本发明涉及一种手机屏幕亮度的控制方法及其显示终端。


背景技术：

2.手机的普及和广泛使用，使得人们长时间接触手机屏幕，目前的手机屏幕亮度控制多以光感传感器感知环境光线调节亮度，背光亮度与环境光强不协调时，人眼就会产生视觉疲劳，而这种疲劳将对人眼视力造成不可逆的损伤，导致眼睛长时间处于高度集中和紧张状态，增加了用眼疲劳的风险。
3.本发明采用了视网膜感知获取用户眼球运动轨迹以及眨眼次数判定用眼是否疲劳，将其数据评定等级，按照数据等级对比云数据中心常值，根据用户的用眼程度进行自适应调节手机屏幕亮度，并通过等级提示鼓励用户进行眼部休息和调整姿势，达到合理使用手机，注意保护眼睛健康。


技术实现要素：

4.为了克服现有技术的上述缺陷，本发明的实施例提供一种手机屏幕亮度的控制方法及其显示终端，通过亮度调节模块，以解决上述背景技术中提出的问题。
5.为实现上述目的，本发明提供如下技术方案：包括视网膜感知模块、感知数据处理模块、云数据常值判断模块、亮度调节模块和视觉疲劳提示模块；视网膜感知模块：利用红外成像技术以及卷积神经网络模型获取眼球运动轨迹以及眨眼次数，包括跟踪眼球运动轨迹以及记录眨眼次数两个子单元；感知数据处理模块：利用高斯滤波以及边缘检测对眼球运动轨迹以及眨眼次数数据进行处理；云数据常值判断模块：利用贝塞尔曲线判断眼球运动轨迹，计算眨眼次数分均值，于云数据常值对比获取数据，包括判断眼球运动轨迹以及判断眨眼次数分均常值两个子单元；亮度调节模块：对传输数据分级，建立斯托普函数，利用人眼主观感知调节亮度；视觉疲劳提示模块：通过手机屏幕亮度控制系统的亮度对应疲劳等级，定期提醒用户休息和放松眼睛，显示终端可以是手机、平板以及电脑等显示终端，在此不做具体限定。
6.在一个优选地实施方式中，所述视网膜感知模块包括跟踪眼球运动轨迹以及记录眨眼次数两个子单元，具体包括以下内容：第一步、跟踪眼球运动轨迹：利用手机摄像头的红外光源照射在眼球上，通过手机摄像头接收眼球反射红外光线，使用红外光谱范围内的辐射来获取图像，实时记录眼球的位置和运动轨迹，生成图像以及数据表示眼球的运动情况，利用图像和数据提供眼球在时间上的位置变化、运动速度以及运动方向。
7.第二步、记录眨眼次数：利用卷积神经网络检测眼睛位置和区域，所述卷积神经网络收集眼睛的图像数据集，调整图像尺寸，建立卷积网络模型，将数据集划分为训练集、验证集以及测试集，使用训练集对卷积神经模型进行训练，更新模型参数，使模型能够逐渐学习到眼睛的特征，分析眼睛区域特征，判断眼睛的状态，包括睁眼、闭眼和眨眼，当眼睛状态从睁眼变为闭眼，再从闭眼变为睁眼时，判断为一次眨眼，利用计数器记录眨眼次数。
8.在一个优选地实施方式中，所述感知数据处理模块包括眼球运动数据处理以及眨眼次数数据处理两个子单元，具体包括以下内容：s201、眼球运动数据处理：对眼球运动图像进行校正，利用图像处理算法去除噪声，突出眼球特征，所述图像处理算法为高斯滤波，其具体公式为：；其中表示模糊后的像素值，表示高斯滤波器的标准差，表示滤波器范围内的像素值，、表示滤波器的索引，在每一帧图像中利用瞳孔颜色定位瞳孔位置，将其作为初始目标位置，对初始目标位置周围的图像区域提取瞳孔关键点，利用特征匹配算法，将后续帧数的特征与初始特征匹配，根据匹配结果，不断估计更新进行跟踪。
9.s202、眨眼次数数据处理：通过手机摄像头拍摄眨眼图像，利用计算机视觉以及图像处理技术分析眼睑状态进行眨眼特征提取，记录眨眼次数，使用边缘检测分割眼睑区域，计算眼睑的形状特征，获取眼睑的面积、周长以及长宽比，所述计算具体公式为：眼睑面积：；眼睑周长：；长宽比：；其中s表示眼睑面积，表示眼睑轮廓的像素数，表示单位像素的实际长度，c表示眼睑周长，表示眼睑轮廓的边界长度，表示眼睑长宽比，表示长边长度，表表示短边长度，利用颜色分布分析法提取眼睑的颜色特征，所述颜色分布分析法选择颜色空间描述眼睑颜色特征，对于眼睑区域，将其转换到颜色空间中，统计该区域内每个颜色通道的像素值分布，缩小睁眼闭眼状态下眼见颜色差异，利用光流分析提取眼睑的运动特征，所述光流分析计算眼睑中各个像素的运动向量，其具体公式为：；其中表示估计运动向量的最小误差，x、y表示图像在x、y方向的梯度，t表示两个时间点的灰度差，u、v表示运动向量的分量。
10.在一个优选地实施方式中，所述云数据常值判断模块包括判断眼球运动轨迹以及判断眨眼次数分均常值两个子单元，具体包括以下内容：
s301、判断眼球运动轨迹：通过分析处理好的眼球运动轨迹数据，确定眼球在观察过程中的注视点，所述注视点判断条件为确定眼球在某个位置停留的时间是否达到注视的条件，通过设定一个时间窗口实现，若在该时间窗口内眼球位置保持稳定，且没有快速移动，即视为是一个注视点，利用曲线拟合法估计计算眼球的扫视路径，所述曲线拟合为贝塞尔曲线，其具体公式为：；其中表示曲线上的点的坐标，表示曲线上的位置，取值范围在[0,1]的参数，、、、表示控制点的坐标，将离散的眼球位置数据连接起来，形成平滑的运动轨迹，通过云数据中心展示注视点分布，比较正常眼球运动轨迹数据，解释眼球运动轨迹数据的结果。
[0011]
s302、判断眨眼次数分均常值：设置正常眨眼次数分均常值的阈值为15次/分钟，将处理好眨眼次数数据传输到云数据中心，计算眨眼次数分均值，其具体计算公式为：；其中a表示眨眼次数分均值，c表示处理好的眨眼次数，min表示一分钟，得出的眨眼次数分均值与云数据中心常值比较，划分疲劳等级数据，传输到亮度调节模块。
[0012]
在一个优选地实施方式中，所述亮度调节模块对传输的数据进行分级，分配不同的亮度值，若眨眼次数均值小于10次/分钟以及眼球频繁移动和瞳孔频繁变化时，分级为严重疲劳等级，若眨眼次数均值取值10次/分钟到15次/分钟以及眼球运动轨迹符合拟合轨迹时，分级为适中疲劳等级，若眨眼次数均值大于15次/分钟，分级为轻度疲劳等级，将疲劳等级数据存储在云数据中心，结合手机屏幕亮度控制系统调节亮度，所述手机屏幕亮度控制系统定义了疲劳等级与光感对应关系，该亮度控制模型通过斯托普函数的经验定律建立，人眼主观感知到的亮度与光源的物理亮度之间非呈线性关系，而是呈现出一个幂函数的关系，当光源的亮度增加时，人眼的主观亮度相应地也会增加，疲劳等级相应提高，较低亮度范围内，人眼对亮度变化的敏感度较高，在较高亮度范围内，人眼对亮度变化的敏感度相对较低，所述斯托普函数具体公式为：；其中表示视觉感知强度，、表示测量得到的常数，表示光源亮度。
[0013]
在一个优选地实施方式中，所述视觉疲劳提示模块通过手机屏幕亮度控制系统的亮度对应疲劳等级，定期提醒用户休息和放松眼睛，根据手机屏幕亮度强弱设定时间间隔，向用户发送绿、黄、红三种提醒信息，三种提醒信息包括通过蓝光过滤器改变屏幕颜色缓解眼睛疲劳、眨眼以及不良姿势提示，鼓励用户进行眼部休息和调整姿势、强制减弱手机屏幕亮度，告知用户疲劳等级已超过最高等级。
[0014]
在一个优选地实施方式中，具体包括以下步骤：101、利用红外成像技术以及卷积神经网络模型获取眼球运动轨迹以及眨眼次数，包括跟踪眼球运动轨迹以及记录眨眼次数两个子单元；
102、利用高斯滤波以及边缘检测对眼球运动轨迹以及眨眼次数数据进行处理；103、利用贝塞尔曲线判断眼球运动轨迹，计算眨眼次数分均值，于云数据常值对比获取数据，包括判断眼球运动轨迹以及判断眨眼次数分均常值两个子单元；104、对传输数据分级，建立斯托普函数，利用人眼主观感知调节亮度；105、通过手机屏幕亮度控制系统的亮度对应疲劳等级，定期提醒用户休息和放松眼睛，显示终端可以是手机、平板以及电脑等显示终端，在此不做具体限定；本发明的技术效果和优点：本发明通过视网膜感知获取用户眼球运动轨迹以及眨眼次数判定用眼是否疲劳，将其数据评定等级，按照数据等级对比云数据中心常值，根据用户的用眼程度进行自适应调节手机屏幕亮度，并通过等级提示鼓励用户进行眼部休息和调整姿势，有助于减少暴露在手机蓝光下的时间，降低导致视觉疲劳和睡眠问题的风险，适当的亮度使得手机屏幕更加舒适和易于阅读，在眼睛放松状况下，可以增加屏幕亮度以提供更好的可见性，在用眼过度下，可以降低屏幕亮度以减少眼睛的疲劳。
附图说明
[0015]
图1为本发明的系统流程图。
[0016]
图2为本发明的系统结构框图。
具体实施方式
[0017]
下面将结合本发明实施例中的附图，对本发明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发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0018]
本实施例提供了如图1所示一种手机屏幕亮度的控制方法及其显示终端，具体包括以下步骤：101、利用红外成像技术以及卷积神经网络模型获取眼球运动轨迹以及眨眼次数，包括跟踪眼球运动轨迹以及记录眨眼次数两个子单元；102、利用高斯滤波以及边缘检测对眼球运动轨迹以及眨眼次数数据进行处理；103、利用贝塞尔曲线判断眼球运动轨迹，计算眨眼次数分均值，于云数据常值对比获取数据，包括判断眼球运动轨迹以及判断眨眼次数分均常值两个子单元；104、对传输数据分级，建立斯托普函数，利用人眼主观感知调节亮度；105、通过手机屏幕亮度控制系统的亮度对应疲劳等级，定期提醒用户休息和放松眼睛，显示终端可以是手机、平板以及电脑等显示终端，在此不做具体限定；本实施例提供了如图2所示一种手机屏幕亮度的显示终端应用，具体包括：包括视网膜感知模块、感知数据处理模块、云数据常值判断模块、亮度调节模块和视觉疲劳提示模块；视网膜感知模块：利用红外成像技术以及卷积神经网络模型获取眼球运动轨迹以及眨眼次数，包括跟踪眼球运动轨迹以及记录眨眼次数两个子单元；感知数据处理模块：利用高斯滤波以及边缘检测对眼球运动轨迹以及眨眼次数数
据进行处理；云数据常值判断模块：利用贝塞尔曲线判断眼球运动轨迹，计算眨眼次数分均值，于云数据常值对比获取数据，包括判断眼球运动轨迹以及判断眨眼次数分均常值两个子单元；亮度调节模块：对传输数据分级，建立斯托普函数，利用人眼主观感知调节亮度；视觉疲劳提示模块：通过手机屏幕亮度控制系统的亮度对应疲劳等级，定期提醒用户休息和放松眼睛，显示终端可以是手机、平板以及电脑等显示终端，在此不做具体限定。
[0019]
101、利用红外成像技术以及卷积神经网络模型获取眼球运动轨迹以及眨眼次数，包括跟踪眼球运动轨迹以及记录眨眼次数两个子单元；本实施例中，具体需要说明的是视网膜感知模块，所述视网膜感知模块包括跟踪眼球运动轨迹以及记录眨眼次数两个子单元，具体包括以下内容：第一步、跟踪眼球运动轨迹：利用手机摄像头的红外光源照射在眼球上，通过手机摄像头接收眼球反射红外光线，使用红外光谱范围内的辐射来获取图像，实时记录眼球的位置和运动轨迹，生成图像以及数据表示眼球的运动情况，利用图像和数据提供眼球在时间上的位置变化、运动速度以及运动方向。
[0020]
第二步、记录眨眼次数：利用卷积神经网络检测眼睛位置和区域，所述卷积神经网络收集眼睛的图像数据集，调整图像尺寸，建立卷积网络模型，将数据集划分为训练集、验证集以及测试集，使用训练集对卷积神经模型进行训练，更新模型参数，使模型能够逐渐学习到眼睛的特征，分析眼睛区域特征，判断眼睛的状态，包括睁眼、闭眼和眨眼，当眼睛状态从睁眼变为闭眼，再从闭眼变为睁眼时，判断为一次眨眼，利用计数器记录眨眼次数。
[0021]
本实施例中神经网络模型可以是卷积神经网络模型或是其他的类型的神经网络模型，在此不做具体限定。
[0022]
102、利用高斯滤波以及边缘检测对眼球运动轨迹以及眨眼次数数据进行处理；本实施例中，具体需要说明的是感知数据处理模块，所述感知数据处理模块包括眼球运动数据处理以及眨眼次数数据处理两个子单元，具体包括以下内容：s201、眼球运动数据处理：对眼球运动图像进行校正，利用图像处理算法去除噪声，突出眼球特征，所述图像处理算法为高斯滤波，其具体公式为：；其中表示模糊后的像素值，表示高斯滤波器的标准差，表示滤波器范围内的像素值，、表示滤波器的索引，在每一帧图像中利用瞳孔颜色定位瞳孔位置，将其作为初始目标位置，对初始目标位置周围的图像区域提取瞳孔关键点，利用特征匹配算法，将后续帧数的特征与初始特征匹配，根据匹配结果，不断估计更新进行跟踪。
[0023]
s202、眨眼次数数据处理：通过手机摄像头拍摄眨眼图像，利用计算机视觉以及图像处理技术分析眼睑状态进行眨眼特征提取，记录眨眼次数，使用边缘检测分割眼睑区域，
计算眼睑的形状特征，获取眼睑的面积、周长以及长宽比，所述计算具体公式为：眼睑面积：；眼睑周长：；长宽比：；其中s表示眼睑面积，表示眼睑轮廓的像素数，表示单位像素的实际长度，c表示眼睑周长，表示眼睑轮廓的边界长度，表示眼睑长宽比，表示长边长度，表示短边长度，利用颜色分布分析法提取眼睑的颜色特征，所述颜色分布分析法选择颜色空间描述眼睑颜色特征，对于眼睑区域，将其转换到颜色空间中，统计该区域内每个颜色通道的像素值分布，缩小睁眼闭眼状态下眼见颜色差异，利用光流分析提取眼睑的运动特征，所述光流分析计算眼睑中各个像素的运动向量，其具体公式为：；其中表示估计运动向量的最小误差，x、y表示图像在x、y方向的梯度，t表示两个时间点的灰度差，u、v表示运动向量的分量。
[0024]
103、利用贝塞尔曲线判断眼球运动轨迹，计算眨眼次数分均值，于云数据常值对比获取数据，包括判断眼球运动轨迹以及判断眨眼次数分均常值两个子单元；本实施例中，具体需要说明的是云数据常值判断模块，所述云数据常值判断模块包括判断眼球运动轨迹以及判断眨眼次数分均常值两个子单元，具体包括以下内容：s301、判断眼球运动轨迹：通过分析处理好的眼球运动轨迹数据，确定眼球在观察过程中的注视点，所述注视点判断条件为确定眼球在某个位置停留的时间是否达到注视的条件，通过设定一个时间窗口实现，若在该时间窗口内眼球位置保持稳定，且没有快速移动，即视为是一个注视点，利用曲线拟合法估计计算眼球的扫视路径，所述曲线拟合为贝塞尔曲线，其具体公式为：；其中表示曲线上的点的坐标，表示曲线上的位置，取值范围在[0,1]的参数，、、、表示控制点的坐标，将离散的眼球位置数据连接起来，形成平滑的运动轨迹，通过云数据中心展示注视点分布，比较正常眼球运动轨迹数据，解释眼球运动轨迹数据的结果。
[0025]
s302、判断眨眼次数分均常值：设置正常眨眼次数分均常值的阈值为15次/分钟，将处理好眨眼次数数据传输到云数据中心，计算眨眼次数分均值，其具体计算公式为：；其中a表示眨眼次数分均值，c表示处理好的眨眼次数，min表示一分钟，得出的眨眼次数分均值与云数据中心常值比较，划分疲劳等级数据，传输到亮度调节模块。
[0026]
104、对传输数据分级，建立斯托普函数，利用人眼主观感知调节亮度；本实施例中，具体需要说明的是亮度调节模块，所述亮度调节模块对传输的数据进行分级，分配不同的亮度值，若眨眼次数均值小于10次/分钟以及眼球频繁移动和瞳孔频繁变化时，分级为严重疲劳等级，若眨眼次数均值取值10次/分钟到15次/分钟以及眼球运动轨迹符合拟合轨迹时，分级为适中疲劳等级，若眨眼次数均值大于15次/分钟，分级为轻度疲劳等级，将疲劳等级数据存储在云数据中心，结合手机屏幕亮度控制系统调节亮度，所述手机屏幕亮度控制系统定义了疲劳等级与光感对应关系，该亮度控制模型通过斯托普函数的经验定律建立，人眼主观感知到的亮度与光源的物理亮度之间非呈线性关系，而是呈现出一个幂函数的关系，当光源的亮度增加时，人眼的主观亮度相应地也会增加，疲劳等级相应提高，较低亮度范围内，人眼对亮度变化的敏感度较高，在较高亮度范围内，人眼对亮度变化的敏感度相对较低，所述斯托普函数具体公式为：；其中表示视觉感知强度，、表示测量得到的常数，表示光源亮度。
[0027]
105、通过手机屏幕亮度控制系统的亮度对应疲劳等级，定期提醒用户休息和放松眼睛，显示终端可以是手机、平板以及电脑等显示终端，在此不做具体限定；本实施例中，具体需要说明的是视觉疲劳提示模块，所述视觉疲劳提示模块通过手机屏幕亮度控制系统的亮度对应疲劳等级，定期提醒用户休息和放松眼睛，根据手机屏幕亮度强弱设定时间间隔，向用户发送绿、黄、红三种提醒信息，三种提醒信息包括通过蓝光过滤器改变屏幕颜色缓解眼睛疲劳、眨眼以及不良姿势提示，鼓励用户进行眼部休息和调整姿势、强制减弱手机屏幕亮度，告知用户疲劳等级已超过最高等级，显示终端可以是手机、平板以及电脑等显示终端，在此不做具体限定。
[0028]
本发明中的公式是去除量纲取其数值计算，通过采集大量数据进行软件模拟得到最接近真实情况的一个公式，公式中的预设比例系数由本领域的技术人员根据实际情况设定或者通过大量数据模拟获取。
[0029]
在本技术所提供的实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其他的形式。
[0030]
以上所述，仅为本技术的具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应以所述权利要求的保护范围为准。
[0031]
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

技术特征：
1.一种手机屏幕亮度的控制方法，其特征在于：具体包括以下步骤：步骤101、利用红外成像技术以及卷积神经网络模型获取眼球运动轨迹以及眨眼次数，包括跟踪眼球运动轨迹以及记录眨眼次数两个子单元；步骤102、利用高斯滤波以及边缘检测对眼球运动轨迹以及眨眼次数数据进行处理；步骤103、利用贝塞尔曲线判断眼球运动轨迹，计算眨眼次数分均值，于云数据常值对比获取数据，包括判断眼球运动轨迹以及判断眨眼次数分均常值两个子单元；步骤104、对传输数据分级，建立斯托普函数，利用人眼主观感知调节亮度；步骤105、通过手机屏幕亮度控制系统的亮度对应疲劳等级，定期提醒用户休息和放松眼睛。2.根据权利要求1所述的一种手机屏幕亮度的控制方法，其特征在于：所述步骤101中，利用红外成像技术以及卷积神经网络模型获取眼球运动轨迹以及眨眼次数，包括跟踪眼球运动轨迹以及记录眨眼次数两个子单元。3.根据权利要求1所述的一种手机屏幕亮度的控制方法，其特征在于：所述步骤102中，利用高斯滤波以及边缘检测对眼球运动轨迹以及眨眼次数数据进行处理，利用颜色分布分析法提取眼睑的颜色特征，具体公式如下：；；；其中表示模糊后的像素值，表示高斯滤波器的标准差，表示滤波器范围内的像素值，、表示滤波器的索引，s表示眼睑面积，表示眼睑轮廓的像素数，表示单位像素的实际长度，c表示眼睑周长，表示眼睑轮廓的边界长度，表示眼睑长宽比，表示长边长度，表示短边长度，表示估计运动向量的最小误差，x、y表示图像在x、y方向的梯度，t表示两个时间点的灰度差，u、v表示运动向量的分量。4.根据权利要求1所述的一种手机屏幕亮度的控制方法，其特征在于：所述步骤103中，利用贝塞尔曲线判断眼球运动轨迹，计算眨眼次数分均值，于云数据常值对比获取数据，包括判断眼球运动轨迹以及判断眨眼次数分均常值两个子单元，具体公式如下：；；其中表示曲线上的点的坐标，表示曲线上的位置，取值范围在[0,1]的参数，、、、表示控制点的坐标，a表示眨眼次数分均值，c表示处理好的眨眼次数，min表
示一分钟。5.根据权利要求1所述的一种手机屏幕亮度的控制方法，其特征在于：所述步骤104中，对传输数据分级，建立斯托普函数，利用人眼主观感知调节亮度；；其中表示视觉感知强度，、表示测量得到的常数，表示光源亮度。6.根据权利要求1所述的一种手机屏幕亮度的控制方法，其特征在于：所述步骤105中，通过手机屏幕亮度控制系统的亮度对应疲劳等级，定期提醒用户休息和放松眼睛。7.一种手机屏幕亮度的显示终端应用于如权利要求1-6任一所述的一种手机屏幕亮度的控制方法，其特征在于：包括视网膜感知模块、感知数据处理模块、云数据常值判断模块、亮度调节模块和视觉疲劳提示模块；视网膜感知模块：利用红外成像技术以及卷积神经网络模型获取眼球运动轨迹以及眨眼次数，包括跟踪眼球运动轨迹以及记录眨眼次数两个子单元；感知数据处理模块：利用高斯滤波以及边缘检测对眼球运动轨迹以及眨眼次数数据进行处理；云数据常值判断模块：利用贝塞尔曲线判断眼球运动轨迹，计算眨眼次数分均值，于云数据常值对比获取数据，包括判断眼球运动轨迹以及判断眨眼次数分均常值两个子单元；亮度调节模块：对传输数据分级，建立斯托普函数，利用人眼主观感知调节亮度；视觉疲劳提示模块：通过手机屏幕亮度控制系统的亮度对应疲劳等级，定期提醒用户休息和放松眼睛。

技术总结
本发明公开了一种手机屏幕亮度的控制方法及其显示终端，具体涉及电力数据处理领域，包括视网膜感知模块、感知数据处理模块、云数据常值判断模块、亮度调节模块和视觉疲劳提示模块，采用了视网膜感知获取用户眼球运动轨迹以及眨眼次数判定用眼是否疲劳，将其数据评定等级，按照数据等级对比云数据中心常值，根据用户的用眼程度进行自适应调节手机屏幕亮度，并通过等级提示鼓励用户进行眼部休息和调整姿势，有助于减少暴露在手机蓝光下的时间，降低导致视觉疲劳和睡眠问题的风险，在眼睛放松状况下，可以增加屏幕亮度以提供更好的可见性，在用眼过度下，可以降低屏幕亮度以减少眼睛的疲劳。睛的疲劳。睛的疲劳。


技术研发人员：张晓青
受保护的技术使用者：深圳市达瑞电子科技有限公司
技术研发日：2023.08.23
技术公布日：2023/9/20