[0037]此外，可穿戴设备10还可以包括定时器16，用于对用户的用眼时间进行计时。在一种实现中，通过角度定位传感器和定时器16 —起来对用户的用眼时间进行计时。
[0038]具体而言，角度定位传感器可以测量可佩戴设备10在三个方向上的角度数值，并且定时器16可以在可佩戴设备10开启之后持续计时。在这种情况下，当微处理单元14确定角度定位传感器测量的三个方向上的角度数值在预定时间(例如2分钟内)内基本上没有变化或者变化范围小于特定阈值时，可以确定用户未佩戴该可佩戴设备10。在这种情况下，认为虽然可佩戴设备10开启，但是用户并未佩戴该设备，而是处于休息状态。反之，微处理器单元14可以确定用户正在佩戴并使用该设备，则定时器16对使用时间进行计时。
[0039]可穿戴设备10采集和/或处理后的各种信息被传递给用户终端20，以对这些信息进行初步处理，并且初步处理后的这些信息被传递给云端模块30。然而，本领域技术人员可以理解，本实用新型并不局限于此，可穿戴设备10采集和/或处理后的各种信息也可以直接传送给云端模块30以进行云端处理。
[0040]用户终端20可以是各种能够通过有线和/或无线方式与可穿戴设备10和/或云端模块30进行通信的设备。例如，用户终端20可以是移动电话、笔记本电脑、平板电脑、桌上型电脑等。用户终端20可以通过蜂窝网络、WiF1、蓝牙等无线方式，或者通过数据线或因特网等有线方式，与可穿戴设备10和/或云端模块30进行通信。
[0041]用户终端20包括用户接口 22，用于接收用户输入的特定于用户的信息。例如，特定于用户的信息可以包括用户基本信息，如用户的年龄、性别等。又例如，特定于用户的信息可以包括用户的静态眼部数据，如瞳距等基本不变的数据。又例如，特定于用户的信息可以包括用户的动态眼部数据，如屈光度等可能发生变化的数据。
[0042]在一些实现中，用户接口 22接收的特定于用户的信息还可以包括诸如用户的眼科疾病历史、家族眼科疾病历史之类的历史信息。例如，医学界已经证明，如果父母近视，则孩子近视的概率也大大提高，因此这样的家族眼科疾病历史对于用户的用眼监测和诊断也是非常有用的。
[0043]更进一步的，用户接口 22接收的特定于用户的信息还可以包括用户的眼科疾病治疗历史信息和/或眼科疾病用药历史信息。例如，对于曾经接受过近视矫正手术的用户和没有接受过近视矫正手术的用户，个人用眼监控系统100将给出不同的治疗或预防建议。
[0044]用户接口 22包括能够用于接收用户输入的各种接口，例如显示屏、触摸屏、麦克风等等。
[0045]此外，用户接口 22还包括能够向用户提供输出的各种接口，例如显示屏、扬声器等等。
[0046]在一些实现中，用户终端20还可以包括用户终端处理器24，用于对接收的来自可穿戴设备10的信息和/或用户通过用户接口 22输入的信息进行处理。例如，用户终端处理器24可以对角度传感器测量的三个方向的加速度值进行处理，将其转换为角度制，将定时器记录的秒数与用户终端当前的时间进行对比，以计算出可佩戴设备10内各条信息采集的时间点等。然而，本领域技术人员可以理解，本实用新型并不局限于此，用户终端20可以将所接收的或输入的信息直接传送给云端模块30而不对其进行任何处理。
[0047]云端模块30可以包括云端处理单元32，用于对可穿戴设备10采集的和输入到用户终端20的信息进行分类。具体而言，云端处理单元32可以使用算法处理来对接收的信息进行分类，以确定用户眼睛类型。以近视为例，用户眼睛类型可以分为:
[0048](1)行为性近视眼，是指后天因为眼睛过重的视觉行为造成的近视。这类近视相对发病较晚，能够通过行为干涉进行一定的预防，因此是根据本实用新型的设备的主要用户群。
[0049](2)遗传性近视眼，是指父母双方的家系中有高度近视患者。这类近视的发病年龄较早，加深速度快，通常来说各种防治方法效果不太理想。
[0050](3)疾病伴随的近视眼，是指其他眼科疾病带来的近视问题。这类近视防治通常比较困难。
[0051](4)发育异常性近视眼，是指胚胎发育异常导致的先天性近视眼。这类近视防治非常困难。
[0052]云端模块30还可以包括云端存储单元34，用于存储来自多个用户的可穿戴设备10和/或用户终端20的信息。此外，云端存储单元34还可以存储与如下所述的专家引擎36有关的各种信息或数据以及关于用户用眼的建议列表等。
[0053]进一步的，云端模块30还包括专家引擎36，用于基于特定规则或模型对云端处理单元32执行的分类进行修正。
[0054]专家引擎36可以是任何类型的专家系统，包括基于规则的系统或基于模型的系统。例如，专家引擎36可以使用神经网络系统、偏最小二乘法系统、主成分分析系统、回归系统等等中的任意一种来实现。专家引擎36可以使用云端存储单元34中存储的各种信息进行训练以产生训练模型，如神经网络模型、偏最小二乘法模型、回归模型等等，专家引擎36可以使用所产生的模型对云端处理单元32执行的分类进行修正。
[0055]进一步的，专家引擎36还可以随着时间推移使用更新的接收信息进行重新训练以更新所产生的训练模型。
[0056]接下来，云端处理单元32根据修正后的分类，从云端存储单元34中存储的关于用户用眼的建议列表中为用户选择一个或多个建议。
[0057]进一步的，专家引擎36还可以基于特定规则或模型对云端处理单元32选择的建议进行修正。
[0058]例如，对于上述第一类近视(即，行为性近视眼)来说，可以为其提供具体的训练或治疗方案，而对于其余几类近视，只能给予一定的用眼建议。
[0059]更具体的，对于第一类近视，可以按照近视度数和年龄这两个因素进一步划分为多个子类。
[0060]例如，按照近视度数可以进一步分为轻度近视(-3.00D以下)、中度近视眼(-3.00D?-6.00D)和高度近视(-6.00D以上)；按照年龄可以进一步分为14岁以前、14-18岁和18岁以后。
[0061]根据这两种因素的划分可以将第一类近视进一步划分为9个子类，然后云端处理单元32和专家引擎36根据用户所属的具体子类，向用户提供个性化的训练或治疗方案。该训练或治疗方案还会根据特定于用户的信息(例如用户的动态眼部数据，如近视度数)的改变而自动调整。
[0062]云端处理单元32选择的建议和/或专家引擎36修正过的建议被传送回用户终端
20 ο
[0063]在一种优选实现中，用户终端20可以对云端模块30反馈的建议进行过滤，并且仅将过滤后的建议提供给用户。
[0064]例如，用户终端20可以通过显示屏或触摸屏向用户呈现该建议，通过扬声器以语音形式向用户输出该建议，等等。
[0065]可以理解，本文所述的建议可以包括眼部治疗方案建议、用眼习惯建议、眼部训练内容建议和饮食建议等中的任意一种或多种。
[0066]根据本实用新型的进一步的实现，用户终端20，更具体地，用户终端处理器24，还可以根据云端模块30反馈的建议产生用于对可穿戴设备10的操作进行调整的控制信息。
[0067]在一种实现中，该控制信息可以用于调整可穿戴设备10的操作方式。例如，该控制信息可以用于调整传感器12中的一个或多个采集数据的方式，例如采集的时间间隔。又例如，该控制信息可以用于调整微处理单元14执行光谱检测的阈值，例如多少距离内认为