本文以2D和3D显示为研究载体，采用主观问卷、ECG、眼动信号和视功能参数相结合的测量方法研究不同显示模式对视疲劳的影响。结果表明，观看3D显示后，最佳矫正远视力（BCDVA）、泪膜破裂时间（TBUT）、瞳孔直径和香农熵的相对变化量均显著大于观看2D显示后的相对变化量。50 min后，观看2D和3D显示引起的峰峰（RR）间期值和心率（HR）相对变化量的差异逐渐增加。不同类型显示模式对主观打分症状、视功能参数、心电参数和眼动参数产生不同的影响，观看3D显示后引起的视疲劳比观看2D显示大，特别是50 min以后观看3D显示引起的疲劳程度显著大于观看2D显示，这对于3D电影制作具有参考价值。

为了实现非接触式的日常精神压力检测，本文提出了一种基于成像式光体积描记术的精神压力检测方法。首先，通过手机摄像头记录受试者面部视频，再采用本文所提出的基于Face Mesh的动态感兴趣区域（Region of Interest，ROI）提取方法获得心率波动引起的皮肤微弱颜色变化。接下来，将快速独立成分分析（FastICA）算法、小波变换和窄带带通滤波相结合，提取基于图像的光体积描记术信号和心率变异性信息。然后，对30名受试者进行了压力诱导实验，通过比较受试者正常和应激状态下心率变异性参数的差异，筛选了用于精神压力检测的14个特征，并探讨了压力诱导的短期精神压力和日常精神压力之间的关系。最后，另外选取67名受试者进行日常精神压力检测，使用机器学习算法建立了精神压力检测的三分类器。实验结果表明：精神压力三分类准确率达到95.2%。鉴于这种方法不需要长期测量，仅使用智能手机就可以准确检测人类精神压力水平，而且测量方法简单，测量时间短，易操作，不会影响受试者的正常心理和精神状态，因此可以作为一种有效的心理学研究工具。