[发明专利]基于模型融合的案件知情者识别方法

权利要求书

1.基于模型融合的案件知情者识别方法，其特征在于：包括以下步骤，

步骤A，提取各个被测试者在观看单一图片时的32维眼动特征；

步骤B，基于32维眼动特征训练支撑向量机模型A，来识别每个被测试者在单一图片时的言语置信度，并输出每个被测试者在单一图片时的概率f₁(x_i)和f₂(x_i)，其中，x_i代表第i个被测试者，f₁和f₂分别表示第i个被测试者在单一图片时是知情者或者不是知情者的概率；

步骤C，提取各个被测试者在观看组合图片时的110维眼动特征；

步骤D，基于110维眼动特征训练支撑向量机模型B，来识别每个被测试者在组合图片时的言语置信度，并输出每个被测试者在组合图片时的概率g₁(x_i)和g₂(x_i)，其中，x_i代表第i个被测试者，g₁和g₂分别表示第i个被测试者在组合图片时是知情者或者不是知情者的概率；

步骤E，运用乘法规则，融合支撑向量机模型A和B的分类器概率，得到联合概率f₁(x_i)g₁(x_i)和f₂(x_i) g₂(x_i)，取各个被测试者概率最大对应的的类别为最后的决策结果。

2.根据权利要求1所述的基于模型融合的案件知情者识别方法，其特征在于：步骤A，所述32维眼动特征，包括眨眼统计量6项：眨眼次数、眨眼频率、眨眼总持续时间、平均眨眼时长、眨眼持续时长最大值、眨眼持续时长最小值；注视统计量11项：注视次数、注视频率、注视总时长、平均注视时长、注视时长最大值、注视时长最小值、总注视偏差、平均注视偏差、最大注视偏差、最小注视偏差、扫视路径长度；眼跳统计量15项：眼跳次数、眼跳频率、眼跳总时长、眼跳平均时长、眼跳时长最大值、眼跳时长最小值、总的眼跳幅度、平均眼跳幅度、最大眼跳幅度、最小眼跳幅度、总眼跳速度、平均眼跳速度、眼跳最大速度、眼跳最小速度、平均眼跳延迟时间。

3.根据权利要求1所述的基于模型融合的案件知情者识别方法，其特征在于：步骤C，所述110维眼动特征是指组合图片上分10个区，每个区有11维特征，包括兴趣区中注视时间总和Net Dwell Time、兴趣区中注视与眼跳时间之和Dwell Time、进入兴趣区的眼跳时间与Dwelltime之和Glance Duration、离开兴趣区的眼跳时间与Glance Duration之和、首次注视时长、眼跳从其他区域跳到该区域的次数、注视次数、兴趣区中注视时间总和Net DwellTime占总时间的比例、兴趣区中注视与眼跳时间之和Dwell Time占总时间的比例、总注视时长、总注视占总时间的比例。