[发明专利]基于眼动算法的测试方法

说明书

本发明所述基于眼动算法的测试方法，创造性地定义出眼动算法性能测试的相关指标，围绕相关测试指标提出一种眼动追踪算法性能测试的通用环境与测试流程整体，以期实现眼动算法测试的通用性、提升算法研发的效率和缩短研发周期，对算法的研发迭代提供指导性方向与参考。所述的测试方法，是将眼动算法的性能测试与眼动算法的研发本身解耦，使得测试环境不局限于某种具体的眼动追踪算法，从而建立起一个通用的眼动算法性能测试环境。测试方法包括定义了眼动算法性能的相关测试指标，定义了眼动算法性能测试环境的整体架构，提出执行眼动算法性能测试的流程步骤。

技术领域

本发明涉及一种基于眼动算法的性能指标进行综合测试与评估的方法，具体地是对于满足输入格式的眼动算法从多个维度来衡量其性能指标的优劣与验证其正确性，属于计算机视觉及图形学领域。

背景技术

随着眼动追踪技术的快速发展，眼动追踪算法的改进在计算机视觉领域也日益受到更多的关注，成为当前视觉与图形学处理技术的热点问题之一。在虚拟现实中，人工智能和人机交互领域有相当光明的研究前景和商业应用背景。

眼动追踪是指通过测量眼睛的注视点位置或者眼球相对头部的运动而实现对眼球的追踪。通俗地来说，就是确定人眼球注视点的位置或者注视的精确方向。

当前，眼动追踪的方法主要有以下两种：一是，基于模型的眼动追踪和基于外观的眼动追踪技术。基于模型的眼动追踪技术,是目前精度最好，但也是最为昂贵的。此类设备一般通过建立眼球模型，通过额外的红外光源和相机作为辅助设备，通过方程组的求解来估计注视向量。二是，得益于深度学习的发展，基于外观的眼动追踪技术在近几年发展迅速。其优点在于不需要额外的红外光源，设备简单，一般只需要一个相机即可。基于外观的眼动追踪技术只需要眼部图像作为输入，便能预测注视向量，对光照，肤色，头部位置等因素有很好的鲁棒性。

无论对于何种类型的眼动追踪算法，都需要相应的指标参数来衡量最终的眼动追踪性能。因而在现有眼动算法的研发过程中，出现了以下设计与测证课题要求：第一，需要衡量眼动算法本身的好坏。包括但不限于，眼动算法的精度、准确度、对光照等外部环境的鲁棒性等等。第二，对于同一种类型的两个算法A和B，若算法B在A的基础上做了一定的修改(例如算法本身的修改、算法输入的修改等)，则相应地要求具备衡量两个算法之间差异程度的能力，从而分析出此类改动对于眼动追踪性能的影响。第三，对于不同类型的眼动追踪算法，需要能够对比相互之间的优劣。

目前国内外还未公开有一种通用型的眼动算法性能测试方案，有鉴于此，特提出本专利申请。

发明内容

本发明所述基于眼动算法的测试方法，其目的在于解决上述现有技术中存在的实际需求与技术难点而创造性地定义出眼动算法性能测试的相关指标，围绕相关测试指标提出一种眼动追踪算法性能测试的通用环境与测试流程整体，以期实现眼动算法测试的通用性、提升算法研发的效率和缩短研发周期，对算法的研发迭代提供指导性方向与参考。

为实现上述发明目的，本申请所述的基于眼动算法的测试方法，是将眼动算法的性能测试与眼动算法的研发本身解耦，使得测试环境不局限于某种具体的眼动追踪算法，从而建立起一个通用的眼动算法性能测试环境。

基于上述方案构思，本申请测试方法提出以下三点设计：定义了眼动算法性能的相关测试指标，定义了眼动算法性能测试环境的整体架构，提出执行眼动算法性能测试的流程步骤。

一、关于眼动算法性能测试指标的定义

在相关测试指标定义中，包括单实例性能指标、组内性能指标和组间性能指标。

单实例指标，包括但不限于稳定性、精确性和运行速度。

组内性能指标，是定义组内指标计算模块的结果，如S(i,j),即算法i在组索引为j的测试数据上的所有性能指标的集合。组内性能指标S(i,j)包括但不限于准确性、方差、最大差值和精度。