[发明专利]一种眼动点数据分类模型的构建方法及系统

权利要求书

1.一种眼动点数据分类模型的构建方法，其特征在于，包括以下步骤：

获取原始眼动数据；

对所述原始眼动数据进行预处理得到预处理后的眼动数据；

根据所述眼动数据计算特征数据；所述特征数据包括：单位时间内眼动数据分布的最小覆盖圆半径R、单位时间内相邻欧氏距离比值的加权平均和β和单位时间内欧氏距离的方差ΔL²；

利用单位时间内眼动数据分布的最小覆盖圆半径R、单位时间内相邻欧氏距离比值的加权平均和β和单位时间内欧氏距离的方差ΔL²将所述眼动点分为注视点、扫视点，所述注视点中含有平滑尾随点；

将特征数据输入预设的决策树模型中构建眼动点数据分类模型；

所述特征数据的提取，包括以下步骤：

向预设程序中输入训练集数据G＝{g₁,g₂,......g_n}，设g_i为第i个眼动轨迹点，所述g_i对应的坐标点为(X,Y,t)，i的取值为1,2,....n,n为该集合所包含轨迹点的个数；

计算输入数据中相邻点之间的欧式距离，第i个点与第i+1个点之间的欧式距离为L，计算公式如下：

单位时间内相邻欧氏距离比值的加权平均和β，计算公式如下：

计算输入连续眼动数据点运动方向α，第i点的运动方向为α_i，计算公式如下：

故，单位时间内相邻运动方向变化率Δα，计算公式如下：

计算输入数据固定单位时间内每三点之间的曲率半径r，某单位时间i内包括点集G_i＝{g₁,g₂,......g_k}，可计算出来连续三点之间的距离a,b,c，若三点不共线，则：

计算输入数据固定单位时间内欧式距离的方差ΔL²，某单位时间i内包括点集G_i＝{g₁,g₂,......g_k}，可计算出相邻点欧式距离集合L_i＝{L₂,......L_k}，其中k≥3，计算公式如下：

计算输入数据固定单位时间内最小覆盖圆半径R，某单位时间i内包括点集G_i＝{g₁,g₂,......g_k}，其中k≥3，具体步骤如下：

找到同一单位时间i内的点集G_i＝{g₁,g₂,......g_k}，其中k≥3

取g₁、g₂两点，以g₁g₂为直径得到初始圆C₂；

按顺序依次加入点集G_i＝{g₁,g₂,......g_k}中的点，设当前点为g_i，若该点在所述圆C₂内，则所述圆C₂的半径即为所述单位时间内点集最小覆盖圆半径；

若否，则以g₁g_i为直径暂得一个圆C_i，插入点g_i一定在所述圆C_i的边界上；

所述圆C_i未必可包含1～i所有的点，可找到不在C_i中的一点g_j(j＜i)，以g_ig_j为直径暂得一个圆C_j，则g_i、g_j一定在所述圆C_i的边界上；

所述圆C_j未必包括1～j中所有的点，找到不在C_j中的一点g_k(k＜j＜i)，以g_i,g_j,g_k建立新圆，则g_i,g_j,g_k一定在所述新圆边界上，所述新圆的半径即为所述单位时间内点集最小覆盖圆半径R。