[发明专利]一种眼动点数据分类模型的构建方法及系统

说明书

本发明公开了一种眼动点数据分类模型的构建方法，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眼动数据，根据所述眼动数据计算特征数据，所特征数据包括：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、单位时间内欧氏距离的方差ΔL²、单位时间内相邻运动方向变化率Δα和单位时间内相邻三点的曲率半径r，本发明所构建出的决策树模型可高效实时地对眼动点数据进行分类，且可满足三种眼动类型的同步分类,可以对注视、扫视以及平滑尾随进行同步分类，适用于观察静态刺激情景和动态刺激，本发明实时眼动分类模型准确率高于现有眼动分类算法。

技术领域

本发明涉及视觉智能处理技术领域，尤其涉及一种眼动点数据分类模型的构建方法及系统。

背景技术

随着社会中各型各色的信息和事物呈现在人们眼前，在这些收入眼底的事物或信息中，人们通常是只对其中的一部分感兴趣，即使对这些事物或信息感兴趣，人们也不会在第一时间表达出来，所以为了得知人们对某些事物或信息是否感兴趣，通常采用眼动数据识别的方法来判断，对于人眼而言，眼球运动形式可分为以下三种类型：注视、扫视和平滑尾随，从眼球运动采集设备角度出发，则采集到的眼动数据由若干眼动点组成，眼动点分为注视点、扫视点和平滑尾随点，一般来说，眼球运动形式分类越详细，获得的数据越准确，最终得出的结果也就越接近人们的真实兴趣感受。

随着视觉智能处理技术的发展，对于人眼的动态捕捉能力和获取数据的精准度有了更高要求，传统技术是通过设定眼球转动的角速度阈值这种时间特征来实现对人眼运动形式的分类，角速度阈值的设定通常为技术人员根据经验得出的，本身存在一定的主观性，所以导致传统的眼动点数据分类的准确度并不能满足人们的要求，这种方法只能将人眼的注视和扫视动作分离开来，对于人眼的平滑尾随动作并没有明显的分类作用。

综上可知，提出一种能够同时分离注视、扫视和平滑尾随三种人眼动作的高精度眼动数据分类方法，成为了目前视觉智能处理技术领域要解决的首要问题。

发明内容

为了解决上述技术问题，进一步提升眼动数据分类的准确度，将获取的眼动数据能够分为注视、扫视和平滑尾随三种形式，本发明提供一种眼动点数据分类模型的构建方法及系统。

根据本发明的一个方面，提供一种眼动点数据分类模型的构建方法，包括：

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，利用所述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；

将特征数据输入预设的决策树模型中以构建眼动点数据分类模型。

与现有技术相比，本发明具有以下有益效果：