[发明专利]一种基于动态眼动指标的眼势交互模型方法

权利要求书

1.一种基于动态眼动指标的眼势交互模型方法，其特征在于，包括以下步骤：

预先基于眼动仪获取原始眼动轨迹数据，并提取原始眼动轨迹数据中各注视点的坐标数据、兴趣区域数据和注视持续时间数据作为特征信息；

其中，所述特征信息，包括：

坐标数据为注视点在屏幕中的二维坐标，记为X和Y；

兴趣区域数据为注视点在屏幕中所在区域的位置，表示为AOI_k；

注视持续时间数据为当前注视点持续的时间，记为fixduration；

将提取的特征信息进行预处理得到的m个注视点的数据后根据权重计算方法计算出各兴趣区域的权重值；

其中，所述特征信息进行预处理，包括以下步骤：

剔除不在X和Y范围内的注视点的坐标数据、该点对应的兴趣区域数据和注视持续时间数据；

将剔除后剩余的注视点进行重新规划，包括以下步骤：

计算剩余n个注视点之间的经过的路程长度length，并指定重新规划所需的点的数量m；

计算m个点间的等距离distance=length/(m-1)，并对剩余的n个注视点按线性插值法以距离distance插入新的点；

获得重新规划后的m个点；

并将各权重值作为新特征值输入眼势识别算法中，用户的操作做为输出，通过神经网络模型输出后，得到了特征值与用户操作的对应关系值，获取识别结果，对用户想要进行的操作进行预测。

2.根据权利要求1所述的基于动态眼动指标的眼势交互模型方法，其特征在于，所述原始眼动轨迹数据，包括刷新操作数据、查看进度操作数据、最小化操作数据、关闭操作数据、查看目录操作数据、搜索操作数据、缩放操作数据、保存操作数据、复制操作数据和换页操作数据。

3.根据权利要求1所述的基于动态眼动指标的眼势交互模型方法，其特征在于，所述神经网络模型，包括：

五层全连接神经网络，其中包括一个输入层、三个隐藏层、一个输出层；

隐藏层中使用了relu激活函数；

输出层中使用了softmax激活函数和交叉熵损失函数。