一种识别和量化眼跳入侵的方法技术

本发明专利技术公开一种识别和量化眼跳入侵的方法，包括以下步骤：提取原始眼动数据；对提取的数据进行预处理；进行眼跳性眼动检测；识别注视眼动；基于注视基线识别眼跳入侵；进行数据清理；量化眼跳入侵。本发明专利技术基于当前眼动研究技术，提出了一种识别和量化眼跳入侵的方法，能够稳定和准确有效地识别和量化眼跳入侵。

【技术实现步骤摘要】
一种识别和量化眼跳入侵的方法
本专利技术涉及眼动
，特别是涉及一种识别和量化眼跳入侵的方法。
技术介绍
近年来，随着人工智能的发展，眼动技术也逐渐成为当前研究的热门方向和前沿技术。眼睛有两种区别很明显的运动，注视和眼跳。眼动过程中的眼跳入侵是一种特殊的只在眼睛注视时发生的水平方向上眼跳性眼动偏差。研究表明，眼跳入侵指标与操作者的工作负荷有关，当操作者的工作负荷增加时，眼跳入侵指标也会随之增加。目前对眼动技术的研究主要集中于注视行为和眼跳行为的识别，对其他一些眼动行为(例如眨眼等)识别的研究相对较少。现有的眼动行为识别算法虽然能在一定程度上识别出注视及眼跳行为，但是缺乏一定的准确性且很少能将眼跳行为量化。
技术实现思路
本专利技术的目的是提供一种识别和量化眼跳入侵的方法，以解决上述现有技术存在的问题，能够准确地将眼跳行为进行量化。为实现上述目的，本专利技术提供了如下方案：本专利技术提供一种识别和量化眼跳入侵的方法，包括以下步骤：S1、提取原始眼动数据；S2、对步骤S1提取的数据进行预处理；S3、进行眼跳性眼动检测；S4、识别注视眼动；S5、基于注视基线识别眼跳入侵；S6、对步骤S5获得的数据进行清理；S7、量化眼跳入侵。优选的，步骤S1中原始眼动数据由头戴式眼动仪获得，被保存为.TXT格式文件。优选的，步骤S2中数据预处理是将置信度低于0.8的数据点、不在屏幕上的数据点和缺失数据点进行替换。优选的，步骤S3中眼跳性眼动检测采用EK算法。优选的，步骤S3中所述眼跳性眼动，包括常规眼跳和眼跳性眼动偏移。优选的，步骤S4中通过消除所述眼跳性眼动偏移，获得常规眼跳，所述常规眼跳的补集即注视眼动。优选的，步骤S5中利用两个移动中值窗识别出每段注视眼动过程中的眼跳性眼动偏差，即获得眼跳入侵。优选的，步骤S6中数据清理包括：常规眼跳残留、不合理注视过程和无效数据。优选的，步骤S7中，将步骤6获取的数据进行分类，得到全部眼跳入侵值和较小眼动偏差值，计算眼跳入侵值和较小眼动偏差值的平均值，得到平均眼跳入侵值，平均较小眼动偏差值，即完成眼跳入侵量化。本专利技术公开了以下技术效果：相对于现有技术，本专利技术的优点在于方法的可靠性、稳定性和准确性，该方法能够稳定且准确地识别眼跳入侵，进一步将眼跳入侵量化，方便对眼跳入侵的影响进行研究。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术的方法流程图；图2为眼动仪空间坐标系与标准化空间坐标系简化示意图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。参考图1，本专利技术提供一种识别和量化眼跳入侵的方法，包括以下步骤：第一步，通过头戴式眼动仪获取被研究对象的原始眼动数据，参考图2，由于本实施例采用头戴式眼动仪，因此眼动仪坐标系的原点相对于头部固定，其中被试的右手方向为坐标系X轴正方向，向上是Y轴的正方向，向前是Z轴的正方向。被试者面部正对屏幕中央，面部的法线垂直于屏幕。视轴是一条连接眼睛所看的屏幕上的位置与瞳孔中心的直线，F点是视轴与屏幕的交点，即被试此刻观察的屏幕上一点。标准空间坐标系的原点为眼动仪坐标系的原点，标准空间坐标系的正方向与眼动仪空间坐标系相同。原始数据样本中的Gaze_normal0_x、Gaze_normal0_y和Gaze_normal0_z三列分别是将视轴在标准化空间坐标系中的X轴坐标、Y轴坐标和Z轴坐标，在标准空间坐标系中三个坐标轴的范围为[-1,1]。diameter_3d是眼动仪检测到的瞳孔直径，当瞳孔的检测面积不完全时系统自动处理成圆形，给出一个直径和置信度，当置信度大于等于0.8时，数据是可信的。x_scaled和y_scaled是眼动仪采样时眼睛观察位置的屏幕坐标，单位为像素，本实施例中所使用的电脑的分辨率为1366x768，因此x_scaled的范围是[0,1366],y_scaled的范围是[0,768]；on_srf是一列逻辑值数列，用来判断眼睛在采样时刻是否注视着屏幕范围，如果为1，表示采样的时刻被试者是看着屏幕中的某一处，如果为0，表示采样时刻被试者正在看屏幕以外的位置。原始数据最后保存为“txt”格式的文件。眼动数据的类型如表1所示：表1第二步，对获取的原始眼动数据进行预处理，对置信度低于0.8的点、不在屏幕上的点以及缺失数据进行替换，替换为该点前十个数据的中值。第三步，采用EK算法进行眼跳性眼动检测。EK算法本质为一种速度阈值算法。每个点的速度由公式(1)获得：式中是是数据点n后的第二个数据点的水平角度；是数据点n后的第一个数据点的水平角度；是数据点n之前的第一个数据点的水平角度；是数据点n之前的第二个数据点的水平角度；Δt是采样时间间隔。二维速度空间中眼跳性眼动检测的速度阈值，水平速度阈值σx与垂直速度阈值σy分别由公式(2)与公式(3)获得。式中符号<v>表示求中值。其中，检测阈值ηx和ηy是中值的倍数：ηx＝λσxηy＝λσy式中λ是眼跳性眼动检测方法中需要合理设定的参数。最后检测出的一个可能的眼跳性眼动t(k)满足公式(4)：其中k表示第k个数据点，在本步中识别出了眼跳性眼动，计算这些眼跳性眼动过程中的眼跳峰速度和眼跳最大幅度，眼跳最大幅度增大时，眼跳峰速度也随之增大，以眼跳最大幅度作为横轴，眼跳峰速度作为纵轴，可以观察到一条直线的趋势，二者之间的主序关系可以体现出该算法的准确性。第四步，识别出了眼跳性眼动，眼跳性眼动包括常规眼跳和眼跳性眼动偏移。消除眼跳性眼动偏移，得到常规眼跳，常规眼跳的补集就是所有的注视眼动。第五步，基于注视基线识别眼跳入侵，即获取眼跳性眼动偏差数据。利用两个移动中值窗识别出每段注视眼动过程中的眼跳性眼动偏差，眼跳性眼动偏差即为眼跳入侵。两个移动中值窗包括大移动中值窗和小移动中值窗，取当前数据点之前1000ms和之后1000ms的数据的中值构成时间长度为2000ms的大移动中值窗，然而这个时间窗并不是连续的，时间窗正中500ms的内数据并不参与计算注视基线，该大移动中值窗用来确定基本文档来自技高网...

【技术保护点】
1.一种识别和量化眼跳入侵的方法，其特征在于：包括以下步骤：/nS1、提取原始眼动数据；/nS2、对步骤S1提取的数据进行预处理；/nS3、进行眼跳性眼动检测；/nS4、识别注视眼动；/nS5、基于注视基线识别眼跳入侵，即获取眼跳性眼动偏差数据；/nS6、对步骤S5获得的数据进行清理；/nS7、量化眼跳入侵。/n

【技术特征摘要】
1.一种识别和量化眼跳入侵的方法，其特征在于：包括以下步骤：
S1、提取原始眼动数据；
S2、对步骤S1提取的数据进行预处理；
S3、进行眼跳性眼动检测；
S4、识别注视眼动；
S5、基于注视基线识别眼跳入侵，即获取眼跳性眼动偏差数据；
S6、对步骤S5获得的数据进行清理；
S7、量化眼跳入侵。


2.根据权利要求1所述的识别和量化眼跳入侵的方法，其特征在于：所述步骤S1中原始眼动数据由头戴式眼动仪获得，被保存为.TXT格式文件。


3.根据权利要求1所述的识别和量化眼跳入侵的方法，其特征在于：所述步骤S2中数据预处理是将置信度低于预定阈值的数据点、不在屏幕上的数据点和缺失数据点进行替换。


4.根据权利要求1所述的识别和量化眼跳入侵的方法，其特征在于：所述步骤S3中眼跳性眼动检测采用EK算法。


5.根据权利要求1所述的识别...

【专利技术属性】
技术研发人员：靳慧斌，楚明健，常银霞，刘海波，冯朝辉，
申请(专利权)人：中国民航大学，
类型：发明
国别省市：天津;12