【技术实现步骤摘要】
本申请涉及数据处理，具体涉及一种视线焦点预测方法、装置、电子设备及可读存储介质。
技术介绍
1、眼动追踪能够利用设备实时捕获用户视线数据，包括浏览画面和曝光焦点，从而改善用户和前端交互的效果。在相关技术中，通过获取眼动数据以及用户注视区域的环境数据，并通过卷积神经网络模型处理眼动数据和环境数据，以确定用户的视线焦点。但相关技术中通过卷积神经网络处理眼动数据预测得到的位置与实际位置仍存在一定偏差，存在视线焦点的预测准确率低的问题。
2、可见，相关技术中存在视线焦点的预测准确率低的问题。
技术实现思路
1、本申请实施例提供一种视线焦点预测方法、装置、电子设备及可读存储介质，以解决现有技术中存在视线焦点的预测准确率低的问题。
2、为解决上述问题，本申请是这样实现的：
3、第一方面，本申请实施例提供一种视线焦点预测方法，包括：
4、获取眼动数据，所述眼动数据包括连续多个时间步的眼动图像；
5、对每个时间步的眼动图像进行特征提取，得到所述每个时间步在不同尺度条件下对应的n个特征图，n为大于1的整数；
6、计算所述每个时间步对应的n个特征图中每个特征图对应的权重，所述权重用于表征所述每个时间步对应的特征图与前一时间步对应的特征图之间的差异情况；
7、基于所述每个时间步对应的所述n个特征图和所述每个特征图对应的权重，计算得到所述眼动图像在所述每个时间步的目标特征；
8、基于所述眼动图像在所述每个时间步
9、第二方面，本申请实施例还提供一种视线焦点预测装置，包括：
10、第一获取模块，用于获取眼动数据，所述眼动数据包括连续多个时间步的眼动图像；
11、提取模块，用于对每个时间步的眼动图像进行特征提取，得到所述每个时间步在不同尺度条件下对应的n个特征图，n为大于1的整数；
12、第一计算模块，用于计算所述每个时间步对应的n个特征图中每个特征图对应的权重，所述权重用于表征所述每个时间步对应的特征图与前一时间步对应的特征图之间的差异情况；
13、第二计算模块，用于基于所述每个时间步对应的所述n个特征图和所述每个特征图对应的权重，计算得到所述眼动图像在所述每个时间步的目标特征；
14、预测模块，用于基于所述眼动图像在所述每个时间步的目标特征预测得到视线焦点位置。
15、第三方面，本申请实施例还提供一种电子设备，包括收发机和处理器，
16、所述收发机，用于获取眼动数据，所述眼动数据包括连续多个时间步的眼动图像；
17、所述处理器，用于对每个时间步的眼动图像进行特征提取，得到所述每个时间步在不同尺度条件下对应的n个特征图，n为大于1的整数；
18、所述处理器，还用于计算所述每个时间步对应的n个特征图中每个特征图对应的权重，所述权重用于表征所述每个时间步对应的特征图与前一时间步对应的特征图之间的差异情况；
19、所述处理器，还用于基于所述每个时间步对应的所述n个特征图和所述每个特征图对应的权重，计算得到所述眼动图像在所述每个时间步的目标特征；
20、所述处理器，还用于基于所述眼动图像在所述每个时间步的目标特征预测得到视线焦点位置。
21、第四方面，本申请实施例还提供一种电子设备，包括：处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序，所述程序被所述处理器执行时实现如上述第一方面所述的视线焦点预测方法的步骤。
22、第五方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上述第一方面所述的视线焦点预测方法的步骤。
23、第六方面，本申请实施例还提供一种计算机程序产品，包括计算机指令，所述计算机指令被处理器执行时实现如上述第一方面所述的视线焦点预测方法的步骤。
24、在本申请实施例中，获取眼动数据，眼动数据包括连续多个时间步的眼动图像；对每个时间步的眼动图像进行特征提取，得到每个时间步在不同尺度条件下对应的n个特征图，n为大于1的整数；计算每个时间步对应的n个特征图中每个特征图对应的权重，权重用于表征每个时间步对应的特征图与前一时间步对应的特征图之间的差异情况；基于每个时间步对应的n个特征图和每个特征图对应的权重，计算得到眼动图像在每个时间步的目标特征；基于眼动图像在每个时间步的目标特征预测得到视线焦点位置。这样，通过计算每个时间步在不同尺度条件下对应的n个特征图，并计算得到每个特征图对应的权重，通过每个特征图对应的权重计算得到目标特征，使得目标特征能更准确地捕获眼动行为的时序变化，从而提高算法的时序敏感性和预测准确度，进而提高视线焦点的预测准确率。
本文档来自技高网...【技术保护点】
1.一种视线焦点预测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述计算所述每个时间步对应的n个特征图中每个特征图对应的权重，包括：
3.如权利要求1所述的方法，其特征在于，所述基于所述眼动图像在所述每个时间步的目标特征预测得到视线焦点位置，包括：
4.如权利要求3所述的方法，其特征在于，所述基于所述眼动图像在所述每个时间步的目标特征、所述前一时间步对应的时序自适应因子和所述每个时间步的位置编码，计算得到所述每个时间步对应的自注意力信息，包括：
5.如权利要求1至4中任一项所述的方法，其特征在于，所述基于所述眼动图像在所述每个时间步的目标特征预测得到视线焦点位置之后，所述方法还包括：
6.如权利要求5所述的方法，其特征在于，所述用户画像向量通过如下方式得到：
7.一种视线焦点预测装置，其特征在于，包括：
8.一种电子设备，其特征在于，包括收发机和处理器，
9.一种电子设备，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6中任一项所述的视线焦点预测方法的步骤。
11.一种计算机程序产品，其特征在于，包括计算机指令，所述计算机指令被处理器执行时实现如权利要求1至6中任一项所述的视线焦点预测方法的步骤。
...【技术特征摘要】
1.一种视线焦点预测方法，其特征在于，包括：
2.如权利要求1所述的方法，其特征在于，所述计算所述每个时间步对应的n个特征图中每个特征图对应的权重，包括：
3.如权利要求1所述的方法，其特征在于，所述基于所述眼动图像在所述每个时间步的目标特征预测得到视线焦点位置，包括：
4.如权利要求3所述的方法，其特征在于，所述基于所述眼动图像在所述每个时间步的目标特征、所述前一时间步对应的时序自适应因子和所述每个时间步的位置编码，计算得到所述每个时间步对应的自注意力信息，包括：
5.如权利要求1至4中任一项所述的方法，其特征在于，所述基于所述眼动图像在所述每个时间步的目标特征预测得到视线焦点位置之后，所述方法还包括：
6.如权利要求5所述的方法，其特征在...
【专利技术属性】
技术研发人员：钱奕羽，李勇，李可欣，
申请(专利权)人：中移苏州软件技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。