[发明专利]基于眼球追踪大数据的心动异性自动识别方法和系统

权利要求书

1.一种心动异性识别方法，包括以下步骤：

获取大量用户对各个异性的心动程度的打分，同时获取所述大量用户注视各个异性的时间相对长短、瞳孔相对大小；

统计出大量用户对各个异性的心动程度与其注视各个异性的时间相对长短、瞳孔相对大小之间的对应关系；

获取用户注视各个异性的时间相对长短、瞳孔相对大小；

根据用户注视各个异性的时间相对长短、瞳孔相对大小及其与用户对各个异性的心动程度的对应关系计算出用户对各个异性的心动程度。

2.如权利要求1所述的心动异性识别方法，其特征在于，用户注视各个异性的时间相对长短为用户注视各个异性的时间长度与用户注视各个异性的平均时间长度的比值，用户注视各个异性的瞳孔相对大小为用户注视各个异性的瞳孔大小与用户注视各个异性的平均瞳孔大小的比值，用户对各个异性的心动程度可以用非常心动、心动、有点心动、不心动这四个等级来表示，也可以采用百分制的打分方式来表示，还可以采用其他可以区分不同心动程度的方式来表示。

3.如权利要求1所述的心动异性识别方法，其特征在于，用户对各个异性的心动程度与其注视各个异性的时间相对长短、瞳孔相对大小之间的对应关系为注视异性的时间相对长短、瞳孔相对大小到对异性的心动程度的映射，统计出大量用户对各个异性的心动程度与其注视各个异性的时间相对长短、瞳孔相对大小之间的对应关系的算法包括但不限于回归分析算法、神经网络算法，当使用回归分析算法时，将注视异性的时间相对长短、注视异性的瞳孔相对大小作为自变量，异性的心动程度作为因变量进行回归分析，所述对应关系蕴含在回归分析得到的回归方程中，当使用神经网络算法时，将注视异性的时间相对长短、注视异性的瞳孔相对大小作为神经网络的输入，异性的心动程度作为神经网络的输出，对神经网络进行训练，所述对应关系蕴含在训练得到的神经网络中。

4.如权利要求1所述的心动异性识别方法，其特征在于，根据用户注视各个异性的时间相对长短、瞳孔相对大小及其与用户对各个异性的心动程度的对应关系计算出用户对各个异性的心动程度时，当对应关系蕴含在回归方程中，则用注视异性的时间相对长短、注视异性的瞳孔相对大小作为回归方程的输入，回归方程的输出为对异性的心动程度，当对应关系蕴含在神经网络中，则用注视异性的时间相对长短、注视异性的瞳孔相对大小作为神经网络的输入，神经网络的输出为对异性的心动程度。

5.一种心动异性识别装置，其特征在于，所述装置包括：

采集模块，用于获取大量用户对各个异性的心动程度的打分，同时获取所述大量用户注视各个异性的时间相对长短、瞳孔相对大小；

学习模块，用于统计出大量用户对各个异性的心动程度与其注视各个异性的时间相对长短、瞳孔相对大小之间的对应关系；

输入单元，用于获取用户注视各个异性的时间相对长短、瞳孔相对大小；

识别模块，用于根据用户注视各个异性的时间相对长短、瞳孔相对大小及其与用户对各个异性的心动程度的对应关系计算出用户对各个异性的心动程度。

6.如权利要求5所述的心动异性识别装置，其特征在于，用户注视各个异性的时间相对长短为用户注视各个异性的时间长度与用户注视各个异性的平均时间长度的比值，用户注视各个异性的瞳孔相对大小为用户注视各个异性的瞳孔大小与用户注视各个异性的平均瞳孔大小的比值，用户对各个异性的心动程度可以用非常心动、心动、有点心动、不心动这四个等级来表示，也可以采用百分制的打分方式来表示，还可以采用其他可以区分不同心动程度的方式来表示。

7.如权利要求5所述的心动异性识别装置，其特征在于，用户对各个异性的心动程度与其注视各个异性的时间相对长短、瞳孔相对大小之间的对应关系为注视异性的时间相对长短、瞳孔相对大小到对异性的心动程度的映射，统计出大量用户对各个异性的心动程度与其注视各个异性的时间相对长短、瞳孔相对大小之间的对应关系的算法包括但不限于回归分析算法、神经网络算法，当使用回归分析算法时，将注视异性的时间相对长短、注视异性的瞳孔相对大小作为自变量，异性的心动程度作为因变量进行回归分析，所述对应关系蕴含在回归分析得到的回归方程中，当使用神经网络算法时，将注视异性的时间相对长短、注视异性的瞳孔相对大小作为神经网络的输入，异性的心动程度作为神经网络的输出，对神经网络进行训练，所述对应关系蕴含在训练得到的神经网络中。