[发明专利]一种识别和量化眼跳入侵的方法

说明书

本发明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。

技术领域

本发明涉及眼动技术领域，特别是涉及一种识别和量化眼跳入侵的方法。

背景技术

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。

发明内容

本发明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，本发明提供了如下方案：本发明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。

本发明公开了以下技术效果：

相对于现有技术，本发明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发明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发明的一些实施例，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为本发明的方法流程图；

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。