[发明专利]基于个体眼动特征的自动化共情能力识别方法

权利要求书

1.一种基于个体眼动特征的自动化共情能力识别方法，其特征在于，包括如下步骤：

采集被试者基于预设视觉材料的试验眼动数据，所述视觉材料为采用标准化的ESP-MTTI共情反应图片集；

获取所述被试者的共情反应数据；

根据所述试验眼动数据提取所述被试者的眼动特征，所述眼动特征包括全局眼动特征和局部眼动特征；

对所述眼动特征根据预设筛选条件进行筛选处理；对筛选处理后的所述眼动特征进行降维处理；

将所述眼动特征和所述共情反应数据输入用于评估共情能力的机器学习模型，以对预测模型进行训练；

采集基于预设视觉材料的测试眼动数据，将所述测试眼动数据输入训练后得到的预测模型，根据所述预测模型的输出数据确定所述测试眼动数据对应的被试者的共情能力水平；

所述采集被试者基于预设视觉材料的试验眼动数据的步骤，包括：

采集被试者基于预设视觉材料的眼动坐标数据；

采集被试者基于预设视觉材料的瞳孔直径数据；

采集被试者基于预设视觉材料的眨眼事件数据；

采集被试者基于预设视觉材料的时间序列数据。

2.根据权利要求1所述的基于个体眼动特征的自动化共情能力识别方法，其特征在于，所述根据所述试验眼动数据提取所述被试者的眼动特征的步骤，包括：

基于所述眼动坐标数据对除眨眼事件外的眼动事件进行检测；

基于所述眼动坐标数据和所有眼动事件，对第一类眼动特征和第二类眼动特征进行特征提取，其中，所述第一类眼动特征包括：基于注视、扫视和眨眼事件数据的特征，所述第二类眼动特征包括：基于眼动横坐标、眼动纵坐标和瞳孔直径原始数据的特征。

3.根据权利要求2所述的基于个体眼动特征的自动化共情能力识别方法，其特征在于，所述基于所述眼动坐标数据和所有眼动事件，对第一类眼动特征和第二类眼动特征进行特征提取的步骤，包括：

循环检测注视事件；

在当前的眼动坐标数据与中心坐标的距离大于预设距离阈值时，对有效注视事件进行当前注视事件的结算，并检测下一注视事件，直至完成所有注视事件的遍历；

其中，将满足第一预设条件的所述注视事件确定为有效注视事件，将不满足所述第一预设条件的所述注视事件确定为无效注视事件，所述第一预设条件包括：注视的持续时间在第一时间以上，且数据错误率低于第一错误率。

4.根据权利要求2所述的基于个体眼动特征的自动化共情能力识别方法，其特征在于，所述基于所述眼动坐标数据和所有眼动事件，对第一类眼动特征和第二类眼动特征进行特征提取的步骤，还包括：

基于注视事件，对扫视事件进行检测；

对每段有效扫视事件进行当前扫视事件的结算，并检测下一扫视事件，直至完成所有扫视事件的遍历；

其中，所述扫视事件为两段所述注视事件之间的眼动，将满足第二预设条件的所述扫视事件确定为有效扫视事件，将不满足所述第二预设条件的所述扫视事件确定为无效注视事件，所述第二预设条件包括：扫视的持续时间在第二时间以上，正确量样本在预设个数以上，扫视过程中的最大速度在预设速度以上，扫视过程中的总体位移在预设位移以下。

5.根据权利要求2所述的基于个体眼动特征的自动化共情能力识别方法，其特征在于，所述基于所述眼动坐标数据对除眨眼事件外的眼动事件进行检测的步骤和所述基于所述眼动坐标数据和所有眼动事件，对第一类眼动特征和第二类眼动特征进行特征提取的步骤之间，还包括：

对每一位被测者的所述眼动坐标数据和所有眼动事件，在时间序列上不重叠地滑动预设时间长度作为时间窗口，以获得一系列时间窗口；

所述基于所述眼动坐标数据和所有眼动事件，对第一类眼动特征和第二类眼动特征进行特征提取的步骤，包括：

在每个所述时间窗口中，基于所述眼动坐标数据和所有眼动事件，提取所述第一类眼动特征和所述第二类眼动特征。