CN108985164A - 基于物体运动状态的眼部关注预测方法 - Google Patents

Abstract

本发明一种基于物体运动状态的眼部关注预测方法，通过机器学习分类算法构建了针对不同运动状态物体的眼部关注状态预测模型，在获取用户在二维屏幕上的眼部专注点坐标数据和二维屏幕上的物体运动状态数据后，利用眼部关注状态预测模型可以预测用户的关注状态，并结合用户所处的实时环境信息，对用户的行为趋势与认知状态进行预测和分析，上述的预测结果可以应用到各种不同的交互介质中。

Description

基于物体运动状态的眼部关注预测方法

技术领域

本发明涉及一种基于物体运动状态的眼部关注预测方法。

背景技术

目前，与眼动交互相关的研究还处于一个相对初级的阶段，其拥有很大的发展潜力。现有的与眼动相关的应用方法存在以下缺陷：

1、局限于数据的采集和统计分析；

2、没有系统地将人的眼动行为与其所处的情境相结合；

3、缺少对用户情境认知状态的分析与描述；

4、没有很好地将人的眼动模式进行抽象化的模型分析。

因此，眼部运动状态所蕴含的信息还需要被更加深入地分析与挖掘。

发明内容

本发明的目的在于提供一种基于物体运动状态的眼部关注预测方法，是一种基于眼动交互的物体运动关注预测方法，利用机器学习算法训练出针对四种运动状态物体(静止、直线运动、曲线运动、随机出现)的眼部关注模型，利用构建的眼部关注模型来预测人眼当前关注的物体运动状态，并根据预测结果与人所处的情境相结合来预测人的行为趋势，根据该行为趋势预测结果，对人在所处环境的认知状态进行分析。

本发明一种基于物体运动状态的眼部关注预测方法，通过使用标签传播、决策树以及SVM三种机器学习分类算法来学习眼动状态与二维屏幕上的物体运动状态信息的关联性，构建针对不同运动状态物体的眼部关注状态预测模型，在获取用户在二维屏幕上的眼部专注点坐标数据和二维屏幕上的物体运动状态数据后，利用眼部关注状态预测模型来预测用户的关注状态，并结合用户所处的实时环境信息，对用户的行为趋势与认知状态进行预测和分析。

具体包括如下步骤：

步骤1、采集不同人在观察二维屏幕上物体处于静止、直线运动、曲线运动以及随机出现四个运动状态时的眼动状态，对眼动状态数据依据上述物体所处的运动状态进行标定；眼动状态数据和物体运动状态信息包括用户在二维屏幕上的注视点坐标、用户的关注状态、二维屏幕上的物体坐标、物体的运动状态、物体的颜色、物体的形状；

步骤2、将不同人在二维屏幕上的眼部关注点坐标以及二维屏幕上物体的运动坐标点将作为学习的特征，将用户的关注状态作为训练的预测标签放入到标签传播、决策树以及SVM三种机器学习分类算法中，训练出不同人针对四种不同运动状态物体的眼部关注状态预测模型；

步骤3、采集不同用户针对二维屏幕上不同运动状态的物体的眼部关注点坐标数据，利用眼部关注预测模型来预测用户的关注状态，即用户是否在关注这个物体；

步骤4、该眼部关注状态预测模型结合实时环境信息，对用户的行为趋势进行预测，并最终对用户的情境认知状态进行分析，所述的实时环境信息包括用户所关注的物体运动状态信息、用户眼部关注点坐标数据、交互情境信息。

本发明通过机器学习分类算法构建了针对不同运动状态物体的眼部关注状态预测模型，在获取用户在二维屏幕上的眼部专注点坐标数据，结合二维屏幕上的物体运动状态数据后，利用眼部关注状态预测模型可以预测用户的关注状态，并结合用户所处的实时环境信息，对用户的行为趋势与认知状态进行预测和分析，上述的预测结果可以应用到各种不同的交互介质中。本发明基于眼动交互预测用户的行为趋势方法实际上是对用户在环境中的认知状态进行一个维度的分析，其分析的来源为人眼所蕴藏的认知信息。

附图说明

图1为本发明的工作原理图。

具体实施方式

本发明一种基于物体运动状态的眼部关注预测方法，在运动学分析结果的支持下，得出物体在二维屏幕上的运动状态包括静止(物体保持静止)、直线运动(物体以直线的形式运动)、曲线运动(物体以曲线的形式运动)以及随机出现(物体随机出现在某个区域)四种，当人眼在关注这四种不同运动状态的物体时会出现不同的关注模式；通过使用标签传播、决策树以及SVM三种机器学习分类算法来学习眼动状态与二维屏幕上的物体运动状态信息的关联性，构建针对不同运动状态物体的眼部关注状态预测模型；通过获取用户在二维屏幕上的眼部专注点坐标数据，结合二维屏幕上的物体运动状态数据，利用眼部关注状态预测模型来预测用户的关注状态，并结合用户所处的实时环境信息，对用户的行为趋势与认知状态进行预测和分析，如图1所示，包括如下具体步骤：

步骤1、采集不同人的眼部在观察二维屏幕上物体处于静止、直线运动、曲线运动以及随机出现四个运动状态时的眼动状态，对眼动状态数据依据上述物体所处的运动状态进行标定；眼动状态数据和物体运动状态信息包括用户在二维屏幕上的注视点坐标、用户的关注状态、二维屏幕上的物体坐标、物体的运动状态、物体的颜色、物体的形状等；

步骤2、将不同人在二维屏幕上的眼部关注点坐标以及二维屏幕上物体的运动坐标点将作为学习的特征，将用户的关注状态作为训练的预测标签放入到标签传播、决策树以及SVM三种机器学习分类算法中，从而训练出不同人针对四种不同运动状态物体的眼部关注状态预测模型；

步骤3、采集不同用户针对二维屏幕上不同运动状态的物体的眼部关注点坐标数据，利用眼部关注预测模型预测用户的关注状态，即用户是否在关注这个物体；

步骤4、该眼部关注状态预测模型结合实时环境信息，对用户的行为趋势进行预测，并最终对用户的情境认知状态进行分析，所述的实时环境信息包括用户所关注的物体运动状态信息、用户眼部关注点坐标数据、交互情境信息(即环境中各个元素存在上下文关联信息)，上述的预测结果可以应用到各种不同的交互介质中。

以上所述，仅是本发明较佳实施例而已，并非对本发明的技术范围作任何限制，故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (2)

1.一种基于物体运动状态的眼部关注预测方法，其特征在于：通过使用标签传播、决策树以及SVM三种机器学习分类算法来学习眼动状态与二维屏幕上的物体运动状态信息的关联性，构建针对不同运动状态物体的眼部关注状态预测模型，在获取用户在二维屏幕上的眼部专注点坐标数据和二维屏幕上的物体运动状态数据后，利用眼部关注状态预测模型来预测用户的关注状态，并结合用户所处的实时环境信息，对用户的行为趋势与认知状态进行预测和分析。

2.根据权利要求1所述的一种基于物体运动状态的眼部关注预测方法，其特征在于包括如下步骤：

步骤1、采集不同人在观察二维屏幕上物体处于静止、直线运动、曲线运动以及随机出现四个运动状态时的眼动状态，对眼动状态数据依据上述物体所处的运动状态进行标定；眼动状态数据和物体运动状态信息包括用户在二维屏幕上的注视点坐标、用户的关注状态、二维屏幕上的物体坐标、物体的运动状态、物体的颜色、物体的形状；

步骤2、将不同人在二维屏幕上的眼部关注点坐标以及二维屏幕上物体的运动坐标点将作为学习的特征，将用户的关注状态作为训练的预测标签放入到标签传播、决策树以及SVM三种机器学习分类算法中，训练出不同人针对四种不同运动状态物体的眼部关注状态预测模型；

步骤3、采集不同用户针对二维屏幕上不同运动状态的物体的眼部关注点坐标数据，利用眼部关注预测模型来预测用户的关注状态，即用户是否在关注这个物体；

步骤4、该眼部关注状态预测模型结合实时环境信息，对用户的行为趋势进行预测，并最终对用户的情境认知状态进行分析，所述的实时环境信息包括用户所关注的物体运动状态信息、用户眼部关注点坐标数据、交互情境信息。