[发明专利]基于眼动数据分析的异常情绪识别方法

说明书

本发明公开了一种基于眼动数据分析的异常情绪识别方法，包括以下步骤，拍摄多个受测者的眼动视频样本，并提取各受测者对应的眼动视频样本内的32维眼动特征；对多个受测者的32维眼动特征的数据进行异常分析，并将异常的样本数据归为异常情绪类别，将非异常的样本数据归为非异常特征样本；基于非异常特征样本，从32维眼动特征中提取6维有效眼动特征；基于提取的6维有效眼动特征，输入训练好的支撑向量机模型，从而识别具有异常情绪的样本。本发明基于眼动数据分析引入的异常数据处理机制，大大提高了算法效率；并采用特征选择方法，降低了特征维度，在改善训练时间的同时，有效提高类似犯罪知情者的异常情绪识别。

技术领域

本发明涉及眼动数据分析技术领域，具体涉及一种基于眼动数据分析的异常情绪识别方法。

背景技术

在刑侦背景下，审讯犯罪嫌疑人的关键在于对犯罪嫌疑人的异常情绪进行评测，即所谓″测谎″。由于人在说谎时的心理变化会引起一些生理参数(如皮肤电、心跳、血压、呼吸脑电波、声音等)的变化，因此，通过检测这些变化来评估被测者的异常情绪是一种有效的辅助手段。

在早期的研究中，接触式测谎手段是常用方法，如多道生理仪、脑认知神经技术等。但是，该方法需要被测者必须主观配合，且可采用隐蔽性的反测谎技术来干扰测试结果。因此，有效的测谎应该具有非接触性，强隐蔽性，且所分析信号便于采集和处理的特点。此类非接触测谎主要利用面部微表情、肢体动作或语音等特征实现，但是，目前还没有被证实哪一种方法是最有效的。

当前眼动分析法是研究人类认知加工的有效方法，其无损伤、生态化、高效化的优势是一般研究技术难以取代的。心理学与生理学研究及实验成果明确指出的眼动与说谎存在一定关系，相关特征差异包括瞳孔直径、眼动轨迹、眼动注视时间、注视区域、眨眼频率、眼跳等。眼动技术既可以分析认知加工过程，又可以分析认知过程所伴随的情绪反应，而″谎言″产生机制，则恰是认知加工与情绪加工双重加工的合体。此外，相对于其它反测谎手段来说，一些眼动指标不受人意识控制，有意控制某些眼动指标反而会出现指标异常。

由此可见，早期的异常情绪识别方法，均存在有不便与缺陷，而亟待加以进一步改进。为了解决异常情绪识别方法存在的问题，相关领域技术人员莫不费尽心思来谋求解决之道，但长久以来一直未见适用的方法被发展完成，而一般现有的异常情绪识别算法又不能适切的解决上述问题，这是相关业者急欲解决的问题。相对于其它反测谎手段来说，眼动测试具有隐蔽性强、无需被试主动配合等优点。用眼动指标进行嫌疑人异常情绪的协助判断具有一定的可行性。因此，如何实现基于眼动数据分析的异常情绪识别方法，是当前亟待解决的问题。

发明内容

为了克服现有技术中在眼动数据分析，异常情绪识别存在的问题。本发明的基于眼动数据分析的异常情绪识别方法，能够解决现有技术中的异常情绪识别方法受检测人配合程度制约、测试方法不隐秘，测试效率低的问题，通过眼动数据分析引入的异常数据处理机制，大大提高了算法效率；并采用特征选择方法，降低了特征维度，在改善训练时间的同时，有效提高类似犯罪知情者的异常情绪识别，方法巧妙新颖，具有良好的应用前景。

为了达到上述目的，本发明所采用的技术方案是：

一种基于眼动数据分析的异常情绪识别方法，包括以下步骤，

步骤(A)，拍摄多个受测者的眼动视频样本，并提取各受测者对应的眼动视频样本内的32维眼动特征；

步骤(B)，对多个受测者的32维眼动特征的数据进行异常分析，并将异常的样本数据归为异常情绪类别，将非异常的样本数据归为非异常特征样本；

步骤(C)，基于非异常特征样本，从32维眼动特征中提取6维有效眼动特征；

步骤(D)，基于提取的6维有效眼动特征，输入训练好的支撑向量机模型，从而识别具有异常情绪的样本。