[发明专利]一种案件相关性确定方法、装置、计算机设备和存储介质

权利要求书

1.一种案件相关性确定方法，其特征在于，包括以下步骤：

获取被测试对象在看到预设的多张图像时的眼动数据，所述预设的多张图像包括案件图像以及对比图像，所述眼动数据包括瞳孔直径、注视以及眼跳数据；

根据所述被测试对象在看到预设的多张图像时的眼动数据以及预设的基于深度神经网络算法训练生成的相关性分析模型分别确定所述被测试对象与所述预设的多张图像之间的相关概率；

根据所述被测试对象与所述预设的多张图像之间的相关概率以及所述预设的多张图像与案件之间的相关性，按照预设的案件相关性确定规则确定所述被测试对象与所述案件之间的相关性；

根据所述被测试对象与所述预设的多张图像之间的相关概率以及所述预设的多张图像与案件之间的相关性，按照预设的案件相关性确定规则确定所述被测试对象与所述案件之间的相关性的步骤具体为：

根据被测试对象对各案件图像之间的相关概率确定被测试对象对各案件图像的相关度；

对被测试对象对各案件图像的相关度进行求和得到被测试对象对案件的相关度；

根据被测试对象对各对比图像之间的相关概率确定矫正系数；

根据所述矫正系数对所述被测试对象对案件的相关度进行矫正得到被测试对象对案件的矫正相关度；

根据所述被测试对象对案件的矫正相关度确定被测试对象与所述案件之间的相关性。

2.根据权利要求1所述的案件相关性确定方法，其特征在于，在所述获取被测试对象在看到预设的多张图像时的眼动数据的步骤之后，还包括：

获取被测试对象在看到预设的组合图像时的眼动数据，所述预设的组合图像是由所述预设的多张图像组合得到的。

3.根据权利要求1所述的案件相关性确定方法，其特征在于，训练生成所述预设的基于深度神经网络算法训练生成的相关性分析模型的步骤具体包括：

获取多组已知相关结果的历史眼动数据；

建立含有可变参数的初始化的相关性分析模型；

根据各已知相关结果的历史眼动数据以及相关性分析模型确定各历史眼动数据的响应相关概率；

计算所述各历史眼动数据的响应相关概率与各历史眼动数据的已知相关结果之间的损失值；

判断所述损失值是否满足预设的条件；

当判断所述损失值不满足预设的条件时，基于梯度下降算法并根据所述损失值调整所述相关性分析模型中的可变参数，并返回至所述根据各已知相关结果的历史眼动数据以及相关性分析模型确定各历史眼动数据的响应相关概率的步骤；

当判断所述损失值满足预设的条件时，将当前的相关性分析模型确定为预先基于深度神经网络算法训练生成的相关性分析模型。

4.一种案件相关性确定装置，其特征在于，包括：

眼动数据获取单元，用于获取被测试对象在看到预设的多张图像时的眼动数据，所述预设的多张图像包括案件图像以及对比图像，所述眼动数据包括瞳孔直径、注视以及眼跳数据；

图像相关概率分析单元，用于根据所述被测试对象在看到预设的多张图像时的眼动数据以及预设的基于深度神经网络算法训练生成的相关性分析模型分别确定所述被测试对象与所述预设的多张图像之间的相关概率；

案件相关性分析单元，用于根据所述被测试对象与所述预设的多张图像之间的相关概率以及所述预设的多张图像与案件之间的相关性，按照预设的案件相关性确定规则确定所述被测试对象与所述案件之间的相关性；

所述案件相关性分析单元具体包括：

案件图像相关度计算模块，用于根据被测试对象对各案件图像之间的相关概率确定被测试对象对各案件图像的相关度；

案件相关度计算模块，用于对被测试对象对各案件图像的相关度进行求和得到被测试对象对案件的相关度；

校正系数计算模块，用于根据被测试对象对各对比图像之间的相关概率确定矫正系数；

矫正相关度计算模块，用于根据所述矫正系数对所述被测试对象对案件的相关度进行矫正得到被测试对象对案件的矫正相关度；

相关性确定模块，用于根据所述被测试对象对案件的矫正相关度确定被测试对象与所述案件之间的相关性。