[发明专利]基于密度的眼动注视点测定方法及系统

摘要

本发明提供一种基于密度的眼动注视点测定方法及系统，包括轨迹点分类阶段和轨迹点聚类阶段，所述轨迹点分类阶段输入测试图片的眼动轨迹点数据，将其中属于注视点的各轨迹点分到不同的类别中；所述轨迹点聚类阶段包括对每个类别分别执行，计算输入的各轨迹点之间的欧式距离构成距离矩阵，统计每个点的累计关注时间密度，确定密度等于最大密度值的轨迹点序号集，求密度为最大密度值的轨迹点集的质心，从而计算注视点中心位置。本发明生成的聚类中心与用户关注中心更加拟合，充分考虑了用户关注的侧重点，且简便高效，具有更高的抗干扰能力。

主权项

一种基于密度的眼动注视点测定方法，其特征在于：包括轨迹点分类阶段和轨迹点聚类阶段，所述轨迹点分类阶段包括以下子步骤，步骤1.1，输入测试图片的眼动轨迹点数据；步骤1.2，根据步骤1.1输入的眼动轨迹点数据，对其中属于注视点的各轨迹点进行分类，实现如下，步骤1.2.1，根据步骤1.1输入的眼动轨迹点数据，计算每个轨迹点的速度Velocity；步骤1.2.2，根据预先设置的阈值Threshold_V，将速度大于阈值的轨迹点设置为相应标签fixation，速度小于阈值的轨迹点设置相应标签为saccade；步骤1.2.3，将时间上连续的标签为fixation的轨迹点归为同一类，得到若干类别，将标签为saccade的轨迹点全部舍弃；所述轨迹点聚类阶段包括对每个类别分别执行以下子步骤，步骤2.1，输入一类轨迹点数据G＝{g1,g2,…,gn}，其中gi为该类中第i个轨迹点，包含四个参数<x,y,t,d>，包括平面坐标位置x和y、记录时刻t、停留时间d，i的取值为1,2,…,n，n为该类别所包含轨迹点的个数；步骤2.2，计算输入的各轨迹点之间的欧式距离，构成距离矩阵Dist，第i个点和第j个点之间的欧式距离为Dist(i,j)，公式如下，Dist(i,j)=(xi-xj)2+(yi-yj)2]]>其中，(xi，yi)表示第i个点的图像平面坐标位置，(xj，yj)表示第j个点的图像平面坐标位置，序号i的取值为1,2,…,n，j的取值为1,2,…,n；步骤2.3，基于步骤2.2所得的距离矩阵Dist统计每个轨迹点半径r内的累计关注时间密度，设第i个点的半径r内的累计关注时间密度记为Densityr(i)；步骤2.4，根据步骤2.3所得各个轨迹点半径r内的累计关注时间密度，确定最大密度值max(Densityr)；步骤2.5，确定密度等于最大密度值的轨迹点序号集d，得到密度等于最大密度值的轨迹点的数目N，设g1,g2,…,gn中密度等于最大密度值的轨迹点的序号记为d1,d2,…,dN，ds为d中第s个轨迹点，s的取值为1,2,…,N，d＝{d1，d2，…，dN}ds＝{ds∈N|Densityr(ds)＝max(Densityr)}步骤2.6，求密度为最大密度值的轨迹点集的质心如下，得到注视中心点，Pdensest=Σs=1NgdsN]]>其中，Pdensest为所求的注视中心点坐标，为该类别中序号为ds的轨迹点坐标。