一種基于眼動數(shù)據(jù)的網(wǎng)上用戶狀態(tài)識別方法和裝置制造方法
【專利摘要】一種基于眼動數(shù)據(jù)的網(wǎng)上用戶狀態(tài)識別方法和裝置，所述方法包括如下步驟：采集網(wǎng)上用戶在觀看網(wǎng)頁的過程中的眼動數(shù)據(jù)，并對所述眼動數(shù)據(jù)進行預(yù)處理，得到預(yù)處理后的眼動數(shù)據(jù)；對所述預(yù)處理后的眼動數(shù)據(jù)進行特征提取，獲取多個眼動特征參數(shù)；將所述網(wǎng)上用戶的所述多個眼動特征參數(shù)輸入到預(yù)設(shè)的狀態(tài)分類器中進行比對，以識別所述網(wǎng)上用戶的當前工作狀態(tài)為搜索狀態(tài)或瀏覽狀態(tài)。本發(fā)明針對網(wǎng)上用戶搜索和瀏覽兩種工作狀態(tài)進行識別，采用主動感知技術(shù)提取兩種眼動特征，同時采用了基于支持向量機的分類方法，學習速度快，分類正確率高，具有較高的識別效率。
【專利說明】-種基于眼動數(shù)據(jù)的網(wǎng)上用戶狀態(tài)識別方法和裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及模式識別人機交互【技術(shù)領(lǐng)域】，特別設(shè)及一種基于眼動數(shù)據(jù)的網(wǎng)上用戶 狀態(tài)識別方法和裝置。

【背景技術(shù)】
[0002] 當前，計算機網(wǎng)絡(luò)已經(jīng)成為人們工作、學習、生活等各個方面不可或缺的平臺，計 算機網(wǎng)絡(luò)智能的研究成為了焦點。作為計算機網(wǎng)絡(luò)智能的Web智能是研究Web環(huán)境中實現(xiàn) 智能的方法和應(yīng)用，是人工智能與計算機網(wǎng)絡(luò)兩個領(lǐng)域的結(jié)合。Web智能包括兩個方面；一 個是基于網(wǎng)頁的人機交互智能，一個是信息服務(wù)智能。網(wǎng)頁作為人與網(wǎng)絡(luò)交互的重要人機 界面，但是目前只能通過鍵盤、鼠標和觸摸屏等被動的接受用戶的信息請求，從而做出響應(yīng) 和提供信息服務(wù)。該種被動的感知技術(shù)已經(jīng)越來越不能滿足人們對于機器智能化程度的需 求。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明的一個目的是提供一種基于眼動數(shù)據(jù)的網(wǎng)上用戶狀態(tài)識別方法，該方法針 對網(wǎng)上用戶捜索和瀏覽兩種工作狀態(tài)進行識別，采用主動感知技術(shù)提取兩種眼動特征，同 時采用了諸如基于支持向量機SVM的分類方法，解決了高效準確的機器識別用戶狀態(tài)的技 術(shù)問題，其學習速度快，分類正確率高，具有較高的識別效率。
[0004] 為實現(xiàn)上述目的，本發(fā)明提供一種基于眼動數(shù)據(jù)的網(wǎng)上用戶狀態(tài)識別方法，包括 如下步驟：
[0005] 步驟S1，采集網(wǎng)上用戶在觀看網(wǎng)頁的過程中的眼動數(shù)據(jù)，并對所述眼動數(shù)據(jù)進行 預(yù)處理，得到預(yù)處理后的眼動數(shù)據(jù)；
[0006] 步驟S2,對所述預(yù)處理后的眼動數(shù)據(jù)進行特征提取，獲取多個眼動特征參數(shù)；
[0007] 步驟S3,將所述網(wǎng)上用戶的所述多個眼動特征參數(shù)輸入到預(yù)設(shè)的狀態(tài)分類器中進 行比對，W識別所述網(wǎng)上用戶的當前工作狀態(tài)為捜索狀態(tài)或瀏覽狀態(tài)。
[000引根據(jù)本發(fā)明的一個方面，采用紅外線攝像機采集所述網(wǎng)上用戶在觀看網(wǎng)頁的過程 中的眼動數(shù)據(jù)。
[0009] 根據(jù)本發(fā)明的一個方面，所述眼動數(shù)據(jù)包括；所述網(wǎng)上用戶的注視點位置、注視時 間和瞳孔直徑。
[0010] 根據(jù)本發(fā)明的一個方面，所述多個眼動特征參數(shù)包括瞳孔直徑變化率和注視點中 屯、距的中位數(shù)，所述步驟S2還包括：
[0011] 步驟S21，根據(jù)每個眼動數(shù)據(jù)中的瞳孔直徑構(gòu)成瞳孔直徑數(shù)據(jù)集矩陣U，其中，
[0012]

【權(quán)利要求】
1. 一種基于眼動數(shù)據(jù)的網(wǎng)上用戶狀態(tài)識別方法，包括如下步驟： 步驟S1，采集網(wǎng)上用戶在觀看網(wǎng)頁的過程中的眼動數(shù)據(jù)，并對所述眼動數(shù)據(jù)進行預(yù)處 理，得到預(yù)處理后的眼動數(shù)據(jù)； 步驟S2,對所述預(yù)處理后的眼動數(shù)據(jù)進行特征提取，獲取多個眼動特征參數(shù)； 步驟S3,將所述網(wǎng)上用戶的所述多個眼動特征參數(shù)輸入到預(yù)設(shè)的狀態(tài)分類器中進行比 對，以識別所述網(wǎng)上用戶的當前工作狀態(tài)為搜索狀態(tài)或瀏覽狀態(tài)。
2. 根據(jù)權(quán)利要求1所述的基于眼動數(shù)據(jù)的網(wǎng)上用戶狀態(tài)識別方法，其中，采用紅外線 攝像機采集所述網(wǎng)上用戶在觀看網(wǎng)頁的過程中的眼動數(shù)據(jù)。
3. 根據(jù)權(quán)利要求1或2所述的基于眼動數(shù)據(jù)的網(wǎng)上用戶狀態(tài)識別方法，其中，所述眼動 數(shù)據(jù)包括：所述網(wǎng)上用戶的注視點位置、注視時間和瞳孔直徑。
4. 根據(jù)權(quán)利要求3所述的基于眼動數(shù)據(jù)的網(wǎng)上用戶狀態(tài)識別方法，其中，所述多個眼 動特征參數(shù)包括瞳孔直徑變化率和注視點中心距的中位數(shù)，所述步驟S2還包括： 步驟S21，根據(jù)每個眼動數(shù)據(jù)中的瞳孔直徑構(gòu)成瞳孔直徑數(shù)據(jù)集矩陣u，其中，
其中，m為所述眼動數(shù)據(jù)中的注視點的個數(shù)，n為在m個注視點中選取的n個采樣點，Uij為第i個注視點第j次采樣的瞳孔直徑值，其中，1彡i彡m，1彡j彡n; 在所述瞳孔直徑數(shù)據(jù)集矩陣u按行求均值，減去瞳孔直徑的基線值Dtl，除以所述瞳孔直 徑的基線值Dtl，得到下述瞳孔直徑變化率矩陣U，
其中，Dtl為瞳孔直徑的基線值， 步驟S22,根據(jù)每個所述注視點位置計算注視點中心距CDfk，其中，
其中，注視點的坐標為（Xfk，Yfk)，網(wǎng)頁中心坐標為（H); 設(shè)所述網(wǎng)上用戶觀看網(wǎng)頁數(shù)量為P，每個網(wǎng)頁選取q個注視點，則構(gòu)成注視點中心距矩 陣，計算所述注視點中心距矩陣中每行數(shù)據(jù)的中位數(shù)，構(gòu)成下述注視點中心距的中位數(shù)矩 陣W，其中，
其中，MedianO為求中位數(shù)的函數(shù)； 步驟S23,組合所述瞳孔直徑變化率和注視點中心距的中位數(shù)。
5. 根據(jù)權(quán)利要求4所述的基于眼動數(shù)據(jù)的網(wǎng)上用戶狀態(tài)識別方法，所述步驟S3還包 括： 步驟S31，對所述步驟Sl之前采集到的網(wǎng)上用戶進行搜索狀態(tài)或瀏覽狀態(tài)過程中的眼 動數(shù)據(jù)和特征提取，按第一列為訓練或者預(yù)測樣本的標簽值，其他列為對應(yīng)特征的特征值 構(gòu)成如下組合特征數(shù)據(jù)集：
其中，label為訓練數(shù)據(jù)集的目標值；index為從1開始的整數(shù)，表示特征的序號；value為用于訓練或預(yù)測的數(shù)據(jù)，即特征值，其中搜索狀態(tài)標記為1，瀏覽狀態(tài)標記為2 ; 步驟S32,將所述步驟S31中的組合特征數(shù)據(jù)集輸入到支持向量機中，訓練得到狀態(tài)分 類器； 步驟S33,將所述步驟S2中得到的多個眼動特征參數(shù)輸入到所述步驟S32中得到的所 述狀態(tài)分類器中，識別所述網(wǎng)上用戶的當前工作狀態(tài)為搜索狀態(tài)或瀏覽狀態(tài)。
6. -種基于眼動數(shù)據(jù)的網(wǎng)上用戶狀態(tài)識別裝置，包括： 數(shù)據(jù)采集和預(yù)處理單元，用于采集網(wǎng)上用戶在觀看網(wǎng)頁的過程中的眼動數(shù)據(jù)，并對所 述眼動數(shù)據(jù)進行預(yù)處理，得到預(yù)處理后的眼動數(shù)據(jù)； 特征提取單元，用于對所述預(yù)處理后的眼動數(shù)據(jù)進行特征提取，獲取多個眼動特征參 數(shù)； 狀態(tài)判斷單元，用于將所述網(wǎng)上用戶的所述多個眼動特征參數(shù)輸入到預(yù)設(shè)的狀態(tài)分類 器中進行比對，以識別所述網(wǎng)上用戶的當前工作狀態(tài)為搜索狀態(tài)或瀏覽狀態(tài)。
7. 根據(jù)權(quán)利要求6所述的基于眼動數(shù)據(jù)的網(wǎng)上用戶狀態(tài)識別裝置，其中，所述數(shù)據(jù)采 集和預(yù)處理單元包括紅外線攝像機，所述紅外線攝像機用于采集所述網(wǎng)上用戶在觀看網(wǎng)頁 的過程中的眼動數(shù)據(jù)。
8. 根據(jù)權(quán)利要求6或7所述的基于眼動數(shù)據(jù)的網(wǎng)上用戶狀態(tài)識別裝置，其中，所述眼動 數(shù)據(jù)包括：所述網(wǎng)上用戶的注視點位置、注視時間和瞳孔直徑。
9. 根據(jù)權(quán)利要求8所述的基于眼動數(shù)據(jù)的網(wǎng)上用戶狀態(tài)識別裝置，其中，所述多個眼 動特征參數(shù)包括瞳孔直徑變化率和注視點中心距的中位數(shù)，所述特征提取單元還包括：瞳 孔直徑變化率計算子單元和注視點中心距的中位數(shù)計算子單元，其中， 所述瞳孔直徑變化率計算子單元用于根據(jù)每個眼動數(shù)據(jù)中的瞳孔直徑構(gòu)成瞳孔直徑 數(shù)據(jù)集矩陣U，其中，
其中，m為所述眼動數(shù)據(jù)中的注視點的個數(shù)，n為在m個注視點中選取的n個采樣點，Uij為第i個注視點第j次采樣的瞳孔直徑值，其中，1彡i彡m，1彡j彡n; 所述瞳孔直徑變化率計算子單元在所述瞳孔直徑數(shù)據(jù)集矩陣u按行求均值，減去瞳孔 直徑的基線值Dtl，除以所述瞳孔直徑的基線值Dtl，得到下述瞳孔直徑變化率矩陣U，
其中，Dtl為瞳孔直徑的基線值； 所述注視點中心距的中位數(shù)計算子單元用于根據(jù)每個所述注視點位置計算注視點中 心距CDfk，其中，
其中，注視點的坐標為（Xfk，Yfk)，網(wǎng)頁中心坐標為（H); 所述注視點中心距的中位數(shù)計算子單元設(shè)所述網(wǎng)上用戶觀看網(wǎng)頁數(shù)量為P，每個網(wǎng)頁 選取q個注視點，則構(gòu)成注視點中心距矩陣，計算所述注視點中心距矩陣中每行數(shù)據(jù)的中
其中，MedianO為求中位數(shù)的函數(shù)。
10.根據(jù)權(quán)利要求9所述的基于眼動數(shù)據(jù)的網(wǎng)上用戶狀態(tài)識別裝置，其中，所述狀態(tài)判 斷單元還包括： 對前一次采集到的網(wǎng)上用戶進行搜索狀態(tài)或瀏覽狀態(tài)過程中的眼動數(shù)據(jù)和特征提取， 按第一列為訓練或者預(yù)測樣本的標簽值，其他列為對應(yīng)特征的特征值構(gòu)成如下組合特征數(shù) 據(jù)集：
其中，label為訓練數(shù)據(jù)集的目標值；index為從1開始的整數(shù)，表示特征的序號；value為用于訓練或預(yù)測的數(shù)據(jù)，即特征值，其中搜索狀態(tài)標記為1，瀏覽狀態(tài)標記為2 ; 所述狀態(tài)判斷單元將所述數(shù)據(jù)采集和預(yù)處理單元采集到的組合特征數(shù)據(jù)集輸入到支 持向量機中，訓練得到狀態(tài)分類器，然后將所述數(shù)據(jù)采集和預(yù)處理單元得到的多個眼動特 征參數(shù)輸入到所述狀態(tài)分類器中，識別所述網(wǎng)上用戶的當前工作狀態(tài)為搜索狀態(tài)或瀏覽狀 〇
【文檔編號】G06K9/54GK104504390SQ201510019518
【公開日】2015年4月8日 申請日期:2015年1月14日 優(yōu)先權(quán)日:2015年1月14日
【發(fā)明者】呂勝富, 栗覓, 張孟杰, 鐘寧 申請人:北京工業(yè)大學