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,...,g_n}，其中g_i为该类中第i个轨迹点，包含四个参数<x,y,t,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，$\mathrm{Dist}(i,j)=\sqrt{{(x_i-x_j)}^2+{(y_i-y_j)}^2}$其中，(x_i，y_i)表示第i个点的图像平面坐标位置，(x_j，y_j)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Density_r(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(Density_r)；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,…,g_n中密度等于最大密度值的轨迹点的序号记为d₁,d₂,…,d_N，d_s为d中第s个轨迹点，s的取值为1,2,…,N，d＝{d₁，d₂，…，d_N}d_s＝{d_s∈N|Density_r(d_s)＝max(Density_r)}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，$P_{\mathrm{densest}}=\frac{{\Sigma }_{s=1}^N{g}_{d_s}}{N}$其中，P_densest为所求的注视中心点坐标，为该类别中序号为d_s的轨迹点坐标。