眼睛眨动识别方法及装置与流程

本公开涉及眼睛眨动检测领域，具体地，涉及一种眼睛眨动识别方法及装置。

背景技术：

体动检测芯片是将一整套具有电磁波发射和接收功能的电路集成到一个芯片中，用于检测人体的动作，其优点是体积小、耗电低、使用方便。其基本原理是向外界发射电磁波并检测反射回来的电磁波，将检测结果以电压的方式输出。体动检测芯片工作时发射和接收电磁波是一个连续不断的过程，其输出的电压也是一个连续变化的过程。当未检测到人体动作时，输出电压稳定在一个变化极其微小的数值范围内；当检测到人体动作时，输出电压就会发生波动，波动的幅度对应于检测到的人体动作的幅度，波动的频率对应的是人体动作的频率。体动检测芯片输出的检测结果是一路电压连续变化的模拟信号，通过芯片管脚的形式向外界输出。

现有技术中，根据体动检测芯片输出的电压信号识别和检测眼睛眨动的方法需要不停的计算点与点之间的距离，而且还要存储大量的数据。因此，在上述方法实施的过程中对硬件的内存和性能的要求都比较高，使得产品整体的成本上升。另外，长期大负荷的计算和存储的处理操作，对硬件的损耗也比较大，使得产品的故障率上升，使用寿命大大降低。

技术实现要素：

本公开的目的是提供一种高效准确的眼睛眨动识别方法及装置。

为了实现上述目的，根据本公开的第一方面，提供一种眼睛眨动识别方法，所述方法包括：对体动检测芯片输出的电压信号中满足预设的采样条件的信号进行采样，获取采样数据序列，其中，所述体动检测芯片用于检测眨眼动作；从未遍历的采样点中选取任一采样点作为目标采样点；在所述目标采样点满足预设的眨眼采样点有效条件时，创建针对所述目标采样点的簇；将所述目标采样点、和与所述目标采样点之间满足聚类条件的采样点添加到所述簇中，以完成所述簇的建立，其中，所建立的簇对应一次眨眼动作；重复执行所述从未遍历的采样点中选取任一采样点作为目标采样点的步骤，直到所述采样数据序列中的全部采样点已遍历为止；根据所建立的簇，识别眨眼参数。

可选地，所述预设的采样条件为：电压的变化超过预设的电压变化阈值。

可选地，所述预设的眨眼采样点有效条件包括：以所述目标采样点为圆心、以预设的半径参数为半径所形成的第一区域中，除所述目标采样点之外的采样点的个数不少于预设的领域密度阈值；或者在以所述目标采样点为圆心、以预设的半径参数为半径所形成的第一区域中，除所述目标采样点之外的采样点的个数少于预设的领域密度阈值的情况下，所述目标采样点的电压值小于距其最近的峰值并大于最大空闲时峰值，且所述第一区域中除所述目标采样点之外的采样点的电压值均小于所述峰值并大于所述最大空闲时峰值，其中，所述最大空闲时峰值为相邻两簇之间的非簇成员中的最大值。

可选地，所述方法还包括：在所述目标采样点不满足所述预设的眨眼采样点有效条件时，将所述目标采样点识别为是噪声点，并将所述第一区域中、未包含在其他簇中的采样点识别为是噪声点；去除所述噪声点。

可选地，通过以下方式来确定与所述目标采样点之间满足聚类条件的采样点：将以所述目标采样点为圆心、以预设的半径参数为半径所形成的第一区域中、除所述目标采样点之外的采样点添加到候选采样点集合中；重复执行遍历所述候选采样点集合中的采样点，并在以所遍历的采样点为圆心、以预设的半径参数为半径所形成的第二区域中，除所遍历的采样点之外的采样点的个数不少于预设的领域密度阈值时，将所述第二区域中除所遍历的采样点之外的采样点添加到所述候选采样点集合中的步骤，直到所述候选采样点集合内的采样点全部遍历完成为止；将所述候选采样点集合中、未包含在其他簇中的采样点确定为是与所述目标采样点之间满足聚类条件的采样点。

可选地，所述根据所建立的簇，识别眨眼参数，包括以下中的至少一者：将所建立的簇的总数识别为是眨眼次数；针对每个簇，将簇成员的最大时间差值识别为是单次眨眼时间；针对相邻两个簇，将该相邻的两个簇的相邻时间之差识别为是眨眼时间间隔；将所述眨眼时间间隔之和与所述电压信号的总时间之间的比值识别为是眨眼占空比。

可选地，在所述根据所建立的簇，识别眨眼参数的步骤之前，所述方法还包括：删除每个簇中、电压值小于最大空闲时峰值的成员，其中，所述最大空闲时峰值为相邻两簇之间的非簇成员中的最大值。

根据本公开的第二方面，提供一种眼睛眨动识别装置，所述装置包括：采样模块，用于对体动检测芯片输出的电压信号中满足预设的采样条件的信号进行采样，获取采样数据序列，其中，所述体动检测芯片用于检测眨眼动作；目标采样点选取模块，用于从所述采样模块获取的、未遍历的采样点中选取任一采样点作为目标采样点；簇创建模块，用于在所述目标采样点选取模块选取的所述目标采样点满足预设的眨眼采样点有效条件时，创建针对所述目标采样点的簇；簇建立模块，用于将所述目标采样点选取模块选取的所述目标采样点、和与所述目标采样点之间满足聚类条件的采样点添加到所述簇创建模块创建的所述簇中，以完成所述簇的建立，其中，所建立的簇对应一次眨眼动作；所述簇建立模块还用于重新触发所述目标采样点选取模块执行从所述采样模块获取的、未遍历的采样点中选取任一采样点作为目标采样点，直到所述采样数据序列中的全部采样点已遍历为止；参数识别模块，用于根据所述簇建立模块所建立的簇，识别眨眼参数。

可选地，所述预设的采样条件为：电压的变化超过预设的电压变化阈值。

可选地，所述预设的眨眼采样点有效条件包括：以所述目标采样点为圆心、以预设的半径参数为半径所形成的第一区域中，除所述目标采样点之外的采样点的个数不少于预设的领域密度阈值；或者在以所述目标采样点为圆心、以预设的半径参数为半径所形成的第一区域中，除所述目标采样点之外的采样点的个数少于预设的领域密度阈值的情况下，所述目标采样点的电压值小于距其最近的峰值并大于最大空闲时峰值，且所述第一区域中除所述目标采样点之外的采样点的电压值均小于所述峰值并大于所述最大空闲时峰值，其中，所述最大空闲时峰值为相邻两簇之间的非簇成员中的最大值。

可选地，所述装置还包括：噪声点识别模块，用于在所述目标采样点选取模块选取的所述目标采样点不满足所述预设的眨眼采样点有效条件时，将所述目标采样点识别为是噪声点，并将所述第一区域中、未包含在其他簇中的采样点识别为是噪声点；噪声点去除模块，用于去除所述噪声点识别模块识别出的所述噪声点。

可选地，所述簇建立模块包括：候选采样点集合建立子模块，用于将以所述目标采样点选取模块选取的所述目标采样点为圆心、以预设的半径参数为半径所形成的第一区域中、除所述目标采样点之外的采样点添加到候选采样点集合中；候选采样点遍历子模块，用于遍历所述候选采样点集合中的采样点，并在以所遍历的采样点为圆心、以预设的半径参数为半径所形成的第二区域中，除所遍历的采样点之外的采样点的个数不少于预设的领域密度阈值时，将所述第二区域中除所遍历的采样点之外的采样点添加到所述候选采样点集合中，直到所述候选采样点集合内的采样点全部遍历完成为止；簇建立子模块，用于将所述候选采样点集合中、未包含在其他簇中的采样点确定为是与所述目标采样点之间满足聚类条件的采样点。

可选地，所述参数识别模块，包括以下中的至少一者：眨眼次数识别子模块，用于将所述簇建立模块所建立的簇的总数识别为是眨眼次数；单次眨眼时间识别子模块，用于针对所述簇建立模块所建立的每个簇，将簇成员的最大时间差值识别为是单次眨眼时间；眨眼时间间隔识别子模块，用于针对所述簇建立模块所建立的相邻两个簇，将该相邻的两个簇的相邻时间之差识别为是眨眼时间间隔；眨眼占空比识别子模块，用于将所述眨眼时间间隔识别子模块识别出的所述眨眼时间间隔之和与所述获取模块中获取的所述电压信号的总时间之间的比值识别为是眨眼占空比。

可选地，所述装置还包括：删除模块，用于在所述参数识别模块根据所述簇建立模块所建立的簇，识别眨眼参数之前，删除每个簇中、电压值小于最大空闲时峰值的成员，其中，所述最大空闲时峰值为相邻两簇之间的非簇成员中的最大值。

通过上述技术方案，可以实现对属于一次眨眼动作的采样点的识别与聚类，根据聚类结果，能够准确地确定本次眨眼动作的开始与结束，从而准确完成眨眼参数的识别。在这一过程中，不需要像现有的眨眼识别算法中实时计算采样点之间的距离，更多的是进行判断、标记等操作，由此可以极大地减少数据的计算量，降低算法的复杂度，有效避免计算过程中可能出现的误差，准确率大幅提升。

本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。

附图说明

附图是用来提供对本公开的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本公开，但并不构成对本公开的限制。在附图中：

图1是根据本公开的一种实施方式提供的眼睛眨动识别方法的流程图；

图2是体动检测芯片检测的眨眼电压模拟信号的示意图；

图3是根据体动检测芯片检测的眨眼电压模拟信号采集的离散数据序列示意图；

图4是根据本公开的另一种实施方式提供的眼睛眨动识别方法中确定与目标采样点之间满足聚类条件的采样点的步骤的流程图；

图5是根据本公开的一种实施方式提供的眼睛眨动识别装置的框图；

图6是根据本公开的另一种实施方式提供的眼睛眨动识别装置中簇建立模块的框图。

具体实施方式

以下结合附图对本公开的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本公开，并不用于限制本公开。

根据本公开的第一方面，提供一种眼睛眨动识别方法。图1所示，为根据本公开的一种实施方式提供的眼睛眨动识别方法的流程图。如图1所示，该方法包括：

在步骤s11中，对体动检测芯片输出的电压信号中满足预设的采样条件的信号进行采样，获取采样数据序列，其中，所述体动检测芯片用于检测眨眼动作，其向人眼位置发射电磁波，并检测经人眼反射回来的电磁波，最终将检测结果以电压的方式输出。

图2所示，为体动检测芯片输出的电压信号的示意图。如图2所示，该电压信号是一个连续变化的模拟信号。当出现眨眼动作时，电压会变化到较高的电压水平，当未出现眨眼动作时，电压会维持在较低的电压水平。另外，当从未眨眼到眨眼开始期间，电压会突然上升，当眨眼结束时，电压会突然下降，并在进行下次眨眼动作之前，电压变化量不大。因此，在本公开中，为了避免非眨眼动作数据对算法的影响，并且降低后续的数据处理量，在进行采样时，对体动检测芯片输出的电压信号中满足预设的采样条件的信号进行采样。其中，该预设的采样条件为：电压的变化超过预设的电压变化阈值。根据这一条件进行采样，可以获取到可能对应眨眼动作的采样点，如图3所示。其中，横坐标为时间t，纵坐标为采样点对应的电压v。这些采样点形成采样数据序列。

在步骤s12中，从未遍历的采样点中选取任一采样点作为目标采样点。示例地，在初始阶段，由于全部采样点均未遍历，因此，可以从这些采样点中随机选取一个采样点作为目标采样点。在之后的每一循环轮次中，即下文中所提到的在步骤s14之后，判定采样数据序列中仍存在未遍历的采样点而重新返回该步骤s12时，同样也是从未遍历的采样点中随机选取一个采样点作为新的目标采样点。

在步骤s13中，在目标采样点满足预设的眨眼采样点有效条件时，创建针对该目标采样点的簇。

示例地，所述预设的眨眼采样点有效条件可以包括以下两种。第一种：以目标采样点为圆心、以预设的半径参数为半径所形成的第一区域中，除该目标采样点之外的采样点的个数不少于预设的领域密度阈值。

其中，该预设的半径参数是根据大量的眨眼过程的实验数据的处理结果进行设置的。示例地，通过对实验数据进行分析，得出单次眨眼时间的时长，根据该时长设置半径参数。例如，可以按照以下方式来设置该半径参数：以目标采样点为圆心、该半径参数所形成的区域所对应的时长(即，该区域对应的最大时间与最小时间之间的时间差)小于该单次眨眼时间的时长。

此外，由于在步骤s11中为了避免非眨眼动作数据对算法的影响，并且降低后续的数据处理量，在进行采样时，对体动检测芯片输出的电压信号中满足预设的采样条件的信号进行采样，使得对应于眨眼动作的采样点密度(即，采样点的密集程度)明显大于对应于非眨眼动作的采样点密度。因此，领域密度阈值可以根据大量实验数据分析得出的属于单次眨眼动作的采样点个数进行设置。当第一区域中除目标采样点之外的采样点的个数不少于该领域密度阈值时，表示该区域中采样点较为密集，因此，当前所选取的目标采样点很可能是对应于眨眼动作的采样点，此时，可以为该目标采样点创建簇，并通过后续聚类操作完成簇的建立。

如图3所示，假设目标采样点为p1，预设的半径参数为r，预设的领域密度阈值为4。以p1为圆心、r为半径画圆所形成的第一区域如圆圈o1所示。o1中所包含的除目标采样点p1之外的采样点的个数为4，满足不少于该预设的领域密度阈值的条件，因此，确定目标采样点p1满足上述有效条件，此时，可以建立针对p1的簇。

第二种：在以目标采样点为圆心、以预设的半径参数为半径所形成的第一区域中，除该目标采样点之外的采样点的个数少于预设的领域密度阈值的情况下，该目标采样点的电压值小于距其最近的峰值并大于最大空闲时峰值，且该第一区域中除该目标采样点之外的采样点的电压值均小于所述峰值并大于所述最大空闲时峰值。其中，所述最大空闲时峰值为相邻两簇之间的非簇成员中的最大值。相邻两簇是指两个簇之间的相隔时间不超过预设的簇间相隔时间阈值。该预设的簇间相隔时间阈值可以基于实验数据来确定，例如，基于实验中相邻两次眨眼之间的时间间隔来确定。当创建的两个簇之间的时间间隔超过了该簇间相隔时间阈值，则表示这两个簇之间可能会存在其他的簇，此时，这两个簇不是相邻两簇。在簇建立之前，该最大空闲时峰值初始为0。此外，在创建簇的过程中，可以根据所建立的簇，来不断更新该最大空闲时峰值。

其中，在一次完整的眨眼过程中，体动检测芯片输出的电压波形为从较低水平的电压上升到峰值，再下降到该较低水平的电压的波形。当第一区域中除目标采样点之外的采样点的个数少于预设的领域密度阈值、且目标采样点的电压值小于距其最近的峰值并大于最大空闲时峰值，且该第一区域中除该目标采样点之外的采样点的电压值均小于所述峰值并大于所述最大空闲时峰值时，表示该目标采样点的位置可能正处于电压上升或是下降的过程中。因此，当前所选取的目标采样点也可能是对应于眨眼动作的采样点，此时，可以为该目标采样点创建簇，并通过后续聚类操作完成簇的建立。

如图3所示，假设目标采样点为p2，预设的半径参数为r，预设的领域密度阈值为4。以p2为圆心、r为半径画圆所形成的第一区域如圆圈o2所示。o2中所包含的除目标采样点p2之外的采样点的个数为2，少于该预设的领域密度阈值4。m点所对应的电压为与目标采样点p2距离最近的峰值，且o2中除目标采样点p2之外的每个采样点的电压值也都小于该峰值，此时，假设最大空闲时峰值为初始值0，o2中的目标采样点p2、以及除目标采样点p2之外的每个采样点的电压值都大于该最大空闲时峰值，因此，确定目标采样点p2满足上述有效条件，此时，可以建立针对p2的簇。

在创建了针对目标采样点的簇之后，接下来，要判断在该目标采样点附近的其他采样点是否能够与目标采样点进行聚类，合并到一个簇中。即，如图1所示，在步骤s14中，将目标采样点、和与目标采样点之间满足聚类条件的采样点添加到所述簇中，以完成所述簇的建立，其中，所建立的簇对应一次眨眼动作。

在确定与目标采样点之间满足聚类条件的采样点时，可以按照如图4所示的方式来确定。首先，在步骤s41中，将以目标采样点为圆心、以预设的半径参数为半径所形成的第一区域中、除该目标采样点之外的采样点添加到候选采样点集合中。

如图3所示，假设目标采样点为p2，在区域o2中除目标采样点p2之外的采样点全部添加到候选采样点集合s中，此时集合s中包括两个采样点，分别为q1和q2。

在步骤s42中，遍历所述候选采样点集合中的采样点，并在以所遍历的采样点为圆心、以预设的半径参数为半径所形成的第二区域中，除所遍历的采样点之外的采样点的个数不少于预设的领域密度阈值时，将所述第二区域中除所遍历的采样点之外的采样点添加到所述候选采样点集合中。其中，此处提及的第二区域中预设的半径参数和领域密度阈值与上文描述的第一区域中预设的半径参数和领域密度阈值相同。

如图3所示，假设遍历到的候选采样点集合s中的采样点为q1，则判断以q1点为圆心、r为半径所形成的圆o4中，除q1点之外的采样点的个数是否不少于预设的领域密度阈值。如图3所示，o4中除q1点之外的采样点的个数为4，不少于预设的领域密度阈值4，因此，确定这些采样点满足聚类条件。此时，将o4中除q1点之外的采样点添加到候选采样点集合s中。值得说明的是，已包含在候选采样点集合s中的采样点就不再添加。

在步骤s43中，判断候选采样点集合内的采样点是否全部遍历完成，在候选采样点集合内的采样点全部遍历完成的情况下，转入步骤s44，否则，在候选采样点集合内的采样点没有全部遍历完成的情况下，转入步骤s42，继续进行遍历，直到候选采样点集合中不再有新成员加入，且候选采样点集合内的全部采样点均已遍历为止。

在步骤s44中，将所述候选采样点集合中、未包含在其他簇中的采样点确定为是与目标采样点之间满足聚类条件的采样点。

在确定出与目标采样点之间满足聚类条件的采样点后，将这些采样点添加到针对该目标采样点所创建的簇中，完成该簇的建立。

在上述技术方案中，根据预设的领域密度阈值，可以将属于一次眨眼动作中的采样点聚合到同一簇中。在聚类过程中，主要进行的都是判断、标记这些操作，不需要实时计算各采样点之间的距离，因此，这种基于密度的聚合方法可以在确保采样点数据聚合的准确性的同时，还可以降低数据处理的复杂度，提高数据处理效率，从而提高眨眼参数识别的效率和准确率。

在针对步骤s12中选取的目标采样点的簇建立完成之后，可以判断采样数据序列中是否仍存在未遍历的采样点。在采样数据序列中仍存在未遍历的采样点时，返回步骤s12，重新执行所述从未遍历的采样点中选取任一采样点作为目标采样点以及后续操作，直到所述采样数据序列中的全部采样点已遍历为止。

在步骤s15中，根据所建立的簇，识别眨眼参数。

在本公开中，眨眼参数可以包括以下至少一项：眨眼次数；单次眨眼时间；眨眼时间间隔；眨眼占空比。相应地，所述根据所建立的簇，识别眨眼参数，可以包括以下中的至少一者：

1)将所建立的簇的总数识别为是眨眼次数。如上文所述，每建立一个簇，该簇即对应一次眨眼动作，因此，所建立的簇的总数即为眨眼次数。

2)针对每个簇，将簇成员的最大时间差值识别为是单次眨眼时间。其中，最大时间差值为该簇中时间最早的采样点与时间最晚的采样点之间的时间间隔，如图3中所示，以目标采样点p1所创建的簇为例，该簇中最早的采样点对应时间t1，最晚的采样点对应时间t1’，则该簇所对应的眨眼动作中，单次眨眼时间t1＝t1’-t1。又例如，以目标采样点p2所创建的簇为例，该簇中最早的采样点对应时间t2，最晚的采样点对应时间t2’，则该簇所对应的眨眼动作中，单次眨眼时间t2＝t2’-t2。其中，t1和t2可能相同，也可能不同。

3)针对相邻两个簇，将该相邻的两个簇的相邻时间之差识别为是眨眼时间间隔，其中，相邻的两个簇的相邻时间是指前一个簇中时间最晚的采样点与后一个簇中时间最早的采样点之间的时间间隔。如图3中所示，假设p1点对应的簇与p2点对应的簇是相邻的两个簇，则t1’与t2之间的时间间隔即表示眨眼时间间隔。其中，每两次眨眼动作之间的眨眼时间间隔可能相同，也可能不同。

4)将得到的眨眼时间间隔之和与电压信号的总时间之间的比值识别为是眨眼占空比。

通过上述技术方案，可以实现对属于一次眨眼动作的采样点的识别与聚类，根据聚类结果，能够准确地确定本次眨眼动作的开始与结束，从而准确完成眨眼参数的识别。在这一过程中，不需要像现有的眨眼识别算法中实时计算采样点之间的距离，更多的是进行判断、标记等操作，由此可以极大地减少数据的计算量，降低算法的复杂度，有效避免计算过程中可能出现的误差，准确率大幅提升。

可选地，所述方法还可以包括：在步骤s12中选取的目标采样点不满足预设的眨眼采样点有效条件时，表明此时该目标采样点已经偏离了眨眼信号波形，因此，将该目标采样点识别为是噪声点，并将以该目标采样点为圆心、以预设的半径参数为半径所形成的第一区域中、未包含在其他簇中的采样点同样识别为是噪声点。之后，去除所述噪声点。

示例地，如图3所示，假设预设的半径参数为r，领域密度阈值为4。如果随机选取的目标采样点为p3，则判断p3是否满足预设的眨眼采样点有效条件。以p3为圆心、r为半径的所形成的圆o3中，所包含的除目标采样点p3之外的采样点的个数为1，少于预设的领域密度阈值4。并且此时，最大空闲时峰值已经更新为c点对应的电压值，而区域o3中包含的采样点的电压值不满足全部大于c点对应的电压值的条件，因此，判定p3点以及区域o3包含的采样点中不包含在其他簇中的成员为噪声点，并去除该噪声点。由此，一方面可以避免噪声点对眨眼识别的影响，另一方面，可以减少待处理的采样点的个数，降低采样点数据的处理量，从而提高眨眼动作的识别效率。

此外，在步骤s15之前，所述方法还可以包括：删除每个簇中、电压值小于最大空闲时峰值的成员。

示例地，如图3所示，在以p1和p2为目标采样点所创建的簇建立完成后，最大空闲时峰值由初始值0更新为c点对应的电压值。q2点是针对目标采样点p2建立的簇中的成员，然而，该采样点q2的电压值小于c点对应的电压值，因此，将q2从针对目标采样点p2建立的簇中删除，以更新簇成员。之后，基于更新簇成员后的簇来识别眨眼参数。

通过这一技术方案，可以确保眨眼过程的完整性，没有多余的边界点，进而提高眨眼参数识别的准确率。

根据本公开的第二方面，提供一种眼睛眨动识别装置。图5所示，为根据本公开的一种实施方式提供的眼睛眨动识别装置的框图。如图5所示，该装置10包括：

采样模块101，用于对体动检测芯片输出的电压信号中满足预设的采样条件的信号进行采样，获取采样数据序列，其中，所述体动检测芯片用于检测眨眼动作；

目标采样点选取模块102，用于从所述采样模块101获取的、未遍历的采样点中选取任一采样点作为目标采样点；

簇创建模块103，用于在所述目标采样点选取模块102选取的所述目标采样点满足预设的眨眼采样点有效条件时，创建针对所述目标采样点的簇；

簇建立模块104，用于将所述目标采样点选取模块102选取的所述目标采样点、和与所述目标采样点之间满足聚类条件的采样点添加到所述簇创建模块103创建的所述簇中，以完成所述簇的建立，其中，所建立的簇对应一次眨眼动作；所述簇建立模块104还用于重新触发所述目标采样点选取模块102执行从所述采样模块101获取的、未遍历的采样点中选取任一采样点作为目标采样点，直到所述采样数据序列中的全部采样点已遍历为止；

参数识别模块105，用于根据所述簇建立模块104所建立的簇，识别眨眼参数。

可选地，所述预设的采样条件为：

电压的变化超过预设的电压变化阈值。

可选地，所述预设的眨眼采样点有效条件包括：

以所述目标采样点为圆心、以预设的半径参数为半径所形成的第一区域中，除所述目标采样点之外的采样点的个数不少于预设的领域密度阈值；或者

在以所述目标采样点为圆心、以预设的半径参数为半径所形成的第一区域中，除所述目标采样点之外的采样点的个数少于预设的领域密度阈值的情况下，所述目标采样点的电压值小于距其最近的峰值并大于最大空闲时峰值，且所述第一区域中除所述目标采样点之外的采样点的电压值均小于所述峰值并大于所述最大空闲时峰值，其中，所述最大空闲时峰值为相邻两簇之间的非簇成员中的最大值。

可选地，该装置10还可以包括：

噪声点识别模块，用于在所述目标采样点选取模块102选取的所述目标采样点不满足所述预设的眨眼采样点有效条件时，将所述目标采样点识别为是噪声点，并将所述第一区域中、未包含在其他簇中的采样点识别为是噪声点；

噪声点去除模块，用于去除所述噪声点识别模块识别出的所述噪声点。

可选地，图6所示，为根据本公开的另一种实施方式提供的眼睛眨动识别装置中簇建立模块104的框图。如图6所示，该簇建立模块104包括：

候选采样点集合建立子模块1041，用于将以所述目标采样点选取模块102选取的所述目标采样点为圆心、以预设的半径参数为半径所形成的第一区域中、除所述目标采样点之外的采样点添加到候选采样点集合中；

候选采样点遍历子模块1042，用于遍历所述候选采样点集合中的采样点，并在以所遍历的采样点为圆心、以预设的半径参数为半径所形成的第二区域中，除所遍历的采样点之外的采样点的个数不少于预设的领域密度阈值时，将所述第二区域中除所遍历的采样点之外的采样点添加到所述候选采样点集合中，直到所述候选采样点集合内的采样点全部遍历完成为止；

簇建立子模块1043，用于将所述候选采样点集合中、未包含在其他簇中的采样点确定为是与所述目标采样点之间满足聚类条件的采样点。

可选地，所述参数识别模块105包括以下中的至少一者：

眨眼次数识别子模块，用于将所述簇建立模块104所建立的簇的总数识别为是眨眼次数；

单次眨眼时间识别子模块，用于针对所述簇建立模块104所建立的每个簇，将簇成员的最大时间差值识别为是单次眨眼时间；

眨眼时间间隔识别子模块，用于针对所述簇建立模块104所建立的相邻两个簇，将该相邻的两个簇的相邻时间之差识别为是眨眼时间间隔；

眨眼占空比识别子模块，用于将所述眨眼时间间隔识别子模块识别出的所述眨眼时间间隔之和与所述电压信号的总时间之间的比值识别为是眨眼占空比。

可选地，所述装置10还可以包括：

删除模块，用于在所述参数识别模块105根据所述簇建立模块104所建立的簇，识别眨眼参数之前，删除每个簇中、电压值小于最大空闲时峰值的成员，其中，所述最大空闲时峰值为相邻两簇之间的非簇成员中的最大值。

通过上述技术方案，可以实现对属于一次眨眼动作的采样点的识别与聚类，根据聚类结果，能够准确地确定本次眨眼动作的开始与结束，从而准确完成眨眼参数的识别。在这一过程中，不需要像现有的眨眼识别算法中实时计算采样点之间的距离，更多的是进行判断、标记等操作，由此可以极大地减少数据的计算量，降低算法的复杂度，有效避免计算过程中可能出现的误差，准确率大幅提升。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

以上结合附图详细描述了本公开的优选实施方式，但是，本公开并不限于上述实施方式中的具体细节，在本公开的技术构思范围内，可以对本公开的技术方案进行多种简单变型，这些简单变型均属于本公开的保护范围。

另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本公开对各种可能的组合方式不再另行说明。

此外，本公开的各种不同的实施方式之间也可以进行任意组合，只要其不违背本公开的思想，其同样应当视为本公开所公开的内容。