本发明涉及一种基于物体表征状态的眼部关注偏好预测方法。
背景技术:
目前,与眼动交互相关的研究还处于一个相对初级的阶段,其拥有很大的发展潜力。现有的与眼动相关的应用方法存在以下缺陷:
1、局限于数据的采集和统计分析;
2、没有系统地将人的眼动行为与其所处的情境相结合;
3、缺少对用户情境认知状态的分析与描述;
4、没有很好地将人的眼动模式进行抽象化的模型分析。
因此,眼部运动状态所蕴含的信息还需要被更加深入地分析与挖掘。
技术实现要素:
本发明的目的在于提供一种基于物体表征状态的眼部关注偏好预测方法,分析不同人针对不同表征状态物体的眼部关注偏好程度,通过采集和标定训练数据、生成眼部关注偏好预测模型,以及结合情景信息预测用户行为趋势,最终分析用户认知状态。
本发明基于物体表征状态的眼部关注偏好预测方法,通过使用标签传播、决策树以及svm三种机器学习分类算法来学习眼动状态与二维屏幕上的不同表征状态的关联性,构建针对不同人对不同表征状态物体的眼部关注偏好预测模型,在获取用户在二维屏幕上的眼部专注点坐标数据和二维屏幕上的物体表征状态数据后,利用眼部关注偏好预测模型来预测用户的关注偏好程度,并结合用户所处的实时环境信息,对用户的行为趋势与偏好趋势进行预测和分析。
具体包括如下步骤:
步骤1、采集不同人在观察二维屏幕上不同表征状态的物体时的眼动状态,对眼动状态数据依据上述物体的不同表征状态进行标定;该物体表征状态包括形状、颜色、运动类型,该眼动状态数据包括用户在二维屏幕上的注视点坐标、二维屏幕上的物体坐标以及用户的关注状态;
步骤2、将二维屏幕上显示的物体的表征状态作为标签传播、决策树以及svm三种机器学习分类算法的输入特征,将用户的关注状态以及被关注物体的表征状态共同作为训练的预测标签放入到机器学习分类算法中,训练出不同人对于不同表征状态物体的眼部关注偏好预测模型,用于预测不同人对不同表征状态物体的眼部关注偏好程度;
步骤3、采集用户在观察不同表征状态的物体的眼动数据,结合被关注物体的表征状态,通过眼部关注偏好预测模型,预测用户针对该被观察物体的关注偏好程度;
步骤4、该眼部关注偏好预测模型结合实时环境信息,对用户的行为趋势进行预测,从而基于眼动交互预测用户的偏好趋势。
本发明利用机器学习分类算法训练并构建出不同人针对不同表征状态的物体的眼部关注偏好预测模型,通过该眼部关注偏好预测模型,来预测不同人对拥有不同表征状态的物体的眼部关注偏好状态,并根据该预测结果与人所处的情境信息相结合来预测人的行为趋势,从而基于眼动交互预测用户的偏好趋势。
附图说明
图1为本发明的工作原理示意图。
以下结合附图和具体实施例对本发明做进一步详述。
具体实施方式
本发明基于物体表征状态的眼部关注偏好预测方法,通过获取用户在二维屏幕上的眼部关注状态,结合二维屏幕上的物体表征状态(形状、颜色、运动状态),利用机器学习分类算法训练与用户眼部关注状态相关的特征数据,构建出不同人对不同表征状态物体的眼部关注偏好预测模型,并结合用户所处的情境信息,对用户的行为趋势与偏好趋势进行预测和分析,如图1所示,包括如下步骤:
步骤1、采集不同人在观察二维屏幕上不同表征状态的物体时的眼动状态,对眼动状态数据依据上述物体的不同表征状态进行标定;该物体表征状态包括形状、颜色、运动类型,该眼动状态数据包括用户在二维屏幕上的注视点坐标、二维屏幕上的物体坐标以及用户的关注状态;
步骤2、将二维屏幕上显示的物体的表征状态作为标签传播、决策树以及svm三种机器学习分类算法的输入特征,将用户的关注状态以及被关注物体的表征状态共同作为训练的预测标签放入到机器学习分类算法中,训练出不同人对于不同表征状态物体的眼部关注偏好预测模型,用于预测不同人对不同表征状态物体的眼部关注偏好程度;
步骤3、采集用户在观察不同表征状态的物体的眼动数据,结合被关注物体的表征状态,通过眼部关注偏好预测模型,预测用户针对该被观察物体的关注偏好程度;
步骤4、该眼部关注偏好预测模型结合实时环境信息,对用户的行为趋势进行预测,从而基于眼动交互预测用户的偏好趋势,上述用户行为趋势的预测结果可以应用到各种不同的交互介质中。
以上所述,仅是本发明较佳实施例而已,并非对本发明的技术范围作任何限制,故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰,均仍属于本发明技术方案的范围内。