一种基于视觉行为的网上用户类型识别方法及系统技术方案

本发明专利技术公开一种基于视觉行为的网上用户类型识别方法及系统，对一个或多个不同类型用户的眼动数据进行采集和处理，获得注视信息数据集与用户类型集，根据注视信息数据集中的注视信息，获得一个或多个眼动特征数据，以形成采样数据集，从中选择眼动特征数据输入支持向量机，训练得到用户类型分类器，完成机器学习过程获得分类器，将采集的网上任意用户的眼动数据输入到训练好的用户类型分类器，根据所分类器识别网上任意用户的用户类型。主要利用眼动追踪技术，获取计算用户浏览网页时三种眼动特征数据，根据眼动特征数据的不同，判断网上用户类型。基于视觉行为的用户识别，够主动记录网上用户的眼动数据，提取数据简便可靠，准确率高，可信度高。

【技术实现步骤摘要】
【专利摘要】本专利技术公开一种基于视觉行为的网上用户类型识别方法及系统，对一个或多个不同类型用户的眼动数据进行采集和处理，获得注视信息数据集与用户类型集，根据注视信息数据集中的注视信息，获得一个或多个眼动特征数据，以形成采样数据集，从中选择眼动特征数据输入支持向量机，训练得到用户类型分类器，完成机器学习过程获得分类器，将采集的网上任意用户的眼动数据输入到训练好的用户类型分类器，根据所分类器识别网上任意用户的用户类型。主要利用眼动追踪技术，获取计算用户浏览网页时三种眼动特征数据，根据眼动特征数据的不同，判断网上用户类型。基于视觉行为的用户识别，够主动记录网上用户的眼动数据，提取数据简便可靠，准确率高，可信度高。【专利说明】-种基于视觉行为的网上用户类型识别方法及系统
本专利技术设及用户类型自动识别
，具体是指一种基于视觉行为的网上用类 型识别方法及系统。
技术介绍
随着科技的发展和网络的普及，网络已经成为人们生活、学习、工作等不可缺少的 通讯工具和信息交流平台，目前，网络只能通过计算机硬件的键盘、鼠标、触摸屏等被动的 接受用户的信息请求，缓慢接收用户手动输入，而用户却能够快速从计算机界面和音频等 得到大量的信息，由此就会造成一种人机交互带宽不平衡的问题。在计算机网络被广泛使 用的同时W及大众需求标准日益提高的情况下，计算机网络智能的研究已经引起了广泛的 重视。 网络智能不但要实现信息处理智能，而且还要做到人机交互智能，而网页是作为 人和网络进行信息交互的重要的人机界面，其中，网上用户类型识别实现智能化尤为重要。 眼动跟踪技术对网络智能的实现提供了一种途径，眼动追踪技术（简称眼动技术）能够记 录用户眼球运动情况，使用户得W通过视觉通道直接对界面进行操作，W此可W解决人机 交互带宽不平衡的问题。 比较容易知道，不同类型网上用户通过眼动技术对界面进行操作时，其视觉性模 式会不同。例如，老年人由于年龄的增长，视力下降，眼睛的调节能力下降，视野变窄，认知 功能减退，信息加工能力降低，其视觉行为与青年人明显不同。在浏览网页时，老年人比青 年人从网页上获取和加工信息时需要付出更多的屯、理努力。研究表明老年人视觉浏览时更 多的关注网页中屯、区域，浏览策略呈现一种中屯、特性，而青年人视觉浏览时采用无明显规 律的自由浏览策略。 而现有的网上用户类型识别主要是通过问卷调查、网上点击率等方法，如此很难 获得网上用户上网过程中的屯、理活动，识别准确率低，可信度不高。 因此，有必要提供一种新的基于视觉行为的网上用户类型识别方法及系统，W解 决上述技术问题。
技术实现思路
本专利技术的目的是提供一种基于视觉行为的网上用户类型识别方法及系统，能够主 动记录网上用户的眼动数据，根据眼动数据的不同识别用户，提取数据简便可靠，识别准确 率高、可靠度高。 [000引根据本专利技术的一个方面，提供一种基于视觉行为的网上用户类型识别方法，第一 步，对一个或多个不同类型用户的眼动数据进行采集和处理，获得包括注视信息数据集F 与用户类型集C; 第二步，根据注视信息数据集F中的注视信息，获得一个或多个眼动特征数据，W 形成采样数据集； 第=步，从采样数据集中选择眼动特征数据输入支持向量机，训练得到用户类型 分类器，从而完成机器学习过程获得分类器； 第四步，将采集的网上任意用户的眼动数据输入到训练好的用户类型分类器，根 据所述分类器识别网上任意用户的用户类型。 在上述技术方案中，注视信息数据集F= {fl，f2，f3，f4，…fm}中fm是一个四元数 组（tfk，rifk，d ik，d J，t fk为此次浏览的时间；n fk为t fk时间内的浏览的注视点个数；d Ik 为左瞳孔直径；drk为右瞳孔直径。 在上述技术方案中，多个眼动特征数据形成采样数据集包括步骤： 第一步、通过计算公式 【权利要求】1. 一种基于视觉行为的网上用户类型识别方法，其特征在于，包括：步骤： 51、 对一个或多个不同类型用户的眼动数据进行采集和处理，获得包括注视信息数据 集F与用户类型集C; 52、 根据注视信息数据集F中的注视信息，获得一个或多个眼动特征数据，以形成采样 数据集； 53、 从采样数据集中选择眼动特征数据输入支持向量机，训练得到用户类型分类器，从 而完成机器学习过程获得分类器； 54、 将采集的网上任意用户的眼动数据输入到训练好的用户类型分类器，根据所述分 类器识别网上任意用户的用户类型。2. 根据权利要求1所述的基于视觉行为的网上用户类型识别方法，其中，步骤Sl还包 括： 注视信息数据集F=If1,f2,f3,f4,…fm}，其中乙是一个四元数组（tfk,nfk,dlk,drk)，tfk 为此次浏览的时间；nfk为tfk时间内的浏览的注视点个数；dlk为左瞳孔直径；dA为右瞳孔 直径。3. 根据权利要求2所述的基于视觉行为的网上用户类型识别方法，其中：所述步骤S2 还包括：离数据组S= {SD1,SD2,SD3,…，SDm}，其中，（xk,yk)和（xk+1,yk+1)分别是第k、k+1个注视点 的坐标，i表示某一用户某次浏览任务的注视点个数； S22、通过计算公式注视频率fqfk=nfk/tfk，计算出所有m个fqfk构成注视频率数据组ff={ffi,ff2,ff3, - ,fJ；，其中扎为第i个用户进行每一次任务时第j个注视点的瞳孔直径值； S24、选用上述第i个注视频率fqfi、瞳孔直径Di和眼跳距离Sm三个眼动特征以及对应 的用户类型Cq构成一个基本采样单元Mi= {fqfi,SDi,Di,cq}，所有m个基本采样单元构成采 样数据集：M' {Mi，M2,......?MJ。4. 根据权利要求1-3之一所述的基于视觉行为的网上用户类型识别方法，其中：所述 步骤S3还包括： 531、 选出一个基本采样单元Mi= {fqfi,SDi,Di,cq}， 532、 提取其眼动特征数据即训练用样本特征参数fqfi，SDi以及Di构成一个特征参数向 量； 533、 以采样符号函数作为判断语句，如果该条语句属于此特征参数对应的用户类型 cq，则令SVM输出yi= 1，否则yi= -1，如此训练获得所述分类器。5. 根据权利要求1-3之一所述的基于视觉行为的网上用户类型识别方法，其中：步骤 S4还包括： S41、将采集的网上任意用户的眼动数据输入到训练好的用户类型分类器； S42、根据所述分类器识别网上任意用户的用户类型。6. -种基于视觉行为的网上用户类型识别系统，特征在于：包括依次连接的数据采集 处理单元、获取单元、训练单元单元以及识别单元；其中， 采集处理单元，用于对一个或多个不同类型用户的眼动数据进行采集和处理，获得包 括注视信息数据集F与用户类型集C; 获取单元，用于根据注视信息数据集中的注视信息，获得一个或多个眼动特征数据，以 形成采样数据集； 训练单元，用于从采样数据集中选择眼动特征数据输入支持向量机，训练得到用户类 型分类器，从而完成机器学习过程获得分类器； 识别单元，用于将采集的网上任意用户的眼动数据输入到训练好的用户类型分类器， 根据所述分本文档来自技高网...

【技术保护点】
一种基于视觉行为的网上用户类型识别方法，其特征在于，包括：步骤：S1、对一个或多个不同类型用户的眼动数据进行采集和处理，获得包括注视信息数据集F与用户类型集C；S2、根据注视信息数据集F中的注视信息，获得一个或多个眼动特征数据，以形成采样数据集；S3、从采样数据集中选择眼动特征数据输入支持向量机，训练得到用户类型分类器，从而完成机器学习过程获得分类器；S4、将采集的网上任意用户的眼动数据输入到训练好的用户类型分类器，根据所述分类器识别网上任意用户的用户类型。

【技术特征摘要】

【专利技术属性】
技术研发人员：吕胜富，栗觅，马理旺，钟宁，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京;11