基于眼动数据分析的异常情绪识别方法技术

本发明专利技术公开了一种基于眼动数据分析的异常情绪识别方法，包括以下步骤，拍摄多个受测者的眼动视频样本，并提取各受测者对应的眼动视频样本内的32维眼动特征；对多个受测者的32维眼动特征的数据进行异常分析，并将异常的样本数据归为异常情绪类别，将非异常的样本数据归为非异常特征样本；基于非异常特征样本，从32维眼动特征中提取6维有效眼动特征；基于提取的6维有效眼动特征，输入训练好的支撑向量机模型，从而识别具有异常情绪的样本。本发明专利技术基于眼动数据分析引入的异常数据处理机制，大大提高了算法效率；并采用特征选择方法，降低了特征维度，在改善训练时间的同时，有效提高类似犯罪知情者的异常情绪识别。

An Abnormal Emotion Recognition Method Based on Eye Movement Data Analysis

The invention discloses an abnormal emotion recognition method based on eye movement data analysis, which includes the following steps: shooting eye movement video samples of multiple subjects and extracting 32-dimensional eye movement characteristics in corresponding eye movement video samples of each subject; analyzing abnormal data of 32-dimensional eye movement characteristics of multiple subjects, classifying abnormal sample data into abnormal emotion categories and non-abnormal emotion categories; Normal sample data are classified as non-abnormal feature samples; based on non-abnormal feature samples, 6-dimensional effective eye movement features are extracted from 32-dimensional eye movement features; based on the extracted 6-dimensional effective eye movement features, the trained support vector machine model is input to identify the samples with abnormal emotions. The abnormal data processing mechanism introduced by the present invention based on eye movement data analysis greatly improves the efficiency of the algorithm, and adopts the feature selection method to reduce the feature dimension, so as to improve the training time and effectively improve the abnormal emotion recognition of similar criminal informed persons.

【技术实现步骤摘要】
基于眼动数据分析的异常情绪识别方法
本专利技术涉及眼动数据分析
，具体涉及一种基于眼动数据分析的异常情绪识别方法。
技术介绍
在刑侦背景下，审讯犯罪嫌疑人的关键在于对犯罪嫌疑人的异常情绪进行评测，即所谓″测谎″。由于人在说谎时的心理变化会引起一些生理参数(如皮肤电、心跳、血压、呼吸脑电波、声音等)的变化，因此，通过检测这些变化来评估被测者的异常情绪是一种有效的辅助手段。在早期的研究中，接触式测谎手段是常用方法，如多道生理仪、脑认知神经技术等。但是，该方法需要被测者必须主观配合，且可采用隐蔽性的反测谎技术来干扰测试结果。因此，有效的测谎应该具有非接触性，强隐蔽性，且所分析信号便于采集和处理的特点。此类非接触测谎主要利用面部微表情、肢体动作或语音等特征实现，但是，目前还没有被证实哪一种方法是最有效的。当前眼动分析法是研究人类认知加工的有效方法，其无损伤、生态化、高效化的优势是一般研究技术难以取代的。心理学与生理学研究及实验成果明确指出的眼动与说谎存在一定关系，相关特征差异包括瞳孔直径、眼动轨迹、眼动注视时间、注视区域、眨眼频率、眼跳等。眼动技术既可以分析认知加工过程，又可以分析认知本文档来自技高网...

【技术保护点】
1.基于眼动数据分析的异常情绪识别方法，其特征在于：包括以下步骤，步骤(A)，拍摄多个受测者的眼动视频样本，并提取各受测者对应的眼动视频样本内的32维眼动特征；步骤(B)，对多个受测者的32维眼动特征的数据进行异常分析，并将异常的样本数据归为异常情绪类别，将非异常的样本数据归为非异常特征样本；步骤(C)，基于非异常特征样本，从32维眼动特征中提取6维有效眼动特征；步骤(D)，基于提取的6维有效眼动特征，输入训练好的支撑向量机模型，从而识别具有异常情绪的样本。

【技术特征摘要】
1.基于眼动数据分析的异常情绪识别方法，其特征在于：包括以下步骤，步骤(A)，拍摄多个受测者的眼动视频样本，并提取各受测者对应的眼动视频样本内的32维眼动特征；步骤(B)，对多个受测者的32维眼动特征的数据进行异常分析，并将异常的样本数据归为异常情绪类别，将非异常的样本数据归为非异常特征样本；步骤(C)，基于非异常特征样本，从32维眼动特征中提取6维有效眼动特征；步骤(D)，基于提取的6维有效眼动特征，输入训练好的支撑向量机模型，从而识别具有异常情绪的样本。2.根据权利要求1所述的基于眼动数据分析的异常情绪识别方法，其特征在于：所述32维眼动特征，包括眨眼统计量6项：眨眼次数、眨眼频率、眨眼总持续时间、平均眨眼时长、眨眼持续时长最大值、眨眼持续时长最小值；注视统计量11项：注视次数、注视频率、注视总时长、平均注视时长、注视时长最大值、注视时长最小值、总注视偏差、平均注视偏差、最大注视偏差、最小注视偏差、扫视路径长度；眼跳统计量15项：眼跳次数、眼跳频率、眼跳总时长、眼跳平均时长、眼跳时长最大值、眼跳时长最小值、总的眼跳幅度、平均眼跳幅...

【专利技术属性】
技术研发人员：唐闺臣，梁瑞宇，谢跃，徐梦圆，叶超，
申请(专利权)人：南京工程学院，
类型：发明
国别省市：江苏,32