CN110327061A - 一种基于眼动追踪技术的性格确定装置、方法及设备 - Google Patents
一种基于眼动追踪技术的性格确定装置、方法及设备 Download PDFInfo
- Publication number
- CN110327061A CN110327061A CN201910740172.5A CN201910740172A CN110327061A CN 110327061 A CN110327061 A CN 110327061A CN 201910740172 A CN201910740172 A CN 201910740172A CN 110327061 A CN110327061 A CN 110327061A
- Authority
- CN
- China
- Prior art keywords
- testee
- personality
- test result
- eye movement
- character type
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/163—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state by tracking eye movement, gaze, or pupil change
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/16—Devices for psychotechnics; Testing reaction times ; Devices for evaluating the psychological state
- A61B5/167—Personality evaluation
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Psychiatry (AREA)
- Psychology (AREA)
- Developmental Disabilities (AREA)
- Heart & Thoracic Surgery (AREA)
- Hospice & Palliative Care (AREA)
- Social Psychology (AREA)
- Physics & Mathematics (AREA)
- Child & Adolescent Psychology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Educational Technology (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明公开了一种基于眼动追踪技术的性格确定装置、方法及设备。其中,该装置包括确定单元,用于根据被测试者的第一眼动数据与第一数据模型,确定被测试者的倾向选择,进而确定被测试者的第一性格测试结果;还用于根据被测试者的第二眼动数据与第二数据模型,确定被测试者的第二性格测试结果;以及,根据第一性格测试结果和第二性格测试结果,确定被测试者的性格类型。通过该装置,可以挖掘出被测试者在测试时所隐藏的性格类型,能够从多个角度全面、真实地反映被测试者的性格特点。
Description
技术领域
本发明实施例涉及信息处理技术,尤其涉及一种基于眼动追踪技术的性格确定装置、方法及设备。
背景技术
在进行性格测试时,通常采用做选择题的方式获得测试结果,再根据测试结果综合评定被测试者的性格类型。
但在测试过程中,难免会出现测试者为了达到更加匹配的性格类型而隐瞒自己真实的想法,选择更加倾向于目标性格的选项。
这样的测试方式无法判断被测试者在测试过程中是否隐瞒了自己的真实情况,也无法挖掘出被测试者所隐瞒的真实情况,同时,也不能获取被测试者在测试过程中的各种行为表现所体现的性格特点。
发明内容
本发明提供一种基于眼动追踪技术的性格确定装置、方法及设备,能够挖掘出被测试者所隐藏的真实性格类型,全面、真实地反映被测试者的性格特点。
第一方面,本发明实施例还提供了一种基于眼动追踪技术的性格确定装置,该装置包括:
确定单元,用于根据被测试者的第一眼动数据与第一数据模型,确定被测试者的倾向选择;
确定单元,还用于根据倾向选择,确定被测试者的第一性格测试结果;
确定单元,还用于根据被测试者的第二眼动数据与第二数据模型,确定被测试者的第二性格测试结果;
确定单元,还用于根据第一性格测试结果和第二性格测试结果,确定被测试者的性格类型。
第二方面,本发明实施例提供了一种基于眼动追踪技术的性格确定方法,该方法包括:
根据被测试者的第一眼动数据与第一数据模型,确定被测试者的倾向选择;
根据倾向选择,确定被测试者的第一性格测试结果;
根据被测试者的第二眼动数据与第二数据模型,确定被测试者的第二性格测试结果;
根据第一性格测试结果和第二性格测试结果,确定被测试者的性格类型。
第三方面,本发明实施例还提供了一种基于眼动追踪技术的性格确定设备,该设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,当处理器执行计算机程序时,实现如本发明第一方面提供的性格确定装置的功能。
第四方面,本发明实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,当计算机程序被处理器执行时,实现如本发明第一方面提供的性格确定装置的功能。
本发明实施例提供了一种基于眼动追踪技术的性格确定装置、方法及设备,其中,装置包括确定单元,用于根据被测试者的第一眼动数据与第一数据模型,确定被测试者的倾向选择,进而确定被测试者的第一性格测试结果;并用于根据被测试者的第二眼动数据与第二数据模型,确定被测试者的第二性格测试结果;以及,根据第一性格测试结果和第二性格测试结果,确定被测试者的性格类型。通过该装置,可以挖掘出被测试者在测试时所隐藏的性格类型,能够从多个角度全面、真实地反映被测试者的性格特点。
附图说明
图1为本发明实施例一中性格确定装置结构示意图;
图2是本发明实施例一中的眼动轨迹示意图;
图3是本发明实施例一中的部分眼动数据示意图;
图4是本发明实施例一中的另一性格确定装置结构示意图;
图5是本发明实施例二中的性格确定方法流程图;
图6是本发明实施例二中的另一性格确定方法流程图;
图7是本发明实施例二中的另一性格确定装置结构示意图;
图8是本发明实施例三中的性格确定设备结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
另外,在本申请实施例中,“可选地”或者“示例性地”等词用于表示作例子、例证或说明。本发明实施例中被描述为“可选地”或者“示例性地”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言,使用“可选地”或者“示例性地”等词旨在以具体方式呈现相关概念。
为了便于理解,示例地给出了部分与本发明相关概念的说明以供参考。如下所示:
眼动数据:借助眼动仪通过图像识别算法估算被测试者的注视点信息,获取到的被测试者的眼睛活动数据,该眼睛活动数据可以包括注视点信息、注视轨迹、注视次数、注视时长等信息。
眼动追踪技术:借助眼动仪通过图像识别算法估算被测试者的注视点信息,以根据该注视点信息能够实时确定被测试者注视点的技术。
倾向选择:根据眼动数据,通过深度学习算法计算出的最偏向被测试者内心选择意向的选项。
实际选择:被测试者在测试过程中的实际勾选的选项。
实际选择与倾向选择之间的差异,如下所示:
最近几次遇到不愉快的事时,你的情况都是怎么样的?
□我完全是行霉运,坏事不断,一次比一次感到苦恼。
□努力支撑,坏到极点总也有转折点吧。
有些不开心,但很快能坚持过去。
在上述选项中,根据获取到的用户眼动数据,确定用户注视点停留在第二选项的注视时长和注视次数更多,因此第二项为被测试者的倾向选择,第三项为被测试者的实际勾选的选项。
实施例一
在上述概念的基础上,本发明实施例提供一种基于眼动追踪技术的性格确定装置,如图1所示,该装置包括:确定单元101。
其中,确定单元101,用于根据被测试者的第一眼动数据与第一数据模型,确定被测试者的倾向选择。
示例性地,第一眼动数据可以包括:选项的注视时长、选项的注视次数、最终注视选项、选择时的注视选项、注视轨迹、丢失目标时长等。
在本发明实施例中,第一数据模型可以为根据输入的第一眼动数据确定被测试者倾向选择的模型。
例如,通过将被测试者的第一眼动数据输入第一数据模型,与第一数据模型中的眼动数据信息作对比,匹配出对应的测试结果,进而输出该测试结果,并将该结果确定为被测试者的倾向选择。
确定单元101,还用于根据倾向选择,确定被测试者的第一性格测试结果。
在获取到被测试者的倾向选择之后,确定单元101可以基于该倾向选择对被测试者进行性格测试分析,基于该性格测试分析结果,确定被测试者的第一性格测试结果。
需要说明的是,对被测试者进行性格测试分析时,可以采用现有技术中的实现方法,例如,基于被测试者的倾向选择,判断该被测试者属于哪种性格类型,并给予相应的分值,本发明对此不作限定。
可选地,在本发明实施例中,设计的一种第一性格测试结果包括至少一种性格类型,以及与至少一种性格类型对应的权值。进一步地,可以将性格测试分析之后的性格类型以及相应的分值,作为第一性格测试结果。
本领域技术人员可以理解的是,当倾向选择与被测试者所做出的实际选择相同,即被测试者没有隐瞒而是根据自己的真实情况进行测试时,该过程也可以为根据被测试者的实际选择,确定被测试者的第一性格测试结果。
确定单元101,还用于根据被测试者的第二眼动数据与第二数据模型,确定被测试者的第二性格测试结果。
示例性地,第二眼动数据可以包括:选项注视时长、选项注视次数、最终注视选项、选择时注视选项、注视轨迹、选择所用时长、丢失目标时长、选择修改次数等。
在本发明实施例提供的技术方案中,本领域技术人员可以根据实际需求,对第二眼动数据进行不同的设计,以便于与第一眼动数据区分开,进而可以基于不同的角度对被测试者进行测试。但可以理解的是,无论对第一眼动数据和第二眼动数据进行何种设计,该发明思路都包含在本发明所要保护的范围中。
如图2所示,本发明实施例是从被测试者的眼动轨迹这一角度出发,设计了第二眼动数据,其中,圆圈的大小表示被测试者的注视时长。圆圈越大表示被测试者的注视时间越长。
基于该被测试者的眼动轨迹可以获取被测试者的第二眼动数据,如图3所示,列举了被测试者的部分眼动数据。
可选地,在本发明实施例中,第二数据模型可以为根据输入的第二眼动数据输出被测试者第二性格测试结果的模型。
例如,通过将采集到的被测试者的第二眼动数据输入第二数据模型中,与第二数据模型中的眼动数据信息进行对比,匹配出与第二眼动数据对应的各个性格类型以及与各个性格类型对应的权值,将各个性格类型及其对应的权值作为输出的第二性格测试结果。
可选地,第二性格测试结果可以包括至少一种性格类型,以及与至少一种性格类型对应的权值。
需要说明的是,第二性格测试结果包含的至少一种性格类型与第一性格测试结果包含的至少一种性格类型可以相同,也可以不同。
例如,假设第二性格测试结果与第一性格测试结果均包含有A、B、C、D四类性格。当第一、二性格测试结果中这四类性格所对应的权值均大于0时,第二性格测试结果包含的至少一种性格类型与第一性格测试结果包含的至少一种性格类型相同。
相反,假设第一性格测试结果中B、C、D这三类性格所对应的权值均为0,即第一性格测试结果只包含了A类性格及其对应的权值,而第二性格测试结果中A、B类性格所对应的权值均为0,即第二性格测试结果只包含了C、D类性格以及与其相对应的权值,此时,第二性格测试结果与第一性格测试结果所包含的至少一种性格类型不同。
确定单元101,还用于根据第一性格测试结果和第二性格测试结果,确定被测试者的性格类型。
可选地,本发明实施例提供了一种实现方法为,将第一权重分别乘以第一性格测试结果中至少一种性格类型所对应的权值,得到与至少一种性格类型对应的第一结果,其中,第一权重为被测试者实际选择与倾向选择相同的试题数量在所有测试题中所占的比重;
将第二权重分别乘以第二性格测试结果中至少一种性格类型所对应的权值,得到与至少一种性格类型对应的第二结果,其中,第二权重为被测试者实际选择与内心选择不同的试题数量在所有测试题中所占的比重;
将至少一种性格类型对应的第一结果与第二结果相加,得到与至少一种性格类型对应的第三结果;
进而,将该第三结果对应的至少一种性格类型确定为被测试者的性格类型。
例如,假设测试题总共有10道,其中,被测试者实际选择与倾向选择相同的题目数量为8道,被测试者实际选择与倾向选择不同的题目数量为2道,则可以确定第一权重为80%,第二权重为20%。
假设第一性格测试结果包含有上述步骤列举的A、B、C、D四种性格类型,其对应的权值分别为8、2、0、0,第二性格测试结果包含的A、B、C、D四种性格类型,其对应的权值分别为0、0、6、4,则根据本发明实施例提供的实现方式可以确定:
第一结果为A=8*80%,B=2*80%,C=0*80%,D=0*80%;
第二结果为A=0*20%,B=0*20%,C=6*20%,D=4*20%,
进而,第三结果为A=8*80%+0*20%=6.4,B=2*80%+0*20%=1.6,C=0*80%+6*20%=1.2,D=0*80%+4*20%=0.8。
即该被测试者的性格最倾向于A类性格,同时也拥有B、C、D这三类性格的部分特征,其中,权值越大,表示该被测试者越接近这一性格类型,权值越小,表示该被测试者拥有的这一性格类型的特征越少。
需要说明的是,上述对于第一、第二、第三结果仅是示例性的表示,本发明实施例并不限定该第一、第二、第三结果的呈现方式。
另外,上述性格确定装置还包括:建立单元102,结合图2,如图4所示。
该建立单元102,用于在确定被测试者的倾向选择之前,建立第一数据模型。
例如,分类收集被测试者进行测试时,无隐瞒选择行为以及全部隐瞒选择行为这两种不同情况下的眼动数据。
基于收集到的眼动数据,通过深度学习算法建立能够输出被测试者倾向选择的第一数据模型,其中,该第一数据模型用于确定被测试者的倾向选择。
其中,在收集全部隐瞒选择行为这一情况下的被测试者眼动数据时,标注被测试者的倾向选择,即被测试者内心意向的选项。
需要说明的是,本领域技术人员可以根据实际需求选用对应的深度学习算法建立第一数据模型,本发明实施例对此不作限制。
进一步地,确定单元101,还用于在确定被测试者的倾向选择之前,根据第一预设条件确定第一眼动数据有效。
在基于第一眼动数据确定被测试者的倾向选择时,可以事先根据第一预设条件判断该第一眼动数据是否有效。如果判断第一眼动数据有效则继续进行性格测试分析,如果判断第一眼动数据无效则不需要进行性格测试分析。
示例性地,该第一预设条件可以为被测试者注视题目的预设时长、注视选项的预设时长,以及注视选项的预设次数等。例如,被测试者答题时,判断被测试者注视题目和选项的时长,选项注视次数等是否在有效阈值内,若被测试者注视题目和选项时长分别小于对应的预设时长,即该被测试者没有仔细读题,或者选项注视次数为0,即该测试者并没有读这一选项,就做出选择,那么可以认为采集到该被测试者的第一眼动数据是无效的。在这种情况下,不必确定被测试者的性格类型。
通过判断采集到的第一眼动数据是否有效,可以进一步判断是否继续确定被测试者的性格类型。当确定该第一眼动数据有效时,通过该第一眼动数据和第一数据模型得到的倾向选择即为有效信息,进而基于该有效的倾向选择可以更加严谨地确定被测试者的性格类型,提高确定被测试者性格类型的准确性和可靠性。
建立单元102,还用于在确定被测试者的第二性格测试结果之前,建立第二数据模型。
例如,收集不同性格类型人的眼动轨迹数据,基于各眼动轨迹数据,通过深度学习算法建立第二数据模型。该第二数据模型用于确定被测试者的第二性格测试结果。
需要说明的是,在建立第二数据模型时所选用的深度学习算法需要与建立第一数据模型时选用的算法相同,这样以保证对第一眼动数据和第二眼动数据处理的一致性。
该第二数据模型可以基于输入的被测试者的第二眼动数据,分析、计算出被测试者的性格类型以及与各个性格类型对应的权值。
确定单元101,还用于在确定被测试者的第二性格测试结果之前,根据第二预设条件确定第二眼动数据有效。
在基于第二眼动数据确定被测试者的第二性格测试结果时,可以预先根据第二预设条件判断该第二眼动数据是否有效。
示例性地,该第二预设条件可以为被测试者注视选项的预设时长,作出选择所用的预设时长等。
例如,对第二眼动数据中的选项注视时长和选择所用时长进行判断。若被测试者在进行测试时,采集到该被测试者的选项注视时长小于对应的预设时长,即被测试者没有认真读题,或者被测试者选择所用时长小于对应的预设时长,即该测试者没有经过认真思考就做出选择。那么可以判定该被测试者的第二眼动数据无效。这种情况下,不需要继续确定第二性格测试结果以及被测试者的性格类型。反之,如果判断结果为确定被测试者的第二眼动数据有效,则根据该第二眼动数据继续确定第二性格测试结果。
通过这种方式可以确保第二性格测试结果的准确性和有效性。
本发明实施例提供了一种基于眼动追踪技术的性格确定装置,其中,装置包括确定单元,用于根据被测试者的第一眼动数据与第一数据模型,确定被测试者的倾向选择,进而确定被测试者的第一性格测试结果;并用于根据被测试者的第二眼动数据与第二数据模型,确定被测试者的第二性格测试结果;以及,根据第一性格测试结果和第二性格测试结果,确定被测试者的性格类型。通过该装置,可以挖掘出被测试者在测试时所隐藏的性格类型,能够从多个角度全面、真实地反映被测试者的性格特点。
实施例二
本发明实施例提供了一种基于眼动追踪技术的性格确定方法,如图5所示,该方法包括:
S501、根据被测试者的第一眼动数据与第一数据模型,确定被测试者的倾向选择。
示例性地,第一眼动数据可以包括:选项的注视时长、选项的注视次数、最终注视选项、选择时的注视选项、注视轨迹、丢失目标时长等。
在本发明实施例中,第一数据模型可以为根据输入的第一眼动数据确定被测试者倾向选择的模型。
S502、根据倾向选择,确定被测试者的第一性格测试结果。
在本发明实施例中,第一性格测试结果包含至少一种性格类型及与至少一种性格类型对应的权值。
S503、根据被测试者的第二眼动数据与第二数据模型,确定被测试者的第二性格测试结果。
示例性地,第二眼动数据可以包括:选项注视时长、选项注视次数、最终注视选项、选择时注视选项、注视轨迹、选择所用时长、丢失目标时长、选择修改次数等。
第二数据模型可以为根据输入的第二眼动数据输出被测试者第二性格测试结果的模型。
可选地,第二性格测试结果可以包括至少一种性格类型,以及与至少一种性格类型对应的权值。
需要说明的是,第二性格测试结果包含的至少一种性格类型与第一性格测试结果包含的至少一种性格类型可以相同,也可以不同。
S504、根据第一性格测试结果和第二性格测试结果,确定被测试者的性格类型。
可选地,本发明实施例提供了一种实现方法为,将第一权重分别乘以第一性格测试结果中至少一种性格类型所对应的权值,得到与至少一种性格类型对应的第一结果,其中,第一权重为被测试者实际选择与倾向选择相同的试题数量在所有测试题中所占的比重;
将第二权重分别乘以第二性格测试结果中至少一种性格类型所对应的权值,得到与至少一种性格类型对应的第二结果,其中,第二权重为被测试者实际选择与内心选择不同的试题数量在所有测试题中所占的比重;
将至少一种性格类型对应的第一结果与第二结果相加,得到与至少一种性格类型对应的第三结果;
进而,将该第三结果对应的至少一种性格类型确定为被测试者的性格类型。
在确定被测试者的倾向选择之前,本发明实施例提供了一种性格确定方法,结合图5,如图6所示,还包括:
S5010、建立第一数据模型。
分类收集被测试者进行测试时,无隐瞒选择行为以及全部隐瞒选择行为这两种不同情况下的眼动数据。
基于收集到的眼动数据,通过深度学习算法建立能够输出被测试者倾向选择的第一数据模型。
S5011、根据第一预设条件确定第一眼动数据有效。
该第一预设条件可以为被测试者注视题目的预设时长、注视选项的预设时长,以及注视选项的预设次数等。
在基于第一眼动数据确定被测试者的倾向选择时,可以事先根据第一预设条件判断该第一眼动数据是否有效。如果判断第一眼动数据有效则继续进行性格测试分析,如果判断第一眼动数据无效则不需要进行性格测试分析。
需要说明的是,S5011并不局限在S5010之后执行。
在确定被测试者的第二性格测试结果之前,本发明实施例提供了一种性格确定方法,结合图6,如图7所示,还包括:
S5012、建立第二数据模型。
收集不同性格类型人的眼动轨迹数据,基于各眼动轨迹数据,通过深度学习算法建立第二数据模型。
需要说明的是,在建立第二数据模型时所选用的深度学习算法需要与建立第一数据模型时选用的算法相同,这样以保证对第一眼动数据和第二眼动数据处理的一致性。
S5013、根据第二预设条件确定第二眼动数据有效。
在基于第二眼动数据确定被测试者的第二性格测试结果时,可以预先根据第二预设条件判断该第二眼动数据是否有效。
示例性地,该第二预设条件可以为被测试者注视选项的预设时长,作出选择所用的预设时长等。
需要说明的是,S1013并不局限在S1012之后执行,且S1013和S1012也不局限于在S1010-S1011以及S101-S102之后执行。
本发明实施例提供了一种基于眼动追踪技术的性格确定方法,包括:根据被测试者的第一眼动数据与第一数据模型,确定被测试者的倾向选择,进而确定被测试者的第一性格测试结果;根据被测试者的第二眼动数据与第二数据模型,确定被测试者的第二性格测试结果;根据第一性格测试结果和第二性格测试结果,确定被测试者的性格类型。相比于现有技术,通过这样的实现方式,可以挖掘出被测试者在测试时所隐藏的性格类型,能够从多个角度全面、真实地反映被测试者的性格特点。
实施例三
本发明实施例提供了一种基于眼动追踪技术的性格确定设备,如图8所示,该性格确定设备包括:处理器801、存储器802、输入装置803、输出装置804;性格确定设备中的处理器801的数量可以是一个或多个,图8中以一个处理器801为例;性格确定设备中的处理器801、存储器802、输入装置803、输出装置804可以通过总线或其他方式连接,图8中以通过总线连接为例。
存储器802作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的性格确定方法对应的程序指令/模块(例如,性格确定装置中的确定单元101等)。处理器801通过运行存储在存储器802中的软件程序、指令以及模块,从而执行性格确定设备的各种功能应用以及数据处理,即实现上述的性格确定方法。
存储器802可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作***、至少一个功能所需的应用程序;存储数据区可存储根据终端的使用所创建的数据等。此外,存储器802可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中,存储器802可进一步包括相对于处理器901远程设置的存储器,这些远程存储器可以通过网络连接至设备/终端/服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置803可用于接收输入的数字或字符信息,以及产生与性格确定装置的用户设置以及功能控制有关的键信号输入。输出装置804可包括显示屏等显示设备。
上述性格确定设备可以执行本发明实施例一所提供的基于眼动追踪技术的性格确定方法,具备执行方法相应的功能模块和有益效果。
实施例四
本发明实施例四还提供一种包含计算机可执行指令的存储介质,所述计算机可执行指令在由计算机处理器执行时用于执行一种基于眼动追踪技术的性格确定方法,该方法包括:
根据被测试者的第一眼动数据与第一数据模型,确定被测试者的倾向选择;
根据倾向选择,确定被测试者的第一性格测试结果;
根据被测试者的第二眼动数据与第二数据模型,确定被测试者的第二性格测试结果;
根据第一性格测试结果和第二性格测试结果,确定被测试者的性格类型。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质,其计算机可执行指令不限于如上所述的方法操作,还可以执行本发明任意实施例所提供的性格确定中的相关操作。
通过以上关于实施方式的描述,所属领域的技术人员可以清楚地了解到,本发明可借助软件及必需的通用硬件来实现,当然也可以通过硬件实现,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是,上述基于眼动追踪技术的性格确定装置的实施例中,所包括的各个单元和模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能单元的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种基于眼动追踪技术的性格确定装置,其特征在于,包括:
确定单元,用于根据被测试者的第一眼动数据与第一数据模型,确定所述被测试者的倾向选择;
所述确定单元,还用于根据所述倾向选择,确定所述被测试者的第一性格测试结果;
所述确定单元,还用于根据所述被测试者的第二眼动数据与第二数据模型,确定所述被测试者的第二性格测试结果;
所述确定单元,还用于根据所述第一性格测试结果和所述第二性格测试结果,确定所述被测试者的性格类型。
2.根据权利要求1所述的性格确定装置,其特征在于,所述第一性格测试结果包含至少一种性格类型及与至少一种性格类型对应的权值。
3.根据权利要求1所述的性格确定装置,其特征在于,所述第二性格测试结果包含至少一种性格类型及与至少一种性格类型对应的权值。
4.根据权利要求1所述的性格确定装置,其特征在于,所述装置还包括:
建立单元,用于在确定被测试者的倾向选择之前,建立第一数据模型,所述第一数据模型用于确定被测试者的倾向选择;
所述确定单元,还用于在确定所述被测试者的倾向选择之前,根据第一预设条件确定第一眼动数据有效。
5.根据权利要求1所述的性格确定装置,其特征在于,所述建立单元,还用于在确定被测试者的第二性格测试结果之前,建立第二数据模型,所述第二数据模型用于确定所述被测试者的第二性格测试结果;
所述确定单元,还用于在确定被测试者的第二性格测试结果之前,根据第二预设条件确定第二眼动数据有效。
6.根据权利要求1-5任一项所述的性格确定装置,其特征在于,所述确定单元,具体用于:
将第一权重分别乘以第一性格测试结果中至少一种性格类型所对应的权值,得到与至少一种性格类型对应的第一结果;
将第二权重分别乘以第二性格测试结果中至少一种性格类型所对应的权值,得到与至少一种性格类型对应的第二结果;
将所述至少一种性格类型对应的第一结果与第二结果相加,得到与至少一种性格类型对应的第三结果;
将所述第三结果对应的至少一种性格类型确定为所述被测试者的性格类型。
7.根据权利要求6所述的性格确定装置,其特征在于,所述第一权重为所述被测试者实际选择与倾向选择相同的试题数量在所有测试题中所占的比重;
所述第二权重为所述被测试者实际选择与倾向选择不同的试题数量在所述所有测试题中所占的比重;
其中,所述实际选择为所述被测试者在测试过程中实际勾选的选项;
所述倾向选择为所述被测试者内心倾向的选项。
8.一种基于眼动追踪技术的性格确定方法,其特征在于,包括:
根据被测试者的第一眼动数据与第一数据模型,确定所述被测试者的倾向选择;
根据所述倾向选择,确定所述被测试者的第一性格测试结果;
根据所述被测试者的第二眼动数据与第二数据模型,确定所述被测试者的第二性格测试结果;
根据所述第一性格测试结果和所述第二性格测试结果,确定所述被测试者的性格类型。
9.一种基于眼动追踪技术的性格确定设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时,实现如权利要求1-7任一项所述的性格确定装置的功能。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现如权利要求1-7中任一项所述的性格确定装置的功能。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910740172.5A CN110327061B (zh) | 2019-08-12 | 2019-08-12 | 一种基于眼动追踪技术的性格确定装置、方法及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910740172.5A CN110327061B (zh) | 2019-08-12 | 2019-08-12 | 一种基于眼动追踪技术的性格确定装置、方法及设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110327061A true CN110327061A (zh) | 2019-10-15 |
CN110327061B CN110327061B (zh) | 2022-03-08 |
Family
ID=68149325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910740172.5A Active CN110327061B (zh) | 2019-08-12 | 2019-08-12 | 一种基于眼动追踪技术的性格确定装置、方法及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110327061B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113077872A (zh) * | 2021-03-29 | 2021-07-06 | 山东思正信息科技有限公司 | 基于量表测试数据的群体心理状态多指标预测***及装置 |
Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008062416A2 (en) * | 2006-11-22 | 2008-05-29 | Nader Butto | A system and method for diagnosis of human behavior based on external body markers |
US20100010317A1 (en) * | 2008-07-09 | 2010-01-14 | De Lemos Jakob | Self-contained data collection system for emotional response testing |
WO2011049558A1 (en) * | 2009-10-20 | 2011-04-28 | Catholic Healthcare West | Eye movements as a way to determine foci of covert attention |
US20140214709A1 (en) * | 2013-01-07 | 2014-07-31 | Assessment Innovation, Inc. | Occupational performance assessment apparatuses, methods and systems |
CN105139317A (zh) * | 2015-08-07 | 2015-12-09 | 北京环度智慧智能技术研究所有限公司 | 兴趣取向值测验的认知指标分析方法 |
CN106691476A (zh) * | 2017-01-16 | 2017-05-24 | 清华大学 | 基于眼动特征的图像认知心理分析*** |
CN106901686A (zh) * | 2017-02-28 | 2017-06-30 | 北京七鑫易维信息技术有限公司 | 眼动测试任务的执行方法、服务器、测试端及*** |
CN107179829A (zh) * | 2017-05-22 | 2017-09-19 | 贵州大学 | 利用眼动数据预测用户个性化偏好的方法 |
CN107562202A (zh) * | 2017-09-14 | 2018-01-09 | 中国石油大学(北京) | 基于视线追踪的工艺操作人员人为失误识别方法及装置 |
CN107608523A (zh) * | 2017-09-30 | 2018-01-19 | 广东欧珀移动通信有限公司 | 移动终端的控制方法、装置及存储介质和移动终端 |
CN108078573A (zh) * | 2015-08-07 | 2018-05-29 | 北京环度智慧智能技术研究所有限公司 | 一种基于生理反应信息与刺激信息的兴趣取向值测验方法 |
WO2018122633A1 (en) * | 2016-12-27 | 2018-07-05 | Omron Corporation | Emotion estimation apparatus, method, and program |
CN108682189A (zh) * | 2018-04-20 | 2018-10-19 | 南京脑桥智能科技有限公司 | 一种学习状态确认***及方法 |
CN109044373A (zh) * | 2018-07-12 | 2018-12-21 | 济南博图信息技术有限公司 | 基于虚拟现实和眼动脑波检测的恐高症测评*** |
CN109117711A (zh) * | 2018-06-26 | 2019-01-01 | 西安交通大学 | 基于眼动数据的分层特征提取与融合的专注度检测装置及方法 |
CN109157231A (zh) * | 2018-10-24 | 2019-01-08 | 阿呆科技(北京)有限公司 | 基于情绪刺激任务的便携式多通道抑郁倾向评估*** |
CN109199412A (zh) * | 2018-09-28 | 2019-01-15 | 南京工程学院 | 基于眼动数据分析的异常情绪识别方法 |
CN109199411A (zh) * | 2018-09-28 | 2019-01-15 | 南京工程学院 | 基于模型融合的案件知情者识别方法 |
CN109222888A (zh) * | 2018-11-05 | 2019-01-18 | 温州职业技术学院 | 一种基于眼动技术判断心理测试可靠性的方法 |
CN109480867A (zh) * | 2018-10-30 | 2019-03-19 | 深圳市心流科技有限公司 | 心理状态调节方法、装置及计算机可读存储介质 |
CN109558012A (zh) * | 2018-12-26 | 2019-04-02 | 北京七鑫易维信息技术有限公司 | 一种眼球追踪方法及装置 |
CN109549644A (zh) * | 2019-01-14 | 2019-04-02 | 陕西师范大学 | 一种基于脑电采集的人格特征匹配*** |
CN109917923A (zh) * | 2019-03-22 | 2019-06-21 | 北京七鑫易维信息技术有限公司 | 基于***调整注视区域的方法以及终端设备 |
-
2019
- 2019-08-12 CN CN201910740172.5A patent/CN110327061B/zh active Active
Patent Citations (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2008062416A2 (en) * | 2006-11-22 | 2008-05-29 | Nader Butto | A system and method for diagnosis of human behavior based on external body markers |
US20100010317A1 (en) * | 2008-07-09 | 2010-01-14 | De Lemos Jakob | Self-contained data collection system for emotional response testing |
WO2011049558A1 (en) * | 2009-10-20 | 2011-04-28 | Catholic Healthcare West | Eye movements as a way to determine foci of covert attention |
US20140214709A1 (en) * | 2013-01-07 | 2014-07-31 | Assessment Innovation, Inc. | Occupational performance assessment apparatuses, methods and systems |
CN108078573A (zh) * | 2015-08-07 | 2018-05-29 | 北京环度智慧智能技术研究所有限公司 | 一种基于生理反应信息与刺激信息的兴趣取向值测验方法 |
CN105139317A (zh) * | 2015-08-07 | 2015-12-09 | 北京环度智慧智能技术研究所有限公司 | 兴趣取向值测验的认知指标分析方法 |
WO2018122633A1 (en) * | 2016-12-27 | 2018-07-05 | Omron Corporation | Emotion estimation apparatus, method, and program |
CN106691476A (zh) * | 2017-01-16 | 2017-05-24 | 清华大学 | 基于眼动特征的图像认知心理分析*** |
CN106901686A (zh) * | 2017-02-28 | 2017-06-30 | 北京七鑫易维信息技术有限公司 | 眼动测试任务的执行方法、服务器、测试端及*** |
CN107179829A (zh) * | 2017-05-22 | 2017-09-19 | 贵州大学 | 利用眼动数据预测用户个性化偏好的方法 |
CN107562202A (zh) * | 2017-09-14 | 2018-01-09 | 中国石油大学(北京) | 基于视线追踪的工艺操作人员人为失误识别方法及装置 |
CN107608523A (zh) * | 2017-09-30 | 2018-01-19 | 广东欧珀移动通信有限公司 | 移动终端的控制方法、装置及存储介质和移动终端 |
CN108682189A (zh) * | 2018-04-20 | 2018-10-19 | 南京脑桥智能科技有限公司 | 一种学习状态确认***及方法 |
CN109117711A (zh) * | 2018-06-26 | 2019-01-01 | 西安交通大学 | 基于眼动数据的分层特征提取与融合的专注度检测装置及方法 |
CN109044373A (zh) * | 2018-07-12 | 2018-12-21 | 济南博图信息技术有限公司 | 基于虚拟现实和眼动脑波检测的恐高症测评*** |
CN109199412A (zh) * | 2018-09-28 | 2019-01-15 | 南京工程学院 | 基于眼动数据分析的异常情绪识别方法 |
CN109199411A (zh) * | 2018-09-28 | 2019-01-15 | 南京工程学院 | 基于模型融合的案件知情者识别方法 |
CN109157231A (zh) * | 2018-10-24 | 2019-01-08 | 阿呆科技(北京)有限公司 | 基于情绪刺激任务的便携式多通道抑郁倾向评估*** |
CN109480867A (zh) * | 2018-10-30 | 2019-03-19 | 深圳市心流科技有限公司 | 心理状态调节方法、装置及计算机可读存储介质 |
CN109222888A (zh) * | 2018-11-05 | 2019-01-18 | 温州职业技术学院 | 一种基于眼动技术判断心理测试可靠性的方法 |
CN109558012A (zh) * | 2018-12-26 | 2019-04-02 | 北京七鑫易维信息技术有限公司 | 一种眼球追踪方法及装置 |
CN109549644A (zh) * | 2019-01-14 | 2019-04-02 | 陕西师范大学 | 一种基于脑电采集的人格特征匹配*** |
CN109917923A (zh) * | 2019-03-22 | 2019-06-21 | 北京七鑫易维信息技术有限公司 | 基于***调整注视区域的方法以及终端设备 |
Non-Patent Citations (2)
Title |
---|
HOPPE,SABRINA等: "Eye Movements During Everyday Behavior Predict Personality Traits", 《FRONTIERS IN HUMAN NEUROSCIENCE》 * |
STEFANO PALLANTI等: "Eye movement abnormalities in anorexia nervosa", 《PSYCHIATRY RESEARCH》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113077872A (zh) * | 2021-03-29 | 2021-07-06 | 山东思正信息科技有限公司 | 基于量表测试数据的群体心理状态多指标预测***及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110327061B (zh) | 2022-03-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hutt et al. | The Eyes Have It: Gaze-Based Detection of Mind Wandering during Learning with an Intelligent Tutoring System. | |
Jones et al. | Disruption of proofreading by irrelevant speech: Effects of attention, arousal or memory? | |
Hart et al. | Beyond groupthink: Political group dynamics and foreign policy-making | |
Hasher et al. | Age, time of testing, and proactive interference. | |
Baker et al. | Human classification of low-fidelity replays of student actions | |
US5876334A (en) | Lie detector system using reaction time | |
Slessor et al. | Exploring own-age biases in deception detection | |
DeDe | Effects of word frequency and modality on sentence comprehension impairments in people with aphasia | |
Turri | Knowledge and assertion in “Gettier” cases | |
Schwartz et al. | Identity status measurement across contexts: Variations in measurement structure and mean levels among White American, Hispanic American, and Swedish emerging adults | |
DeDe | Reading and listening in people with aphasia: Effects of syntactic complexity | |
Carenini et al. | An empirical study of the influence of user tailoring on evaluative argument effectiveness | |
Crisp et al. | More evidence for a continuum between phonological and deep dyslexia: Novel data from three measures of direct orthography-to-phonology translation | |
Caplan et al. | Mechanisms underlying syntactic comprehension deficits in vascular aphasia: New evidence from self-paced listening | |
Levin et al. | The visual metacognition questionnaire: A measure of intuitions about vision | |
Yu | Diasporic Poetics: Asian Writing in the United States, Canada, and Australia | |
CN110327061A (zh) | 一种基于眼动追踪技术的性格确定装置、方法及设备 | |
Hershkovitch Neiterman et al. | Multilingual deception detection by autonomous agents | |
Parikh et al. | Eye gaze feature classification for predicting levels of learning | |
Samper et al. | Doubts about the role of rehearsal in the irrelevant sound effect | |
Waern et al. | On some sources of metacomprehension | |
Shears et al. | No go on neutrals? An interhemispheric account of semantic category priming | |
Buchholz et al. | Developing a real-time test to investigate conversational speech understanding | |
Park | Superadditivity of retrieval cues as a function of encoding conditions. | |
Morrison et al. | Examining cue recognition across expertise using a computer-based task |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |