注意力水平识别方法、装置、设备、介质及产品与流程

本发明涉及人工智能，具体地说，涉及注意力水平识别方法、装置、设备、介质及产品。

背景技术：

1、注意力分配是一种允许同时处理不同的信息源并一次成功地执行多个任务的注意类型。在复杂的信息环境下拥有优秀的注意力分配会带来更好的绩效。工厂机械制造、石油化工、钢铁冶炼、航空航天、电子设备制造等相关领域的操作有一定的危险性，如果操作员的注意力不集中，很可能发生事故，轻则造成财产损失，重则危及人身安全。

2、目前对注意力分配进行测评的方法包括主观评价法以及眼动追踪法。主观评价法多采用测评量表或问卷调查的形式，可以得到操作员主观的注意力分配的相关信息；眼动追踪法是目前研究者普遍采用的研究手段，通过眼动测量操作员的眼动数据，间接获取注意力分配的定量化特征；现有技术虽然可以得到操作员主观的注意力分配的相关信息，但是仅能得到当前的注意力水平，无法实现注意力水平的预测。

技术实现思路

1、为了解决上述问题，本发明提出一种注意力水平识别方法、装置、设备、介质及产品，能够对注意力水平进行预测。

2、本发明实施例提供一种注意力水平识别方法，所述方法包括：

3、获取待测人员当前的眼动数据，确定定量化特征；

4、根据所述定量化特征和预设的注意力分配模型，计算所述待测人员的当前注意力水平；

5、根据所述当前注意力水平和预设的注意力预测模型，预测下一时刻的注意力水平。

6、优选地，所述根据所述当前注意力水平和预设的注意力预测模型，预测下一时刻的注意力水平，包括：

7、根据所述当前注意力水平对应匹配当前态势感知水平；

8、将所述当前注意力水平和所述当前态势感知水平输入到预先配置时间衰减函数的所述注意力预测模型中，输出下一时刻的注意力水平。

9、优选地，所述根据所述定量化特征和预设的注意力分配模型，计算所述待测人员的当前注意力水平，包括：

10、根据所述定量化特征和预设的理论概率计算模型计算不同兴趣区域的理论概率；

11、根据所述待测人员的实际操作数据确定不同兴趣区域的实际概率；

12、将不同兴趣区域的实际概率和理论概率代入输入所述注意力分配模型中，计算得到所述当前注意力水平。

13、进一步地，所述理论概率计算模型计算得到的理论概率p(a)＝s×s-ef×ef+e×v×e×v；

14、其中，p(a)为兴趣区域的理论概率，s为物体的显著性，s为显著性系数，ef为努力系数，ef为努力，e为倾向区域系数，e为倾向区域，v为价值，v为价值系数。

15、优选地，所述注意力分配模型得到的当前注意力水平

16、其中，lt为所述待测人员在t时刻的注意力水平，liactual为所述待测人员在t时刻对第i个兴趣区域的注意力水平，若pioptimal≥piactual，则liactual＝piactual，若pioptimal＜piactual，liactual＝pioptimal，pioptimal为所述待测人员注视到第i个兴趣区域的理论概率，m为兴趣区域的数量，piactual为所述待测人员注视到第i个兴趣区域的实际概率，tactual表示当前时刻所述待测人员的实际注视时间，nactual表示当前时刻所述待测人员的实际注视点数量，toptimal表示理想情况下所述待测人员的理论注视时间，noptimal表示理想情况下所述待测人员的理论注视点数量。

17、优选地，所述时间衰减函数配置过程包括：

18、获取前n个时刻的眼动数据，计算前n个时刻的注意力水平；

19、根据前n个时刻的主意力水平对应匹配前n个时刻的态势感知水平；

20、根据前n个时刻的态势感知水平确定态势感知水平变化趋势，进而确定所述时间衰减函数。

21、作为一种优选方案，所述注意力预测模型预测的下一时刻的注意力水平lt+1＝sat*lt+f(t)；

22、其中，lt+1为t+1时刻的注意力水平，lt为t时刻的注意力水平，sat为t时刻的态势感知水平，f(t)为所述时间衰减函数。

23、优选地，所述方法还包括：

24、根据下一时刻的注意力水平输出反馈提示。

25、进一步地，所述根据下一时刻的注意力水平输出反馈提示，包括：

26、当下一时刻的注意力水平低于预设阈值时，输出报警提示。

27、本发明实施例还提供一种注意力水平识别装置，所述装置包括：

28、数据获取模块，用于获取待测人员当前的眼动数据，确定定量化特征；

29、注意力识别模块，用于根据所述定量化特征和预设的注意力分配模型中，计算所述待测人员的当前注意力水平；

30、注意力预测模块，用于根据所述当前注意力水平和预设的注意力预测模型，预测下一时刻的注意力水平。

31、优选地，所述注意力预测模块具体用于：

32、根据所述当前注意力水平对应匹配当前态势感知水平；

33、将所述当前注意力水平和所述当前态势感知水平输入到预先配置时间衰减函数的所述注意力预测模型中，输出下一时刻的注意力水平。

34、优选地，所述注意力识别模块具体用于：

35、根据所述定量化特征和预设的理论概率计算模型计算不同兴趣区域的理论概率；

36、根据所述待测人员的实际操作数据确定不同兴趣区域的实际概率；

37、将不同兴趣区域的实际概率和理论概率输入所述注意力分配模型中，计算得到所述当前注意力水平。

38、进一步地，所述理论概率计算模型计算得到的理论概率p(a)＝s×s-ef×ef+e×v×e×v；

39、其中，p(a)为兴趣区域的理论概率，s为物体的显著性，s为显著性系数，ef为努力系数，ef为努力，e为倾向区域系数，e为倾向区域，v为价值，v为价值系数。

40、优选地，所述注意力分配模型计算得到的当前注意力水平

41、其中，lt为所述待测人员在t时刻的注意力水平，liactual为所述待测人员在t时刻对第i个兴趣区域的注意力水平，若pioptimal≥piactual，则liactual＝piactual，若pioptimal＜piactual，liactual＝pioptimal，pioptimal为所述待测人员注视到第i个兴趣区域的理论概率，m为兴趣区域的数量，piactual为所述待测人员注视到第i个兴趣区域的实际概率，tactual表示当前时刻所述待测人员的实际注视时间，nactual表示当前时刻所述待测人员的实际注视点数量，toptimal表示理想情况下所述待测人员的理论注视时间，noptimal表示理想情况下所述待测人员的理论注视点数量。

42、优选地，所述注意力预测模块配置时间衰减函数的过程包括：

43、获取前n个时刻的眼动数据，计算前n个时刻的注意力水平；

44、根据前n个时刻的主意力水平对应匹配前n个时刻的态势感知水平；

45、根据前n个时刻的态势感知水平确定态势感知水平变化趋势，进而确定所述时间衰减函数。

46、优选地，所述注意力预测模型预测的下一时刻的注意力水平lt+1＝sat*lt+f(t)。

47、其中，lt+1为t+1时刻的注意力水平，lt为t时刻的注意力水平，sat为t时刻的态势感知水平，f(t)为所述时间衰减函数。

48、优选地，所述方法还包括：

49、根据下一时刻的注意力水平输出反馈提示。

50、进一步的，所述根据下一时刻的注意力水平输出反馈提示，包括：

51、当下一时刻的注意力水平低于预设阈值时，输出报警提示。

52、本发明实施例还提供一种终端设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一项实施例所述的一种注意力水平识别方法。

53、本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上述任一项实施例所述的一种注意力水平识别方法。

54、本发明实施例还提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述任一项实施例所述的一种注意力水平识别方法。

55、本发明提供一种注意力水平识别方法、装置、设备、介质及产品，通过获取待测人员当前的眼动数据，确定定量化特征；将所述定量化特征输入到预设的注意力分配模型中，输出所述待测人员的当前注意力水平；根据所述当前注意力水平和预设的注意力预测模型，预测下一时刻的注意力水平，本技术方案能够对注意力水平进行预测。