本技術(shù)涉及眼動(dòng)，特別涉及一種眼動(dòng)測(cè)試軌跡生成方法、眼動(dòng)控制方法、裝置、系統(tǒng)和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著光學(xué)儀器、智能機(jī)器人等領(lǐng)域的快速發(fā)展，人眼模擬設(shè)備需求量越來(lái)越大，這類(lèi)設(shè)備可以用于眼動(dòng)儀、眼科光學(xué)生物測(cè)量?jī)x等光學(xué)儀器的質(zhì)量檢測(cè)，也可以作為智能機(jī)器人的部件應(yīng)用。目前，在對(duì)上述光學(xué)儀器進(jìn)行質(zhì)量檢測(cè)時(shí)，需要收集大量真實(shí)眼動(dòng)軌跡對(duì)人眼模擬設(shè)備進(jìn)行運(yùn)動(dòng)控制，測(cè)試效率較低。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施方式提供了一種眼動(dòng)測(cè)試軌跡生成方法、眼動(dòng)控制方法、裝置、系統(tǒng)和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，以解決上述存在的至少一個(gè)技術(shù)問(wèn)題。

2、本技術(shù)實(shí)施方式的眼動(dòng)測(cè)試軌跡生成方法包括：

3、采集真實(shí)眼動(dòng)數(shù)據(jù)；

4、根據(jù)所述真實(shí)眼動(dòng)數(shù)據(jù)訓(xùn)練對(duì)抗神經(jīng)網(wǎng)絡(luò)模型；

5、根據(jù)虛擬眼動(dòng)起點(diǎn)和虛擬眼動(dòng)終點(diǎn)，基于所述對(duì)抗神經(jīng)網(wǎng)絡(luò)模型生成虛擬眼動(dòng)數(shù)據(jù)；

6、根據(jù)所述虛擬眼動(dòng)數(shù)據(jù)確定人眼模擬設(shè)備的動(dòng)態(tài)可用數(shù)據(jù)。

7、在某些實(shí)施方式中，所述對(duì)抗神經(jīng)網(wǎng)絡(luò)模型包括眼動(dòng)數(shù)據(jù)生成器和眼動(dòng)數(shù)據(jù)判別器，所述根據(jù)所述真實(shí)眼動(dòng)數(shù)據(jù)訓(xùn)練對(duì)抗神經(jīng)網(wǎng)絡(luò)模型，包括：

8、通過(guò)所述眼動(dòng)數(shù)據(jù)生成器基于噪聲數(shù)據(jù)生成虛擬數(shù)據(jù)樣本，其中，所述噪聲數(shù)據(jù)包括眼動(dòng)起點(diǎn)樣本和眼動(dòng)終點(diǎn)樣本；

9、通過(guò)所述眼動(dòng)數(shù)據(jù)判別器區(qū)分所述真實(shí)眼動(dòng)數(shù)據(jù)與所述虛擬數(shù)據(jù)樣本；

10、根據(jù)區(qū)分結(jié)果調(diào)整所述眼動(dòng)數(shù)據(jù)生成器和所述眼動(dòng)數(shù)據(jù)判別器的權(quán)重，直至所述對(duì)抗神經(jīng)網(wǎng)絡(luò)模型達(dá)到納什均衡。

11、在某些實(shí)施方式中，所述根據(jù)區(qū)分結(jié)果調(diào)整所述眼動(dòng)數(shù)據(jù)生成器和所述眼動(dòng)數(shù)據(jù)判別器的權(quán)重，直至所述對(duì)抗神經(jīng)網(wǎng)絡(luò)模型達(dá)到納什均衡，包括：

12、根據(jù)所述區(qū)分結(jié)果判斷所述對(duì)抗神經(jīng)網(wǎng)絡(luò)模型是否達(dá)到納什均衡；

13、當(dāng)所述對(duì)抗神經(jīng)網(wǎng)絡(luò)模型未達(dá)到納什均衡時(shí)，判斷所述區(qū)分結(jié)果是否正確；

14、當(dāng)所述區(qū)分結(jié)果不正確時(shí)，調(diào)整所述眼動(dòng)數(shù)據(jù)判別器的權(quán)重，并返回所述通過(guò)所述眼動(dòng)數(shù)據(jù)判別器區(qū)分所述真實(shí)眼動(dòng)數(shù)據(jù)與所述虛擬數(shù)據(jù)樣本的步驟；

15、當(dāng)所述區(qū)分結(jié)果正確時(shí)，調(diào)整所述眼動(dòng)數(shù)據(jù)生成器的權(quán)重，并返回所述通過(guò)所述眼動(dòng)數(shù)據(jù)生成器基于噪聲數(shù)據(jù)生成虛擬數(shù)據(jù)樣本的步驟；

16、當(dāng)所述對(duì)抗神經(jīng)網(wǎng)絡(luò)模型達(dá)到納什均衡時(shí)，確定所述對(duì)抗神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練完成。

17、在某些實(shí)施方式中，所述區(qū)分結(jié)果不正確包括：

18、所述眼動(dòng)數(shù)據(jù)判別器將所述真實(shí)眼動(dòng)數(shù)據(jù)判斷為虛擬數(shù)據(jù)；

19、所述眼動(dòng)數(shù)據(jù)判別器將所述虛擬數(shù)據(jù)樣本判斷為真實(shí)數(shù)據(jù)；

20、所述區(qū)分結(jié)果正確包括：

21、所述眼動(dòng)數(shù)據(jù)判別器將所述虛擬數(shù)據(jù)樣本判斷為虛擬數(shù)據(jù)。

22、在某些實(shí)施方式中，所述虛擬眼動(dòng)數(shù)據(jù)包括注視點(diǎn)坐標(biāo)和與所述注視點(diǎn)坐標(biāo)對(duì)應(yīng)的時(shí)間戳，所述根據(jù)所述虛擬眼動(dòng)數(shù)據(jù)確定所述人眼模擬設(shè)備的動(dòng)態(tài)可用數(shù)據(jù)，包括：

23、基于粒子群優(yōu)化算法和虎克-捷夫算法，對(duì)所述虛擬眼動(dòng)數(shù)據(jù)進(jìn)行擬合優(yōu)化處理，以使得所述注視點(diǎn)坐標(biāo)和所述時(shí)間戳對(duì)應(yīng)的曲線(xiàn)運(yùn)動(dòng)滿(mǎn)足加速-勻速-減速的過(guò)程。

24、在某些實(shí)施方式中，所述基于粒子群優(yōu)化算法和虎克-捷夫算法，對(duì)所述虛擬眼動(dòng)數(shù)據(jù)進(jìn)行擬合優(yōu)化處理，以使得所述注視點(diǎn)坐標(biāo)和所述時(shí)間戳對(duì)應(yīng)的曲線(xiàn)運(yùn)動(dòng)滿(mǎn)足加速-勻速-減速的過(guò)程，包括：

25、初始化粒子群群信息，所述粒子群群信息包括粒子的位置和速度；

26、根據(jù)所述粒子群群信息和所述虛擬眼動(dòng)數(shù)據(jù)計(jì)算種群適應(yīng)度函數(shù)值；

27、根據(jù)所述種群適應(yīng)度函數(shù)值更新所述粒子的位置和速度，并根據(jù)更新后的所述粒子的位置和速度、以及所述虛擬眼動(dòng)數(shù)據(jù)重新計(jì)算所述種群適應(yīng)度函數(shù)值；

28、在所述種群適應(yīng)度函數(shù)值下降超過(guò)預(yù)定比例時(shí)，基于虎克-捷夫算法對(duì)更新后的所述粒子的位置和速度進(jìn)行優(yōu)化。

29、在某些實(shí)施方式中，所述基于粒子群優(yōu)化算法和虎克-捷夫算法，對(duì)所述虛擬眼動(dòng)數(shù)據(jù)進(jìn)行擬合優(yōu)化處理，以使得所述注視點(diǎn)坐標(biāo)和所述時(shí)間戳對(duì)應(yīng)的曲線(xiàn)運(yùn)動(dòng)滿(mǎn)足加速-勻速-減速的過(guò)程，還包括：

30、在所述種群適應(yīng)度函數(shù)值下降未超過(guò)所述預(yù)定比例時(shí)，判斷最近預(yù)定次數(shù)的迭代中所述種群適應(yīng)度函數(shù)值是否存在下降的情況；

31、當(dāng)最近所述預(yù)定次數(shù)的迭代中所述種群適應(yīng)度函數(shù)值存在下降的情況時(shí)，返回所述根據(jù)所述粒子群群信息和所述虛擬眼動(dòng)數(shù)據(jù)計(jì)算種群適應(yīng)度函數(shù)值的步驟；

32、當(dāng)最近所述預(yù)定次數(shù)的迭代中所述種群適應(yīng)度函數(shù)值不存在下降的情況時(shí)，基于虎克-捷夫算法對(duì)更新后的所述粒子的位置和速度進(jìn)行優(yōu)化。

33、本技術(shù)實(shí)施方式的眼動(dòng)測(cè)試軌跡生成裝置包括：

34、采集模塊，用于采集真實(shí)眼動(dòng)數(shù)據(jù)；

35、訓(xùn)練模塊，用于根據(jù)所述真實(shí)眼動(dòng)數(shù)據(jù)訓(xùn)練對(duì)抗神經(jīng)網(wǎng)絡(luò)模型；

36、生成模塊，用于根據(jù)虛擬眼動(dòng)起點(diǎn)和虛擬眼動(dòng)終點(diǎn)，基于所述對(duì)抗神經(jīng)網(wǎng)絡(luò)模型生成虛擬眼動(dòng)數(shù)據(jù)；

37、確定模塊，用于根據(jù)所述虛擬眼動(dòng)數(shù)據(jù)確定人眼模擬設(shè)備的動(dòng)態(tài)可用數(shù)據(jù)。

38、本技術(shù)實(shí)施方式的眼動(dòng)測(cè)試軌跡生成系統(tǒng)，包括一個(gè)或多個(gè)處理器和存儲(chǔ)器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述處理器執(zhí)行的情況下，實(shí)現(xiàn)上述任一實(shí)施方式的眼動(dòng)測(cè)試軌跡生成方法。

39、本技術(shù)實(shí)施方式的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述程序被處理器執(zhí)行的情況下，實(shí)現(xiàn)上述任一實(shí)施方式的的眼動(dòng)測(cè)試軌跡生成方法。

40、本技術(shù)實(shí)施方式的眼動(dòng)控制方法，用于控制人眼模擬設(shè)備，所述眼動(dòng)控制方法包括：

41、獲取所述人眼模擬設(shè)備的動(dòng)態(tài)可用數(shù)據(jù)，其中，所述動(dòng)態(tài)可用數(shù)據(jù)來(lái)源于：采集真實(shí)眼動(dòng)數(shù)據(jù)；根據(jù)所述真實(shí)眼動(dòng)數(shù)據(jù)訓(xùn)練對(duì)抗神經(jīng)網(wǎng)絡(luò)模型；根據(jù)虛擬眼動(dòng)起點(diǎn)和虛擬眼動(dòng)終點(diǎn)，基于所述對(duì)抗神經(jīng)網(wǎng)絡(luò)模型生成虛擬眼動(dòng)數(shù)據(jù)；根據(jù)所述虛擬眼動(dòng)數(shù)據(jù)確定所述動(dòng)態(tài)可用數(shù)據(jù)；

42、根據(jù)所述動(dòng)態(tài)可用數(shù)據(jù)計(jì)算所述人眼模擬設(shè)備的運(yùn)動(dòng)控制數(shù)據(jù)。

43、在某些實(shí)施方式中，所述運(yùn)動(dòng)控制數(shù)據(jù)包括旋轉(zhuǎn)角度、運(yùn)行速度、運(yùn)行加速度、運(yùn)行減速度中的一種或多種。

44、本技術(shù)實(shí)施方式的眼動(dòng)控制裝置，用于控制人眼模擬設(shè)備，所述眼動(dòng)控制裝置包括：

45、獲取模塊，用于獲取所述人眼模擬設(shè)備的動(dòng)態(tài)可用數(shù)據(jù)，其中，所述動(dòng)態(tài)可用數(shù)據(jù)來(lái)源于：采集真實(shí)眼動(dòng)數(shù)據(jù)；根據(jù)所述真實(shí)眼動(dòng)數(shù)據(jù)訓(xùn)練對(duì)抗神經(jīng)網(wǎng)絡(luò)模型；根據(jù)虛擬眼動(dòng)起點(diǎn)和虛擬眼動(dòng)終點(diǎn)，基于所述對(duì)抗神經(jīng)網(wǎng)絡(luò)模型生成虛擬眼動(dòng)數(shù)據(jù)；根據(jù)所述虛擬眼動(dòng)數(shù)據(jù)確定所述動(dòng)態(tài)可用數(shù)據(jù)；

46、計(jì)算模塊，用于根據(jù)所述動(dòng)態(tài)可用數(shù)據(jù)計(jì)算所述人眼模擬設(shè)備的運(yùn)動(dòng)控制數(shù)據(jù)。

47、本技術(shù)實(shí)施方式的眼動(dòng)控制系統(tǒng)，包括一個(gè)或多個(gè)處理器和存儲(chǔ)器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被所述處理器執(zhí)行的情況下，實(shí)現(xiàn)上述任一實(shí)施方式的眼動(dòng)控制方法。

48、本技術(shù)實(shí)施方式的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，所述程序被處理器執(zhí)行的情況下，實(shí)現(xiàn)上述任一實(shí)施方式的眼動(dòng)控制方法。

49、本技術(shù)實(shí)施方式的眼動(dòng)測(cè)試軌跡生成方法、眼動(dòng)控制方法、裝置、系統(tǒng)和計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中，采集真實(shí)眼動(dòng)數(shù)據(jù)訓(xùn)練對(duì)抗神經(jīng)網(wǎng)絡(luò)模型，再基于訓(xùn)練好的對(duì)抗神經(jīng)網(wǎng)絡(luò)模型生成虛擬眼動(dòng)數(shù)據(jù)，根據(jù)虛擬眼動(dòng)數(shù)據(jù)確定人眼模擬設(shè)備的動(dòng)態(tài)可用數(shù)據(jù)，以對(duì)人眼模擬設(shè)備進(jìn)行運(yùn)動(dòng)控制。如此，只需采集少量的真實(shí)眼動(dòng)數(shù)據(jù)用于對(duì)抗神經(jīng)網(wǎng)絡(luò)模型的訓(xùn)練，基于訓(xùn)練好的對(duì)抗神經(jīng)網(wǎng)絡(luò)模型可以生成大量的虛擬眼動(dòng)數(shù)據(jù)，以對(duì)人眼模擬設(shè)備進(jìn)行運(yùn)動(dòng)控制，有效地提高了光學(xué)儀器的測(cè)試效率。

50、本技術(shù)實(shí)施方式的附加方面和優(yōu)點(diǎn)將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過(guò)本技術(shù)實(shí)施方式的實(shí)踐了解到。