具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，以下结合实施例及附图对本发明的一种基于眼动技术的谎言评判方法作具体阐述。

<实施例>

图1是本发明实施例中的一种基于眼动技术的谎言评判方法流程图。

如图1所示，本实施例中的一种基于眼动技术的谎言评判方法包括以下步骤：

步骤S1，利用实时眼动仪获取眼动数据，采集受试者一段时间内的眼动数据。

首先，招募符合要求的受试者。招募到受试者后，告知实验注意事项，并进行实验前的准备，如检查眼部是否有遮挡物、佩戴眼动设备并校准。

校准完成后，可进行受试者眼动数据的采集。受试者可坐在一张舒适的椅子上，在干净明亮的环境下，直视距离一米左右处的白墙，向受试者以对话方式呈现指导语，指导语例如可以是“接下来我们将向您提出二十道问题，请您如实回答，您还有什么问题吗？”。

如果受试者没有疑问并且准备好，受试者就可以进入问答环节，共进行两次问答，分别采集受试者在全部实话、全部谎话情境下的数据。利用眼动设备记录全过程。

步骤S2，对眼动数据进行预处理，得到预处理后的数据。

图2为本发明实施例中的预处理结果示意图。

如图2所示，对获取的平均注视时长、瞳孔直径、眼跳速度和眨眼次数等的眼动数据进行预处理，包括处理缺失值、数据均值化等处理后，不存在游离值。同时初步证明实话与谎话情境中眼动数据评价指标存在差异。

步骤S3，对预处理后的数据进行均值化处理，得到每一名受试者的平均瞳孔直径和平均注视时长

步骤S4，对每一名受试者的平均瞳孔直径和平均注视时长进行归一化处理，得到每一名受试者的归一化后平均瞳孔直径x₁和归一化后平均注视时长x₂。

在数据分析之前，通常需要将数据归一化，利用归一化后得数据进行数据分析。不同评价指标往往具有不同的量纲和量纲单位，这样的情况会影响到数据分析的结果，为了消除指标之间的量纲影响，需要进行数据归一化处理，以解决数据指标之间的可比性。原始数据经过数据归一化处理后，各指标处于同一数量级，适合进行综合对比评价。

归一化后平均瞳孔直径x₁的具体表达式为：

x₁＝(某一受试者的平均瞳孔直径-所有受试者的平均瞳孔直径最小值)/(所有受试者的平均瞳孔直径最大值-所有受试者的平均瞳孔直径最小值)，

归一化后平均注视时长x₂的具体表达式为：

x₂＝(某一受试者的平均注视时长-所有受试者的平均注视时长最小值)/(所有受试者的平均注视时长最大值-所有受试者的平均注视时长最小值)

步骤S5，将眼动数据评价指标进行Pearson相关性分析，筛选出相关性最大的归一化后平均瞳孔直径x₁和归一化后平均注视时长x₂作为影响指标。

眼动数据评价指标包括归一化后平均瞳孔直径x₁、归一化后平均注视时长x₂、归一化后平均眼跳速度和眨眼次数。

对眼动数据评价指标进行Pearson相关性分析，得到表1。如表1所示，相关性最大的两个指标分别为归一化后平均瞳孔直径x₁和归一化后平均注视时长x₂，将这两个指标作为影响指标。

表1眼动数据评价指标的Pearson相关性分析

步骤S6，根据x₁、x₂和测试谎言评价值构建多元回归模型。

图3为本发明实施例中的建立多元回归模型流程图。

如图3所示，步骤S6包括以下几步骤：

步骤S6-1，建立样本数据库，如表2所示。由表2示出，样本数据库包括每一个受试者的归一化后平均瞳孔直径x₁、归一化后平均注视时长x₂和测试谎言评价值(0为实话，1为谎话)等数据。

表2样本数据库

步骤S6-2，构建多元回归方程模型，公式如下：

式中，b₀为随机误差，b₁、b₂、b₃、b₄、b₅为待估计参数。

步骤S6-3，利用上述样本数据库的前18条数据，建立利用MATLAB建立多元回归模型，y的具体表达式为：

其中，b₀＝-0.0782,b₁＝-0.6442,b₂＝0.5885,b₃＝-1.267,b₄＝2.216,b₅＝-0.828。

回归检验，将剩余后2条数据作为模型验证数据，导入上述模型进行有效性检验，可得到这名验证者的谎言评判分数分别为：

y₁＝-0.0782-0.6442×0.66572+0.5885×0.07002-1.267×0.6657×0.0700+2.216×0.6657-0.828×0.0700＝0.0725

y₂＝-0.0782-0.6442×0.55772+0.5885×0.04612-1.267×0.5577×0.0461+2.216×0.5577-0.828×0.0461＝0.8878

这个分数与这名测试者数据库中的谎言评判分数十分接近，故视为该多元线性回归模型有效。同时判定实话时的y值分值区间为[0，0.35]，谎话的y值分值区间为[0.65，1]，无法判断是否说谎的y值分值区间为[0.35,0.65]。

步骤S7，当需要测试某一个新的待测者是否说谎时，令其佩戴眼动仪并采集待测者的眼动数据，计算出待测者的归一化后平均瞳孔直径x₁和归一化后平均注视时长x₂，得到x₁＝0.5671，x₂＝0.1748，则带入上述确定的模型方程后，得到：

y＝-0.0782-0.6442×0.56712+0.5885×0.17482-1.267×0.5671×0.1748+2.216×0.5671-0.828×0.1748＝0.7190。

步骤S8，根据y值在谎话区间[0.65，1]内，输出待测谎言评价值为1(说谎)。

实施例作用与效果

根据本实施例提供的一种基于眼动技术的谎言评判方法。首先，本实施例通过眼动数据评价指标的Pearson相关性分析，通过归一化后平均瞳孔直径x₁、归一化后平均注视时长x₂这两个相关性大的评价指标，构建多元回归方程模型，再将待测者的眼动数据输入到多元回归方程模型中，得到待测谎言评价值。相比于使用专业测谎设备等多道评判技术，测量效度要高于多道评判技术，且操作简单。

其次，本发明通过眼动技术对每一个受试者进行眼动数据的采集并建立眼动样本数据库，有利于对眼动数据的循环开发和利用，且相比于对个体讲述时的情态、语气进行说谎分析，眼动技术客观性大，比较可靠。

最后，本实施例通过使用眼动仪采集眼动数据，相比于眼电图描记法，装备调整和操作使用比较简单，同时数据分析较为直观，不易受到受试者生理差异影响。

上述实施例仅用于举例说明本发明的具体实施方式，而本发明不限于上述实施例的描述范围。