孤独症谱系障碍(Autism Spectrum Disorder,ASD)又称为自闭症,是一种起病于婴幼儿时期的神经发育障碍疾病。自从上个世纪学者首次提出该疾病,越来越多的人开始关注这一疾病,可是到目前为止尚不清楚该疾病的核心发病机制,依旧缺乏有效的手段来治愈该疾病。据报道对于该疾病越早发现越早治疗,其恢复的可能性就越大,对患者造成的不可逆的损伤就会越小。目前对于ASD的诊断还是主要依靠专业的医师对患者进行量表的评估,这一过程比较繁琐且费时费力。因此近年来越来越多的学者开始借助核磁共振和脑电信号等医疗检测手段来研究ASD疾病的辅助诊断。可是这些方法都需要借助昂贵的设备以及专业的操作人员以和特定的环境,所以这就限制了这些方法的大面积普及,本课题就旨在用最简单最廉价的方式来解决这一问题。为了研究本课题,我们采集了 136个ASD儿童的视频和TD儿童的视频,针对我们所采集的视频,我们提出了基于眼动轨迹的特征融合的孤独症儿童视频分类算法和基于表情强度和眼动轨迹的多特征融合的孤独症儿童视频分类算法两种分类算法。第一种算法主要是将眼动轨迹特征分解为长度特征和角度特征,并通过特征融合等方法来进行分类,取得了比以往都要好的效果,分类精度达到了 96.6%。受到表情分析的启发,我们提出了一种表情强度估计的方法来度量ASD儿童的表情强度和TD儿童的表情强度,我们还提出了累计直方图和长度方向直方图两种方法来统计所得到的特征。实验证明该种方法对于孤独症辅助诊断具有很好的效果。所提出的表情强度的方法是首次应用在孤独症研究上的。