族系间眼动行为模式多样性研究

中国是一个多民族国家,不同民族由于遗传、地域和文化等因素形成了不同的风俗和思考方式。为了研究不同民族观察事物时的眼动行为模式,利用Tobii眼动仪采集不同民族在求解数独问题时眼动轨迹表达数据,将不同族系被试的表达数据压缩为16维数据向量来构建数据集;分析对比布依族、蒙古族、朝鲜族、侗族和汉族等5个民族眼动行为数据集的多样性,利用多种机器学习方法对得到的数据进行测试分析。实验结果表明,族系间眼动行为存在多样性,同时为进一步深入探索不同族系间眼动行为的多样性提供了依据。     

阅读眼动追踪语料库的构建与应用研究综述

阅读文字时眼球的运动反映了人类的认知过程。阅读眼动数据是认知心理学、应用语言学、计算机科学等领域中重要的基础数据,而我国在阅读眼动研究的基础数据方面较欠缺。针对这一现状,首先介绍了阅读眼动追踪语料库产生的背景以及国内外的相关文献;然后从影响阅读眼动的低水平视觉因素和高水平视觉因素角度介绍了阅读眼动追踪语料库的内容及所使用的各项眼动指标,如单一注视时间、首次注视时间、凝视时间、总注视时间、回视出次数、回视入次数等,并分析了使用语料库研究法进行阅读眼动研究相比传统阅读眼动研究具有的3个优势;最后从语料库眼动指标变量、语料规模、语料内容、语料语种、被试规模、被试特征、采集设备等方面介绍了国外已经建成的较有影响力的若干阅读眼动追踪语料库,以供阅读眼动研究者参考。在眼动追踪语料库应用研究方面,对认知心理学、应用语言学和计算机科学等相关领域已开展的主要研究进行述评,重点介绍了在计算机科学的眼动可计算模型、自然语言处理、模式识别3个领域中基于阅读眼动追踪语料库开展的典型研究。在中文阅读眼动追踪语料库的构建与应用研究方面,介绍了我国相关研究的开展现状,分析了我国在眼动基础数据方面欠缺的原因,并从国家、科研机构、科研工作者3个层面提出了解决此问题的对策和建议。     

用异质迁移学习构建跨被试脑电情感模型

由于脑电信号的个体差异性和非平稳特性对情感模型性能产生影响,如何构建跨被试脑电情感模型是情感脑-机接口领域的一个重要研究方向.本文提出一种新的从眼睛的扫视轨迹进行知识迁移的异质迁移学习方法,以提升跨被试脑电情感模型的性能.该方法的主要神经生理学依据是,被试的视觉注视诱发了大脑特定的神经活动,而这些神经活动产生的脑电信号可以为情绪识别提供重要的情境线索.为了量化不同被试之间的域差异,我们引入了基于扫视轨迹和基于脑电信号的核矩阵,并提出了改进的直推式参数迁移学习算法,以实现跨被试脑电情感模型的构建.该方法与传统方法相比,具有两个优点:一是利用了目标被试容易获取的眼动追踪数据进行被试迁移,二是在目标被试只有眼动追踪数据的情况下,仍然能够从其他被试的历史数据中学到脑电信号的情绪类别判别信息.为了验证所提方法的有效性,我们对本文提出的方法与已有的迁移方法在三类情绪识别的脑电和眼动数据集上进行了系统的对比实验研究.实验结果表明,基于眼动轨迹的迁移模型取得了与基于脑电信号的迁移模型相当的识别性能.相对于传统的通用分类器50.46%的平均准确率,基于眼动轨迹的迁移模型的平均准确率达到了69.72%.     

豆浆机色彩喜好度的眼动研究

运用Tobii T60眼动仪,通过10名被试观看小鸭豆浆机与其竞品色彩的对比以及小鸭豆浆机整体色彩的眼动特征进行研究,探讨被试对四种豆浆机色彩的喜好度。实验结果表明:被试对小鸭豆浆机的首次加工注视时间和首次进入时间明显长于其他竞争品牌,对四种豆浆机的注视点持续时间总和无显著差异。被试对小鸭豆浆机色彩喜好度可能低于其他豆浆机。     

眼动记录与主旨结构标注的关联性分析研究

给定包含主旨概括句的汉语句群，针对该句群的内部结构标注是基于语言学的分析结果，而阅读句群时的眼动轨迹则蕴含着人的心理认知，两者的信息融合和内在关联性分析是该文主要工作。该文使用基于径向基函数支持向量机和递归特征消除的分类模型，根据标点小句片段对应的眼动指标数据预测该片段是否为包含主旨内容的关键信息，达到了0.76的准确率，并通过分析关键片段上眼动数据的分布特点，提取出对句群主旨概括信息区分度较好的眼动指标。     

一种基于脑电信号的眼动方向分类方法

为了提高基于眼电的眼动方向的识别准确性,文中利用包含眼电伪迹的脑电信号,提出了一种新的眼动方向分类方法。首先,在10-20国际标准导联配置下,通过脑电仪采集靠近人脑额叶处的AF7,F7,FT7,T7,AF8,F8,FT8,T8这8个通道的脑电信号;然后,通过基线移除、归一化、最小二乘法降噪等进行数据预处理;最后,采用支持向量机的方法进行眼动方向的多次二分类,并使用投票策略实现眼动方向的四分类识别。实验结果表明,所提方法进行眼动方向分类时,在上、下、左、右4个方向上的分类率分别达到了78.47%,72.22%,84.03%,79.86%,平均分类率达到了78.65%。与已有的分类方法相比,所提方法的分类准确率更高,分类算法的实现过程更简单,这进一步验证了利用脑电信号识别眼动方向的可行性和有效性。     

基于曲线拟合和SVM的眼动信号分类算法研究

为提高基于EOG的眼动信号分类算法精度,改进基于EOG的人—机交互系统性能,提出了一种基于曲线拟合(curve fitting)与支持向量机(SVM)的眼动信号分类算法(CF-SVM),并设计了新的实验范式,增加了“扫视保持”环节.该算法采用曲线拟合方法进行特征提取,在此基础上,使用SVM分类器对眼动信号进行分类.实验室环境下,对9名眼部活动正常的受试者进行了眼动数据采集与识别,CF-SVM算法的平均分类准确率达到98.3％,与其他几种眼动识别方法相比较,其平均正确率分别提升了9.4％、5.9％、1.0％.实验结果表明,CF-SVM算法在眼动信号识别中表现了良好的性能,具有高的分类精度和鲁棒性.     

合成纹理图像的视觉相似性眼动分析

探索了当人眼视觉感知纹理图像相似性时纹理特征(整体特征和局部特征)对视觉注意过程及相似性结果选择的影响。采用PGPC纹理合成方法,分别控制纹理的整体特征和局部特征,合成具有相同整体特征和局部特征的纹理。实验分为3组纹理场景,每一组有3幅纹理图像(A,B和S),S为对比纹理图像;实验者带着“纹理A和纹理B,哪个与纹理S更相似”的视觉感知任务观察纹理场景;利用Tobii T60眼动仪记录实验过程中观察者的眼动,跟踪获取89位实验者的眼动数据(眼动数据度量指标包含感兴趣区域内注视点散度和不同感兴趣区域间的眼跳次数);通过Tobii studio导出眼动数据,并基于R软件进行了方差分析和配对T检验等统计分析。通过对3组纹理图像的注视轨迹图及热点图的分析,验证了纹理整体特征和局部特征对视觉感知过程中的注视模式和相似性结果的选择有影响。实验结果表明:1)对于全局特征与对比纹理图像一致的纹理,其眼动注视点分散,而对于局部特征与对比纹理图像一致的纹理,其眼动注视点集中。2)纹理组相似性的最终选择结果与纹理组内不同纹理图像间的视觉搜索行为有关。     

基于LSTM的眼动行为识别及人机交互应用

眼动交互在人机交互领域中有着广泛的应用前景,针对传统的眼动交互传感设备具有普遍侵入性,校准过程复杂且价格昂贵,普通单目摄像头传感器分辨率低等问题.提出一种基于前置摄像头视频源,使用方向梯度直方图（HOG）特征+SVM+LSTM神经网络的眼动行为识别方法,进而实现了简单的人机交互应用.该方法首先定位和跟踪人脸,在人脸对齐操作后依据4个眼角关键点的坐标获取双眼区域,使用SVM模型判断眼睛的睁闭眼及非眨眼状态,再分析相邻帧之间眼球中心的位置粗略判断眼动情况,将可疑的有意眼势帧间差分视频序列输入到LSTM网络中进行预测,输出眼动行为识别结果,进而触发计算机命令完成交互.经过自制数据样本集20 000个样本（其中约10%为负样本）测试,本文方法动态眨眼识别准确率优于95%,眼动行为预测准确率为99.3%.     

基于多目摄像机的鲁棒眼动跟踪技术研究

为改进单个远程传感器采集眼动数据时存在视场小、容易被遮挡物遮挡的缺点,研究了一种多目摄像机眼动跟踪技术,以更好地采集眼动数据。应用多个摄像机对人体头部姿态和眼球信息进行采集,通过分割视频帧提取瞳孔图像和计算被测用户头部姿态角度,将瞳孔图像放入卷积神经网络进行训练得到注视点坐标,并基于头部姿态信息计算每个摄像机的注视点权重,从而加权融合得到更精确的注视点信息。研究结果表明：在头部姿态角较大时,多目眼动追踪技术的精度比单目传感器的精度高30%~50%。该技术具有灵活性和通用性,在驾驶舱设计、用户用眼习惯评估和驾驶学员眼动绩效分析中具有重要的应用和推广价值。     

Fisher和支持向量的综合分类器

结合Fisher判别分析和支持向量机的优点,提出了一种新的分类算法—Fisher-SV分类器（简称FSVC）。该分类器的核心思想就是寻找最优分类面的法向量w*,使得样本向量在w*上做投影后,不仅使分类间隔达到最大,而且使类内离散程度尽可能小。对于线性情况,可以转化为传统的支持向量机求解,而不需要设计新的求解算法。对于非线性情况,利用再生核理论得出新的求解算法。实验结果表明,该分类器具有很高的准确度和可靠性。     

用于驾驶疲劳检测的人眼定位及状态判别算法

基于驾驶疲劳研究中的视频图像,提出一种新的适用于驾驶疲劳检测的人眼定位及状态判别算法。定位算法利用Gabor小波变换对图像进行预处理,提取基于图像的地形图特征,并利用支持向量机的方法对候选特征区域进行验证,然后在定位区域对人眼状态进行判断。经实验验证,该方法可以定位睁眼及闭眼图像,并可以定性和定量判断人眼状态。采用该方法获得的人眼状态信息将为后续的驾驶疲劳分析提供重要的数据。     

一种鲁棒的旋转不变性多姿态人眼定位方法*

提出一种新的针对平面任意旋转角度的多姿态人眼定位的鲁棒方法。使用旋转不变性多姿态(RIMV)人脸检测器定位人脸区域并划分眼睛搜索范围,利用眉眼整体特征采用交叉检测法,用大规模多姿态眉眼及眼睛样本训练的二级支持向量机搜索区域,并选择若干个SVM判别函数值最高的窗口作为候选眼睛区域,根据候选窗口重叠情况进行筛选和合并以确定眼睛的最佳位置。实验表明,该方法具有很好的精确性和鲁棒性,能适应复杂背景下表情变化的任意姿态人脸上的眼睛定位。     

An Ontology Based Cyclone Tracks Classification Using SWRL Reasoning and SVM

Abstract: Tropical cyclones (TC) are often associated with severe weather conditions which cause great losses to lives and property. The precise classification of cyclone tracks is significantly important in the field of weather forecasting. In this paper we propose a novel hybrid model that integrates ontology and Support Vector Machine (SVM) to classify the tropical cyclone tracks into four types of classes namely straight, quasi-straight, curving and sinuous based on the track shape. Tropical Cyclone TRacks Ontology (TCTRO) described in this paper is a knowledge base which comprises of classes, objects and data properties that represent the interaction among the TC characteristics. A set of SWRL (Semantic Web Rule Language) rules are directly inserted to the TCTRO ontology for reasoning and inferring new knowledge from ontology. Furthermore, we propose a learning algorithm which utilizes the inferred knowledge for optimizing the feature subset. According to experiments on the IBTrACS dataset, the proposed ontology based SVM classifier achieves an accuracy of 98.3% with reduced classification error rates.     

人眼检测技术研究进展

基于计算机视觉的人眼检测研究是人脸识别和视线追踪等技术的关键,具有重大的应用价值,并且对模式识别研究的发展有重要的理论意义。本文通过回顾人眼检测近20年来的主要研究成果,分别根据算法使用的模式识别原理及检测结果提出两种全新的人眼检测分类方法;然后按检测结果分类阐述了各种人眼检测方法的基本思想及其优缺点,并尝试通过不同的分类方法从不同的角度揭示各类算法的本质;最后分析总结了人眼检测研究的发展现状,展望了其应用前景及发展趋势。     

基于MKL-SVM的网络购物评论分类方法

购物网站在线评论系统收集了大量的顾客评价。支持向量机（SVM）是一种有效的文本分类方法,可以用于跟踪和管理顾客意见,但是SVM存在训练收敛速度慢,分类精度难以提高等缺点。文章提出利用异质核函数性的不同特性,解决支持向量机（SVM）数据泛化学习能力弱的问题,提高SVM的分类精度,通过对顾客购物评论进行分类,解决购物网站海量顾客评论分析的问题,帮助企业及时进行顾客反馈,提升服务水平。     

复杂背景下人眼的快速定位

采用基于改进Adaboost算法的级联式人脸和人眼分类器检测人脸和眼睛的候选位置,再用支持向量机（SVM）分类器验证并确定人眼的最佳位置;实现了在复杂背景图像中快速、准确的眼睛定位.与传统的Adaboost算法相比,改进的Adaboost算法构建分类器所需的特征数目大大减少,提高了眼睛定位速度;同时利用人脸几何特征的SVM分类器验证,提高了定位精度.实验结果表明该算法具有很好的精确性和实时性.     

Automatic music genre classification based on musical instrument track separation

The aim of this article is to investigate whether separating music tracks at the pre-processing phase and extending feature vector by parameters related to the specific musical instruments that are characteristic for the given musical genre allow for efficient automatic musical genre classification in case of database containing thousands of music excerpts and a dozen of genres. Results of extensive experiments show that the approach proposed for music genre classification is promising. Overall, conglomerating parameters derived from both an original audio and a mixture of separated tracks improve classification effectiveness measures, demonstrating that the proposed feature vector and the Support Vector Machine (SVM) with Co-training mechanism are applicable to a large dataset.     

一种快速的非侵入式眼动跟踪方法

针对眼控人机交互系统对实时性要求较高的特点,提出了一种快速、非侵入式的眼动跟踪方法。首先融合CamShift跟踪算法和AdaBoost型目标检测方法快速地分割出眼睛所在矩形区域;然后在第一帧视频图像中精确定位虹膜并建立虹膜模板;最后通过放大或缩小虹膜模板自适应地在后续各帧视频图像中搜索匹配以预测虹膜位置。虹膜中心相对眼角或鼻孔的位移可用于控制鼠标指针在屏幕上移动。在分辨率为640×480的视频上,取得了32帧/秒的跟踪速度,正确率达到95.5%。实验结果表明方法是有效的,可直接应用于眼控人机交互系统。     

视频聊天中的人眼自然对视自适应矫正方法

视频聊天中,人们通常注视的是显示对方画面的窗口而非摄像头,这就导致视频聊天中,很难达到双方自然对视的效果,基于这个问题,本文提出解决方法。该方法首先需要拍下一张双眼注视摄像头的图片,利用Harr分类器提取眼睛大致区域,对其进行去干扰处理,检测左右眼角点和上下眼睑点,并据此提取眼睛外切矩形区域即眼睛精确区域,将它作为眼睛标准模板;然后,对聊天视频中的单帧图像进行相同的处理,获得视频图像中眼睛精确区域;最后,使用眼睛标准模板对视频图像中的眼睛精确区域进行替换处理,进而达到自然对视的效果。在算法中,将直方图规定化引入图像二值化时的阈值选取中,能够在不同光照环境下,准确选取保留眼睛完全信息的阈值,便于准确提取眼睛外切矩形。实验结果表明,该方法简单有效,准确率达到85%以上,能够较自然达到对视的效果,操作方便。