基于眼动追踪的高铁候车屏幕信息交互研究

目的优化高铁站候车屏幕的信息显示,以提升高铁行车调度系统可用性和人机交互有效性。方法采用眼动追踪方法,选取重要眼动指标,以现有高铁候车屏幕及高铁票为基础,通过搜索路径顺序、兴趣区域观察时长和兴趣区域注视点个数等方式分析信息数据,研究设计过程中的眼动机制。结果通过区域划分、文本色彩和模拟真实乘车情景三个实验,获取了测试对象的眼动实验数据,发现高铁候车屏幕上信息的区域划分、文本色彩,以及用户本身对不同信息类别的重视程度都会对测试对象的眼动行为产生影响,经数据分析获取了较优的设计方案。结论基于眼动追踪技术优化的高铁候车屏幕信息交互界面设计,可为未来高速铁路运行系统的规划提供一定理论基础,即从眼动追踪的角度对交通行业提供新的设计依据。     

我国健身路径中常见力量型器材现状特点与开发设计展望

目的基于新近研究表明中高强度的运动对人体健康以及防止慢病具有不可替代的重要作用,探讨当前全民健身路径配置中力量型器材的分布现状,以期提出适合于全民健身的力量训练器材设计展望。方法通过对当前健身路径及健身器材的分类梳理,分析得出采用可调液压阻尼作为负荷装置的健身路径器材的创新设计思路。结论鉴于液压阻尼缸强度与运动量参数极易获得,将运动参数进行数据化数字化收集与分析,进一步结合"互联网+健康"思维,让运动锻炼社交化与娱乐化,将具有巨大的社会和经济效益。     

基于心智模型的运动健康管理APP设计方法研究

目的研究基于用户心智模型的运动健康管理APP设计流程。方法基于互联网+运动健康管理,在情感化设计和以用户为中心的产品设计思想的指导下,提出基于心智模型的"三维度、六步曲"设计策略。结论通过对用户在运动健身过程中心智模型的研究,从情感化设计的三维度(本能层、行为层、反思层)和以用户为中心设计的六步曲(用户研究、需求分析、系统模型、产品设计、评估测试、反馈优化)来进行运动健康管理APP设计,在引导用户进行合理规范的健身训练、进行健康档案的管理和健康知识的咨询外,还能够带给用户内心愉悦的心理体验,满足用户的情感需求。     

键盘打字对颈部和上肢肌肉影响的分析研究

目的 分析键盘打字时工作台不同人因参数对颈部和上肢肌肉活动的影响,进而为长期处于键盘打字状态的用户提供打字建议.方法 设计不同人因变量实验(躯干姿势、键盘角度、显示器角度),对8名健康有经验的日常打字时长在4小时以上的被试进行颈部和上肢肌肉表面肌电(sEMG)和主观评测数据采集.每名被试进行8组20分钟的打字实验.结果 对sEMG和主观舒适度数据进行分析,发现躯干姿势、键盘角度、显示器角度均对颈部和上肢肌肉活动具有影响,而对主观数据均无影响.站姿且显示器为120°的情况下颈部肌肉活跃程度最低;和坐姿相比,站姿时上肢肌肉活动程度相对较弱,而手臂和手腕在一定支撑的情况下肌肉活动程度较低.结论 工作台的不同人因参数能够影响颈部和上肢肌肉的活动水平.该研究能够为长期处于键盘打字状态的用户提供打字建议,并为人机工作环境的优化设计提供指导方法.     

基于摆动液压阻尼的肩袖训练器设计

目的 研究一种针对肩袖肌群抗阻力量训练的肩袖训练器.方法 通过研究肩袖肌群的生物力学特征,分析肩袖肌力锻炼的最佳方式,提出基于摆动液压阻尼的训练方式,创造性地设计了基于阻尼大小输出的控制方式,并结合人体尺寸设计了肩袖训练器.通过肩袖肌群的抗阻训练,利用表面肌电测试仪对肩袖训练器和拉力器进行肌电实验测试,对比验证设计的可行性.结果 使用肩袖训练器训练时,目标肌肉激活顺序为大圆肌—冈下肌—前三角肌—尺侧腕伸肌—肱三头肌,更符合专业的旋肩运动发力顺序.使用肩袖训练器训练时,矢状轴旋转姿势下,冈下肌的做功占比为36.2％±11.9％;冠状轴旋转姿势下,冈下肌做功占比为37.2％±13.6％.结论 使用肩袖训练器进行肩袖抗阻训练的动作模式更为科学,并且无效做功少,更能激活肩袖肌群,达到更好的训练效果,对预防肩袖损伤和损伤修复具有一定的现实意义.     

跑步机人机界面可用性评估及再设计研究

目的通过对跑步机人机界面的可用性评估,提出再设计解决方案,进一步提升产品用户体验。方法首先,采用主客观多维可用性评估方法,对用户与跑步机之间的人机界面进行测量。其中,客观可用性评估采用基于眼动跟踪技术测量的眼动指标(注视点、平均注视时间)以及行为指标(任务完成时间、任务成功率)进行分析;主观可用性评估采用基于用户主观评价的问卷调查方法。其次,结合主客观评价实验结果,提出跑步机人机界面改进建议,并对其进行再设计。结果通过实验结果分析及相应改进建议,设计获得更优的跑步机人机界面。结论构建的主客观多维可用性评估方法适用于跑步机人机界面的评价与改进,并为人机界面设计的测量体系提供理论基础与实践方法。     

基于多模态信息融合的图像情感标注方法

随着互联网中图像资源的不断增长,情感作为图像的一个重要语义,是人们检索和选择图像的重要依据,因此对于图像进行情感标注显得至关重要。结合脑电信号(EEG)和图像内容,提出了一种基于多模态信息融合的图像情感标注方法。首先,提取EEG频域特征及图像特征(颜色及纹理);其次,结合两者特征信息,基于两种融合策略(特征层和决策层),构建支持向量机分类模型,进行图像情感识别与标注。为了评估方法的有效性,使用国际情绪图片系统公共数据集进行了实验验证。结果表明,提出的多模态信息融合图像情感标注方法优于单独使用EEG或图像内容的标注方法。此外,该成果有助于缩小低层视觉特征和高层情感语义之间的语义鸿沟。     

泛设计领域中的脑电研究现状与发展趋势

目的总结和梳理脑电技术在多个设计领域中的应用与研究现状,归纳其研究范式,探讨未来的发展趋势。方法梳理国内外相关文献和研究案例,对泛设计领域中的脑电研究进行分类总结。重点分析脑电在不同设计领域中的研究特点、脑电信号在不同设计情景下的表现特征以及脑机交互的应用。结论脑电在产品设计、界面设计、广告设计、人机交互和设计思维认知中有广泛的研究和应用。为增加脑电研究的普适性与脑电应用的便易性,需不断增强脑电的抗干扰性、实现非接触式采集以及完善脑认知的理论支撑。建立量化标准、多通道反馈机制和探索更多的应用场景是脑电在泛设计领域研究中的发展趋势。     

面向双侧训练的前臂外骨骼肌肉力-电关系识别模型

为了使前臂外骨骼系统能准确识别健肢运动的肌力水平,并带动患肢进行双侧训练,提出基于表面肌电的肌肉自主收缩力-电关系识别模型.通过4名被试者,实验采集前臂4种抓握力度下的肌电信号和握力值.利用单因素方差分析与多重比较产生的同类子集,提取11个具有显著性差异的肌电时域指标作为特征值.采用Elman神经网络构建力-电关系分类模型和肌力预测模型,并与基于支持向量机和基因表达式编程的预测模型进行性能比较.实验结果表明:Elman模型能够成功识别4种不同握力水平,建模效率高于基因表达式编程模型,肌力预测的泛化性能优于支持向量机模型.开发一个前臂外骨骼,在双侧训练的控制中验证了方法的有效性.