基于标记点检测的视线跟踪注视点估计

传统的头戴式视线跟踪系统需要借助额外的头部位置跟踪器或其他辅助设备才能定位视线方向.针对该问题,提出一种基于标记点检测的注视点估计方法.该方法通过计算机视觉的方法检测标记点,建立场景图像与真实场景中计算机屏幕之间的空间关系,将场景图像中的注视点坐标映射到计算机屏幕中.实验结果表明,该方法简单易行,可以较好地估计出用户在...     

桌面式眼动跟踪系统研究

眼动跟踪技术作为一种新的人机交互方式,已受到越来越多人的关注,现有的眼动跟踪系统大都是头戴式的,它的硬件设备复杂,对人干扰较大,而且价格昂贵。文章实现了一个简单的基于桌面的眼动跟踪系统,本系统硬件构成简单,而且不与人直接接触,使用虹膜中心坐标来估计用户的注视点。实验表明,当误差距离不超过40个像素时,系统估计的人眼注视点准确率超过80%。     

交通标志文字信息驾驶员眼动视认特性

以不同字数、不同间距、不同方向的文字序列为刺激物,以眼动仪为主要试验仪器对驾驶员视认交通标志文字信息的眼动特征进行了分析,并得到了全局关注和特定信息搜索2种视认方式下不同字数文字信息的注视时间,采用响应面法回归了不同条件下的眼跳速度方程,对比了注视时间和眼跳时间的比例关系,发现眼跳时间大约为注视时间的1/5.     

眼动技术与脑电技术的结合--一种认知研究新方法

眼动技术与脑电技术的结合开辟了认知科学研究的新思路。文章从注意与注视点分离、错觉及人机操作界面三个研究方面，对这一新方法在认知科学研究中的应用及所取得的初步成果进行阐述。     

面向大屏幕目标选择的眼动跟踪与手势交互

眼动跟踪方法具有很强的视觉指向性,可以将其应用于面向大屏幕的目标选择,进而避免鼠标操作方式在空间上的远距离移动.然而,仅仅利用眼动跟踪进行选择操作,也会产生选择精度降低、容易产生误操作等问题.因此,为了实现大屏幕上快速、准确的目标选择,提出一种融合眼动跟踪与手势的多通道交互方法,即通过眼动跟踪选择目标,利用手势进行选择确认.在目标尺寸小、目标间距较小时,通过光标稳定和二次选择机制进一步对交互过程进行优化.用户测试结果表明,该方法可以在大屏幕上针对不同尺寸和间距的目标完成有效的选择操作,与仅使用眼动跟踪的目标选择方法相比,任务完成速度提升了16%,任务完成正确率提升了82.6%.此外,针对层级菜单的具体选择任务,该方法与仅使用眼动跟踪的方法相比,任务完成速度提升了13.6%,任务完成正确率提升了55.7%.此外,该方法总体性能接近传统的鼠标操作方式,进一步验证了该方法在实际应用中的有效性.     

观看经度联合加权全景图显著性检测算法

目的 目前针对全景图显著性检测的研究已经取得了一定成果,但在全景图像的位置特性问题中,大都仅探讨了纬度对全景图显著性检测的影响。而人们观看全景图像时,因视角有限,不同经度位置的显著性也有很大差异,从而导致预测的显著区域往往不够精确。为此本文以全景图的经度位置特性为出发点,提出基于观看经度联合加权的全景图显著性检测算法。方法 使用空间显著性预测网络得到初步的显著性图像,使用赤道偏倚进行预处理以改善不同纬度位置的显著性检测效果。接着对显著性图像进行注视点经度加权,将观察者观看全景图的行为习惯与显著性图像相结合。之后对全景图进行双立方体投影与分割,提取全景图的亮度与深度特征,进而计算不同视口经度权重。经过两次加权,得到最终的显著性图像。结果 在Salient360!挑战大赛提供的数据集上与其他几种算法进行了实验比较。结果显示,本文算法能得到很好的显著性检测结果。在对本文算法的通用性能的测试中,在标准化扫描路径显著性、相关系数、相似度与相对熵指标上分别达到了1.979 3、0.806 2、0.709 5和0.323 9,均优于其他算法。结论 提出的全景图显著性检测算法解决了以往全景图显著性检测中不同经度位置检测结果不够准确的问题。     

基于瞳孔检测的注视点跟踪系统

介绍了一种基于瞳孔检测的非强迫式注视点跟踪系统。该系统对被测对象观察不同注视点时的眼睛进行成像,通过图像处理得到瞳孔在眼睛中的相对位置数据,从而计算出所观察的注视点的位置。采用了二维定标算法进行系统定标,提出了一种角度修正的方法以提高系统精度。实验结果表明,在相同的实验条件下,系统估算点与实际观测点基本一致,视角平均误差为2.5°,可以满足一般对注视点测定的要求。     

移动设备交互环境下的注视点感知计算方法

为了提高移动设备上眼动跟踪的精度和效率、降低硬件成本,提出基于注视点回忆的眼动数据感知计算方法.首先利用人的短时记忆特性建立注视点回忆和自我报告机制,要求用户点击移动设备屏幕来提交注视点位置数据;然后基于支持向量回归方法建立注视点数据误差补偿模型,对用户回忆和提交的注视点数据进行校正,进一步提高数据精度.为了验证数据误差补偿模型的效果,设计并开展了用户实验,结果表明,使用数据误差补偿模型后,对于不同类型的测试任务和测试图片,注视点回忆数据精度提高15%～40%.     

使用人眼几何特征的视线追踪方法

目的 视线追踪是人机交互的辅助系统,针对传统的虹膜定位方法误判率高且耗时较长的问题,本文提出了一种基于人眼几何特征的视线追踪方法,以提高在2维环境下视线追踪的准确率。方法 首先通过人脸定位算法定位人脸位置,使用人脸特征点检测的特征点定位眼角点位置,通过眼角点计算出人眼的位置。直接使用虹膜中心定位算法的耗时较长,为了使虹膜中心定位的速度加快,先利用虹膜图片建立虹膜模板,然后利用虹膜模板检测出虹膜区域的位置,通过虹膜中心精定位算法定位虹膜中心的位置,最后提取出眼角点、虹膜中心点等信息,对点中包含的角度信息、距离信息进行提取,组合成眼动向量特征。使用神经网络模型进行分类,建立注视点映射关系,实现视线的追踪。通过图像的预处理对图像进行增强,之后提取到了相对的虹膜中心。提取到需要的特征点,建立相对稳定的几何特征代表眼动特征。结果 在普通的实验光照环境中,头部姿态固定的情况下,识别率最高达到98.9%,平均识别率达到95.74%。而当头部姿态在限制区域内发生变化时,仍能保持较高的识别率,平均识别率达到了90%以上。通过实验分析发现,在头部变化的限制区域内,本文方法具有良好的鲁棒性。结论 本文提出使用模板匹配与虹膜精定位相结合的方法来快速定位虹膜中心,利用神经网络来对视线落点进行映射,计算视线落点区域,实验证明本文方法具有较高的精度。     

眼动分析技术在航空安全中的应用

阐述眼动分析技术,探讨眼动频率、瞳孔大小变化、平均注视驻留时间、注视点序列以及第一次到达目标兴趣区的时间等参数,对目标在的眼动状况,改进驾驶舱设计、改善注意力分配。