基于眼動(dòng)追蹤技術(shù)的數(shù)字閱讀系統(tǒng)設(shè)計(jì)與應(yīng)用
發(fā)布時(shí)間：2021-09-24 00:53
視覺系統(tǒng)是人類獲取外部信息的重要途徑。采用由眼動(dòng)姿態(tài)進(jìn)行跟蹤的眼動(dòng)追蹤技術(shù)來實(shí)現(xiàn)人機(jī)交互進(jìn)行閱讀是目前數(shù)字閱讀領(lǐng)域非常高效的一種手段。通過對眼動(dòng)追蹤技術(shù)的技術(shù)類型、特點(diǎn)及其在數(shù)字閱讀領(lǐng)域的應(yīng)用現(xiàn)狀進(jìn)行分析,構(gòu)建基于單攝像機(jī)眼動(dòng)追蹤的數(shù)字閱讀系統(tǒng),提取受試者閱讀時(shí)的眼動(dòng)特征參數(shù),并對視線落點(diǎn)進(jìn)行估計(jì)。針對受試者頭動(dòng)狀態(tài)下視線落點(diǎn)估計(jì)不準(zhǔn)的問題,利用基于特征參數(shù)的補(bǔ)償算法和多變量灰色預(yù)測GM（1,N）模型兩種方式進(jìn)行改進(jìn),從而降低實(shí)驗(yàn)平均像素誤差,并對眼動(dòng)追蹤在數(shù)字閱讀中的應(yīng)用前景進(jìn)行展望。
【文章來源】：圖書館學(xué)刊. 2020,42(04)
【文章頁數(shù)】：9 頁
【部分圖文】：
VOG非接觸式眼動(dòng)追蹤原理
閱讀活動(dòng)描述與閱讀心理變化反映在系統(tǒng)架構(gòu)中就是讀者的眼部運(yùn)動(dòng)過程。因此人眼特征參數(shù)提取就成為實(shí)現(xiàn)眼動(dòng)追蹤技術(shù)的前提和關(guān)鍵，且提取質(zhì)量的差異直接關(guān)系到結(jié)果判別的精度。人眼特征參數(shù)的定義依不同的追蹤實(shí)現(xiàn)技術(shù)而確定，單攝像機(jī)法通常采用瞳孔角膜向量反射技術(shù)（PCCR,the pupil center corneareflection technique），選擇近紅外光源照射下用戶眼睛的角膜和瞳孔上產(chǎn)成反射向量作為人眼參數(shù)。而作為這種方法的簡化，在自然光條件下可以采用虹膜中心與眼角點(diǎn)之間的向量來作為人眼參數(shù)。筆者實(shí)驗(yàn)采用自然光條件，視線特征參數(shù)提取的過程如圖2所示。本方法首先使用Haar-like特征表示人臉（人眼），采用Adaboost算法選擇最能代表人臉（人眼）的矩形特征弱分類器，通過加權(quán)投票將弱分類器構(gòu)造成強(qiáng)分類器，訓(xùn)練完成后，將得到的多個(gè)強(qiáng)分類器進(jìn)行串聯(lián)，形成用于人臉（人眼）檢測的層疊分類器的級聯(lián)結(jié)構(gòu)；然后采用自適應(yīng)閾值分割法將檢測的人眼圖像進(jìn)行虹膜和鞏膜分割：分割后的虹膜圖像經(jīng)濾波處理，之后采用cannny算子進(jìn)行邊緣檢測，經(jīng)最小二乘算法橢圓擬合之后計(jì)算出虹膜中心坐標(biāo)（x1,y1），分割后的鞏膜圖像經(jīng)濾波處理后進(jìn)行SUSAN角點(diǎn)檢測計(jì)算出眼角點(diǎn)中心坐標(biāo)（x2,y2）。最后將計(jì)算出的中心坐標(biāo)向量化為特征參數(shù)（xs,ys）。建立特征參數(shù)與視線實(shí)際落點(diǎn)的映射模型之后，即可得到閱讀者眼睛在屏幕中的注視方向，進(jìn)而指導(dǎo)后續(xù)學(xué)習(xí)操作。
文獻(xiàn)[18]根據(jù)頭動(dòng)后特征參數(shù)與頭部位置變化的關(guān)系對視線參數(shù)進(jìn)行了改進(jìn)補(bǔ)償。當(dāng)閱讀者頭部平行移動(dòng)時(shí)，使用者的瞳距是固定值。但是當(dāng)使用者頭部發(fā)生轉(zhuǎn)動(dòng)時(shí)，圖像瞳距在不同的位置上就會(huì)發(fā)生變化[19-21]。文獻(xiàn)[18]通過補(bǔ)償頭部轉(zhuǎn)動(dòng)的瞳距值得到標(biāo)準(zhǔn)位置的特征參數(shù)值，這樣就消除了頭部運(yùn)動(dòng)帶來的視線估計(jì)誤差量。但是此種方法存在一定不合理之處。整個(gè)推導(dǎo)過程都只考慮了矢量的大小，并沒有過多地涉及到方向。這樣補(bǔ)償出來的特征參數(shù)僅僅反映的是大小的變化，而實(shí)際上頭部發(fā)生運(yùn)動(dòng)后特征參數(shù)的方向以及角度也會(huì)相應(yīng)發(fā)生改變。以下筆者就頭部運(yùn)動(dòng)后特征參數(shù)的角度變化進(jìn)行分析，以作出更加嚴(yán)謹(jǐn)?shù)难a(bǔ)償形式。特征參數(shù)以及瞳孔角度在頭部運(yùn)動(dòng)過程中的變化如圖3所示。其中參數(shù)定義為：
本文編號：3406768
【文章來源】：圖書館學(xué)刊. 2020,42(04)
【文章頁數(shù)】：9 頁
【部分圖文】：
VOG非接觸式眼動(dòng)追蹤原理
閱讀活動(dòng)描述與閱讀心理變化反映在系統(tǒng)架構(gòu)中就是讀者的眼部運(yùn)動(dòng)過程。因此人眼特征參數(shù)提取就成為實(shí)現(xiàn)眼動(dòng)追蹤技術(shù)的前提和關(guān)鍵，且提取質(zhì)量的差異直接關(guān)系到結(jié)果判別的精度。人眼特征參數(shù)的定義依不同的追蹤實(shí)現(xiàn)技術(shù)而確定，單攝像機(jī)法通常采用瞳孔角膜向量反射技術(shù)（PCCR,the pupil center corneareflection technique），選擇近紅外光源照射下用戶眼睛的角膜和瞳孔上產(chǎn)成反射向量作為人眼參數(shù)。而作為這種方法的簡化，在自然光條件下可以采用虹膜中心與眼角點(diǎn)之間的向量來作為人眼參數(shù)。筆者實(shí)驗(yàn)采用自然光條件，視線特征參數(shù)提取的過程如圖2所示。本方法首先使用Haar-like特征表示人臉（人眼），采用Adaboost算法選擇最能代表人臉（人眼）的矩形特征弱分類器，通過加權(quán)投票將弱分類器構(gòu)造成強(qiáng)分類器，訓(xùn)練完成后，將得到的多個(gè)強(qiáng)分類器進(jìn)行串聯(lián)，形成用于人臉（人眼）檢測的層疊分類器的級聯(lián)結(jié)構(gòu)；然后采用自適應(yīng)閾值分割法將檢測的人眼圖像進(jìn)行虹膜和鞏膜分割：分割后的虹膜圖像經(jīng)濾波處理，之后采用cannny算子進(jìn)行邊緣檢測，經(jīng)最小二乘算法橢圓擬合之后計(jì)算出虹膜中心坐標(biāo)（x1,y1），分割后的鞏膜圖像經(jīng)濾波處理后進(jìn)行SUSAN角點(diǎn)檢測計(jì)算出眼角點(diǎn)中心坐標(biāo)（x2,y2）。最后將計(jì)算出的中心坐標(biāo)向量化為特征參數(shù)（xs,ys）。建立特征參數(shù)與視線實(shí)際落點(diǎn)的映射模型之后，即可得到閱讀者眼睛在屏幕中的注視方向，進(jìn)而指導(dǎo)后續(xù)學(xué)習(xí)操作。
文獻(xiàn)[18]根據(jù)頭動(dòng)后特征參數(shù)與頭部位置變化的關(guān)系對視線參數(shù)進(jìn)行了改進(jìn)補(bǔ)償。當(dāng)閱讀者頭部平行移動(dòng)時(shí)，使用者的瞳距是固定值。但是當(dāng)使用者頭部發(fā)生轉(zhuǎn)動(dòng)時(shí)，圖像瞳距在不同的位置上就會(huì)發(fā)生變化[19-21]。文獻(xiàn)[18]通過補(bǔ)償頭部轉(zhuǎn)動(dòng)的瞳距值得到標(biāo)準(zhǔn)位置的特征參數(shù)值，這樣就消除了頭部運(yùn)動(dòng)帶來的視線估計(jì)誤差量。但是此種方法存在一定不合理之處。整個(gè)推導(dǎo)過程都只考慮了矢量的大小，并沒有過多地涉及到方向。這樣補(bǔ)償出來的特征參數(shù)僅僅反映的是大小的變化，而實(shí)際上頭部發(fā)生運(yùn)動(dòng)后特征參數(shù)的方向以及角度也會(huì)相應(yīng)發(fā)生改變。以下筆者就頭部運(yùn)動(dòng)后特征參數(shù)的角度變化進(jìn)行分析，以作出更加嚴(yán)謹(jǐn)?shù)难a(bǔ)償形式。特征參數(shù)以及瞳孔角度在頭部運(yùn)動(dòng)過程中的變化如圖3所示。其中參數(shù)定義為：
本文編號：3406768
本文鏈接：http://www.sikaile.net/tushudanganlunwen/3406768.html
最近更新
教材專著
