發(fā)布時間：2022-05-08 21:05

　　隨著5G和VR（Virtual Reality）的發(fā)展,基于全景內(nèi)容的應用受到廣泛關(guān)注。研究用戶對于全景內(nèi)容的感知和情緒反應對多媒體處理和用戶體驗質(zhì)量評估至關(guān)重要。眼球的運動特征在不同全景內(nèi)容情緒刺激下會發(fā)生顯著變化,且眼動監(jiān)測具備便捷、真實的特點,在情緒識別研究領(lǐng)域備受關(guān)注。當前基于全景內(nèi)容誘發(fā)下眼動監(jiān)測的情緒識別研究存在以下問題:（1）全景內(nèi)容下帶有情緒標簽的眼動數(shù)據(jù)集較少,相關(guān)研究常利用頭動代替眼動數(shù)據(jù);（2）研究表明二維內(nèi)容下眼動和情緒存在聯(lián)系,但三維全景誘發(fā)態(tài)眼動模式與二維靜態(tài)內(nèi)容并不同,全景圖片自由瀏覽模式下如何提取眼動特征并分析眼動偏差與情緒關(guān)系亟待研究;（3）以往研究多基于原始眼動數(shù)據(jù),缺乏眼動行為特征分析,也未能充分挖掘眼動序列時序關(guān)聯(lián)信息。針對以上問題,本文進行了如下工作:（1）基于LS2N實驗室創(chuàng)建的全景圖片-顯著性數(shù)據(jù)集,選擇刺激素材并建立了一個包含情緒標簽（積極、中性、消極）的360度全景圖片-情緒-眼動數(shù)據(jù)集,包含基于HTC Vive頭顯和SMI Eye-tracker設備記錄的19位受試者自由頭動和眼動數(shù)據(jù)。（2）根據(jù)虛擬現(xiàn)實頭顯的交互特點,本文提出了全景... 

【文章頁數(shù)】：78 頁

【學位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 選題背景及研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 眼動信號處理方法與應用
        1.2.2 基于眼動信號的情緒研究現(xiàn)狀
        1.2.3 全景圖片的研究現(xiàn)狀
        1.2.4 存在問題
    1.3 本文主要工作
        1.3.1 研究目標及研究內(nèi)容
        1.3.2 主要工作
    1.4 論文組織結(jié)構(gòu)
    1.5 本章小結(jié)
第二章 眼動相關(guān)研究背景知識
    2.1 全景圖片與虛擬現(xiàn)實技術(shù)
    2.2 眼動及其特征
        2.2.1 人眼視覺系統(tǒng)
        2.2.2 眼動追蹤
        2.2.3 眼動行為表示
    2.3 情緒模型
    2.4 相關(guān)算法介紹
        2.4.1 相關(guān)機器學習算法
        2.4.2 循環(huán)神經(jīng)網(wǎng)絡
    2.5 本章小結(jié)
第三章 全景圖片誘發(fā)態(tài)眼動數(shù)據(jù)集的創(chuàng)建與眼動行為差異研究
    3.1 眼動-情緒數(shù)據(jù)集創(chuàng)建
        3.1.1 全景圖片刺激素材
        3.1.2 實驗設備
        3.1.3 實驗步驟
    3.2 全景圖片下的眼動行為特征提取方法
        3.2.1 視口二維坐標映射
        3.2.2 基于時間和速度的閾值算法提取眼動凝視位置坐標
        3.2.3 眼動特征表示
    3.3 不同情緒刺激下的眼動行為探索
        3.3.1 SAM得分及情緒分類
        3.3.2 僅頭動和頭動加眼動數(shù)據(jù)生成的顯著性圖比較
        3.3.3 眼動行為特征的方差分析
        3.3.4 情緒對眼動偏差的影響與全景掃視特點
    3.4 本章小結(jié)
第四章 基于眼動行為特征的情緒識別算法研究
    4.1 情緒識別算法研究
        4.1.1 特征提取
        4.1.2 分類器訓練
        4.1.3 基于掃描路徑的分類
        4.1.4 特征選擇
    4.2 實驗結(jié)果與分析
        4.2.1 原始眼動追蹤數(shù)據(jù)和眼動行為特征分類比較
        4.2.2 基于SVM的不同特征表示比較
        4.2.3 不同算法模型方法比較
        4.2.4 不同特征選擇方式比較
        4.2.5 情緒場景二分類比較
    4.3 本章討論
第五章 基于眼動序列門控循環(huán)單元的情緒識別方法
    5.1 基于門控循環(huán)單元的眼動情緒分類網(wǎng)絡
        5.1.1 門控循環(huán)單元
        5.1.2 數(shù)據(jù)劃分
        5.1.3 網(wǎng)絡結(jié)構(gòu)
    5.2 實驗結(jié)果與分析
        5.2.1 實驗參數(shù)設置
        5.2.2 原始眼動追蹤數(shù)據(jù)和切分掃描路徑的性能比較
        5.2.3 不同特征序列分類比較
        5.2.4 GRU網(wǎng)絡和LSTM分類效果對比
        5.2.5 GRU網(wǎng)絡和GBDT方法對比
        5.2.6 GRU網(wǎng)絡情緒場景二分類比較
    5.3 本章小結(jié)
總結(jié)與展望
參考文獻
攻讀碩士學位期間取得的研究成果
致謝
附錄


【參考文獻】：
碩士論文
[1]虛擬現(xiàn)實視覺誘發(fā)態(tài)下基于前額腦電及眼動的情緒分類研究[D]. 吳施儀.華南理工大學 2019



本文編號：3652374