移动设备人机交互眼动跟踪方法分析.docx

移动设备人机交互眼动跟踪方法分析摘要随着科学技术的不断进步眼动跟踪方法得到了进一步的创新和完善过去传统的眼动跟踪设备结构构造较为复杂并且自身的体积和重量也较大在使用时需要以桌面予以固定很难适应计算环境下的移动式交互需求。移动式的眼动跟踪方法就克服了这一难点它所具有的移动特点可以满足不同计算环境下的跟踪需求据此本文就对移动设备人机交互眼动跟踪方法的相关内容及其具体应用进行了分析介绍。【关键词】移动式眼动跟踪人机交互移动式眼动跟踪方法是科学技术进步的一种体现从其结构构成来看它主要包含有四个层次即眼动图像处理、眼动特征检测、眼动数据计算以及眼动交互应用这四个不同的层次所具有的功能也各不一样。相对传统的固定式眼动跟踪方法来说它所具有的移动式特点能够在大多数环境下实现眼动跟踪测试可行性非常好可以保证数据的真实性和完整性技术人员在实际应用中需要做好各方面准备为其应用奠定良好条件。1眼动跟踪眼动跟踪它是一种对用户视线的注视点和方向进行测量的方法可以反映出用户视线所要表达的基本信息又可以称之为是视线追踪。一方面它可以对用户的视觉行为和认知活动进行细致化的分析反映出用户的心理基本活动另一方面它也可以看作为是一种能够代替传统键鼠输入的一种新技术形式例如眼控打字系统、眼动驱动的自适应用户界面系统等相对于现阶段的先进技术来说这些应用都是在实验室内固定的眼动跟踪系统基础上开展的如果在真实的环境中也就是移动式的环境中开展的话就会有很大难度甚至于无法开展。从当前现状来看较为主流的眼动跟踪方法有瞳孔角模反射法、角膜反射矩阵法以及椭圆法线法其中瞳孔角模反射法的应用范围最广也得到了人们的广泛认可。瞳孔角模反射法从它的作原理来看它是通过利用红外光源来照射角模因为角膜和虹膜对于红外光的反射率有很大差异因此最后所得到的瞳孔图像是十分清晰的。2移动式人机交互眼动跟踪方法2.1眼动图像处理2.1.1图像滤波本文为了得到一种较为合适的滤波方法来实现对眼球图像的去噪分别采用OpenCV中封装的均值滤波、高斯滤波、中值滤波以及双边滤波四种方法来针对眼球图像进行了滤波实验通过最后记录的实验数据结果显示均值滤波中值滤波会导致图像的细节化出现很大损失；双边滤波在核较大时具有很好的处理效果但是实时性并不高；高斯滤波的速度比较快可以保留大部分的图像信息因此最后决定以高斯滤波为主进行原始眼动图像的去噪处理。2.1.2二值化上述提到瞳孔和虹膜对于红外光的吸收和反射率有一定差异这种差异会导致图像中的瞳孔出现较黑的颜色而虹膜则会呈现出灰色状所以本文设置了一个较低的阈值来对图像进行二值化处理这样在处理之后可以得到一个灰度值较低的瞳孔区域但是因为人眼的转动变化又会导致光线的照射角度会发生一定的变化因此最后所采集到的眼球图像之间还是会不同程度的产生灰度差异的因此固定阈值的二值化处理就不太适合了需要在掌握每一幅图像特点的基础上有针对性的来得到最佳阈值。2.2眼动特征检测瞳孔检测：2.2.1对于瞳孔位置的定位首先对于瞳孔边缘的检测。在红外光源的照射下瞳孔的图像会发生变化成像的灰度值会降低虹膜的图像灰度值会比较高而且在两者边缘附近灰度值也会出现较大幅度的变化。因此最佳的检测法是基于梯度法的瞳孔边缘检测法它是以瞳孔粗定中心（xpyp）来作为射线起点并以一个较小的角度θ发射出一条检测射线θ夹角是射线和横轴之间的夹角那么这个射线上的各个点的位置坐标就可以由以下公式得到：这个射线的起点是在瞳孔之内的因此在对梯度值的取值上就可以只考虑正数即可。2.2.2瞳孔轮廓的拟合在成像中图像的最佳瞳孔轮廓是圆形形状但是现实实际却是因为相机拍摄角度和眼球自身运动多等的原因导致在很多情况下瞳孔轮廓的实际会使椭圆形的因此在对成像瞳孔轮廓拟合中就需要采用椭圆拟合的方法常见的方法是最小二乘法这种一方面应用操作简单另一方面拟合的精确度也可以得到确保。但是在具体应用中还需要考虑到普尔钦斑因素的影响要对基于最小二乘法的椭圆拟合算法进行改进和优化。2.3对于眼动跟踪数据的计算对于人眼注视点的计算可以按照图1所示的方法进行这种方法会实现眼球图像坐标系和计算机屏幕坐标系的相互统一把瞳孔――角膜反射箱梁直接映射为用户在计算机屏幕上的注视点坐标。但是需要注意的是因为相机是和头部载具向固定在一起的因此它和眼球的位置就会相对较为固定也就不需要再锁定相机位置了只需要技术人员根据计算需要对计算机屏幕坐标进行标定就可以了。一般来说会将瞳孔――角膜反射向量的起点来作为瞳孔的中心点而它的终点则是普