金松國(guó)

（江蘇大學(xué)京江學(xué)院，江蘇 鎮(zhèn)江 212013）

1 研究背景

非接觸式界面技術(shù)已被廣泛的應(yīng)用在于殘疾人的通信和交互工具手段。但是，在當(dāng)前的大流行情況下，作為非接觸，非面對(duì)面界面的功能似乎也開(kāi)始發(fā)揮了重要作用。此外，由于近幾年在不斷地研究諸如殘疾人的導(dǎo)航之類的技術(shù)的開(kāi)發(fā)，因此期望通研究過(guò)視線追蹤提高非接觸界面技術(shù)。

過(guò)去開(kāi)發(fā)的一些系統(tǒng)是將電極放在臉上以監(jiān)視眼睛的運(yùn)動(dòng)的階段[1]。隨著計(jì)算機(jī)硬件和AI技術(shù)的最新進(jìn)展，視覺(jué)的人機(jī)界面（HCI）解決方案變得越來(lái)越流行，通過(guò)基于面部或面部特征跟蹤的非接觸式HCI[2]開(kāi)始支持殘疾人。這些解決方案可以提供高精度和低成本，從而減少了用戶與硬件的直接接觸。眼位技術(shù)還應(yīng)用于殘障用戶的應(yīng)用程序，例如眼部鼠標(biāo)和鍵盤(pán)，移動(dòng)用戶界面（UI）[3，4]和日常生活輔助系統(tǒng)[5]。預(yù)計(jì)它將在最近的社會(huì)現(xiàn)象中作為控制系統(tǒng)發(fā)揮重要作用。

本文所提出的情境感知多分類器檢測(cè)并跟蹤眼睛特征，跟蹤眼睛運(yùn)動(dòng)來(lái)預(yù)測(cè)圖像幀的視線。為穩(wěn)定跟蹤，應(yīng)用了高斯濾波器并對(duì)其進(jìn)行了后處理，采用ASSL來(lái)測(cè)試各種情況下的眼睛鼠標(biāo)功能，并在眼睛特征跟蹤中提供了有效的界面功能以進(jìn)行屏幕上的光標(biāo)控制。

2 眼動(dòng)追蹤與矯正

在本文中，我們提出了一種基于眼睛跟蹤方法的眼睛鼠標(biāo)系統(tǒng)，該方法使用空間情境感知的多區(qū)域識(shí)別算法。為了進(jìn)一步提高準(zhǔn)確性，本論文當(dāng)中采用了ASSL方法。本文主要包括以下三部分：眼睛區(qū)域檢測(cè)，注視跟蹤和鼠標(biāo)控制。此外，為提高眼睛區(qū)域檢測(cè)的準(zhǔn)確性，將所提出的方法應(yīng)用于眼睛區(qū)域檢測(cè)單元。本文提出了一種基于情境識(shí)別的AdaBoost多域分類器算法，將其作為眼動(dòng)光標(biāo)控制的精確定位和檢測(cè)方法。輸入圖像時(shí)，將執(zhí)行圖像預(yù)處理，并通過(guò)應(yīng)用高斯濾波器來(lái)消除噪點(diǎn)。并且，通過(guò)逐步比較圖像的各個(gè)區(qū)域，找到用于凝視跟蹤的眼睛區(qū)域的位置。進(jìn)而，對(duì)于實(shí)時(shí)凝視跟蹤和光標(biāo)控制，通過(guò)卡爾曼濾波器預(yù)測(cè)下一個(gè)位置并生成每個(gè)特征點(diǎn)的運(yùn)動(dòng)矢量，來(lái)執(zhí)行眼睛區(qū)域的特征點(diǎn)跟蹤。

對(duì)于非接觸式界面的實(shí)時(shí)凝視跟蹤和光標(biāo)控制，在檢測(cè)到眼睛區(qū)域后，將應(yīng)用卡爾曼濾波器來(lái)減少下一幀中眼睛特征元素的搜索時(shí)間。眼睛鼠標(biāo)的性能受跟蹤區(qū)域的大小，匹配模板的大小和復(fù)雜性，預(yù)測(cè)的目標(biāo)特征點(diǎn)的準(zhǔn)確性，特征點(diǎn)的速度以及目標(biāo)特征點(diǎn)的影響。跟蹤區(qū)域的大小是根據(jù)目標(biāo)跟蹤點(diǎn)的速度來(lái)確定的。當(dāng)目標(biāo)特征點(diǎn)快速移動(dòng)時(shí)，應(yīng)使用較大的跟蹤區(qū)域，相反目標(biāo)特征點(diǎn)緩慢移動(dòng)時(shí)，應(yīng)使用較小的跟蹤區(qū)域進(jìn)行估計(jì)。在前幾幀中，將目標(biāo)眼睛特征組件的位置平均，設(shè)置為中性區(qū)域的中心，并獲得該組件的大小和移動(dòng)速度。當(dāng)在連續(xù)幀中成功識(shí)別出眼睛區(qū)域的位置時(shí)，系統(tǒng)進(jìn)入跟蹤階段。當(dāng)估計(jì)下一幀中目標(biāo)眼睛分量的近似位置時(shí)，根據(jù)當(dāng)前狀態(tài)向量執(zhí)行該操作，并根據(jù)預(yù)期點(diǎn)的坐標(biāo)，可將跟蹤區(qū)域縮小為目標(biāo)對(duì)象檢測(cè)的關(guān)注區(qū)域。在該系統(tǒng)中，可以提高眼睛區(qū)域的跟蹤速度。

3 實(shí)驗(yàn)結(jié)果

為了實(shí)時(shí)執(zhí)行有效的實(shí)時(shí)注視跟蹤功能，首先要檢測(cè)眼睛的位置。收集眼睛區(qū)域樣本的數(shù)據(jù)庫(kù)，并從眼睛區(qū)域樣本生成特征向量文件。第二是收集樣本數(shù)據(jù)庫(kù)，而不是眼睛區(qū)域，以設(shè)置參數(shù)并學(xué)習(xí)，通過(guò)預(yù)測(cè)用于光標(biāo)指向的眼睛運(yùn)動(dòng)的位置來(lái)收集訓(xùn)練數(shù)據(jù)。為了學(xué)習(xí)情境感知的多重識(shí)別器，創(chuàng)建了1022個(gè)正樣本圖像和2000個(gè)負(fù)樣本（沒(méi)有眼睛），其中包括眼睛區(qū)域。圖像包括112個(gè)具有擺角的圖像。應(yīng)用ASSL方法通過(guò)從訓(xùn)練數(shù)據(jù)集中刪除噪聲樣本來(lái)提高準(zhǔn)確性。

本文采用菲茨定律分析用戶界面結(jié)果。菲茨定律用于點(diǎn)擊和拖放圖形用戶界面的設(shè)計(jì)建模中，以模擬與屏幕指向相關(guān)的速度精度，其中起始對(duì)象0與目標(biāo)對(duì)象0相同。用10個(gè)測(cè)試人員進(jìn)行了實(shí)驗(yàn)，隨機(jī)生成了5個(gè)目標(biāo)對(duì)象圖案。目標(biāo)物體的寬度定義為10、20和30像素。為了簡(jiǎn)化測(cè)試，目標(biāo)位置以圓圈形式表示。測(cè)試結(jié)果可以看出，目標(biāo)物體越大，到達(dá)時(shí)間越短。我們可以計(jì)算到達(dá)目標(biāo)物體時(shí)的難度。該值顯示了到物體的距離（D）和物體的寬度（W）之間的相關(guān)性。該值可以使用Fitts的ID（Index of Difficulty）難度指數(shù)計(jì)算得出。目標(biāo)對(duì)象的圓圈大小越大，難度指數(shù)（ID）越小，圓圈大小越小，ID越大。根據(jù)菲茨定律，距離越短，圓越大，界面越快。表1和表2比較了鼠標(biāo)指針和眼睛鼠標(biāo)指針之間的接口速度。

表1 眼睛鼠標(biāo)的速度

表2 鼠標(biāo)指針?biāo)俣?/p>

從實(shí)驗(yàn)結(jié)果可以看出，當(dāng)接近對(duì)象時(shí)，由眼睛鼠標(biāo)產(chǎn)生的軌跡比常規(guī)計(jì)算機(jī)鼠標(biāo)的軌跡相對(duì)快，并且有希望用作非接觸界面。

4 結(jié)束語(yǔ)

在本文中，提出了一種多眼檢測(cè)功能，用于估計(jì)視線并基于屏幕光標(biāo)調(diào)整主動(dòng)和半監(jiān)督學(xué)習(xí)。本文使用一個(gè)多域分類器來(lái)估計(jì)眼睛區(qū)域，該分類器使用網(wǎng)絡(luò)攝像頭和ASSL算法進(jìn)行眼睛跟蹤的眼睛情境感知，并應(yīng)用卡爾曼濾波器和高斯模型來(lái)提高實(shí)時(shí)跟蹤性能。實(shí)驗(yàn)結(jié)果證實(shí)，它在眼指向方面表現(xiàn)出優(yōu)異的性能，并且難度與目標(biāo)尺寸成反比。當(dāng)對(duì)象的大小較大時(shí)，界面響應(yīng)速度會(huì)更快，并且可以看到，所提出系統(tǒng)的UI中的指向速度比鼠標(biāo)跟蹤要快。預(yù)期它不僅可以用作殘疾人的導(dǎo)航系統(tǒng)，而且可以用作防御流行病中的重要技術(shù)。