积分商城

最新搜索： 神经网络 AT91SAM7X256 ide手册 WINCE 传感器 拼音输入
您现在的位置是：首页 > 技术资料 > 基于眼动特征的人机交互行为意图预测模型
推荐星级：
  • 1
  • 2
  • 3
  • 4
  • 5

基于眼动特征的人机交互行为意图预测模型

更新时间：2019-12-24 06:31:03 大小：2M 上传用户：守着阳光1985查看TA发布的资源 标签：人机交互 下载积分：1分 评价赚积分 （如何评价?） 打赏 收藏 评论(0) 举报

资料介绍

针对自适应人机界面对用户行为意图预测的需求,提出一种基于眼动特征的人机交互行为分类及意图预测方法.通过建立简化的界面模型,将用户的行为意图分为5类,设计视觉交互实验收集相关行为意图状态下的眼动特征数据,利用SVM(Support Vector Machine)算法建立分类预测模型,结合差异性分析方法选取眼动特征分量,最终确定连续3个采样注视点的位置X坐标、Y坐标、注视时间、眼跳幅度以及瞳孔直径共15个分量作为特征参数可以获得较好的预测效果,其预测精度可达90%以上.


部分文件列表

文件名 大小
基于眼动特征的人机交互行为意图预测模型.pdf 2M

【关注B站账户领20积分】

部分页面预览

（完整内容请下载后查看）
12  
Vol． 46 No． 12  
Dec． 2018  
第
期
电
子
学
报
2018  
12  
ACTA ELECTRONICA SINICA  
年
月
基于眼动特征的  
人机交互行为意图预测模型  
1
1
1，2  
1
1
， ， ， ，  
梁永强 王 崴 瞿 珏 杨 洁 刘晓卫  
( 1.  
，
空军工程大学防空反导学院 陕西西安  
710051; 2.  
，
西北工业大学航空学院 陕西西安  
710072)  
:
，
针对自适应人机界面对用户行为意图预测的需求 提出一种基于眼动特征的人机交互行为分类及意图  
摘
要
． ， 5 ，  
预测方法 通过建立简化的界面模型 将用户的行为意图分为 类 设计视觉交互实验收集相关行为意图状态下的眼  
，
动特征数据 利用  
SVM( Support Vector Machine)  
， ，  
算法建立分类预测模型 结合差异性分析方法选取眼动特征分量 最  
3 X 、Y 、 、 15  
终确定连续 个采样注视点的位置 坐标 坐标 注视时间 眼跳幅度以及瞳孔直径共 个分量作为特征参数可以  
，
90%  
．
获得较好的预测效果 其预测精度可达  
以上  
自适应界面 眼动特征 交互意图 支持向量机  
TP391. 4  
URL: http: / /www． ejournal． org． cn  
:
;
;
;
关键词  
中图分类号  
电子学报  
:
:
A
: 0372-2112 ( 2018) 12-2993-09  
DOI: 10． 3969 /j． issn． 0372-2112． 2018． 12． 024  
文献标识码  
文章编号  
Human-Computer Interaction Behavior and Intention  
Prediction Model Based on Eye Movement Characteristics  
1
1
1，2  
1
1
LIANG Yong-qiang ，WANG Wei ，QU Jue ，YANG Jie ，LIU Xiao-wei  
( 1. Air and Missile Defense College，Air Force Engineering University． Xi’an，Shaanxi 710051，China;  
2. School of Aeronautics，Northwestern Polytechnical University． Xi’an，Shaanxi 710072，China)  
Abstract: Aiming at the demand of predicting adaptive interface user’s intention，This paper presents a method of hu-  
man-computer interaction behavior classification and intention prediction based on eye movement characteristics． By establis-  
hing a simplified interface model，the user’s operating behavior is divided into 5 categories，design visual interaction experi-  
ment to collect the relevant states’eye movement data． The SVM( Support Vector Machine) algorithm is used to establish  
the classification prediction model，combined with the difference analysis method to select the eye movement feature compo-  
nent． Finally，the position X coordinate，the position Y coordinate，the gaze time，the eye jump amplitude and the pupil diame-  
ter of the 3 consecutive sampling fixation points can be used as the characteristic parameters to obtain the better prediction  
effect，and the prediction accuracy can reach more than 90% ．  
Key words: adaptive interface; eye movement characteristics; intention prediction; SVM  
，
随着视线追踪技术的发展 利用眼动仪获取的眼动生  
1
引言  
，
理数据越来越准确和可靠 眼动技术正广泛应用于心  
［4］  
［5］  
［6］  
［7］  
［8］  
，
眼睛是心灵的窗户 人对外界信息的感知  
，80%  
以
、
医学  
、
、
交通 以及智能交互  
理学  
航空航天  
，
上是通过视觉通道进行的 人机交互中利用视觉行为  
．
等领域 基于视觉行为可以反映人心理状态的基本事  
．
数据推测用户操作意图是有事实根据的 自适应人机  
，
实 本研究旨在探究眼动数据与用户行为意图之间的  
，
界面是人机交互研究的热点 其核心是通过收集各种  
，
关联模式 从而为自适应人机界面的触发规则提供相  
［1］  
．
数据对用户的操作行为进行分析和推断  
应人机界面的思想主要应用于个性化推荐系统  
据用户的兴趣偏好和实时关注点动态推荐相应页面  
目前自适  
．
关理论和实证依据  
［2，3］  
，
依
，
近年来 依据视觉行为预测用户交互意图的研究  
．
． ，  
有很多 其中 一类是利用鼠标的移动近似代替用户视  
: 2017-10-23;  
: 2018-05-08; :  
责任编辑 梅志强  
收稿日期  
修回日期  
:
基金项目 国家自然科学基金  
( No． 51675530)  
2994  
2018  
年
电
子
学
报
， ［9］  
线移动行为 文献 提出了一种基于鼠标光标轨迹来  
．
信息  
，
预测用户鼠标指向目标的方法 结果发现其预测精度  
1 ，  
所示为某飞行器某一时刻的界面状态 可以看  
图
．
与目标距离和目标周围干扰物数量有关 文献  
［10］  
，
出整个界面包含的信息十分繁杂 视觉搜索中可能会  
在
， ．  
严重分散操作者的注意 导致操作效率低下甚至出错  
类似的研究中发现目标位置和光标采样率是影响预测  
． ［11］ 、 、  
精度的主要因素 文献 以光标方位角 速度 加速  
，
实际上 大多数时刻操作员往往只需要掌控界面的某  
，
度为特征参数 运用神经网络算法实现了光标指点目  
，
一局部信息 如在飞机迫降的过程中操作者主要关注  
， ．  
标的预测 并指出该方法可以减少鼠标操作时间 另一  
( 1 ) ，  
最近机场页面 如图 椭圆圈出部分 此时若是系统  
，
可以自动获取操作者的关注需求 自动对这一界面局  
类则是利用眼动数据分析用户操作行为进而推测其交  
［12］  
． Hsu  
，
部加以凸显或者隐藏其他无关界面 必然可以降低干  
互状态  
通过研究对比不同飞行员在飞行任务下  
，
的眼动数据 发现经验丰富的飞行员比起新手有更长  
，
扰从而提高操作效率 这也是目前自适应用户界面需  
，
的固定注视时间和更多的注视次数 并且有稳定和更  
．
要解决的问题 获取操作者的人机交互意图是自适应  
，
短的扫视路径 这一研究结果可以为飞行员心理负荷  
，
界面实现的前提 本文认为眼动特征数据可以较好地  
［13］  
．
的评估和预测提供依据 赵其杰等 研究了一种基于  
，
反映人的心理状况 如对某一特定区域的高注视率说  
，
头眼行为的交互意图检测方法 利用视觉检测头部粗  
，
明操作者对该区域感兴趣 或者这个区域包含复杂信  
， ，  
略确定兴趣区域 再由眼睛注视精确定位目标区域 从  
， ． ，  
息 视觉加工比较困难 根据上述应用背景 以及本文针  
［14］  
．
而确定出交互意图 卢万譞等 则提出了一种基于眼  
，
对自适应界面用户交互意图预测的研究目的 下面将  
，
动数据的网络搜索行为预测方法 通过实验采集用户  
．
建立简化的模型并提出部分假设  
，
在网络搜索过程中的眼动数据 结合眼动数据可视化  
，
， ，  
利用学习算法对用户操作意图进行预测 结果表明 利  
［15］  
．
用眼动数据可以有效预测网络搜索行为 操雅琴等  
、 ，  
综合使用主观情感 眼动指标和生理指标 利用  
SVM  
建
，
立其与行为意图之间的关系模型 结果很好的预测了  
．
用户的网络行为  
，
此外 很多学者在多通道人机交互中提出用视线  
，
追踪代替鼠标光标移动 用眨眼等视觉行为代替鼠标  
［16］  
，
点击操作 此类概念部分已应用于  
VR  
．
这
交互设备  
些新型交互技术的核心基础是对用户操作行为意图与  
， ，  
眼动特征关系的准确把握 因此 基于眼动特征的用户  
2. 1  
功能区划分  
．
意图感知和行为预测具有重要的研究意义  
， 4  
通过简化模型 本文将图形界面等分为 个矩形  
本文基于自适应界面对用户操作行为意图感知预  
， 2 ，  
功能区 如图 所示 定义功能区集合为  
: AOI = ( F0，  
， ，  
测的需求 通过分析前人研究成果 设计视觉行为实验  
，
F1，F2，F3，F4) ，  
我们定义  
F0  
，
为整个界面区域 则任  
，
收集操作者者在特定视觉行为状态下的眼动数据 利  
:
意时刻操作者的视觉行为状态可被描述为 关注功能  
SVM  
用
神经网络学习算法对特定行为意图下的眼动数  
F0、  
关注功能区  
F1、… 、  
关注功能区  
F4  
5
总共 种状  
区
，
据进行特征提取 从而构建基于眼动特征的交互行为  
，
态 定义视觉行为状态集合为  
: vision_STATE = ( care_  
，
意图预测模型 测试对比不同参数及不同数量样本下  
F0，care_F1，…，care_F4) ．  
本研究的目的是建立眼动  
5 ， ， vision  
特征与 种视觉行为状态的匹配关系 例如 若  
，
算法的预测准确性 从而为自适应界面交互意图感知  
．
和行为预测提供依据  
_state = care_F1，  
则功能区  
F1  
为操作者当前 的兴 趣  
F1  
区 在满足自适应界面触发条件后可以改变功能区  
2
问题描述和模型假设  
，
［17］  
［18］  
、
核电  
、
不管是应用软件显示界面还是工控  
的尺寸或背景颜色从而达到降低操作者认知负荷或  
［19］  
，
雷达监视界面 以及飞行器显控界面 其某一时刻的  
．
者提高操作效率的目的  
2. 2  
眼动特征基本假设  
，
静态界面通常包含比较丰富的信息 这些信息往往会  
，
被划分为不同类别区或者不同功能区 不同区域需要  
( 1)  
眼睛某一时刻注视点位置可以反映人的注意  
．
被分配操作者不同时刻的视觉注意 视觉任务有时要  
．
兴趣  
， ，  
求操作者监视整个界面 掌握全局态势 有时则要求操  
由于视网膜的分辨能力由中央凹向外缘急剧下  
1 ～ 2°  
，
作者针对特定任务区域进行精细跟踪 获得局部准确  
，
降 因此视觉系统某一时刻只能处理视野中心  
的

相关下载

全部评论(0)

暂无评论
评论赚积分>>

上传资源 上传优质资源有赏金

热门标签

更多>>

最新上传

  • 打赏
  • 30日榜单

热门下载

资料专题

推荐下载

本站上的所有资源均为源于网上收集或者由用户自行上传，仅供学习和研究使用，无任何商业目的，版权归原作如有侵权，请 来信指出，本站将立即改正。

ICP许可证号：京ICP证070360号     21IC电子网 2000- 版权所有

京ICP备11013301号

京公网安备 11010802024343号