眼動追蹤技術在東南大學研究團隊“腦機接口”控制手推車移動的應用
瀏覽次數:1626 發布日期:2022-10-28
來源:本站 僅供參考,謝絕轉載,否則責任自負

腦-機接口BCI系統可以為特殊困難人群提供一種新的人機交互方法,以恢復溝通、改善控制等優點,在傳統的BCI系統,更多的是使用了基于EEG的BCI系統的應用研究。但是其也有一些困難,比如非接觸的人群等,在某些場景應用中的信號采集難,信噪比低等缺點,使得基于傳統上EEG的BCI系統不適合某些應用場景。因此,基于眼動追蹤的交互系統其相對穩定的可視化信號,無接觸干擾、方便高效等優點。在近些年中,眼動追蹤技術廣泛應用于人機交互系統中。早期的眼動追蹤設備已經能使其簡單的文字輸入成為可能,實現了有困難障礙的特殊人群與外界之間的溝通交流。
今天為大家介紹由東南大學葛勝老師研究團隊發表在2022 International Conference on Computer Engineering and Artificial Intelligence (ICCEAI),計算機工程與人工智能國際會議上的文章《Trolley Remote Control System Using Eye Motion Tracking》,本文將眼動的“腦機接口”實現了可能。本文基于EyeLink1000 plus眼動追蹤設備建立了手推車遙控系統,根據人眼的注視方向來控制手推車的運動方向。充分顯示了眼動追蹤技術在人機交互領域具有非接觸、自然交互、用戶友好和高效的優點。
本文提出了一種基于人眼跟蹤技術的小車遙控系統,該系統根據人眼的視線方向控制小車的行駛方向。該系統中眼動數據的采集由EyeLink 1000 Plus(加拿大SRResearch)實現。本研究比較了兩種注視點檢測算法。一種方法將眼動追蹤記錄的人眼的注視位置聚集在預設時間窗口中,另一種方法直接使用眼動設備自身軟件確定的注視點來構建注視熱圖,然后執行圖像處理。用戶界面包含八個方向箭頭,在實驗中,被試按要求在一定的順序方向查看這八個箭頭。通過對目標箭頭檢測精度的分析,評價了使用每種算法的系統的優缺點。通過分析原始眼動數據以獲得注視點,系統可以更好地區分用戶的有意識和無意識注視,實現更自然、更高效的人機交互。

實驗環境圖——來源文章
如下圖所示,長注視持續時間控制的小車運動的平均準確度(99.55%)高于短注視持續時間的小車運動(95.54%)。發現兩種控制方法的性能在統計學上存在差異。(p<0.05)。兩者的準確率都大于95%,這表明整個系統運行良好。

不同算法中檢測注視的準確率——來源文章
參考文獻:
S. Rao, Z. Kong, W. Lan, H. Yang, Y. Leng and S. Ge, "Trolley Remote Control System Using Eye Motion Tracking," 2022 International Conference on Computer Engineering and Artificial Intelligence (ICCEAI), 2022, pp. 826-830, doi: 10.1109/ICCEAI55464.2022.00172.
本文僅做學習分享使用,若有疑問及侵權,請后臺聯系我們!