目标颜色对视线交互的影响研究

随着眼动跟踪技术的日益成熟,面向终端用户的视线输入产品问世,视线交互(Gaze-based Interaction)的实用性越来越高。然而,由于眼睛并不是与生俱来的控制器官,用户界面中无论动态或静态的各种视觉反馈,在视线交互过程中都可能干扰用户的眼动,从而影响视线输入(视点坐标)。因此,通过两个视线点击(Eye Pointing)实验,从视点的空间分布特征和视线交互的人机工效两个方面,系统地评估了目标颜色因素对视线交互的影响。结果表明,目标颜色这类静态视觉反馈虽然不影响用户凝视目标时视点坐标的稳定性,但的确会对用户的眼动扫视过程造成显著影响,从而影响视线点击任务的人机工效。特别是在视线移动距离较长的情况下,这种影响更为明显。     

基于标记点检测的视线跟踪注视点估计

传统的头戴式视线跟踪系统需要借助额外的头部位置跟踪器或其他辅助设备才能定位视线方向.针对该问题,提出一种基于标记点检测的注视点估计方法.该方法通过计算机视觉的方法检测标记点,建立场景图像与真实场景中计算机屏幕之间的空间关系,将场景图像中的注视点坐标映射到计算机屏幕中.实验结果表明,该方法简单易行,可以较好地估计出用户在...     

基于ICE技术的身份认证交互模型

在应用集成中,身．份认证的分布式应用成为了一个亟待解决的重要问题。首先阐述了统一身份认证的特点及其在应用中所受到的限制,结合最新ICE(Intemet Communication Engine)技术,提出了一种适合于分布式应用的身份认证交互模型。     

基于多幅图像的场景交互建模系统

以普通相机自由运动拍摄得到的多幅非广角照片作为输入,提供给用户一系列简单易用的交互工具,从而恢复出真实场景的几何模型和表面纹理,最终得到具有高度真实感的三维模型．在技术路线上,文中系统采用按照几何空间层次分级重建的方法,并充分利用场景中存在的几何约束信息对重建结果进行优化．实验结果表明,利用该系统生成的三维模型准确真实,能够满足虚拟现实和可视化等应用的要求．     

电视跟踪系统的图像消旋原理

在机载电视跟踪系统中，由于平台框架相对载机的转动会引起电视图像的旋转，消旋系统就是要消除它的影响。消旋的依据是保证“ＣＣＤ正向”与“消旋正向”的一致。消旋角是框架相对载机姿态角的函数。     

基于图像认证的个性化用户认证方法研究

普适计算是未来的计算模式,人们可以随时、随地获得满意的服务。结合未来普适计算环境下设备的多样性和用户的个性化需求,对图像认证方法进行了扩展进而提出个性化认证方案,图像认证方法利用用户对图片的识别能力验证登录者是否为用户本人,从而可以抵抗重放攻击。该认证方案使用一种组合办法既减少每次认证暴露给第三方的信息,又提高了安全性,同时可提供多种媒体形式供用户识别,实验结果与分析表明该方法是可行的,用户可以接受这种认证方式。     

基于差分算法和Kinect的数媒交互系统设计

为了有效实现数媒交互,提升三维模型重建速度、精度及数媒交互效果,设计了一种基于差分算法和Kinect的数媒交互系统。首先读取、转换与存储不同格式的图像数据,利用视觉表达灵敏度差分算法预处理图像数据,利用面绘制技术重建三维模型,再使用Kinect采集视野内物体深度值,选取与Kinect距离最近的用户当作第一操作用户,通过骨骼追踪数据捕捉用户姿势,定义骨骼数据,编辑动作指令,依据键盘映射完成Unity3D和Kinect的数据通讯,实现数媒交互。实验证明：设计系统的三维模型重建速度快、重建精度高,数媒交互展示效果更好。     

视线跟踪系统中的眼角点精确定位方法

在视线跟踪系统中,提出了一种以眼角点为参考点来计算人眼注视方向和位置的新方法。该方法中以动点和参考点的差值来计算人眼的注视方向和位置。动点采用虹膜中心,因为它可以准确反映眼球的变化。参考点采用眼角点,因为眼角点在人脸上是个非常稳定的点,人脸表情的变化基本上不会引起它的位置变化。该方法克服了过去以mark点或普尔钦斑点为参考点的缺点,不需要使用者在脸上做mark点,而且允许人脸在小范围内偏转。实验证明,该方法中自动定位眼角点快速准确,可以很好地解决视线跟踪系统中眼睛相对运动距离的问题。     

基于视线跟踪和手势识别的人机交互

提出一种新的基于视线跟踪和手势识别的交互方式用于远距离操作计算机。系统通过摄像头采集用户的图像,利用图像识别算法检测人眼和手指的位置,由人眼和指尖的连线确定用户指向屏幕的位置,通过判别用户手势的变化实现各种操作,达到人机交互的目的。实验结果表明,该交互方式可以较好地定位屏幕和判断用户的操作,实现自然、友好的远距离人机交互。     

视线交互中两类扫视运动的人机工效评估研究

Fitts法则是人机交互领域预测人机工效的一个有效模型,在许多交互方式中都得到了验证,是传统人机工效研究的理论基础。然而在视线交互中,由于眼动肌肉神经控制机制与肢体运动不同,Fitts法则并不适用。近两年的相关研究提出了一个新的专门针对视线点击任务的难度指数IDeye,它比经典的Fitts指数更能准确预测视线交互的工效。然而,在新模型的有效性验证实验中并没有考虑两种典型的扫视运动(向心和离心运动)的差异。为此,在前期研究的基础上设计组织实验,验证了视线交互中离心和向心这两种眼球运动所带来的人机工效和稳定性的差异,并证实新的IDeye模型仍然能有效预测单纯的离心或向心扫视条件下的人机工效,是对视线交互工效研究的重要补充。     

移动设备视线跟踪技术研究进展

针对移动设备视线跟踪技术研究现状进行了综述,介绍了视线跟踪技术的发展及移动设备的资源劣势,将移动设备视线跟踪技术分为利用自身集成硬件和使用外接硬件设备两类,并分别进行了说明。最后,总结分析了移动设备视线跟踪存在的问题,并对其未来发展及研究方向进行展望。     

基于OpenGL的医学图像实时交互处理技术

在医学图像处理软件中,为设计实时高效的交互处理模块,提出一种基于OpenGL的医学图像实时交互处理技术。将二维DICOM医学图像作为纹理映射到实际三维空间显示,通过调整视见体、设置旋转矩阵实现几何变换,并在三维空间直接绘制标注测量工具。在Qt平台下设计并实现交互流程,结果表明该技术将图像显示及其操作统一到实际坐标系中,在保证图像质量的前提下可显著提高交互速度。     

基于特征的视线跟踪方法研究综述

针对基于特征的视线跟踪方法进行了综述.首先对视线跟踪技术的发展、相关研究工作和研究现状进行了阐述; 然后将基于特征的视线跟踪方法分成了两大类:二维视线跟踪方法和三维视线跟踪方法, 从硬件系统配置、误差主要来源、头部运动影响、优缺点等多个方面重点分析了这两类视线跟踪方法, 对近五年现有的部分基于特征的视线跟踪方法进行了对比分析, 并对二维视线跟踪系统和三维视线跟踪系统中的几个关键问题进行了探讨; 此外, 介绍了视线跟踪技术在人机交互、医学、军事、智能交通等多个领域的应用; 最后对基于特征的视线跟踪方法的发展趋势和研究热点进行了总结与展望.     

一种基于可逆数字水印的图像认证方案

针对医疗图像、遥感图像等敏感数字图像在认证水印的嵌入过程中不能引入失真的特点,提出一种基于可逆数字水印的图像完整性认证方案:首先提取图像特征,将其作为hash函数的输入;再用图像发送者的私钥对hash值进行数字签名;最后将数字签名作为水印数据,利用图像相邻像素点差值直方图的特征,轻微改变图像像素点的灰度值来可逆嵌入水印数据。方案实现简单,水印嵌入后图像失真小,认证通过后还可以完全恢复原始图像。理论和实验证明水印嵌入后,PSNR值能达到51.14dB以上。     

用于图像认证和窜改检测的稳健图像摘要*

本文提出了一种用于图像认证和篡改检测的稳健图像摘要。该算法利用Zernike矩的幅度和修正后的相位旋转不变性生成图像摘要（图像Hash）。图像Hash之间的相似性用汉明距离度量。仿真结果表明该方法对大部分内容不变的图像操作具有鲁棒性。不同图像对Hash之间的汉明距离远大于阈值,因此该方法可用于图像认证。同时该方法还可以检测图像篡改并可以定位图像篡改的位置。     

基于图像块等级模型的多重认证水印算法

提出了一种新的用于灵活图像认证的多重水印嵌入算法.不同于传统的块独立水印算法中每个图像块只嵌入一个水印信息,算法对每个图像块嵌入多重水印信息.提出了两个通用的图像块等级模型,形成图像块内部的等级结构,对每个图像块以及图像块内部的各等级子块进行独立的水印生成和嵌入.将图像特征值映射为混沌系统的初值,并将图像块的编号映射为混沌系统的迭代次数,经过混沌迭代生成图像块水印,再将水印信号替代图像块中选定像素点的最低有效位,完成水印的嵌入.实验结果表明,该算法可对图像进行多重认证,对篡改区域进行精确的检测与定位,并能选择不同的定位精度.     

视觉密码在交互式身份认证中的应用研究

分析“挑战-响应”式身份认证方案面临的攻击形式,将视觉密码技术应用到交互式的认证方案中,利用视觉密码具有的伪随机数的特性,保证身份认证会话不被重用,并且不使用复杂的传统密码算法,提高了身份认证方案的便捷性和安全性。最后,对身份认证方案进行了常见攻击的抵抗分析。     

基于单幅图像的视线计算研究

提出了一种新的基于单幅眼睛图像的视线计算方法。通过假定两眼的视线向量以及左右虹膜中心点组成的向量共面,可以计算得到两眼的视线方向。与现有的三维视线计算方法相比,提出的视线计算方法不需要眼角坐标等脸部特征信息,另外也不需要已知相机的焦距大小。可以允许相机的焦距大小以及与用户的距离自由改变。最后实验的结果也比较理想,充分证明了提出的视线计算方法的可行性。     

头戴式视线跟踪系统的一点标定方法

标定方法是视线跟踪技术中的关键环节,直接影响跟踪精度和用户体验。目前头戴式跟踪系统所使用标定方法,需要多个标定点进行标定。为更快、更方便地进行标定,提出一种方法,只需一个标定点,便可提取足够的标定信息完成标定过程。该方法可适用于目前的多种映射方法,如DLT方法、多项式方法、神经网络方法等,标定时间仅需10 s,精度可达1°,与多点标定相比,效率显著提高,而精度无明显差异。此外,使用一种新的神经网络模型:ELM(极端学习机)实现了神经网络标定方法,ELM的快速学习性能,显著缩短了神经网络训练时间。     

视线追踪系统中视线估计方法研究

文中提出一种基于瞳孔—角膜反射(PCCR)的视线估计方法(GEMHSSO).针对现有PCCR存在的主要问题:限制使用者头部运动和个体标定问题,提出了一种单相机单光源条件下头部位置的补偿方法,实现了头部位置变化对瞳孔角膜向量影响的解析补偿,并建立一种个体差异的转化模型,进而简化标定过程为单点标定.以此为基础形成一种新的视线估计方法,本方法使精确视线估计的最小硬件要求降低到单相机(未标定)单光源,既不需要繁杂的系统标定,又实现了自然头动视线估计,并且简化用户标定为单点标定.该方法的各个环节都满足实时性要求,为面向人机交互的视线追踪系统提供了有效的解决方案.