基于眾包的移動設備眼動跟蹤數據獲取系統(tǒng).pdf

1、近年來基于移動設備的眼動跟蹤技術逐漸成為一個研究熱點，并得到了迅速發(fā)展和應用推廣。但是由于受到移動設備軟硬件性能的限制，眼動跟蹤精度和效率較低，通常還需要外部硬件設備的支持。這不僅提高了開發(fā)成本，也增加了使用難度，極大降低了其實際應用價值。為此，本文基于眾包機制研究用戶注視點自我回憶和報告方法，開發(fā)了移動設備上的眼動跟蹤數據獲取系統(tǒng)。具體研究工作包括以下三個方面:
　　(1)用戶注視點回憶任務的眾包方法研究。在上下文感知環(huán)境下，應

2、用眾包技術實現(xiàn)用戶注視點回憶任務的發(fā)布和結果回收。任務發(fā)布用戶通過眾包平臺發(fā)布注視點回憶任務，并回收任務結果，以可視化形式查看任務結果;工人用戶在眾包平臺上查詢、接受并完成注視點回憶任務。
　　(2)基于上下文感知的任務分發(fā)研究。為了提高用戶注視點回憶的眼動數據計算精度，并減少噪聲數據，基于位置和速度上下文感知技術進行注視點回憶任務的分發(fā)。根據用戶當前在室內、外所處的不同位置向用戶分發(fā)難度合適的任務，并同時適當增加或減少測試圖片數

3、量;在用戶處于不同運動速度時，根據運動速度的快慢，相應的進行不同難度任務的分發(fā)。將使用上下文感知技術和不使用上下文感知技術的眼動注視點數據進行對比，結果顯示，使用上下文感知技術之后，完成任務的效率得到提高，平均每張測試圖片用時減少1-1.3秒，注視點回憶數據精度提高25％～30％。
　　(3)基于支持向量回歸的誤差補償模型研究。為了進一步減小注視點回憶數據的誤差，基于支持向量回歸方法建立用戶注視點回憶數據與眼動儀獲取的真實注視點數

4、據之間的映射關系，并通過標定方法訓練眼動數據誤差補償模型，對用戶回憶注視點數據進行誤差補償，從而減小其與真實注視點數據之間的誤差，提高注視點回憶精度。將使用誤差補償模型和不使用誤差補償模型的注視點回憶數據進行對比，結果顯示，使用誤差補償模型后，注視點回憶數據的精度有所提高，對于不同類型的任務和測試圖片，精度提高了15％～40％。
　　在上述工作基礎上，設計與開發(fā)了基于智能手機的眼動注視點數據獲取原型系統(tǒng)，并針對用戶注視點回憶精度和