XiaoMi-AI文件搜索系统
World File Search SystemGaze
学习 Netytar 的方法：一种可访问的数字乐器
摘要：无障碍数字乐器 (ADMI) 越来越受到科学界的关注，尤其是在声音和音乐计算以及人机交互领域。过去，Netytar 就是其中之一。Netytar 是一种通过眼睛操作的软件 ADMI，使用眼动仪和附加开关或传感器（例如呼吸传感器）。该乐器专为四肢瘫痪用户设计：它属于凝视操作乐器领域，并且已通过测试证明其有效且功能齐全。尽管市场和文献中还有其他几种凝视操作的 ADMI，但尚未提出使用它们学习音乐的正式方法。本研究介绍了一种基于一组练习的简单学习方法。这对于使用 Netytar 进行音乐表演很有用，但它也可能适用于学习其他类似的乐器。为了改进，对练习进行了说明、讨论和解释。介绍了一种简单的乐谱。在一个学习周期结束时，用户应该能够演奏简单的旋律，并有学习其他新旋律的基础。未来，该方法将在目标用户身上进行测试。
基于一维卷积神经网络和长短期记忆估计视觉意图的智能眼控电动轮椅
摘要：当使用凝视运动操作电动轮椅时，检查环境和观察物体等眼球运动也会被错误地识别为输入操作。这种现象被称为“点石成金问题”，对视觉意图进行分类非常重要。在本文中，我们开发了一种实时估计用户视觉意图的深度学习模型，以及一种结合意图估计和凝视停留时间方法的电动轮椅控制系统。所提出的模型由 1DCNN-LSTM 组成，它从 10 个变量的特征向量估计视觉意图，例如眼球运动、头部运动和到注视点的距离。对四种视觉意图进行分类的评估实验表明，与其他模型相比，所提出的模型具有最高的准确性。此外，实施所提出模型的电动轮椅的驾驶实验结果表明，与传统方法相比，用户操作轮椅的努力减少了，轮椅的可操作性得到了提高。从这些结果中，我们得出结论，通过从眼球和头部运动数据中学习时间序列模式可以更准确地估计视觉意图。
基于离散小波变换的眼睛状态识别
在近几十年中，由于它们在临床诊断或人机界面（HMI S）等新兴地区的直接含义，因此眼目光分析和眼科识别构成了一个具有研究的研究领域。用户及其目光移动的眼部状态可以揭示其认知状况的重要特征，这对于医疗保健目的至关重要，也对日常生活活动的分析至关重要。因此，它已经在多个领域进行了研究和应用，例如驾驶员嗜睡检测[1-3]，机器人控制[4]，婴儿睡眠 - 灭绝状态识别[5]或癫痫发作检测[6]等[7，8]。已经提出了用于研究眼睛凝视和眼状态的不同技术，例如视频摄影（VOG），电学（EOG）和脑电图（EEG）。在VOG [9，10]中，几个相机记录了用户眼睛的视频或图片，并且通过应用图像处理和人工视觉算法，可以准确地分析用户的眼睛状态。在EOG [11 - 15]中，将一些电极放在用户的皮肤附近，以捕获眼部活动产生的电信号。另一方面，在脑电图技术[16，17]中，使用放置在用户头皮上的电极来测量大脑产生的电信号。由于分析和分类多个图像的昂贵过程，与基于图像的方法（例如VOG）中使用的算法相关的计算复杂性高得多[18]。），这可能是实施实际应用程序的关键信息。EOG方法似乎是基于眼动或眨眼构建HMI的有趣技术，但是在用户脸上的电极放置可能不舒服，并且在实践应用中不可用[19]。因此，脑电图技术是开发新界面的有吸引力的解决方案，基于用户的眼睛状态，可以分析和推断其认知状态（放松，压力，入睡等。
推荐引用 推荐引用 Wang, Y., Clifford, W. & Markham, C. (2021). 使用眼球注视相关电位检查驾驶员对广告牌引起的被动分心的视觉和认知反应。传感器，第 21 卷，第 4 期。doi:10.3390/s21041471
摘要：车辆外部的干扰会导致视觉注意力分散，从而导致交通事故。作为一种低成本、高效的广告解决方案，广告牌被广泛安装在路边，尤其是高速公路上。然而，广告牌对驾驶员分心、目光注视和认知的影响尚未得到充分研究。本研究利用定制的驾驶模拟器和同步脑电图 (EEG) 和眼动追踪系统来研究与驾驶员视觉信息处理相关的认知过程。区分了与辅助驾驶刺激相关的目光注视和其他可能成为分心源的刺激。本研究比较了驾驶员对广告牌注视和车辆仪表板注视的认知反应。测量的眼球注视相关电位 (EFRP) 显示 P1 成分相似；然而，随后的 N1 和 P2 成分不同。此外，当驾驶员受到限速标志提示而调整行驶速度时，会观察到 EEG 运动反应。实验结果表明，所提出的测量系统是评估驾驶员认知的有效工具，并表明对广告牌的认知参与水平可能是驾驶员分心的前兆。将实验结果与文献中的人类信息处理模型进行了比较。
使用眼球注视相关电位检查驾驶员对广告牌引起的被动分心的视觉和认知反应
摘要：车辆外部的干扰会导致视觉注意力分散，从而导致交通事故。作为一种低成本、高效的广告解决方案，广告牌被广泛安装在路边，尤其是高速公路上。然而，广告牌对驾驶员分心、目光注视和认知的影响尚未得到充分研究。本研究利用定制的驾驶模拟器和同步脑电图 (EEG) 和眼动追踪系统来研究与驾驶员视觉信息处理相关的认知过程。区分了与辅助驾驶刺激相关的目光注视和其他可能成为分心源的刺激。本研究比较了驾驶员对广告牌注视和车辆仪表板注视的认知反应。测量的眼球注视相关电位 (EFRP) 显示 P1 成分相似；然而，随后的 N1 和 P2 成分不同。此外，当驾驶员受到限速标志提示而调整行驶速度时，会观察到 EEG 运动反应。实验结果表明，所提出的测量系统是评估驾驶员认知的有效工具，并表明对广告牌的认知参与水平可能是驾驶员分心的前兆。将实验结果与文献中的人类信息处理模型进行了比较。
实验心理学杂志：应用
摩托车模拟器的最新发展使得研究安全条件下的骑手行为成为可能。然而，它们的使用仍然引发了有效性问题。我们的研究考察了骑手的转向和注视行为以及主观体验如何受到摩托车侧倾和反向转向的影响，这被认为是现实生活中骑摩托车的重要因素。结果表明，在侧倾平面上倾斜摩托车不会导致骑手行为、注视采样或感知真实感发生重大变化。然而，骑手采用的转向控制策略确实显著影响了这些结果。直接转向控制策略意味着骑手走赛车路径并提前扫描道路。然而，当实施反向转向时，骑手选择走“安全路径”，正如培训手册所建议的那样。反向转向也获得了最高的真实感分数。然而，转向控制更加困难，记录的车道偏离次数增多，以及引导和前视注视之间的权衡发生了变化。这表明，虽然反向转向符合骑手的真实控制行为并改善了模拟器骑行的主观体验，但它受到车辆动力学内部模型不充分的阻碍。
臭名昭著的 B.I.T - 考文垂大学
联网和自动驾驶汽车容易受到网络攻击，这可能会危及汽车的安全高效运行，从而对驾驶员的行为产生负面影响。此类网络攻击的主要隐患是车内视觉分散，这是造成道路事故的主要原因之一。在这项使用驾驶模拟器的实证研究中，38 名参与者驾驶有条件自动驾驶汽车，在执行与驾驶无关的任务时经历了两种类型的故障：显性故障（即勒索软件攻击出现在车内屏幕上）和静默故障（即转向信号未能在车内屏幕和仪表盘上激活）。收集并分析了驾驶员的注视行为，包括注视次数和持续时间。结果表明，显示勒索软件的 HMI 是驾驶员最关注的兴趣区域。大多数司机没有注意到转向灯有故障。近一半的司机在开车时注视勒索软件的时间超过 12 秒。没有观察到故障时间对凝视行为的影响。这项研究证明，勒索软件攻击会分散注意力并对道路安全构成重大风险——一名参与者在恢复手动控制后撞车。数据还证明，此类联网汽车不太可能满足 NHTSA 关于安全使用车载设备的分心指南。
物联网数字射线路径2技术稳定方法...
• 完全个性化的双面渐进镜片 • 可提供近视、远视和中视增强功能 • 针对可调节物体空间进行了优化 • 卓越的视觉敏锐度 • 改善近视区域视觉质量 • 改善许多处方的美观度 • 在任何注视方向的所有工作距离下都能实现精确舒适的对焦 • 几乎消除周边模糊 • 卓越的视觉质量，适合观看数码设备 • 更高的图像稳定性，减少游泳效应 • 在近视和中视时双眼视觉性能更佳
