眼动跟踪实现的跨设备分布式注意力感知界面-计算机辅助设计与图形.pdfVIP

眼动跟踪实现的跨设备分布式注意力感知界面-计算机辅助设计与图形.pdf

  1. 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
  2. 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  3. 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
  4. 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
  5. 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们
  6. 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
  7. 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
29 9 Vol.29 No.9 2017 9 Journal of Computer-Aided Design Computer Graphics Sep. 2017 眼动跟踪实现的跨设备分布式注意力感知界面 程时伟, 沈晓权, 陆煜华, 孙志强 (浙江工业大学计算机科学与技术学院 杭州 310023) (swc@zjut.edu.cn) : 为了提高用户在跨设备交互环境下的输入操作效率, 减小视觉注意力在不同设备间切换时产生的认知负荷, 提出基于眼动跟踪的跨设备注意力感知界面技术. 首先提取设备屏幕边缘, 结合屏幕几何特征和颜色直方图进行不 同设备的识别, 基于支持头部运动的瞳孔-反光点向量模型计算注视点坐标数据, 并根据驻留时间和多设备协同机制 识别目标感兴趣区; 然后建立分布式感知用户界面的任务管理模型, 控制任务的分发、中断与继续以及评估, 并利用 产生式规则驱动用户界面的转换, 提出界面设计的指导原则; 最后设计与开发了一个面向跨设备阅读的感知界面原 型系统, 包括最后阅读位置提示、单词词义与例句自动注释等功能. 用户测试结果表明, 原型系统感知用户注意力在 不同设备之间切换的准确率达到94% , 并有效地提高了用户阅读理解水平、阅读效率以及主观满意度. : 注视点; 分布式用户界面; 注意力感知界面; 跨设备交互 : TP391.41 Distributed Attentive User Interface for Cross-device Interaction Based on Eye Tracking Cheng Shiwei, Shen Xiaoquan, Lu Yuhua, and Sun Zhiqiang (School of Computer Science and Technology, Zhejiang University of Technology, Hangzhou 310023) Abstract: In order to improve input efficiency in the cross-device interaction environment, and reduce cognitive workload during the process of switching visual attention among different devices, the eye tracking based atten- tive user interface for cross-device was proposed. First, extracted the edges of devices’ screens, and then com- bined the geometry characters and the color histograms of the screens to detect different devices. The pupil center cornea reflection algorithm was used to calculate the gaze fixations’ coordinates with supporting head movement. Detected areas of interest based on the gaze dwell time and collaborative recognition schemes across devices. Furthermore, proposed the task management model for distr

文档评论(0)

suijiazhuang1 + 关注
实名认证
文档贡献者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档