使用眼睛追踪实时监测杂波对视觉搜索的影响外文翻译资料

 2022-05-10 20:32:03

英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料

使用眼睛追踪实时监测杂波对视觉搜索的影响

Nadine M.Moacdieh and Nadine Sarter

摘要——显示杂波会导致视觉搜索的性能递减，并且可能会对复杂的数据丰富域中的安全和效率产生威胁。解决该问题需要一种方法去实时检测杂波的存在，预测它的影响，然后在信息搜索发生故障之前触发对策。眼睛跟踪是实现这些目标的一项大有前途的技术；然而，迄今为止，它几乎只是广泛适用离线显示评估目的。这项研究的目标是开发和评估在调查过程中结合眼睛追踪指标来检测早期杂波影响的模型。参与者被要求在模型图形程序中定位目标。扫描路径长度，平均扫视幅度和平均注视持续时间，这三项眼睛追踪指标是被计算于3秒钟的时间内。然后将这些指标用作一组逻辑回归模型的输入，以预测用户的响应时间是相对较长还是相对较短。模型的准确率平均为75%，真正的正面率是超过90%，能够在视觉搜索任务中提前3.6秒预测出响应时间。这项研究的结果证实了眼睛追踪指标可以被用于实时预测显示杂波的影响。它们增加了知识库中的注意力和眼睛追踪，并且它们最终有助于自适应显示屏的设计，以帮助提高操作员的表现。

索引条款——显示杂波，眼睛运动，视觉搜索/扫描

一 引言

在视觉搜索过程[1]，[2]中，显示杂波可能导致响应时间（RT）和错过率增加。 这些性能下降有可能损害从航空[3]到网站设计[4]等领域的运营效率和安全性。

为了防止或克服这些性能影响，迄今为止大多数研究集中在开发既不包含太多信息又不包含太少信息的最佳显示[5]。然而，对于所有用户和所有情况而言，构成“最佳”显示的内容可能不相同。基于用户的因素如经验和工作量可能在确定感知水平和杂波效应方面起着重要作用[4]。用户有时会经历压力或疲劳[5]，他们的需求和能力可能会发生相当大的变化。例如，在正常情况下，运营商可能会有大量图标或胜利一次打开，以处理几项低紧急任务。此时，用户性能不受屏幕上信息量相对较大的影响。相反，操作员正在利用这些信息，并且显示不被视为杂乱无章。但是，可能会出现紧急情况，用户需要很快找到关键信息。突然，用户正在努力实现他/她的目标。此时，大量信息成为用户的威慑，并可能导致重大搜索延迟或未命中。正是这种与显示器的斗争需要被捕获，因为它封装了用户期望与显示器特性（即自上而下或基于用户的因素与自下而上或基于显示器的因素）之间的不匹配。这种不匹配就是导致“混乱”的原因。因此，任何显示都很难从一开始就提供正确的信息性质和数量，因为用户的认知状态和环境可能会发生变化。

解决这个问题的一个办法是开发上下文敏感的显示器，其中实时调整信息的性质和数量以适应用户的需求。显示器可以自动调整（即自适应显示），而不是在调整显示器时使操作员负担过重，特别是在已经有压力和高负荷的时候。反过来，这种方法将需要实时跟踪杂乱对用户注意分配的影响。眼动追踪是一种很有前景的方法[6]，因为它可以在任何显着的性能下降之前支持早期检测杂波的影响。眼动追踪也是无创的，与其他技术相比，如脑电图[7]。然而，迄今为止已经描述的与杂波有关的眼睛跟踪指标是在对应于整个任务时间或RT [1]，[2]，[8]的一段时间内计算的。对于这些支持实时显示适应的指标，需要采用更短的时间窗口，并且必须使用指标来开发模型，以在视觉搜索过程中尽早发现杂波对眼球运动的影响。

因此，本研究的目的是：1.确定在短时间窗口内计算的眼动跟踪指标是否可用于检测杂波对眼球运动的影响，并反过来预测性能下降（特别是长RT）；2.确定是否可以在搜索过程中尽早做出这种预测，以在显着的性能递减之前提示显示调整。

手稿于2016年9月14日收到; 2017年1月6日和2017年4月3日修订; 2017年4月11日接受。发布日期2017年5月31日; 目前版本的日期为2017年11月13日。这项工作部分得到了密歇根大学拉克姆研究生院（U043054）的支持，部分得到了美国联邦航空管理局（10-G-022）的支持。这篇论文由副主编M.博尔顿推荐。（通讯作者：Nadine M. Moacdieh。）

N.M.Moacdieh在密歇根大学安娜堡分校工业与运营工程系MI 48109-2117。她现在在黎巴嫩贝鲁特1107 2020贝鲁特美国大学工业工程与管理系（电子邮件：nm102@aub.edu.lb）。 N.扎尔特在美国密歇根大学安阿伯分校工业与运营工程系和人体工程学中心，美国密歇根州48109-2117（电子邮件：sarter@umich.edu）。

二 背景

尽管人们普遍担心杂乱无章，但对这一现象的定义尚未达成共识。最近对杂波文献的综述将其定义为“高数据密度，不良展示组织和大量无关信息之间相互作用导致的性能和注意成本的存在”[9]。杂乱的定义突出了杂乱的两个主要方面，显示密度和显示组织之间的相互作用。 显示密度是一个更为突出和广泛讨论的方面，以杂乱视为显示器上的对象数量-网页上的文字[10]，地图上的符号[11]，飞机显示器上的图标[12]等等。另一方面，组织强调这些对象在展示中的布局方式，包括缺乏概念分组[13]和缺乏对称性[14]。上面提到的杂波定义也强调了显示因素（密度和组织）与性能衰减和注意力分配变化之间的联系。检测这些变化或破坏是显示混乱的证据，正是我们想要跟踪这些变化以实时估计杂波。

然而，大多数评估杂波的技术并不适合这一目的（参见[9]的评论）。图像处理算法基于基于像素的显示特性计算杂波。例如，边缘密度[15]是基于杂波与显示器边缘数量相关的想法。在这种情况下，滤波器计算边缘像素的密度作为像素总数的百分比来给出杂波的度量。这种方法不支持检测性能下降或考虑基于用户的因素。换句话说，无论用户是累了还是紧张，图像处理算法总会提供相同的结果。识别这些差异可以通过使用性能结果测量来实现，例如RT和错误率[16] - [18]，但这些不容易实时计算。最后，显示器[19] - [21]中感知到的杂波数量的主观评级或排名也很难实时实施。而且，它们依赖于人们的判断，这在很多情况下被证明是错误的[22]。

一种追踪注意力分配的技术是面向过程的，并且可以实时使用的是眼动追踪（参见[23]的详细评论），这是本研究中使用的方法。眼动追踪数据通常表示为注视点（空间稳定注视点）和扫视（快速眼球运动），整个序列称为扫描路径[24] - [26]。眼动追踪已成功用于追踪各种情况下的杂波效应。例如，眼动追踪数据已被用于分析医院医疗记录[6]，飞机驾驶舱显示器[27]，网站[10]以及真实图像[28]中的杂波。除了这些早期的研究之外，这项研究将使用实时眼动追踪来在显着的性能下降之前检测杂波的影响。实时眼动追踪也已成功用于检测驾驶员分心[29]和评估用户学习[30]等应用，但不适用于杂波估计。鉴于这种方法的新颖性，我们决定在相对简单和高度受控的应用环境中进行测试;即图标的图形显示，类似于[31]中所做的。

至于可用于分析杂波的眼动跟踪指标，这些指标通常涉及基本指标，如注视总数[10]和平均注视持续时间[1]。一些研究已经包括了一些更多的参与指标，如扫描路径比率，达到目标所需的扫视的总和除以到目标的最短距离[2]。在之前的实验中，我们测试了大量的眼动跟踪指标，以利于分析杂波[6]，[8]。这些度量标准分为三类：传播，方向和持续时间。他们分别帮助评估注意力的分布，顺序和长度。发现这些指标中的一些是杂波的良好指标，其中三个指标将用于此处：每秒扫描路径长度，平均眼跳幅度和平均注视持续时间。

三 方法

A.参与者

这项研究的参与者是来自密歇根大学的十名工程学学生（五名男性和五名女性）。 他们的平均年龄为23.0岁[标准差（SD）= 3.9]。参与者给出了知情同意，并为他们的时间补偿了25美元。 参与者自我报告正常或纠正为正常视力; 由于眼动仪的限制，隐形眼镜被允许使用，但眼镜不能使用。本研究经密歇根大学机构审查委员会批准（ID：＃HUM00078246）。

  1. 模拟图形程序

我们创建了一个模拟图形程序，包含广泛使用的图形包中使用的图标。来自几个Adobe图形套件的图标以不同的配置排列在显示屏上。使用所有图标的灰度版本，以便在搜索期间颜色不是一个因素。根据图标的功能（例如，写入，对齐和颜色）将图标全部分配给一个独特的组。所有参与者都确认他们之前使用过Adobe Photoshop。

  1. 实验设置

模拟图形程序显示在19英寸显示器上，分辨率为1280times;1024像素。应用科学Labora tories D6台式眼动仪（采样率：60 Hz;精度：小于1度视角;精度：0.5度视角;头部运动范围：1立方英尺）。这个眼动仪被放置在电脑显示器的前面，使得光圈距屏幕大约5厘米。 参与者坐在离眼动仪约70厘米的距离处，使每个水平方向的视觉屏幕角度为约25度，并且每个垂直方向的视角为20度。校准过程在实验开始时需要大约5分钟，使用九点网格完成。 位于参与者旁边的实验者使用第二个监视器实时追踪眼动仪的输出。所有的代码连接到眼动仪，收集眼动数据，并计算眼动追踪指标在MATLAB R2011b中创建。

  1. 实验设计

参与者的数据密度（低，高）和显示组织（好，差）是杂乱的两个主要方面，导致2times;2全因子设计。在每个实验试验中，参与者必须执行搜索任务。每个试验中的变量如下操纵。

1.数据密度（低，高）：这是通过改变显示器内图标的数量来操纵的。高数据显示器包含全套119个图标，而低数据显示器包含在38和45之间图标。低数据显示中的这个范围反映了并非所有图标组都包含相同数量的元素的事实。这些组包含3,4,6或8个图标，具体取决于Adobe套件中可用的图标。

2.组织（好，差）：在良好的组织展示中，图标被放置在各自的组中，并被大纲框包围。这些组内的图标序列总是相同的，并且组名在每个组的顶部提供。相反，在糟糕的组织显示中，图标随机分布在显示屏上。

该研究涉及两个阶段：1）训练阶段，其中收集眼动追踪数据并用于创建可视搜索RT模型;以及2）测试阶段，其中该模型用于实时预测RT。 训练和测试阶段使用同一组显示器，唯一的区别是目标的位置。 在每个阶段中，参与者分别获得了四个实验条件中的每一个的六个实例，共进行了24个实验试验和24个相应的独特显示。 在实验试验中总共使用六个易于识别的图标作为目标图标。 参与者在实验前接受了培训，以确保他们熟悉所有目标图标及其组。 他们被告知要在所有情况下优先考虑速度的准确性。

根据之前的一项实验[6]表明，搜索目标的多个实例受到混乱的影响比搜索一个事件更显着，参与者被告知搜索整个显示器以确定目标出现s是否超过一次。在更现实的情况下，可以认为这与具有作为任务的一部分来查找的若干条信息的用户类似。例如，医生可能希望找到患者以前与皮肤科医生预约的所有信息，或患者所有

全文共18173字，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[12536]，资料为PDF文档或Word文档，PDF文档可免费转换为Word

原文和译文剩余内容已隐藏，您需要先支付 30元 才能查看原文和译文全部内容！立即支付

以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。

您可能感兴趣的文章