ترجمه مقاله ردیابی چشم و نگاه برای تعامل با صفحه نمایش گرافیکی - نشریه اشپرینگر

قیمت خرید این محصول

۴۱,۰۰۰ تومان

دانلود مقاله انگلیسی

عنوان فارسی

ردیابی چشم و نگاه برای تعامل با صفحه نمایش گرافیکی

عنوان انگلیسی

Eye and gaze tracking for interactive graphic display

صفحات مقاله فارسی

25

صفحات مقاله انگلیسی

10

سال انتشار

2004

رفرنس

دارای رفرنس در داخل متن و انتهای مقاله

نشریه

اشپرینگر - Springer

فرمت مقاله انگلیسی

pdf و ورد تایپ شده با قابلیت ویرایش

فرمت ترجمه مقاله

pdf و ورد تایپ شده با قابلیت ویرایش

فونت ترجمه مقاله

بی نازنین

سایز ترجمه مقاله

14

نوع مقاله

ISI

نوع ارائه مقاله

ژورنال

پایگاه

اسکوپوس

ایمپکت فاکتور(IF) مجله

2.151 در سال 2019

شاخص H_index مجله

63 در سال 2020

شاخص SJR مجله

0.517 در سال 2019

شناسه ISSN مجله

0932-8092

شاخص Q یا Quartile (چارک)

Q2 در سال 2019

کد محصول

11400

وضعیت ترجمه عناوین تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه متون داخل تصاویر و جداول

ترجمه شده است ✓

وضعیت ترجمه منابع داخل متن

به صورت عدد درج شده است ✓

وضعیت فرمولها و محاسبات در فایل ترجمه

به صورت عکس، درج شده است

ضمیمه

ندارد ☓

بیس

نیست ☓

مدل مفهومی

ندارد ☓

پرسشنامه

ندارد ☓

متغیر

ندارد ☓

رفرنس در ترجمه

در انتهای مقاله درج شده است

رشته های مرتبط با این مقاله

مهندسی کامپیوتر

گرایش های مرتبط با این مقاله

هوش مصنوعی، مهندسی الگوریتم ها و محاسبات

مجله

بینایی ماشین و کاربردهای آن - Machine Vision and Applications

دانشگاه

گروه مهندسی برق، کامپیوتر و سیستم ها، موسسه پلی تکنیک Rensselaer ، ایالات متحده آمریکا

کلمات کلیدی

ردیابی چشم، تعامل انشان و کامپیوتر، تخمین نگاه، نمایشگر گرافیکی تعاملی، شبکه های رگرسیونی عصبی تعمیم یافته

کلمات کلیدی انگلیسی

Eye tracking – Gaze estimation – Human– computer interaction – Interactive graphic display – Generalized regression neural networks

doi یا شناسه دیجیتال

https://doi.org/10.1007/s00138-004-0139-4

۰.۰ (بدون امتیاز)

امتیاز دهید

فهرست مطالب

چکیده
1- مقدمه
2- ردیابی چشم
3. تشخیص و ردیابی نگاه
3.1 تشخیص و ردیابی مردمک و نقطه درخشان
3.2 کالیبراسیون محلی نگاه
3.3 حالت صورت
3.4 پارامترهای کالیبراسیون نگاه
4. کالیبراسیون نگاه از طریق شبکه عصبی رگرسیونی تعمیم یافته (GRNNs)
4.1 مکان یابی و دسته بندی نگاه
4.2 طبقه بندی مرتیه ای نگاه
5- نتایج تجربی و بررسی
6- نتیجه گیری

تصاویر فایل ورد ترجمه مقاله (جهت بزرگنمایی روی عکس کلیک نمایید)

نمونه چکیده متن اصلی انگلیسی

Abstract

This paper describes a computer vision system based on active IR illumination for real-time gaze tracking for interactive graphic display. Unlike most of the existing gaze tracking techniques, which often require assuming a static head to work well and require a cumbersome calibration process for each person, our gaze tracker can perform robust and accurate gaze estimation without calibration and under rather significant head movement. This is made possible by a new gaze calibration procedure that identifies the mapping from pupil parameters to screen coordinates using generalized regression neural networks (GRNNs). With GRNNs, the mapping does not have to be an analytical function and head movement is explicitly accounted for by the gaze mapping function. Furthermore, the mapping function can generalize to other individuals not used in the training. To further improve the gaze estimation accuracy, we employ a hierarchical classification scheme that deals with the classes that tend to be misclassified. This leads to a 10% improvement in classification error. The angular gaze accuracy is about 5◦ horizontally and 8◦ vertically. The effectiveness of our gaze tracker is demonstrated by experiments that involve gaze-contingent interactive graphic display.

1 Introduction

Gaze determines a person’s current line of sight or point of fixation. The fixation point is defined as the intersection of the line of sight with the surface of the object being viewed (such as the screen). Gaze may be used to interpret the user’s intention for noncommand interactions and to enable (fixationdependent) accommodation and dynamic depth of focus. The potential benefits of incorporating eye movements into the interaction between humans and computers are numerous. For example, knowing the location of a user’s gaze may help a computer to interpret the user’s request and possibly enable a computer to ascertain some cognitive states of the user, such as confusion or fatigue.

6 Conclusions

In this paper, we present a new approach for gaze tracking. Compared with the existing gaze tracking methods, our method, though at a lower spatial gaze resolution (about 5◦), has the following benefits: no calibration is necessary, it allows natural head movement, and it is completely nonintrusive and unobtrusive while still producing relatively robust and accurate gaze tracking. The improvement is a result of using a new gaze calibration procedure based on GRNNs.With GRNNs, we do not need to assume an analytical gaze mapping function; therefore, we can account for head movement in the mapping. The use of hierarchical classification schemes further improves the gaze classification accuracy. While our gaze tracker may not be as accurate as some commercial gaze trackers, it achieves sufficient accuracy even under large head movements and, more importantly, is calibration free. It has significantly relaxed the constraints imposed by most existing commercial eye trackers. We believe that, after further improvement, our system will find many applications including smart graphics, human computer interaction, nonverbal communication via gaze, and assistance for people with disabilities.

نمونه چکیده ترجمه متن فارسی

چکیده

این مقاله یک سیستم کامپیوتری تصویری بر اساس روشن سازی IR به منظور ردیابی نگاه در تعامل با صفحه نمایش گرافیکی را شرح می دهد. بر خلاف بیشتر تکنیک های ردیابی که اغلب به فرض ثابت بودن سر و فرایند طاقت فرسای کالیبراسیون برای هر فرد نیاز دارد، ردیاب ما می تواند بدون کالیبراسیون و تحت حرکت چشمگیر سر، تخمین دقیق و مناسبی ارائه دهد. این امر به وسیله یک فرایند جدید کالیبراسیون که با استفاده از شبکه های عصبی رگرسیونی تعمیم یافته (GRNNs) نقشه را از پارامترهای مردمک برای غربالگری مختصات تعیین می کند، امکان پذیر می گردد. با GRNNs نیازی به اینکه ناچارا نقشه یابی براساس یک تابع تحلیلی باشد نیست و حرکات سر صریحا توسط تابع نقشه یابی به حساب آورده می شود. به علاوه تابع نقشه یابی را می توان به سایر افرادی که در دوره آزمایش نبوده اند تعمیم داد. برای بهبود بیشتر دقت تخمین از یک طرح دسته بندی مرتبه ای که مربوط به دسته های با تمایل به خارج شدن از دسته بندی می باشد، استفاده می کنیم. این امر موجب افزایش 10 درصدی خطای دسته بندی می شود. دقت زاویه ای نگاه در حدود 5° در راستای افقی و 8° در راستای عمودی است. دقت ردیاب ما با استفاده از آزمایشاتی که شامل نمایشگر گرافیکی تعاملی نگاه احتمال می شود، اثبات شده است.

1 مقدمه

نگاه، خط دید فعلی یک شخص یا نقطه تمرکز او را تعیین می کند. نقطه تمرکز به صورت اشتراک خط دید و سطح شی قابل مشاهده (مانند صفحه نمایش ) است. از نگاه شخص می توان قصد شخص را برای واکنش های ناخودآگاه تعبیر کرد و هماهنگی و عمق دینامیک تمرکز (وابسته به تثبیت) ایجاد کرد. مزایای بالقوه استفاده از حرکات چشم در ارتباطات بین انسان ها و کامپیوتر ها بسیار زیاد است. به عنوان مثال تشخیص مکانی که یک فرد به آن خیره شده به کامپیوتر در تعبیر درخواست کاربر کمک می کند و کامپیوتر را قادر به تعیین برخی حالات شناختی کاربر از جمله اغتشاش یا خستگی می نماید.

6- نتیجه گیری

در این مقاله روش جدیدی برای ردیابی نگاه ارائه کردیم. در مقایسه با روش های متداول، روش ما وضوح کمتری (حدود °5 ) دارد و مزایای زیر را دارا می باشد: نیازی به کالیبراسیون ندارد، تکان دادن سر مشکلی ایجاد نمی کند و کاملا راحت و بدون ایجاد مزاحمت است و دقت مناسبی دارد. پیشرفت ایجاد شده نتیجه به کار بردن فرآیند کالیبراسیون جدید بر اساس GRNN است. با استفاده از GRNN نیاز به فرض تابع تحلیلی مکان یابی نیست در نتیجه می توانیم حرکت سر را نیز به حساب آوریم. استفاده از طبقه بندی مرتبه ای نیز دقت دسته بندی را بهبود می دهد. با وجود اینکه ردیاب ما ممکن است در مقایسه با برخی ردیاب های تجاری دقت کمتری داشته باشد اما به کالیبراسیون نیازی ندارد. با حرکات متداول سر دقت مناسبی دارد. این ردیاب به طور چشمگیری مشکلات سایر ردیاب ها را حل کرده است. بر این باوریم که با ارتقا آن، سیستم قابلیت کاربردی در گرافیک های هوشمند، رابطه انسان و کامپیوتر و کمک در معلولیت های انسانی را خواهد داشت.

برچسب‌ها: دانلود رایگان مقالات انگلیسی مهندسی کامپیوتر، دانلود رایگان مقالات انگلیسی هوش مصنوعی