关键词:
视线检测
运动视线
大数据分析
视线算法
形式化方法
摘要:
近年来,视线分析模块的研究越来越热,在体育计算、人机交互、运动心理学等众多领域都有着广泛的应用。眼睛是心灵的窗户,人类有许多意图可以通过视线来表达,视线经过或停留在某处,都能在一定程度上表示某种信息。并且经过初步实验证实,视线行为与人类行为具有相关性。此外,人们在做同一件事情时,产生的视线信息是可以进行模式化的。本文针对运动视线与运动效果相关性的问题,实现视线判别算法和关联分析统计算法来检测并分析视线大数据,从而得出与其相关的视线行为表达的信息和产生的效应。通过代数式形式化表达视线模式,并总结出在应用案例中的视线模式范式。本文将运动分为有视线运动和无视线运动,通过定义视线算子、代数表达式来表示视线范式。首先,本文设计了帧率检测算法,将视频按照合适帧率截取成图片。其次,针对视线大数据分析中的数据提取需求,本文提出了相应的视线判别算法,分别为:视线左转算法、判断眨眼算法、视线驻留时间算法和视线范式算法。本文使用人脸识别模型识别出人脸68个关键点,并提取眼睛周围的12个关键点的坐标。视线左转算法通过识别瞳孔和眼角坐标,计算出视线方向及视线落点,比较前后两张图片中的视线方向,并确定左转阈值,根据阈值判断是否发生左转。判断眨眼算法根据眼睛周围坐标计算出上下眼睑的坐标,根据上下眼睑之间的距离判断是否发生眨眼。视线驻留时间算法对图片流进行识别,计算连续图片中视线未发生变化的图片数量,将其按照帧率和图片数转化成时间单位,计算出每次视线出现的驻留时间。视线范式算法通过定义的视线算子将视线模式进行形式化表达,通过形式化语言及公式表达视线模式,并分析在应用案例中产生的视线范式。基于统计的数据分析模型也是目前还需要继续研究的领域。通过实现统计类算法来分析影响因子在实验中的显著性进而直观的判断有视线运动和无视线运动的区别,为进一步决策分析奠定基础。为此,本文研究视线模式与行为相关性分析模型的实现算法。首先实现了线性回归算法,用来判断各视线属性产生的效果。然后实现了方差分析,能够将视线对运动的利弊关系可视化。最后,本文实现了视线行为检测与相关性分析系统,将本文实现的视线判别算法和相关性分析算法整合到系统中,实现可视化界面,并将其应用到视线大数据算法分析幼儿运动量和视线大数据算法分析乒乓球技战术案例中。本文在方法、技术以及领域应用这三个方面展开研究,实现了视线模式的形式化表达。经过实验,本文提出的视线检测算法可以准确识别出视频中人物的视线行为,并通过相关性算法分析证实了视线行为与运动效果具有强烈的相关性,并将此结论应用于运动视线分析中。