ردیابی چشم و نگاه برای تعامل با صفحه نمایش گرافیکی
ترجمه شده

ردیابی چشم و نگاه برای تعامل با صفحه نمایش گرافیکی

عنوان فارسی مقاله: ردیابی چشم و نگاه برای تعامل با صفحه نمایش گرافیکی
عنوان انگلیسی مقاله: Eye and gaze tracking for interactive graphic display
مجله/کنفرانس: بینایی ماشین و کاربردهای آن - Machine Vision and Applications
رشته های تحصیلی مرتبط: مهندسی کامپیوتر
گرایش های تحصیلی مرتبط: هوش مصنوعی، مهندسی الگوریتم ها و محاسبات
کلمات کلیدی فارسی: 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
نمایه: scopus - master journals - JCR
شناسه دیجیتال (DOI): https://doi.org/10.1007/s00138-004-0139-4
دانشگاه: گروه مهندسی برق، کامپیوتر و سیستم ها، موسسه پلی تکنیک Rensselaer ، ایالات متحده آمریکا
ناشر: اسپرینگر - Springer
نوع ارائه مقاله: ژورنال
نوع مقاله: ISI
سال انتشار مقاله: 2004
ایمپکت فاکتور: 2.151 در سال 2019
شاخص H_index: 63 در سال 2020
شاخص SJR: 0.517 در سال 2019
شناسه ISSN: 0932-8092
شاخص Quartile (چارک): Q2 در سال 2019
صفحات مقاله انگلیسی: 10
صفحات ترجمه فارسی: 25 (1 صفحه رفرنس انگلیسی)
فرمت مقاله انگلیسی: pdf و ورد تایپ شده با قابلیت ویرایش
فرمت ترجمه فارسی: pdf و ورد تایپ شده با قابلیت ویرایش
مشخصات ترجمه: تایپ شده با فونت B Nazanin 14
ترجمه شده از: انگلیسی به فارسی
وضعیت ترجمه: ترجمه شده و آماده دانلود
آیا این مقاله بیس است: خیر
آیا این مقاله مدل مفهومی دارد: ندارد
آیا این مقاله پرسشنامه دارد: ندارد
آیا این مقاله متغیر دارد: ندارد
آیا منابع داخل متن درج یا ترجمه شده است: بله
آیا توضیحات زیر تصاویر و جداول ترجمه شده است: بله
آیا متون داخل تصاویر و جداول ترجمه شده است: بله
کد محصول: 11400
رفرنس: دارای رفرنس در داخل متن و انتهای مقاله
رفرنس در ترجمه: در داخل متن و انتهای مقاله درج شده است
ترجمه فارسی 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 

فهرست انگلیسی مطالب

Abstract


1 Introduction


2 Eye tracking


3 Gaze determination and tracking


3.1 Pupil and glint detection and tracking


3.2 Local gaze calibration


3.3 Face pose by pupil properties


3.4 Parameters for gaze calibration


4 Gaze calibration via generalized regression neural networks (GRNNs)


4.1 Gaze mapping and classification


4.2 Hierarchical gaze classifier


5 Experimental results and analysis


6 Conclusions

نمونه ترجمه فارسی مقاله

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. 


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. 

نمونه متن انگلیسی مقاله

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.

تصویری از فایل ترجمه

          


(جهت بزرگ نمایی روی عکس کلیک نمایید)

محتوای این محصول:
- اصل مقاله انگلیسی با فرمت pdf
- اصل مقاله انگلیسی با فرمت ورد (word) با قابلیت ویرایش
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه
قیمت محصول: ۲۳,۸۰۰ تومان
خرید محصول
  • اشتراک گذاری در

دیدگاه خود را بنویسید:

تاکنون دیدگاهی برای این نوشته ارسال نشده است

ردیابی چشم و نگاه برای تعامل با صفحه نمایش گرافیکی
مشاهده خریدهای قبلی
نوشته های مرتبط
مقالات جدید
لوگوی رسانه های برخط

logo-samandehi

پیوندها