期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
移动计算用户界面可用性评估的眼动方法 被引量:12
1
作者 程时伟 石元伍 孙守迁 《电子学报》 EI CAS CSCD 北大核心 2009年第B04期146-150,共5页
为了降低传统可用性评估方法中的主观影响和误差,本文应用眼动跟踪技术分析人机交互过程中的认知情况,提出移动计算用户界面可用性评估方法.该方法选取凝视时间、凝视数目、感兴趣区转移频次矩阵等眼动指标,并结合交互任务与自顶向下的... 为了降低传统可用性评估方法中的主观影响和误差,本文应用眼动跟踪技术分析人机交互过程中的认知情况,提出移动计算用户界面可用性评估方法.该方法选取凝视时间、凝视数目、感兴趣区转移频次矩阵等眼动指标,并结合交互任务与自顶向下的视觉认知机制对界面进行分析,建立可用性评估模型,考察视觉搜索和信息加工等认知效率,进而为界面设计优化提供指导.以手机用户界面为对象的评估实例表明,该方法可有效分析界面认知内因,获取可用性问题清单,与用户主观评估保持较高一致性,验证了其实用性与有效性. 展开更多
关键词 可用性评估 眼动 用户界面 移动计算 手机
在线阅读 下载PDF
移动设备眼动跟踪技术 被引量:5
2
作者 程时伟 陆煜华 蔡红刚 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2016年第6期1160-1166,1175,共8页
为了在移动设备上开发计算效率和精度较高的眼动跟踪技术,提出从人脸到瞳孔逐级推进的图像处理框架和具体检测方法.采用基于局部二值模式特征的级联分类器,对人脸和非人脸区域进行分类检测.在人脸区域内应用Haar特征级联分类器检测人眼... 为了在移动设备上开发计算效率和精度较高的眼动跟踪技术,提出从人脸到瞳孔逐级推进的图像处理框架和具体检测方法.采用基于局部二值模式特征的级联分类器,对人脸和非人脸区域进行分类检测.在人脸区域内应用Haar特征级联分类器检测人眼区域;并使用模板匹配法在人眼区域内检测瞳孔位置.在此基础上开发基于眼动跟踪的移动设备阅读辅助系统,根据瞳孔位置的变化定位用户当前阅读的文本行,帮助用户在阅读中断后快速找到阅读起点.测试结果表明:该系统对视线角度的平均检测精度达到1.17°,能精确定位阅读文本,将用户的平均阅读速度提高到每秒12.42个字,验证了所提出的眼动跟踪技术的实用性. 展开更多
关键词 眼动跟踪 瞳孔检测 人机交互 阅读辅助
在线阅读 下载PDF
信息可视化中的交互设计研究及应用实例 被引量:8
3
作者 程时伟 罗玉容 《创意与设计》 2011年第2期25-27,共3页
本文主要研究信息可视化中的交互设计方法,从可视化结构设计、图形用户界面组件设计、任务驱动的交互操作设计三个方面阐述具体的交互设计方法框架采用Prefuse可视化开发工具,设计了一个互联网数据可视化系统,通过该实例说明交互设计方... 本文主要研究信息可视化中的交互设计方法,从可视化结构设计、图形用户界面组件设计、任务驱动的交互操作设计三个方面阐述具体的交互设计方法框架采用Prefuse可视化开发工具,设计了一个互联网数据可视化系统,通过该实例说明交互设计方法在信息可视化中的具体应用。 展开更多
关键词 交互设计 信息可视化 可视化结构 用户界面
在线阅读 下载PDF
基于视觉行为与文本特征分析的阅读批注生成方法
4
作者 程时伟 郭炜 《浙江大学学报(工学版)》 EI CAS CSCD 北大核心 2020年第6期1115-1125,共11页
提出一种阅读辅助方法,利用一种分级锚定方法确定目标文本,构造与用户视觉行为和目标文本特征相关的需求判定因子,根据这些因子计算用户对阅读辅助的需求度,从而判定用户对目标文本是否有单词翻译或长难句摘要方面的需求.当判定用户有... 提出一种阅读辅助方法,利用一种分级锚定方法确定目标文本,构造与用户视觉行为和目标文本特征相关的需求判定因子,根据这些因子计算用户对阅读辅助的需求度,从而判定用户对目标文本是否有单词翻译或长难句摘要方面的需求.当判定用户有需求时,以批注的形式显示单词词义或长难句摘要.实验结果表明,提出的用户需求判定方法平均精确率达到了80.6%±6.3%,自动批注提高了用户的阅读效率和主观体验,验证了该方法的可行性和有效性. 展开更多
关键词 眼动跟踪 文本识别 需求判定 自动批注 人机交互
在线阅读 下载PDF
基于眼动跟踪的情绪识别方法研究 被引量:1
5
作者 盛丹怡 卢奇 程时伟 《人类工效学》 2022年第6期57-62,共6页
目的研究眼动特征与情绪表达之间的联系,探索有效的情绪识别分类方法。方法开展基于眼动的情绪实验,从原始眼动数据中提取与情绪表征相关的眼动特征,分析眼动特征随不同情绪变化的显著性,并采用三种分类算法(SVM、LDA、k-NN)对情绪的三... 目的研究眼动特征与情绪表达之间的联系,探索有效的情绪识别分类方法。方法开展基于眼动的情绪实验,从原始眼动数据中提取与情绪表征相关的眼动特征,分析眼动特征随不同情绪变化的显著性,并采用三种分类算法(SVM、LDA、k-NN)对情绪的三分类任务进行充分实验。结果单因素方差分析结果表明,注视次数、注视时间、眼跳距离的全部特征和瞳孔直径的部分特征在不同情绪下具有显著性差异;最小显著性差异法结果表明,区分积极与消极、中性与消极情绪的效果较区分积极与中性情绪更为显著。最终使用支持向量机分类算法在积极、中性、消极三分类实验中获得的准确率最高,达77.78%。结论利用眼动特征识别不同情绪的方法是可行且有效的。 展开更多
关键词 认知 心理危机 应激 眼动跟踪 情绪识别 人机交互 机器学习
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部