一种用于电动轮椅控制的智能低成本眼动追踪系统

在34个发达国家和156个发展中国家，约有1.32亿需要轮椅的残疾人，占世界人口的1.86%。此外，还有数百万人患有与运动障碍相关的疾病，导致无法在任何肢体甚至头部产生受控运动。本文提出了一种系统，通过利用眼控电动轮椅，帮助运动障碍人士恢复有效且不费力地移动的能力，而无需依赖他人。系统输入为用户眼睛的图像，经处理以估计凝视方向，并据此移动轮椅。为实现这一目标，我们开发、实现并测试了四种用户特定的方法；所有方法均基于作者创建的基准数据库。前三种技术是自动的，采用相关性，是模板匹配的变体，而最后一种则使用卷积神经网络（CNNs）。我们计算了不同的指标，以在准确性和延迟方面定量评估每种算法的性能，并给出了总体比较。CNN表现出最佳性能（即99.3%的分类准确率），因此被选为凝视估计器的模型，用于控制轮椅运动。该系统在8名受试者身上进行了仔细评估，在室内外变化的光照条件下均达到了99%的准确率。这需要改装一辆电动轮椅，使其适应凝视估计算法输出的预测。如果一组接近传感器测得的距离低于一个明确定义的安全裕度，轮椅控制可以绕过凝视估计器做出的任何决定并立即停止其运动。