基于九方向注视估计的高效眼动打字
计算机视觉与模式识别
2017-07-04 v1
摘要
视觉文本输入系统旨在帮助残障人士利用眼动实现文本交流。大多数先前方法采用现有眼动追踪器预测注视方向并据此设计输入法。然而，这些方法可能导致眼动追踪质量易受多种因素影响，且校准耗时较长。本文提出一种新颖高效的基于注视的文本输入方法，具有成本低和鲁棒性强的优势。用户可通过注视屏幕键盘并眨眼来输入单词。我们不直接估计注视角度以追踪眼睛，而是引入一种将人类注视划分为九个方向的方法。该方法可有效提高通过注视与眨眼进行选择的正确率。我们构建了一个卷积神经网络（CNN）模型用于九方向注视估计。在九方向注视的基础上，我们采用了直板手机中广泛使用的九键T9输入法。直板手机数十年前在全世界非常流行，并培养了强烈的用户习惯和语言模型。为训练鲁棒的注视估计器，我们创建了一个包含25人眼睛图像的大规模数据集。实验结果表明，我们的CNN模型能够在不同光照条件及不同设备下准确估计不同人的注视。考虑到残障人士的需求，我们去除了复杂的校准过程。该输入法可在屏幕模式和便携式离屏模式下运行。此外，实验中使用的数据集已向社区公开，以便进一步实验。
引用
@article{arxiv.1707.00548,
title = {Efficient Eye Typing with 9-direction Gaze Estimation},
author = {Chi Zhang and Rui Yao and Jinpeng Cai},
journal= {arXiv preprint arXiv:1707.00548},
year = {2017}
}