基于HEOG与颈部EMG利用深度神经网络的眼动注视估计
信号处理
2021-03-04 v1 计算机视觉与模式识别
人机交互
摘要
听力受损听众即使在佩戴助听器（HAs）时，通常也难以在多说话人场景中注意目标说话人。该问题可通过眼动转向助听器解决，这需要听众眼睛注视目标。在头部旋转的情况下，眼动注视受扫视和头部旋转两种行为共同影响。然而，现有眼动注视估计方法不可靠，因为听众的眼动策略各异，且对这两种行为的测量未恰当结合。此外，现有方法基于手工特征，可能忽略一些重要信息。本文进行了头部固定和头部自由实验。我们使用水平眼电描记（HEOG）和颈部肌电图（NEMG），分别测量扫视和头部旋转以共同估计眼动注视。除传统分类器和手工特征外，引入深度神经网络（DNN）从完整波形中自动提取特征。评估结果显示，当输入为HEOG加惯性测量单元时，我们提出的DNN分类器最佳性能达93.3%；当HEOG与NEMG共同使用时，准确率达72.6%，高于单独使用HEOG（约71.0%）或NEMG（约35.7%）。这些结果表明利用HEOG和NEMG估计眼动注视的可行性。
引用
@article{arxiv.2103.02186,
title = {Eye-gaze Estimation with HEOG and Neck EMG using Deep Neural Networks},
author = {Zhen Fu and Bo Wang and Fei Chen and Xihong Wu and Jing Chen},
journal= {arXiv preprint arXiv:2103.02186},
year = {2021}
}
备注
5 pages, 5 figures, submitted to EUSIPCO 2021