导读:本文包含了注视点论文开题报告文献综述、选题提纲参考文献，主要关键词:自闭症,卷积,谱系,神经网络,间距,平滑,光心。
注视点论文文献综述写法
高世欢,陈顺森,苏彦捷,林彩云[1]（2019）在《视觉正常的自闭症儿童双眼注视点间距的特点及其意义》一文中研究指出视网膜上物象对应的外在注视点之间的距离,即双眼注视点间距(distanceofbinocularspointofregard,DBPR)在自闭症谱系障碍(autism spectrum disorders, ASD)个体上存在异常的表现,而ASD个体伴随较高的斜视发病率,可能会对其双眼注视点间距产生影响。研究采用正弦曲线平滑追踪任务范式,探索视觉正常的ASD儿童在动态刺激加工过程中DBPR的鉴别意义。结果发现,ASD儿童DBPR过大且具有跨任务类型的稳定性,且与斜视无关。DBPR在大振幅、快速度的条件下具有优良的鉴别力,并与自闭症行为量表总分以及感知觉维度显着正相关。结果表明,双眼注视点间距具有良好的鉴别价值。(本文来源于《心理学报》期刊2019年09期）
张远辉,段承杰,朱俊江,何雨辰[2]（2019）在《眼球光心标定与距离修正的3维注视点估计》一文中研究指出目的在基于双目视线相交方法进行3维注视点估计的过程中,眼球光心3维坐标手工测量存在较大误差,且3维注视点估计结果在深度距离方向偏差较大。为此,提出了眼球光心标定与距离修正的方案对3维注视点估计模型进行改进。方法首先,通过图像处理算法获取左右眼的PCCR (pupil center cornea reflection)矢量信息,并使用二阶多项式映射函数得到左、右眼的2维平面注视点;其次,通过眼球光心标定方法获取眼球光心的3维坐标,避免手工测量方法引入的误差;然后,结合平面注视点得到左、右眼的视线方向,计算视线交点得到初步的3维注视点;最后,针对结果在深度距离方向抖动较大的问题,使用深度方向数据滤波与Z平面截取修正法对3维注视点结果进行修正处理。结果选择两个不同大小的空间测试,实验结果表明该方法在3050 cm的工作130 cm的工作距离内,角度偏差1. 0°,距离偏差117. 4 mm。与其他的3维注视点估计方法相比较,在同样的测试空间条件下,角度偏差和距离偏差均显着减小。结论提出的眼球光心标定方法可以方便准确地获取眼球光心的3维坐标,避免手工测量方法带来的误差,对角度偏差的减小效果显着。提出的深度方向数据滤波与Z平面截取修正法可以有效抑制数据结果的抖动,对距离偏差的减小效果显着。(本文来源于《中国图象图形学报》期刊2019年08期）
罗灵兵,冯辉,胡波,王祺尧[3]（2019）在《结合视觉显着性与眼跳概率模型的视频注视点序列预测》一文中研究指出视觉注意力相关研究中,基于图像的视觉显着图预测研究较多,而针对视频的注视点序列预测研究相对较少.在充分考虑视频场景的动态特征与人眼视觉特性基础上,提出了一种同时利用视频底层与高层特征的注视点序列预测模型.使用隐马尔可夫模型(HMM)对注视点的转移序列进行建模,其中注视点的位置作为隐藏状态.首先,采用卷积神经网络(CNN)获得视频的视觉显着图,并将视频帧的显着值作为HMM的观测概率,表征注视点所在区域所能成功引起人视觉注意的程度;然后,使用视觉心理学中基于莱维飞行的眼跳概率模型对HMM状态的转移概率进行建模;最后,通过维特比算法推断整个视频最有可能产生的注视点序列.在HOLLYWOOD2数据集上进行视频的注视点序列预测实验,并和相关算法进行比较.实验结果表明:本文提出的模型的预测结果在Hausdorff距离与平均欧氏距离两项指标上都更优.(本文来源于《复旦学报(自然科学版)》期刊2019年04期）
陈怀歆,袁琳[4]（2019）在《利用注视点渲染加快倾斜摄影地形建模数据渲染应用研究》一文中研究指出传统的注视点渲染技术采用多管线渲染,各层之间在融合过程中容易产生系统延迟,层间过度不连续,与人眼视觉结构不相符。提出一种改进的注视点渲染的方法,利用单管线多视口渲染,消除系统延迟,通过修改裁切空间中每个齐次顶点的w分量,使得层间过度更加平滑,消除层间锯齿效应。通过实验表明,利用该方法对倾斜摄影建模地形进行渲染,提高渲染帧率,更加符合人眼视觉观察。(本文来源于《现代计算机(专业版)》期刊2019年09期）
程时伟,魏千景,张章伟,齐文杰,蔡红刚[5]（2019）在《移动设备交互环境下的注视点感知计算方法》一文中研究指出为了提高移动设备上眼动跟踪的精度和效率、降低硬件成本,提出基于注视点回忆的眼动数据感知计算方法.首先利用人的短时记忆特性建立注视点回忆和自我报告机制,要求用户点击移动设备屏幕来提交注视点位置数据;然后基于支持向量回归方法建立注视点数据误差补偿模型,对用户回忆和提交的注视点数据进行校正,进一步提高数据精度.为了验证数据误差补偿模型的效果,设计并开展了用户实验,结果表明,使用数据误差补偿模型后,对于不同类型的测试任务和测试图片,注视点回忆数据精度提高15%～40%.(本文来源于《计算机辅助设计与图形学学报》期刊2019年01期）
武涛[6]（2018）在《不同通道宽度条件下汽车驾驶员注视点分布规律》一文中研究指出随着社会经济的不断快速发展,汽车保有量逐年递增,交通安全一直以来都是人们关注重点,近些年来随着社会经济的发展和进步,基础设施建设以及居民收入水平在不断的提升,城市道路建设宽度不断增加,汽车数量也在不断增多,在复杂的交通环境下,交通安全受到了多种因素的影响,对不同通道宽度条件下汽车驾驶员注视点分布规律进行分析和研究,能够有效地避免各种安全隐患,提高驾驶安全。(本文来源于《南方农机》期刊2018年24期）
邓文振[7]（2018）在《基于眼动注视点和多尺度卷积神经网络的显着目标检测》一文中研究指出随着互联网和多媒体技术的快速发展,图像逐渐成为人们传递信息的重要载体。如何有效的从海量地图像数据中过滤冗余信息并提取出图像中的显着区域已经成为图像处理领域的热门问题,图像显着目标检测是解决该问题的一个重要方法。通常,基于底层特征的显着目标检测模型虽然在简单图像中取得了较好的效果,但是没有考虑人眼的视觉特性和高层语义特征,因此无法满足复杂图像的显着目标检测需求。卷积神经网络通过监督学习可以有效的提取图像的高层语义特征,被广泛地应用于图像处理领域。眼动记录了人眼在观察图像时的运动信息,为了解人眼的视觉感知和真实意图提供了依据,利用眼动可以很好地模拟人的视觉选择注意机制。基于以上考虑,本文提出了一种结合眼动注视点和多尺度卷积神经网络的图像显着目标检测模型,充分利用眼动数据提取图像的高层语义信息,有效提高了显着性检测的性能。本文的主要工作有:(1)提出了一种基于多尺度卷积神经网络的显着目标检测模型。首先,使用循环卷积神经网络提取图像的高层语义特征,通过反卷积网络将该特征非线性映射为分层的特征图;然后对特征图提取多尺度的显着先验图;最后通过融合卷积网络得到最终的显着图。(2)提出了融合眼动注视点的图像显着目标检测算法。通过眼动注视点得到眼动显着图,将眼动显着图作为图像的第四个通道来检测图像的显着区域,实验结果表明眼动可以有效地改善模型的显着目标检测性能。(本文来源于《湘潭大学》期刊2018-06-05）
高世欢[8]（2018）在《自闭症谱系障碍儿童平滑追踪任务中注视点间距的鉴别价值探索》一文中研究指出自闭症谱系障碍(autism spectrum disorder,ASD)个体存在的感知觉障碍尤其是视觉障碍具有突出的诊断价值。研究表明,ASD个体双眼视觉存在异常,表现为双眼融像功能存在缺陷,这可能对进一步视觉信息加工造成困难。为了探索ASD个体在对动态刺激加工过程中双眼融像的鉴别价值,设计了两个研究。研究一,选取3~6岁的ASD儿童和正常儿童各25名,让其观看6段小球做正弦曲线运动的平滑追踪任务视频,并采集被试双眼坐标及其与小球运动的位置误差,考察两组儿童双眼注视点间距(distance of binoculus point of regard,DBPR)的差异、影响因素、鉴别价值。结果发现:(1)ASD儿童双眼融像能力存在缺陷,且与斜视无关;(2)ASD儿童的DBPR过大且具有跨任务类型的稳定性;(3)DBPR在大振幅、快速度的条件下具有优良的鉴别力;(4)DBPR与自闭症行为检查表(autism behavior checklist,ABC)总分以及感知觉维度显着正相关,DBPR可以作为区分两组儿童的鉴别指标之一。研究二,在研究一实验材料基础上加入掩蔽刺激,遮挡小球运动的一部分轨迹,以考察ASD儿童预测性追踪的表现及其对DBPR的影响。选取3~6岁ASD儿童和正常儿童各20个,让其观看6段视频材料。结果发现:(1)DBPR受到刺激运行速度和消失时间的影响;(2)在快速度、长预测追踪条件下,DBPR具有较高的鉴别价值。综上所述,与正常儿童相比,ASD儿童的DBPR反映了双眼融像的缺陷,具有跨任务类型的稳定性,在快速度、大振幅、长预测追踪的条件下具有优良的鉴别价值。(本文来源于《闽南师范大学》期刊2018-06-01）
沈泽玮[9]（2018）在《中央注视点影响返回抑制？》一文中研究指出Ponser和Cohen(1984)的研究中,使用空间线索范式,先后呈现两个刺激(线索S1和目标S2),随机出现在左边或者右边,要求被试对其做反应。结果发现,当线索呈现与目标呈现的间隔时间(stimulus-onset asynchrony,简称SOA)小于300ms时,被试对线索与目标出现在相同位置(线索化位置)的目标反应快于线索和目标呈现在不同位置(非线索化位置)的反应,也就是出现易化作用;而当线索呈现与目标呈现的间隔时间较长,大于300ms时,被试对呈现在与线索位置相同的目标反应慢于呈现在与线索位置不同目标的反应。Ponser等人(1985)将这种现象称为返回抑制(inhibition of return,简称IOR)。研究发现,返回抑制发生时有两条通路被激活,学者们将两条通路称为输出通路(眼动系统激活的不对称产生的运动偏向)和输入通路(视觉加工过程受到抑制)。在Taylor&Klein(2000)的研究中发现:当对四种条件下的线索和目标(外周线索、外周目标,外周线索、中央目标,中央线索、外周目标,中央线索、中央目标)进行眼跳反应时,产生的返回抑制效应量无显着差异,也就是说当眼动系统激活时,会产生基于输出的返回抑制;而当对线索不反应、对目标手动反应,即眼动系统被抑制时,则产生基于输入的返回抑制。这一发现为两类型理论的提出奠定了基础。Wang等人(2012)研究发现,使用和Taylor相似的实验设计,并要求被试做相同的反应,在对外周线索、中央线索和外周目标做眼跳反应的任务中,发现当线索为外周线索时返回抑制的效应量显着大于线索为中央线索产生的返回抑制效应量。他们认为,当眼动系统激活时,在一定条件下可以同时产生基于输入和基于输出的返回抑制,这就是两成分理论。针对“当眼动系统激活时,到底同时产生基于输入和基于输出的返回抑制,还是只产生基于输出的返回抑制”的问题,本研究借助眼动技术,使用目标-目标范式,通过叁个实验进行了探究。实验一,采用2线索(线索化/非线索化)×2中央注视点(有/无)的被试内设计,验证“对外周线索和外周目标做眼跳反应时会产生两种成分的返回抑制”的结论是否会受中央注视点的影响。结果表明线索主效应显着,中央注视点主效应显着,两个block中的返回抑制效应量有显着差异,说明中央注视点是否存在影响返回抑制效应量。实验二将探究返回抑制效应量是否受中央注视点二次线索化所产生的STD(short-term depression,短期抑制)的影响。采用2线索(线索化/非线索化)×2目标类型(彩色/黑色)的被试内设计,因变量为对目标S2的眼跳反应时。结果表明,线索主效应显着,目标类型主效应不显着,对返回抑制效应量进行单因素分析,结果表明两种实验条件下的返回抑制效应量不存在显着差异。当要求被试对目标颜色进行判断时,会促进对目标位置的加工,返回抑制效应量产生了变化,说明外周目标产生的返回抑制中含有注意成分。实验中,第一个block的试验未移除中央注视点,但其结果与第二个block的试验中的反应时无显着差异,因此可以说明中央注视点的存在产生了STD,抑制对外周位置的感知觉加工,影响了返回抑制。鉴于Taylor和Klein(2000)的结果,如果是由于STD造成影响,那么当移除中央注视点时,四种条件下的返回抑制效应量会有同种程度的增加,而不能得到Wang等人(2012)的结果,即SM任务(对外周线索眼跳、对外周目标眼跳)、S任务(对外周线索不反应,对外周目标眼跳反应)和M任务(对中央线索眼跳反应、对外周目标眼跳反应)返回抑制效应量没有显着差异,而不是SM任务的返回抑制效应量为S任务和M任务的返回抑制效应量之和。实验叁将对M任务中中央注视点的影响进行探究,采用2线索(线索化/非线索化)×3线索类型(中央线索且有中央注视点/中央线索且无中央注视点,外周线索且有中央注视点)的被试内设计,因变量为对目标S2的眼跳反应时。结果表明,线索主效应显着,实验条件主效应不显着,中央注视点造成的STD不会对M任务产生影响。本研究得到以下结论:(1)中央注视点会对返回抑制效应量造成影响;(2)中央注视点之所以会对返回抑制效应量造成影响是由于其所产生的STD效应;(3)对外周线索眼跳、对外周目标眼跳时会产生基于输入和基于输出两种成分的返回抑制,此结果支持了两成分理论;(4)当对中央线索眼跳、对外周目标眼跳时,STD并不会对返回抑制效应量造成产生影响。(本文来源于《河北师范大学》期刊2018-05-20）
李颜[10]（2018）在《基于Kalman滤波和图像显着性检测的注视点跟踪技术研究》一文中研究指出近年来,随着人工智能需求的发展,注视点定位跟踪技术受到越来越多的关注。在人机交互领域,注视点跟踪技术常通过瞳孔定位算法配合二维注视点映射算法加以实现。在受试者眼部运动的状态下,注视点跟踪由于受到头部姿态的改变、光照以及眼部动作的影响,跟踪的准确度以及鲁棒性有待改进。因此,本文从提高动态注视情况下注视点跟踪精度的角度出发,提出一种基于双眼同步运动特征约束的Kalman滤波瞳孔跟踪算法,继而通过二维多项式映射函数计算获取注视点估计位置。在双眼扫视运动下将其与其他常用滤波算法进行对比,验证本文算法优越性。并将本文算法获得的注视点估计信息与图像显着性算法获得的注视点估计位置进行比较,验证两者的一致性。主要内容如下:第一,注视点的跟踪技术是通过瞳孔中心和角膜反射点的位置跟踪和它们与计算机屏幕间的注视位置映射转换实现的。瞳孔的动态跟踪与瞳孔中心的准确定位密不可分。本文采用基于星射线算法的凸区域投票与模型约束瞳孔定位算法,对红外光照射下的角膜反射光斑和瞳孔中心进行准确定位。针对角膜光斑的定位,本文采用一种自适应阈值分割的光斑检测算法,定位角膜反射多个亮斑中的面积最大的光斑。针对瞳孔中心的检测定位,本文首先由星射线算法获取瞳孔边缘候选点,再进行候选点处作与梯度垂直的切线划分半平面进行区域投票确定瞳孔区域剔除边缘候选点中的噪声点,最后进行随机抽样一致性算法进行椭圆拟合定位瞳孔中心。第二,构建Kalman滤波模型对运动状态下的瞳孔进行跟踪处理。基于双眼同步运动规律,以左右眼间距矢量信息为状态量构建过程方程与观测方程,简化常速度Kalman滤波方程,减少方程维度和迭代次数。第叁,设置计算机屏幕上的标记点,以二次多项式为模型构建瞳孔中心-角膜光斑矢量信息与屏幕标记点间的映射关系。获取映射关系后再将规定注视动作下滤波后的瞳孔中心-角膜光斑矢量信息转换为注视点预测信息,在瞳孔位置存在较大扰动噪声点的情况下验证算法的鲁棒性,并将得到的结果与常用的其他滤波算法进行比较,验证本文算法在提升注视点跟踪精度和缩短程序运行时间减少内存占用上的优势。第四,对不以任务驱动的自下而上的预测注视点经典图像显着性算法进行研究。设计仿真注视条件下的实验,以真实场景图像为目标图像对受试者进行测试,将经本文算法滤波与映射变换后的注视点估计信息和由图像显着性算法得到的注视点预测信息进行概率分布比较,验证其一致性。实验表明,本文提出的基于双眼同步特征约束的Kalman滤波算法在对运动状态下注视点进行跟踪时具有较强的鲁棒性,与其他滤波算法相比,迭代次数较少,程序运行时间较短,能够满足视线追踪系统对注视点跟踪的要求。在对仿真场景的静态目标进行注视点跟踪时,与经图像显着性计算得到的的预测注视点概率分布基本一致。(本文来源于《中国计量大学》期刊2018-01-01）
注视点论文开题报告范文
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
目的在基于双目视线相交方法进行3维注视点估计的过程中,眼球光心3维坐标手工测量存在较大误差,且3维注视点估计结果在深度距离方向偏差较大。为此,提出了眼球光心标定与距离修正的方案对3维注视点估计模型进行改进。方法首先,通过图像处理算法获取左右眼的PCCR (pupil center cornea reflection)矢量信息,并使用二阶多项式映射函数得到左、右眼的2维平面注视点;其次,通过眼球光心标定方法获取眼球光心的3维坐标,避免手工测量方法引入的误差;然后,结合平面注视点得到左、右眼的视线方向,计算视线交点得到初步的3维注视点;最后,针对结果在深度距离方向抖动较大的问题,使用深度方向数据滤波与Z平面截取修正法对3维注视点结果进行修正处理。结果选择两个不同大小的空间测试,实验结果表明该方法在3050 cm的工作130 cm的工作距离内,角度偏差1. 0°,距离偏差117. 4 mm。与其他的3维注视点估计方法相比较,在同样的测试空间条件下,角度偏差和距离偏差均显着减小。结论提出的眼球光心标定方法可以方便准确地获取眼球光心的3维坐标,避免手工测量方法带来的误差,对角度偏差的减小效果显着。提出的深度方向数据滤波与Z平面截取修正法可以有效抑制数据结果的抖动,对距离偏差的减小效果显着。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
注视点论文参考文献
[1].高世欢,陈顺森,苏彦捷,林彩云.视觉正常的自闭症儿童双眼注视点间距的特点及其意义[J].心理学报.2019
[2].张远辉,段承杰,朱俊江,何雨辰.眼球光心标定与距离修正的3维注视点估计[J].中国图象图形学报.2019
[3].罗灵兵,冯辉,胡波,王祺尧.结合视觉显着性与眼跳概率模型的视频注视点序列预测[J].复旦学报(自然科学版).2019
[4].陈怀歆,袁琳.利用注视点渲染加快倾斜摄影地形建模数据渲染应用研究[J].现代计算机(专业版).2019
[5].程时伟,魏千景,张章伟,齐文杰,蔡红刚.移动设备交互环境下的注视点感知计算方法[J].计算机辅助设计与图形学学报.2019
[6].武涛.不同通道宽度条件下汽车驾驶员注视点分布规律[J].南方农机.2018
[7].邓文振.基于眼动注视点和多尺度卷积神经网络的显着目标检测[D].湘潭大学.2018
[8].高世欢.自闭症谱系障碍儿童平滑追踪任务中注视点间距的鉴别价值探索[D].闽南师范大学.2018
[9].沈泽玮.中央注视点影响返回抑制？[D].河北师范大学.2018
[10].李颜.基于Kalman滤波和图像显着性检测的注视点跟踪技术研究[D].中国计量大学.2018