“瞳孔效应”在事故预防中的应用

现代心理学研究表明：人对于某些具备共同特征的事物和行为会引起较为强烈的反应。比如当一个人怀孕时，他总是感觉周围的孕妇格外多，但事实是孕妇的数量较之其他时期并无明显增多，这种对“同类事物”的心理放大现象就是著名的“瞳孔效应”。     

空中交通管制员的眼动行为与疲劳关系

在空中交通管制工作中,管制疲劳程度度量是一项需要长期研究的重要课题。实时测量管制员的疲劳程度,对航空运输系统的安全运行有重要意义。提出以眼动行为特征指标作为反映管制员疲劳程度的依据,利用faceLAB 5.0系统记录了管制员在正常状态和疲劳状态下进行管制模拟实验的眼动数据和绩效数据,分析了管制员的绩效数据与眨眼频率和瞳孔直径两种眼动指标在不同状态下的变化规律。研究发现与正常状态相比,管制员在疲劳状态下的眨眼频率增加,瞳孔直径减小。随着任务时间的增加,被试的绩效变差,眨眼频率增加,瞳孔直径减小,表明被试的工作状态从正常状态转为疲劳状态。统计分析结果说明,眨眼频率和瞳孔直径能够有效地检测管制员的疲劳状态,充分刻画不同工作时段管制员工作状态的变化,为开发实用的疲劳监测系统提供理论基础。     

民机复合材料目视检查中的眼动与疲劳检测

疲劳是导致民机复合材料结构目视检查差错的重要诱因，疲劳检测对于减少人的差错，保障飞行安全具有重要意义。对基于眼动行为的疲劳度量与检测方法进行了研究，建立了民机复合材料结构目视检查实验场景，利用Tobii眼动仪提取了正常状态和疲劳状态下的目视检查眼动数据，分析了瞳孔直径、平均注视时间、平均注视频率、平均眼跳时间、平均眼跳频率、注视热点与轨迹和扫视速度等眼动行为与疲劳的关系，进而提取了能表征疲劳的瞳孔直径、平均注视时间和扫视速度3种眼动指标，以该指标构建特征向量，利用支持向量机（SVM）方法构建了目视检查疲劳检测模型。研究发现疲劳状态下的目视检查平均注视时间更长，扫视速度更慢、瞳孔直径减小，右瞳孔减小程度更大，核函数为径向基函数和高斯函数的SVM方法对疲劳的检测效果好。研究结果表明，利用SVM方法训练由瞳孔直径、平均注视时间和扫视速度构成的眼动特征向量能有效检测目视检查中的疲劳状态。     

视线跟踪系统中的分级瞳孔定位算法

 基于视线跟踪的人机交互技术具有便捷性和快速性,可实现视线与计算机交互的目的。基于头戴式头盔视线跟踪系统,提出了一种分级瞳孔定位方法。为消除各种干扰因素对瞳孔定位的影响,首先利用图像二值化方法获取瞳孔区域,并进行最小外接椭圆的计算,然后利用瞳孔区域与最小外接椭圆的交叠区域与瞳孔区域的面积比值,判断是否为完整瞳孔。如果是不完整的瞳孔,则利用粒子群优化(PSO)算法和椭圆周差分算子在图像中搜寻最优椭圆位置,将其作为最终的瞳孔轮廓。基于视线跟踪系统的实验结果表明,该方法兼顾了速度和精度,是实现复杂环境下瞳孔定位的一个有效策略。     

基于多任务辅助学习特征的瞳孔中心检测

眼动跟踪技术在航空领域极具潜力，其作为关键的信息获取和人机交互手段，可用于精确的目标瞄准、飞行员状态监测，对飞行安全和作战精准意义重大。而瞳孔中心检测作为核心技术，决定了眼动追踪系统的鲁棒性和准确性，本文提出一种基于多任务辅助学习特征的瞳孔中心检测算法，模拟人类视觉系统的多任务辅助学习特性，引入多任务模块，实现从粗到精的瞳孔中心检测，并通过试验验证了本文方法的有效性和先进性，从而提高了眼动跟踪的精度和准确性，为航空领域的各项任务和操作提供了更精确、高效和安全的手段。