Работа посвящена развитию представления о возможностях видеоокулографических интерфейсов в задачах управления.
Представлены результаты исследования параметров движения глаз человека при помощи видеоокулографического интерфейса для
управления объектом на плоскости. Показано, что в ходе проводимого эксперимента от попытки к попытке снижалось
количество ошибок и число испытуемых, не осуществивших успешное управление, а также зависимость способности такого
управления от темперамента человека и особенностей рабочей памяти. При высоких значениях рабочей памяти пользователи
совершают, формируя управляющий паттерн, более резкие высокоамплитудные движения зрачком с периодом до 1.6 с, что в
итоге приводит к большему числу ошибок управления и не достижению требуемого результата. В значительной степени
полученные результаты связаны с горизонтальными, а не с вертикальными движениями глаз. Представленные результаты будут
полезными для создания и применения интерфейсов человек-компьютер в цифровом мониторинге при управлении эргатическими
системами и могут служить отправной точкой для разработки высокоскоростных окулографических интерфейсов с существенно
более широким, по сравнению с существующим, функционалом.
Ключевые слова:
окулографический интерфейс, эргатические системы, цифровой мониторинг, интерфейс человек-компьютер
DOI: 10.31857/S0235009221010091
Цитирование для раздела "Список литературы":
Туровский Я. А., Алексеев А. В., Лесных И. Е., Мартыненко Е. В.
Частотно-временные особенности движения глаз при использовании видеоокулографического интерфейса в задачах управления эргатическими системами.
Сенсорные системы.
2021.
Т. 35.
№ 1.
С. 30–37. doi: 10.31857/S0235009221010091
Цитирование для раздела "References":
Turovski Y. A., Alekseev A. V., Lesnykh I. E., Martynenko E. V.
Chastotno-vremennye osobennosti dvizheniya glaz pri ispolzovanii videookulograficheskogo interfeisa v zadachakh upravleniya ergaticheskimi sistemami
[Frequency-time features of eye movement when using the video-oculographic interface in ergatic system control problems].
Sensornye sistemy [Sensory systems].
2021.
V. 35(1).
P. 30–37
(in Russian). doi: 10.31857/S0235009221010091
Список литературы:
- Войтов В.К., Косихин В.В., Ушаков Д.В. Рабочая память как перспективный конструкт когнитивной психологии и методы его измерения. Моделирование и анализ данных. 2015. С. 57–78.
- Гланц С. Медико-биологическая статистика. М.: Практика, 1998. 459 с.
- Добеши И. Десять лекций по вейвлетам. М.: НИЦ “Регулярная и хаотическая динамика”, 2001. 464 с.
- Рунион Р. Справочник по непараметрической статистике. Современный подход. М.: Финансы и статистика, 1982. 198 с.
- Туровский Я.А., Алексеев А.В. Вариабельность сердечного ритма пользователей видеоокулографическим интерфейсом в процессе обучения управлением самоходным шасси. Вестник ВГУ. 2017a. № 1. С. 118–124.
- Туровский Я.А., Борзунов С.В., Вахтин А.А., Алексеев А.В., Мамаев А.В. Вариабельность сердечного ритма в ходе обучения пользователей применению интерфейсов человек-компьютер. Вестник ВГУ. 2018. № 2. С. 255–263.
- Туровский Я.А., Кургалин С.Д., Алексеев А.В. Анализ движения глаз человека при управлении самоходным шасси с использованием системы видеоокулографического интерфейса. Сенсорные системы. 2017б. Т. 31. № 1. С. 51–58.
- Bissoli A., Lavino-Junior D., Sime M., Encarnação L., Bastos-Filho T. A human–machine interface based on eye tracking for controlling and monitoring a smart home using the internet of things. Sensors. 2019. 859 p. https://doi.org/10.3390/s19040859
- Martin W.C. Upper Limb Prostheses: A review of the literature with a focus on myoelectric hands workSafeBC. Evidence-Based Practice Group. 2011. 90 p.
- Maikrocoft. http://www.microsoft.com/en-us/kinectforwindows 2009.
- Oyekoya O.K., Stentiford F.W.M. Eye tracking as a new interface for image retrieval. BT Technology Journal. 2004. P. 161–169. https://doi.org/10.1023/B:BTTJ.0000047130.98920.2b
- Tobii. http://www.tobii.com/en/eye-tracking-research/global/products/ 2010.
- Wolpaw J.R., Birbaumer N., McFarland D.J. Brain–computer interfaces for communication and control. Clinical Neurophysiology. 2002. V. 113. P. 767–791.
- Zhu D., Bieger J., Molina G. A Survey of Stimulation Methods Used in SSVEP-Based BCIs. Hindawi publishing corporation computational intelligence and neuroscience. 2010. Article ID 702357.