아이트래킹(Eye Tracking) 기술은 인간의 눈동자 움직임을 지속적으로 관찰하여 자극에 대한 인간의 반응과 정보습득 결과를 연구하는 방법을 말한다. 초기 아이트래킹 기술은 장애인의 보조 수단으로 연구가 시작되었지만, 현재 시장조사 분야에서 사용자 심리 분석의 유용한 툴로써 연구되고 있으며, 의학 진단 및 수술 분야에서도 활용되고 있다. 아이트래킹 기술은 Video 분석 방식, 콘텐츠렌즈 방식, ...
아이트래킹(Eye Tracking) 기술은 인간의 눈동자 움직임을 지속적으로 관찰하여 자극에 대한 인간의 반응과 정보습득 결과를 연구하는 방법을 말한다. 초기 아이트래킹 기술은 장애인의 보조 수단으로 연구가 시작되었지만, 현재 시장조사 분야에서 사용자 심리 분석의 유용한 툴로써 연구되고 있으며, 의학 진단 및 수술 분야에서도 활용되고 있다. 아이트래킹 기술은 Video 분석 방식, 콘텐츠렌즈 방식, 센서부착 방식 등 크게 세 가지 방법이 사용되고 있다. Video 분석 방식은 측정 위치, 주위 조명, 사용자와의 거리 등에 많은 영향을 받는 단점이 있으며, 콘택트렌즈 방식은 콘택트렌즈를 삽입하고 고주파 자기장 속에서 시선의 위치를 추적하기 때문에 실험 환경이 아닌 곳에서 사용하기 어렵다는 편리성 문제와 고주파 자기장 속에 장시간 머리가 노출되어야 하기 때문에 안정성 문제가 있다. 이에 본 논문에서는 표면 전극과 예비증폭기에 의해 비교적 간단히 계측되고, 응시 위치의 변화에 따라 높은 선형성을 가지는 EOG 신호 기반의 센서부착 방식을 이용하여 아이트래킹 기술을 연구하고자 한다. 본 논문에서는 적응형문턱치알고리즘과 적응형 윈도우 알고리즘을 이용한 EOG 신호 분류 기법을 제안하였다. 눈동자의 움직임에 따른 EOG 신호 분류 과정은 전처리 과정과 패턴 분류 과정으로 이루어져있다. 전처리 과정은 노치 필터(Notch Filter), 밴드패스 필터(Band-pass Filter), 3차 버터워스 로우패스 필터(Butterworth Low-pass Filter) 단계로 구성되어 있으며, 패턴 분류 과정은 적응형 문턱치 알고리즘과 적응형 윈도우 알고리즘 단계로 구성되어 있다. 전처리 과정에서는 EOG 신호 측정 시 생기는 전원 노이즈 및 저주파 잡음을 제거하여 EOG 패턴 분류 시 정확도를 높이고자 하였다. 노치 필터를 사용하여 60Hz 주파수 대역대의 전원 노이즈를 제거하였으며, 밴드패스 필터를 통해 EOG 신호의 특징을 가지고 있는 0.5~10Hz 이외의 주파수 신호를 제거하였다. 그리고 3차 버터워스 로우패스 필터를 통해 기저선 변동을 제거하였다. 패턴 분류 과정에서 적응형 문턱치 알고리즘을 통해 피 실험자마다 다른 EOG 신호의 간격 및 진폭을 고려하여 문턱치를 생성함으로써 분류 성능을 높이고자 하였으며, 적응형 윈도우 알고리즘을 통해 눈 움직임 속도 차에 의해 변화되는 EOG 신호의 패턴 크기에 대해서 우수한 분류 성능을 보이고자 하였다. 1분 동안 10번, 20번, 40번 눈동자를 좌우로 움직이는 실험을 통해 EOG 신호 패턴을 분류한 결과, 평균 100%(1분에 10번 눈동자를 움직였을 시), 97%(1분에 20번 눈동자를 움직였을 시), 82%(1분에 40번 눈동자를 움직였을 시)의 분류 정확도를 보였다. 본 논문에서는 적응형 문턱치 알고리즘과 적응형 윈도우 알고리즘을 통해 피 실험자마다 다른 문턱치와 윈도우를 사용하여 피 실험자간의 차이에서 오는 EOG 신호 간격 및 진폭의 차이로 인한 EOG 신호 분류 오류를 해결하였다. 그리고 간단한 계산으로 빠르고, 정확도 높은 분류 방법을 제안하였으며, 눈 움직임 속도를 고려한 알고리즘을 제안하였다.
아이트래킹(Eye Tracking) 기술은 인간의 눈동자 움직임을 지속적으로 관찰하여 자극에 대한 인간의 반응과 정보습득 결과를 연구하는 방법을 말한다. 초기 아이트래킹 기술은 장애인의 보조 수단으로 연구가 시작되었지만, 현재 시장조사 분야에서 사용자 심리 분석의 유용한 툴로써 연구되고 있으며, 의학 진단 및 수술 분야에서도 활용되고 있다. 아이트래킹 기술은 Video 분석 방식, 콘텐츠렌즈 방식, 센서부착 방식 등 크게 세 가지 방법이 사용되고 있다. Video 분석 방식은 측정 위치, 주위 조명, 사용자와의 거리 등에 많은 영향을 받는 단점이 있으며, 콘택트렌즈 방식은 콘택트렌즈를 삽입하고 고주파 자기장 속에서 시선의 위치를 추적하기 때문에 실험 환경이 아닌 곳에서 사용하기 어렵다는 편리성 문제와 고주파 자기장 속에 장시간 머리가 노출되어야 하기 때문에 안정성 문제가 있다. 이에 본 논문에서는 표면 전극과 예비증폭기에 의해 비교적 간단히 계측되고, 응시 위치의 변화에 따라 높은 선형성을 가지는 EOG 신호 기반의 센서부착 방식을 이용하여 아이트래킹 기술을 연구하고자 한다. 본 논문에서는 적응형 문턱치 알고리즘과 적응형 윈도우 알고리즘을 이용한 EOG 신호 분류 기법을 제안하였다. 눈동자의 움직임에 따른 EOG 신호 분류 과정은 전처리 과정과 패턴 분류 과정으로 이루어져있다. 전처리 과정은 노치 필터(Notch Filter), 밴드패스 필터(Band-pass Filter), 3차 버터워스 로우패스 필터(Butterworth Low-pass Filter) 단계로 구성되어 있으며, 패턴 분류 과정은 적응형 문턱치 알고리즘과 적응형 윈도우 알고리즘 단계로 구성되어 있다. 전처리 과정에서는 EOG 신호 측정 시 생기는 전원 노이즈 및 저주파 잡음을 제거하여 EOG 패턴 분류 시 정확도를 높이고자 하였다. 노치 필터를 사용하여 60Hz 주파수 대역대의 전원 노이즈를 제거하였으며, 밴드패스 필터를 통해 EOG 신호의 특징을 가지고 있는 0.5~10Hz 이외의 주파수 신호를 제거하였다. 그리고 3차 버터워스 로우패스 필터를 통해 기저선 변동을 제거하였다. 패턴 분류 과정에서 적응형 문턱치 알고리즘을 통해 피 실험자마다 다른 EOG 신호의 간격 및 진폭을 고려하여 문턱치를 생성함으로써 분류 성능을 높이고자 하였으며, 적응형 윈도우 알고리즘을 통해 눈 움직임 속도 차에 의해 변화되는 EOG 신호의 패턴 크기에 대해서 우수한 분류 성능을 보이고자 하였다. 1분 동안 10번, 20번, 40번 눈동자를 좌우로 움직이는 실험을 통해 EOG 신호 패턴을 분류한 결과, 평균 100%(1분에 10번 눈동자를 움직였을 시), 97%(1분에 20번 눈동자를 움직였을 시), 82%(1분에 40번 눈동자를 움직였을 시)의 분류 정확도를 보였다. 본 논문에서는 적응형 문턱치 알고리즘과 적응형 윈도우 알고리즘을 통해 피 실험자마다 다른 문턱치와 윈도우를 사용하여 피 실험자간의 차이에서 오는 EOG 신호 간격 및 진폭의 차이로 인한 EOG 신호 분류 오류를 해결하였다. 그리고 간단한 계산으로 빠르고, 정확도 높은 분류 방법을 제안하였으며, 눈 움직임 속도를 고려한 알고리즘을 제안하였다.
Eye tracking is the method that consistently study the human's response against stimulus and the result of acquired information by observing the movement of human's eye. Though, the initial study of Eye Tracking technology has begun to aid disabled person, being studied as a useful tool analyzing ps...
Eye tracking is the method that consistently study the human's response against stimulus and the result of acquired information by observing the movement of human's eye. Though, the initial study of Eye Tracking technology has begun to aid disabled person, being studied as a useful tool analyzing psychology in the current field of market research, also being used in medical diagnostics and surgery. Three methods are used in eye tracking technology(Video analysis method, Sensor mounted method, Contact lenses method). Video analysis methods has disadvantages. Because it much affected by measuring position, ambient lighting, distance between the user. Because Contact lenses method inserts the contact lenses to tracking the direction of gaze, it has disadvantages in serviceability. In this paper, we studied the Eye Tracking technology using EOG signal-based sensor mounted method that simply acquired by electrode surface and pre-amplifier, having high linearity by change of the gazing position. In this paper, we present a method for classifying the EOG signal by using adaptive variable threshold and window. The EOG signal was classified in two phases: the pre-processing phase and the classification phase. The pre-processing phase consisted of the stages for the Notch filter, Band-pass filter, and Butterworth filter, whereas the classification phase consisted of the stages for the adaptive variable threshold algorithm and adaptive variable window algorithm. In the pre-processing phase, the Notch filter removed power supply noise while the Band-pass filter and Butterworth filter eliminated low-frequency noise and baseline wandering. In the decision phase, the adaptive variable threshold algorithm improved classification performance when subjects are difference. While adaptive variable window algorithm improved classification performance at different eye movement speeds. Consequently, the classification accuracy was 100%(Experiment 1. eye movement 10 times per 1 minute), 97%(Experiment 2. eye movement 20 times per 1 minute), 82%(Experiment 3. eye movement 40 times per 1 minute).
Eye tracking is the method that consistently study the human's response against stimulus and the result of acquired information by observing the movement of human's eye. Though, the initial study of Eye Tracking technology has begun to aid disabled person, being studied as a useful tool analyzing psychology in the current field of market research, also being used in medical diagnostics and surgery. Three methods are used in eye tracking technology(Video analysis method, Sensor mounted method, Contact lenses method). Video analysis methods has disadvantages. Because it much affected by measuring position, ambient lighting, distance between the user. Because Contact lenses method inserts the contact lenses to tracking the direction of gaze, it has disadvantages in serviceability. In this paper, we studied the Eye Tracking technology using EOG signal-based sensor mounted method that simply acquired by electrode surface and pre-amplifier, having high linearity by change of the gazing position. In this paper, we present a method for classifying the EOG signal by using adaptive variable threshold and window. The EOG signal was classified in two phases: the pre-processing phase and the classification phase. The pre-processing phase consisted of the stages for the Notch filter, Band-pass filter, and Butterworth filter, whereas the classification phase consisted of the stages for the adaptive variable threshold algorithm and adaptive variable window algorithm. In the pre-processing phase, the Notch filter removed power supply noise while the Band-pass filter and Butterworth filter eliminated low-frequency noise and baseline wandering. In the decision phase, the adaptive variable threshold algorithm improved classification performance when subjects are difference. While adaptive variable window algorithm improved classification performance at different eye movement speeds. Consequently, the classification accuracy was 100%(Experiment 1. eye movement 10 times per 1 minute), 97%(Experiment 2. eye movement 20 times per 1 minute), 82%(Experiment 3. eye movement 40 times per 1 minute).
※ AI-Helper는 부적절한 답변을 할 수 있습니다.