专利名称：面向移动设备的多模型融合驱动的眼动跟踪方法和系统      申请号：2019104211733     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：跟踪 眼动跟踪   相似专利 发布日：2023/09/14  
摘要： 面向移动设备的多模型融合驱动的眼动跟踪方法，包括如下步骤：(1)基于外观模型的眼动特征分析；(2)基于特征模型的眼动数据映射；(3)多模型融合的眼动注视点计算。本发明还提供了面向移动设备的多模型融合驱动的眼动跟踪系统，包括依次连接并馈送数据的以下模块：基于外观模型的眼动特征分析模块；基于特征模型的眼动数据映射模块；多模型融合的眼动注视点计算模块。本发明扩展了目前移动设备上的眼动跟踪方法，提高了移动设备在复杂交互环境下的的眼动跟踪精度、计算速度和稳定性。

专利名称：面向协同交互的多用户眼动跟踪数据可视化方法和系统      申请号：2018104917588     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：交互 可视化 跟踪 眼动跟踪   相似专利 发布日：2023/09/14  
摘要： 面向协同交互的多用户眼动跟踪数据可视化方法，主要包括：(1)眼动跟踪数据计算；(2)眼动跟踪数据处理；(3)眼动跟踪数据记录；(4)眼动跟踪数据传输；(5)眼动跟踪数据可视化。本发明还提供了一种面向协同交互的多用户眼动跟踪数据可视化系统，主要包括依次连接并馈送数据的以下模块：(1)眼动跟踪数据计算模块；(2)眼动跟踪数据处理模块；(3)眼动跟踪数据记录模块；(4)眼动跟踪数据传输模块；(5)眼动跟踪数据可视化模块。

专利名称：一种基于眼动跟踪数据的视觉注意行为协同式可视化方法和系统      申请号：2017100897330     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：可视化 跟踪 眼动跟踪   相似专利 发布日：2023/09/14  
摘要： 一种基于眼动跟踪数据的视觉注意行为协同式可视化方法，包括：(1)采集眼动跟踪数据；(2)选择视觉刺激材料；(3)选择眼动跟踪数据；(4)分析眼动跟踪数据；(5)可视化眼动跟踪数据分析结果。本发明还提供了一种基于眼动跟踪数据的视觉注意行为协同式可视化系统，沿信息传输方向，依次包括以下模块：(1)眼动跟踪数据采集模块；(2)视觉刺激材料选择模块；(3)眼动跟踪数据选择模块；(4)眼动跟踪数据分析模块；(5)眼动跟踪数据可视化模块。

专利名称：一种基于眼动跟踪的最后阅读位置显示方法和系统      申请号：2016107576849     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：显示 后 港口 跟踪 眼动跟踪   相似专利 发布日：2023/09/14  
摘要： 一种基于眼动跟踪的最后阅读位置显示方法和系统，包括如下步骤：检测视线离开阅读窗口；计算最后阅读位置；显示最后阅读位置；检测视线返回阅读窗口；取消显示最后阅读位置。本发明还提供了一种实施发明方法的系统，包括以下模块：眼动跟踪数据接收模块，用于与外部眼动跟踪系统建立连接，获取眼动跟踪数据；视线离开阅读窗口检测模块，用于检测用户视线是否离开当前阅读窗口；最后阅读位置计算模块，用于计算用户在当前阅读窗口的最后阅读位置；最后阅读位置显示模块，用于将最后阅读位置在阅读窗口显示出来；视线返回阅读窗口检测模块，用于检测用户视线是否返回原来的阅读窗口；最后阅读位置显示取消模块，用于取消最后阅读位置在当前阅读窗口的显示效果。

专利名称：一种基于回忆和标注的眼动跟踪方法和系统      申请号：2016104623848     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：跟踪 眼动跟踪   相似专利 发布日：2023/09/14  
摘要： 一种基于回忆和标注的眼动跟踪方法，包括：(1)定义用户进行回忆和标注的方式，设置相应的任务；(2)在显示屏上呈现任务说明，向用户发布任务；(3)在显示屏上呈现图像刺激源；(4)用户根据任务要求，观察显示屏上的图像刺激源；(5)用户根据任务要求，回忆任务执行过程中所产生的注视点，在显示屏上标注注视点的坐标位置及先后顺序；如果进入训练模式，转到步骤(6)；如果进入正式模式，则转到步骤(8)；(6)训练模式呈现给用户的图像刺激源，在正式模式中不会再呈现给用户；(7)评价用户的训练绩效；(8)用户进入正式测试模式时，记录和保存用户标注的注视点位置及其先后顺序数据。还包括使用本发明方法的系统。

专利名称：虚拟装配中融合眼动跟踪和手势识别的人机交互方法和装置      申请号：2019106709940     转让价格：面议  收藏
法律状态：已下证   类型：发明   关键词：交互 跟踪 眼动跟踪   相似专利 发布日：2023/05/05  
摘要： 本公开提供了一种虚拟装配中融合眼动跟踪和手势识别的人机交互方法和装置，根据获取到眼动数据，进行注视点跟踪；根据获取的手势信息，进行手势的识别，对得到的手势识别数据和眼动数据进行标注，构成训练集，构建多流卷积神经网络‑长短期记忆网络模型，所述网络模型利用训练集进行自我学习；将训练得到的最优网络模型应用在虚拟装配过程，获取虚拟装配过程的眼动数据和手势信息，提取眼动与手势特征，根据特征信息分析得出操作人员的行为类别进而完成装配任务。解决了单一模态下对相似行为的误判问题，并利用深度学习算法的优势，以较高的准确率识别视频中操作人员的行为，完成虚拟装配任务，实现人机交互。