基于连续眨眼的高效人机交互新模型：提高干扰环境下稳定性与准确率

本文研究的焦点在于改进传统的基于眼电图（Electrooculography, EOG）技术的人机交互方式，特别是对于那些无法使用常规肢体输入设备的肢体残疾人群体。作者提出了一种新颖的人-机交互新模式，该模式利用了图像光学体积描记技术（Image Photoplethysmography, IPPG）与信号处理相结合的方法。 在设计中，研究人员首先解决了EOG技术在眨眼检测中的局限性，如可能受到环境干扰、精度不高等问题。他们通过采集视频序列中的眨眼脉冲信号，然后采用优化的时/空分析窗口和滤波参数，对连续的眨眼信号进行高效且稳定的检测。这种方法旨在捕捉到用户更自然、无压力的交互方式，即眨眼这一基本的生理行为。 IPPG技术通过监测皮肤血流变化来检测眨眼，相比于EOG，它可能更能抵抗外部干扰，因为它依赖的是非侵入性的光信号而非电生理信号。通过这种方式，系统能够准确地将用户的连续眨眼转化为控制命令，例如用于控制多媒体设备的操作，如播放、暂停或切换歌曲。 实验结果显示，这种基于连续眨眼的人-机交互新模式在干扰环境下具有显著的稳定性优势，提高了在复杂环境中的交互可靠性。实际测试中，眨眼控制命令的准确率高达92.95%，显示出该模式在提升用户体验和无障碍交互方面的潜力。这表明，通过将生物信号技术与创新的人-机交互设计相结合，可以打破传统交互方式的限制，为特殊人群提供更加人性化的解决方案。 这篇论文不仅提出了一个新颖的人-机交互模型，还展示了如何通过技术手段解决现有问题，提高人-机交互的易用性和包容性，为未来的研究和实际应用提供了有价值的新思路。