随着计算机越来越多应用于教育,人机交互设备是人与机器的交互接口，随着计算机技术和通信技术的发展，人的视觉、脑电等生理信息越来越多地应用于人机交互技术，使人机交互设备更加符合人类的习惯、更好地理解人类控...

人机交互设备是人与机器的交互接口，随着计算机技术和通信技术的发展，人的视觉、脑电等生理信息越来越多地应用于人机交互技术，使人机交互设备更加符合人类的习惯、更好地理解人类控制意图。由于人眼视线存在任意性，基于视线跟踪的人机交互模式，无法从视线中识别人的真实选择；而基于脑电特征的脑-机接口存在着多命令和连续控制信号输出的问题。因此，本论文将视线和脑电信息融合，提出了新型的人机交互方案，即通过人眼视线寻找控制对象，通过脑电特征选择判断，将更快、更准确地将人的主观信息传递给外界，实现对设备的操作与控制等。论文以人眼视觉为核心，首先研究了视线跟踪的核心技术，搭建了单摄像机多光源的视线跟踪系统，实现了瞳孔中心定位、视线定位和视觉特征分类；其次研究了视觉脑电小波分析方法，实现了视觉诱发脑电P300特征和稳态视觉脑电SSVEP的特征提取与分类；最后提出了融合视线和脑电特征的新型人机交互方法，并进行了实验验证。论文创新性研究工作如下：(1)提出了融合视线信息和脑电信息的新型人机交互方法。该方法结合了视线跟踪技术和脑电技术的优势，解决了在人机交互中各自的技术瓶颈，为人机交互设备能够更好地理解人的意图打下了基础。(2)针对视线定位需求，提出了三种瞳孔中心定位方法，实现了瞳孔中心精确定位。基于最小二乘椭圆拟合的瞳孔定位，采用发射射线和随机6点椭圆拟合的方法，解决了瞳孔边界点提取、杂质点去除和最优椭圆拟合等问题。径向对称瞳孔定位利用了瞳孔是圆形的几何特性，可以有效地抑制睫毛、亮斑和镜框等干扰，解决了其他方法抗干扰能力差的问题。基于区域生长的瞳孔定位利用了瞳孔的灰度特性和几何特性，采用区域生长算法寻找瞳孔边界点，较好地解决了光斑干扰和模糊眼睛图像的瞳孔定位问题。(3)提出了基于支持向量机分类模型的视觉特征分类方法，定义了眼动均值、眼动方差、帧间幅值、像素灰度值、径向对称强度等视觉特征变量，构造了视觉特征向量，有效地实现了人眼视觉特征的分类。(4)提出了基于二元函数和支持向量机两种回归模型的视线定位方法，解决了单摄像机多光源视线跟踪系统的非线性映射模型的回归问题，在头部自由移动的情况下，实现了高精度视线定位。(5)提出了正交B样条小波变换与Fisher线性判别相结合的视觉诱发脑电特征P300的提取方法，提高了单次样本P300的平均识别率，解决了刺激零点未知的脑电信号特征提取问题。提出了基于信息融合和支持向量机分类器原理的脑电特征SSVEP识别方法，提出了基于Morlet小波变换原理的脑电信号频域平均能量和SSVEP的特征向量计算方法，实现了单频率诱发SSVEP特征的有效识别。论文研究成果均得到了实验验证，对人机交互技术的研究具有重要的理论意义，对设计与开发人机交互设备具有重要的应用价值。

下面无答案