結論與未來展望

5.1 結論

本眼動儀系統能夠實現在一般辦公室光源環境，不外加光源且可能受室外光影響的條件下，處理 480fps 取樣率錄製的影像，定位虹膜中心並得到平均誤差 0.23 度的凝視點校正結果與最大誤差平均 1.21 度的凝視點預測結果。在系統架構的設計上，本系統參考了 Baek[17]提出的眼球模型，並改良匹配方法後得到較高準確率及較好的計算效率，並在加入粒子群移動演算法後將系統加速使高速眼動儀(480fps)具有實用性且能夠實現實時(Real-time)30fps 眼動儀系統的計算速度。

而模型參數計算的部分則使用了創新的虹膜輪廓與擬合圓方法，擷取到單層且連續的虹膜輪廓特徵點並有效的擬合出虹膜圓形。在最後凝視點預測的部分使用了改良的映射曲線，使其得到優於傳統二次曲線的效果。

5.2 未來展望

本眼動儀系統目前能夠在有效時間內進行影像處理計算並得到高準確率的結果，因此能在相關的認知實驗上作為替代紅外光眼動儀的實用系統。由於本眼動儀適用於多樣的環境光源，因此在實驗室設置時將少去紅外光眼動儀的諸多限制，

具有高度的彈性與實用性。但雖然本眼動儀系統目前在固定頭部的條件下已可達成高精確度的凝視預測結果，但對於受試者來說，長時間的頭部固定有其困難度。

因此基於本文架構上，加入能夠校正微幅頭動誤差的演算法能使眼動儀系統的應用更符合使用者經驗。

參考文獻

[1] K. Rayner, "Eye movements in reading and information processing: 20 years of research,"

Psychological bulletin., vol. 124, no.3, pp.372-422, Nov. 1998.

[2] Human eye [Online] Available at https://en.wikipedia.org/wiki/Human_eye [3]國立台灣師範大學教育與心理輔導學系的教育神經科學實驗室[Online]

Available at http://web.ntnu.edu.tw/~696010077/

[4] 國立政治大學心理系的眼動與閱讀實驗室[Online]

Available at：http://emrlab.nccu.edu.tw/

[5] 中央大學認知神經科學研究所的情緒與犯罪實驗室[Online]

Available at：http://icn.ncu.edu.tw/f.aspx

[6] 衛生福利部社會及家庭署輔具資源入口網[Online]

Available at： http://repat.sfaa.gov.tw/07product/pro_a_main.asp?id=5951 [7] SMI (SensoMotoric Instruments). [Online] Available at : http://www.smivision.com [8] Tobii. [Online] Availabe at : http://www.tobii.com

[9] 由田新技股份有限公司[Online]Available at：http://www.utechzone.com.tw/index.aspx [10] R. Valenti and T. Gevers, “Accurate eye center location through invariant isocentric

patterns,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 34, no. 9, pp. 1785–1798, Sep.

2012.

[11] D. W. Hansen and Q. Ji, “In the eye of the beholder: a survey of models for eyes and gaze,”

IEEE Trans. Pattern Anal. Mach. Intell., vol. 32, no.3, pp. 478-500, Mar. 2010.

[12] J. Sigut and S.-A. Sidha, “Iris center corneal reflection method for gaze tracking using visible light,” IEEE Trans. Biomed. Eng., vol. 58, no. 2, pp. 411–419, Feb. 2011.

[13] J.-G. Wang, E. Sung, and R. Venkateswarlu, “Estimating the eye gaze from one eye,”

Comput. Vis. Image Und., vol. 98, no. 1, pp. 83-103, Apr. 2005.

[14] W. Zhang, T.-N. Zhang, and S.-J. Chang, “Eye gaze estimation from the elliptical features of one iris,” Opt. Eng., vol. 50, no. 4, pp. 047003-1-9, Apr. 2011.

[15] J. Daugman, “How iris recognition works,” IEEE Trans. Circuits Syst. Video Technol., vol.

14, no. 1, pp. 21-30, Jan. 2004.

[16] K. Nishino and S. K. Nayar, “Corneal imaging system: environment from eyes,” Int. J.

Comput. Vis., vol. 70, no. 1, pp. 23-40, Oct. 2006.

[17] S.-J. Baek, K.-A. Choi, C. Ma, Y.-H. Kim, and S.-J. Ko, “Eyeball Model-based Iris Center Localization for Visible Image-based Eye-Gaze Tracking Systems,” IEEE Trans.

Consumer Electron., vol. 59, no. 2, pp. 415-421, May 2013

[18] Canny edge detector [Online]

Available at：https://en.wikipedia.org/wiki/Canny_edge_detector [19] RANSAC[Online]Available at：https://en.wikipedia.org/wiki/RANSAC

[20] J. B. Roerdink, “Mathematical morphology on the sphere,” Proc. SPIE Vis. Comm. Image Process. ’90: 5th in a Series, vol. 1360, Lausanne, Switzerland, Sep. 1990, pp. 263-271.

[21] F. Lu, Y. Sugano, T. Okabe, and Y. Sato "Adaptive linear regression for appearance-based gaze estimation," IEEE Trans. Pattern Anal. Mach. Intell., vol. 36. no. 10 pp. 2033-2046, Oct. 2014

[22] S. M. H. Jansen, H. Kingma, and R. L. M. Peeters, ``A confidence measure for real-time eye movement detection in video-oculography,'' in Proc. 13th Int. Conf. Biomed. Eng., 2009, pp. 335-339.

[23] Least squares[Online]Available at：https://en.wikipedia.org/wiki/Least_squares

[24] H. C. Lee, D. T. Luong, C. W. Cho, E. C. Lee, and K. R. Park, “Gaze tracking system at a distance for controlling IPTV,” IEEE Trans. Consumer Electron., vol. 56, no. 4, pp. 2577-2583, Nov. 2010.

[25] T. Moriyama, T. Kanade, J. Xiao, and J. F. Cohn, “Meticulously detailed eye region model and its application to analysis of facial images,” IEEE Trans. Pattern Anal. Mach. Intell., vol. 28, no. 5, pp. 738-752, May 2006.

[26] Gaussian pyramid[Online]

Available at： https://en.wikipedia.org/wiki/Pyramid_(image_processing) [27] Mean Shift[Online]Available at： https://en.wikipedia.org/wiki/Mean_shift [28] Scale-invariant feature transform [Online]

Available at：https://en.wikipedia.org/wiki/Scale-invariant_feature_transform [29] Sobel Operator[Online] Available at： https://en.wikipedia.org/wiki/Sobel_operator

自傳

【自我簡介】

我是李家宜，出生於中壢一個雙薪的小康家庭。我從小就喜歡閱讀課外書，因此培養了對於文字與人事物的觀察與感受力。

【求學與工作經歷】

由於國、高中理化課由實驗驗證原理的過程總讓我印象深刻，加上對科技發展的好奇。我大學志願選填了電機類科，並錄取國立中央大學通訊工程學系。大學四年間，我主要修習系上系統類和網路類課程，實作方面曾學習過 c/c++、Java 及使用過 Android 平台。在這些專業科目中，我印象最深刻的課程是網路概論和專題。

網路概論是教授網路應用的基礎和協定，包含生活中熟悉的網路工具(Email、pps 網路電視、ftp、聊天室等)的原理。因此我對課堂上，將原理與生活連結的感覺印象深刻，進而在遇到電腦或其他問題時，也會以原理為基礎去解決。加上教授不斷提問的上課方式與程式作業，訓練我在短時間內組織思考及程式上的能力。

專題則在陳彥文教授的指導下完成了一個在 Android 平台上的

App。專題包含題目方向、寫作平台、Java 語言等都是從零開始。因

此，我在這門課中學習到了如何在大量問題中找出第一個該解決的問

題、如何尋找並篩選所需資訊以及三人團隊間的分工及溝通。

由於對實作及產業界的好奇，我藉由學長姐諮詢、職涯座談及網路資料多方了解產業界，並積極面試找尋適合自己的工作。畢業後很順利的進入緯創資通的產品認證部門。這份工作持續約一年的時間，經歷過一個專案在我職責(認證部門)的完整流程。我在這份工作學習到產品從開發到製造的整個流程，公司各部門間的合作方式及分工。並在專案的不同階段，學習到調查產品、測試、解決問題及人員溝通等能力。但是這個工作職位是位於產品流程的最末端，讓我始終對於前端研究開發的部分十分好奇。加上在工作時內化知識再闡述的經驗，

讓我對教職產生興趣，因此選擇了師範大學應用電子所就讀。

研究所的求學過程中，我接觸了單晶片、電子電路設計、影像處理等更加多樣的課程，增加了我對電機領域的了解和分類與歸納的能力。並同時修習教育學程，從中了解自我評量、知識分析、訊息傳遞等學習所需的知識。在教育學程與研究所課程並行的學習過程中，讓我有機會對自己進行後設認知的分析，並調整學習方式。

【自我期許與目標】

在研究所的修習過程中，我更加確認了自己對於教育工作的好奇與

想像。期許自己持續增加對於專業能力的認識與熟練，能夠在電機以

內及以外的領域都達成終生學習。

在文檔中粒子群移動演算法實現高速眼動儀系統 (頁 91-96)