नि: शुल्क से वीडियो सामग्री के एक विश्लेषण के साथ नज़र ट्रैकिंग डेटा के संयोजन-एक शहरी पार्क वातावरण में टहलने के एक वीडियो देखने
Summary
प्रोटोकॉल का उद्देश्य विस्तार करने के लिए कैसे प्रयोगशाला में उपयोग के लिए वीडियो डेटा एकत्र करने के लिए है; कैसे रिकॉर्ड करने के लिए डेटा देख रहे प्रतिभागियों के नेत्र ट्रैकिंग डेटा और कुशलता से वीडियो की सामग्री है कि वे एक मशीन सीखने तकनीक का उपयोग कर देख रहे थे विश्लेषण करने के लिए कैसे ।
Abstract
व्यक्तियों के रूप में तेजी से शहरों में रहते हैं, अपने रोजमर्रा के आंदोलनों और डेटा है कि एकत्र किया जा सकता है अध्ययन करने के तरीके महत्वपूर्ण और मूल्यवान हो जाता है । नेत्र ट्रैकिंग सूचना के लिए भावनाओं की एक सीमा से कनेक्ट करने के लिए जाना जाता है, स्वास्थ्य शर्तों, मानसिक राज्यों और कार्यों । लेकिन क्योंकि दृष्टि लगातार आंख आंदोलनों का परिणाम है, बाहर क्या शोर है से महत्वपूर्ण है चिढ़ा जटिल और डेटा गहन है । इसके अलावा, एक महत्वपूर्ण चुनौती क्या लोगों को क्या उंहें प्रस्तुत किया है की तुलना में देखो के लिए नियंत्रित है ।
निंनलिखित वीडियो की सामग्री का विश्लेषण करने के लिए एक मशीन सीखने तकनीक के साथ एक प्राकृतिक और जटिल दृश्य के एक वीडियो पर आंख ट्रैकिंग के संयोजन और विश्लेषण के लिए एक पद्धति प्रस्तुत करता है । प्रोटोकॉल में हम फिल्माया वीडियो से डेटा का विश्लेषण पर ध्यान केंद्रित, कैसे एक वीडियो सबसे अच्छा प्रतिभागियों के नेत्र ट्रैकिंग डेटा रिकॉर्ड करने के लिए इस्तेमाल किया जा सकता है, और महत्वपूर्ण बात कैसे वीडियो की सामग्री और विश्लेषण किया जा सकता है आंख ट्रैकिंग डेटा के साथ संयुक्त । हम परिणाम और जटिल वातावरण में आगे की पढ़ाई के लिए विधि की क्षमता की चर्चा का एक संक्षिप्त सारांश प्रस्तुत करते हैं ।
Introduction
हमारे दैनिक शहरी वातावरण के अनुभवों को बहुत हमारे स्वास्थ्य और भलाई पर प्रभाव रहता है । हमारी भलाई हरी रिक्त स्थान है कि हम देखते है और अनुभव1,2,3की राशि पर निर्भर कर सकते हैं, और इन विचारों को आंख ट्रैकिंग उपकरण का उपयोग कर निर्धारित किया जा सकता है गाइड पार्क डिजाइन के बारे में बनाने के निर्णय । हालांकि, एक समस्या उत्पंन होती है और इस डेटा का अर्थ है कि नेत्र ट्रैकिंग डेटा की मात्रा के साथ उठता है । के रूप में रिकॉर्डिंग के लिए उपकरण एक प्रयोगशाला या प्राकृतिक सेटिंग में टकटकी डेटा आसान हो जाता है का उपयोग करें और अधिक शक्तिशाली हो जाता है, शोधकर्ताओं पर विचार करने के लिए हम कैसे इकट्ठा करने और डेटा प्रामाणिक रूप लायसेंस्ड विश्लेषण के लिए निर्णय लेने के सवालों के साथ मदद कर सकते है की जरूरत है ।
अब तक, आंख ट्रैकिंग अनुसंधान का एक बड़ा सौदा एक सर्वेक्षण या प्रयोगशाला की स्थापना4में तस्वीरों का इस्तेमाल किया है । हालांकि इस पद्धति के परिणाम पर प्रतिलिपि बनाने और नियंत्रण के एक महान सौदे के लिए अनुमति देता है, यह आंख में नवीनतम अग्रिमों का लाभ लेने में असमर्थ है ट्रैकिंग प्रौद्योगिकी जो वीडियो और पहनने योग्य मोबाइल नेत्र trackers के उपयोग में शामिल हैं । इसके अलावा, हम तर्क है कि चलने और आराम जरूरी गतिशील विशेष रूप से जब ऐसे wayढूँढना5के रूप में एक कार्य की ओर उंमुख है के अधिनियम होगा । इसलिए इन सेटिंग्स की एक पूरी तरह से वैज्ञानिक समझ प्रयोगशाला के बाहर जगह ले जाना चाहिए । हालांकि, इस समय, एक वास्तविक जीवन प्रकृतिवादी सेटिंग में नेत्र ट्रैकिंग बहुत मुश्किल विषयों के बीच अनुभव की तुलना करता है । उदाहरण के लिए, यदि हम यह तुलना करना चाहते थे कि एक प्रतिवादी वृक्षों को दूसरे से अधिक देखता है, तो हम इस तथ्य के लिए कैसे नियंत्रण कर सकते हैं कि उनका दृष्टिकोण दूसरों की तुलना में निरंतर बदलता रहेगा या उनका सिर बदल सकता है । इन स्थितियों में विस्तृत विश्लेषण वर्तमान विश्लेषण तकनीकों के साथ असंभव के पास है । हम तर्क है कि यह देखने के लिए उपलब्ध क्षेत्रों को नियंत्रित करने के लिए महत्वपूर्ण है व्यक्ति का अध्ययन किया जा रहा है और विश्लेषण में कुल दृश्य के लिए खाते में सक्षम होने के लिए समय में किसी एक बिंदु पर देखा जा रहा है ।
वहां सिद्धांतों का एक सेट तनाव का स्तर और सुरक्षा के परिदृश्य विचारों और अच्छी तरह से तनाव6,7के उपाय विकसित करने के लिए अवधारणाओं को जोड़ने हैं । वहां भी नेत्र ट्रैकिंग उपकरण के परिष्कार में तेजी से वृद्धि हुई है को मापने के लिए8टकटकी । आंख पर नज़र रखने महत्वपूर्ण है क्योंकि अनैच्छिक आंख आंदोलनों अधिक मज़बूती से वरीयता, तनाव और सर्वेक्षण और दखल से अन्य पारंपरिक उपायों से जुड़ा हो सकता है, ऐसे लार कोर्टिसोल स्तर के रूप में शारीरिक परीक्षण. इस अनुसंधान के उद्देश्य से अधिक प्राकृतिक सेटिंग्स के लिए लागू आंख ट्रैकिंग डेटा का एक अधिक सटीक माप सक्षम है कि उपकरण विकसित करने के लिए है, ताकि के लिए और अधिक सबूत प्रदान करने के लिए या लंबे समय से खड़े परिदृश्य सिद्धांतों खंडन करना है कि पार्क डिजाइन के लिए सूचित किया है दशकों.
इस परियोजना का उद्देश्य विकसित करने के लिए और एक उपंयास विश्लेषण तकनीक है कि प्रासंगिक नजर उत्पंन कर सकते है परीक्षण पार्क चलो सिमुलेशन के विभिंन वीडियो के लिए डेटा ट्रैकिंग है । हमारे काम यहां और कहीं और9 रिपोर्ट एक पूरी तरह से मोबाइल नेत्र ट्रैकिंग प्रणाली और प्रयोगशाला आधारित फोटो अध्ययन के प्रकृतिवादी सेटिंग के बीच एक आधा रास्ता बिंदु का प्रतिनिधित्व करता है ऊपर निर्दिष्ट । विशेष रूप से, हम उत्तेजना सामग्री के रूप में वीडियो का उपयोग करने पर ध्यान केंद्रित, कैसे इस सामग्री को आकर्षण है कि विभिंन पार्कों मेलबोर्न के शहर में उत्पंन की राशि का परीक्षण किया जा सकता है की खोज । हमारा काम इस धारणा पर आधारित है कि वीडियो का विस्तृत विश्लेषण एक फुलर, पार्कों की क्षमता का अधिक प्राकृतिक आकलन करने के लिए तनाव से बहाली प्रदान करने से पहले उल्लंघन करने के लिए एक आवश्यक कदम है ।
इस अध्ययन में, हम शहरी पार्कों के माध्यम से चलता के वीडियो के साथ एक डेस्कटॉप नेत्र ट्रैकर नियोजित और प्रतिभागियों से कहा कि वे एक पार्क के माध्यम से एक आराम चल ले जा रहे थे कल्पना करने के लिए । हम एक विधि का वर्णन करने के लिए समय की राशि की अनुमति है कि प्रतिभागियों के विभिंन वस्तुओं को देख खर्च करने के लिए पार्कों के बीच तुलनीय है । डेस्कटॉप अध्ययन आमतौर पर मोबाइल एट अध्ययन की तुलना में नियंत्रण करने के लिए आसान कर रहे हैं और प्रत्येक विषय के तुलनात्मक विश्लेषण की अनुमति.
मानक नेत्र ट्रैकिंग सॉफ्टवेयर ब्याज उपकरण के एक मैनुअल क्षेत्र में एक ऑपरेटर मैंयुअल रूप से प्रत्येक दृश्य में ब्याज की वस्तुओं के आसपास सीमाओं आकर्षित कर सकते है का उपयोग करता है । यह प्रतिभागियों को स्वचालित रूप से गिना जा करने के लिए विभिन्न वस्तुओं को देख खर्च किया है कि समय की राशि में सक्षम बनाता है. वीडियो डेटा के लिए, यह प्रक्रिया श्रम गहन है और ऑपरेटर व्यक्तिपरकता और त्रुटि के अधीन है । आंख ट्रैकिंग विश्लेषण सॉफ्टवेयर के बाद के संस्करणों में, AOIs स्वचालित रूप से जब वे वीडियो में एक ही आकार के फ्रेम भर में वस्तुओं को ट्रैक कर सकते हैं । यह एक सुधार है, तथापि, यह केवल प्रत्येक छवि में उत्तेजको की एक छोटी संख्या के लिए इस्तेमाल किया जा करने का इरादा है और प्रत्येक छवि की जांच की और पुष्टि की जानी चाहिए ।
एक छवि में वस्तुओं की मैनुअल लेबलिंग आम है और जीएनयू छवि हेरफेर कार्यक्रम (GIMP) जैसे छवि संपादन सॉफ्टवेयर द्वारा समर्थित. यह देखते हुए कि 1 एस 30 फ्रेम या छवियों का उत्पादन, वीडियो के मैनुअल लेबलिंग अव्यावहारिक है । इसके अलावा, जटिल वस्तुओं के किनारे के आसपास वेक्टर बहुभुज ड्राइंग द्वारा AOI लेबलिंग जैसे पेड़ canopies बहुत समय लगता है । अंत में, जबकि यह विचार के एक क्षेत्र में वस्तुओं के आकार की गणना करने के लिए संभव है कि वेक्टर लेबलिंग का उपयोग कर, यह सुविधा वर्तमान में उपलब्ध नहीं है ।
विधि है कि हम नीचे इन सीमाओं के साथ सौदों पर रिपोर्ट । इस अध्ययन में वस्तुओं के स्वत: लेबलिंग का नियोजन हुआ । यह अर्थ लेबलिंग के रूप में जाना जाता है एक छवि प्रसंस्करण तकनीक का उपयोग संभव है, जिसमें वीडियो के हर फ्रेम में हर पिक्सेल एक वस्तु वर्ग का संकेत एक लेबल सौंपा है. मशीन अधिगम का प्रयोग प्रत्येक वस्तु वर्ग के लिए पिक्सेल वर्गीकरण व्युत्पन्न करने के लिए किया जाता है । ये वर्गीकरण प्रत्येक पिक्सेल (अचारी क्षमता के रूप में जाना जाता है), जो तब अंतिम लेबल उत्पादन को प्राप्त करने के लिए एक बाद में अनुकूलन प्रक्रिया में परिष्कृत कर रहे हैं के लिए एक संभालितवादी label प्रदान करते हैं । इन क्लासिफायरों बनावट, बढ़त झुकाव के हिस्टोग्राम, आरजीबी रंग मूल्यों, और सामान्यीकृत छवि निर्देशांक सहित छवि से निकाले सुविधाओं के अंतरिक्ष में प्रत्येक वस्तु वर्गों के बीच सांख्यिकीय निर्णय सीमाओं सीखते हैं । इस के लिए एक उपयुक्त तकनीक डार्विन मशीन सीखने toolbox10 में लागू किया जाता है और नीचे वर्णित है ।
Protocol
Representative Results
Discussion
आम तौर पर, नेत्र ट्रैकिंग डेटा का विश्लेषण करने के लिए मानक सॉफ्टवेयर संकुल में, एक वेक्टर AOI उपयोग किया जाता है । यहां तक कि एक भी छवि के लिए, वेक्टर के आकार आसानी से मापा नहीं जा सकता । इसके अलावा, सभी AOIs सह?…
Declarações
The authors have nothing to disclose.
Acknowledgements
इस काम को आर्थिक रूप से मेलबोर्न के शहर और आंशिक रूप से आर्क डी पी १५०१०३१३५ द्वारा समर्थित था । हम उनकी सलाह और सहयोगात्मक दृष्टिकोण के लिए Eamonn Fennessy शुक्रिया अदा करना चाहूंगा । शोधकर्ता सहायकों Isabelle Janecki और एसे चेन के लिए विशेष धन्यवाद के साथ जो भी इकट्ठा करने और इस डेटा का विश्लेषण करने में मदद की । सभी त्रुटियों लेखकों रहते हैं ।
Materials
| 12 mm lens | Olympus | Lens | |
| Panasonic GH4 | Panasonic | Video Camera | |
| Tobii Studio version (2.1.14) | Tobii | Software | |
| Tobii x120 desktop eye-tracker | Tobii | Eye-tracker |
Referências
- Patrik, P., Stigsdotter, U. K. The relation between perceived sensory dimensions of urban green space and stress restoration. Landscape and Urban Planning. 94 (3-4), 264-275 (2010).
- Bjørn, G., Patil, G. G. Biophilia: does visual contact with nature impact on health and well-being?. International Journal of Environmental Research and Public Health. 6 (9), 2332-2343 (2009).
- Velarde, M. a. D., Fry, G., Tveit, M. Health effects of viewing landscapes-Landscape types in environmental psychology. Urban Forestry & Urban Greening. 6 (4), 199-212 (2007).
- Polat, A. T., Ahmet, A. Relationships between the visual preferences of urban recreation area users and various landscape design elements. Urban Forestry & Urban Greening. 14 (3), 573-582 (2015).
- Peter, P., Giannopoulos, I., Raubal, M. Where am I? Investigating map matching during self-localization with mobile eye tracking in an urban environment. Transactions in GIS. 18 (5), 660-686 (2014).
- Berto, R., Massaccesi, S., Pasini, M. Do Eye Movements Measured across High and Low Fascination Photographs Differ? Addressing Kaplan’s Fascination Hypothesis. Journal of Environmental Psychology. 28 (2), 185-191 (2008).
- Kaplan, S. The restorative benefits of nature: Towards an integrative framework. Journal of Environmental Psychology. 15, 169-182 (1995).
- Duchowski, A. T. . Eye Tracking Methodology: Theory and Practice. , (2017).
- Amati, M., Ghanbari Parmehr, E., McCarthy, C., Sita, J. How eye-catching are natural features when walking through a park? Eye- tracking responses to videos of walks?. Urban Forestry and Urban Greening. 31, 67-78 (2018).
- Gould, S. D. A. R. W. I. N. A Framework for Machine Learning and Computer Vision Research and Development. Journal of Machine Learning Research. (Dec), 3533-3537 (2012).
- Richardson, D., Matlock, T. The integration of figurative language and static depictions: an eye movement study of fictive motion. Cognition. 102 (1), 129-138 (2007).
- Bojko, A. . Eye Tracking the User Experience: A Practical Guide to Research. , (2013).
