[發(fā)明專利]一種VR系統(tǒng)認(rèn)知負(fù)荷量化評估方法

在審

• 申請?zhí)枺?/td>: 201910274590.X
• 申請日: 2019-04-08
• 公開（公告）號: CN109976530A
• 公開（公告）日: 2019-07-05
• 發(fā)明（設(shè)計）人: 呂健;徐小萍;潘偉杰
• 申請（專利權(quán)）人: 貴州大學(xué)
• 主分類號: G06F3/01
• 分類號: G06F3/01;G06F17/16;G06N3/04
• 代理公司: 貴陽中新專利商標(biāo)事務(wù)所 52100
• 代理人: 胡緒東

1.一種VR系統(tǒng)認(rèn)知負(fù)荷量化評估方法，其特征在于：該方法為：使用EyeSo Ec60遙測式眼動跟蹤設(shè)備獲取試驗者在虛擬現(xiàn)實交互過程中的眼動指標(biāo)數(shù)據(jù)：注視點數(shù)目、平均注視持續(xù)時間、平均掃視長度、到第一次鼠標(biāo)點擊注視點個數(shù)和回視次數(shù)，將眼動指標(biāo)數(shù)據(jù)設(shè)為自變量，用戶實際認(rèn)知負(fù)荷值為因變量，采用概率神經(jīng)網(wǎng)絡(luò)構(gòu)建認(rèn)知負(fù)荷評價模型。

2.根據(jù)權(quán)利要求1所述的一種VR系統(tǒng)認(rèn)知負(fù)荷量化評估方法，其特征在于：該方法具體包括以下步驟：

步驟一、構(gòu)建VR系統(tǒng)下的多通道交互信息整合模型，采用眼動設(shè)備收集用戶在單通道、雙通道、三通道下的眼動行為，使用眼動儀采集多名試驗者在虛擬現(xiàn)實交互過程中的眼動指標(biāo)數(shù)據(jù)：注視點數(shù)目、平均注視持續(xù)時間、平均掃視長度、到第一次鼠標(biāo)點擊注視點個數(shù)、回視次數(shù)；

步驟二、構(gòu)建認(rèn)知負(fù)荷質(zhì)量評估模型：多名試驗者完成虛擬現(xiàn)實交互過程，并完成NASA認(rèn)知負(fù)荷量表進(jìn)行客觀認(rèn)知負(fù)荷打分；

步驟三、以眼動指標(biāo)數(shù)據(jù)為自變量，用戶實際認(rèn)知負(fù)荷為應(yīng)變量，采用概率神經(jīng)網(wǎng)絡(luò)構(gòu)建認(rèn)知負(fù)荷量化模型；

步驟四、將多名試驗者的眼動數(shù)據(jù)與主觀認(rèn)知負(fù)荷數(shù)據(jù)帶入概率神經(jīng)網(wǎng)絡(luò)構(gòu)建的認(rèn)知負(fù)荷量化模型，對該模型予以試算；

步驟五、使用最大絕對誤差ER₁與相對均方誤差ER₂評價模型量化效果。

3.根據(jù)權(quán)利要求2所述的一種VR系統(tǒng)認(rèn)知負(fù)荷量化評估方法，其特征在于：設(shè)注視點數(shù)目b₁、平均注視持續(xù)時間b₂、平均掃視長度b₃、到第一次鼠標(biāo)點擊時注視點個數(shù)b₄、回視次數(shù)b₅，概率神經(jīng)網(wǎng)絡(luò)構(gòu)建用戶認(rèn)知負(fù)荷量化模型，用U表示用戶的認(rèn)知域，該認(rèn)知域由認(rèn)知通道C組成，表示為U＝[C_α C_β C_λ…]，其中C_α,C_β,C_λ…各代表一種認(rèn)知通道，各認(rèn)知通道綜合作用下用戶認(rèn)知行為集合用B表示，則用戶認(rèn)知行為集為B＝[b₁ b₂ b₃…b_s]，其中b_i為用戶認(rèn)知行為指標(biāo)，0<i<s；

設(shè)有y個方案值，s項眼動指標(biāo)，定量取得各方案關(guān)于眼動指標(biāo)數(shù)據(jù)的矩陣即指標(biāo)矩陣：B′＝(b_ij′)_y×s，該矩陣的每一列代表一種眼動指標(biāo)數(shù)據(jù)，每一行代表一個測試值，每一列數(shù)據(jù)進(jìn)行歸一化處理，即對原始數(shù)據(jù)進(jìn)行線性變換，使結(jié)果值映射到[0-1]之間，則轉(zhuǎn)換函數(shù)如下：其中max為指標(biāo)數(shù)據(jù)最大值，min為指標(biāo)數(shù)據(jù)最小值,p＝y(tǒng)*s,得到改進(jìn)后的矩陣B＝(b_ij)_y×s為令Z_j＝[b_1j b_2j…b_yj]^T，Z為y維列向量，建立一個估計函數(shù)使得表示的均方誤差最小，對于給定一組列向量B＝B_i^T＝[b_i1b_i2…b_is]^T，Z＝Z_i＝[b_1j b_2j…b_yj]^T，則估計函數(shù)由條件期望計算，即其中f(B,Z)是(B,Z)的聯(lián)合概率分布函數(shù)，f(B,Z)的估計值為式中：σ為平滑參數(shù)；s為B的維數(shù)，即選取s種眼動指標(biāo)參數(shù)；y為樣本數(shù)，即方案數(shù)，令D_i²＝(B-B_i^T)^T(B-B_i^T)，式中D_i的物理意義是每個輸入的眼動指標(biāo)到樣本點i的距離，即歐式距離，其中用替換式中的f(B,Z)，將式D_i²＝(B-B_i^T)^T(B-B_i^T)代入，交換求和與積分號的次序，化簡得對數(shù)據(jù)進(jìn)行歸一化處理，使認(rèn)知負(fù)荷值在[0-1]區(qū)間，歸一化處理函數(shù)如下：CI便是最終輸出，即認(rèn)知負(fù)荷值,其中E＝[1 1 1 1 1],p＝y(tǒng)*s。

4.根據(jù)權(quán)利要求3所述的一種VR系統(tǒng)認(rèn)知負(fù)荷量化評估方法，其特征在于：最大絕對誤差ER₁與相對均方誤差ER₂評價模型的評價效果，其計算方法為