22475

تشخيص علاقه كاربر به فيلم مشاهده‌شده توسط رديابي چشم

كارشناسي ارشد

بيوالكتريك

1395

1398/12/10

دكتر وحيد شالچيان

دكتر محمدرضا دليري

برق

رديابي حركات چشم به عنوان يكي از ابزارهاي موثر در حوزه تحقيقات علوم شناختي و علوم اعصاب در سالهاي اخير بيشتر مورد توجه قرار گرفته است. مطالعات قبلي نشان داده است كه درهنگام مشاهده فيلمها و تصاوير، بازشناخت واكنشهاي احساسي كاربران از رديابي چشمي تا حدودي امكان پذير است. هدف اصلي اين مطالعه پاسخ به اين پرسش است كه آيا با بررسي اطلاعات رديابي چشم¬ها ميتوانيم علاقه و يا عدم علاقه شخص را نسبت به فيلم مشاهده شده تشخيص دهيم؟ براي بررسي اين پرسش 30 قطعه فيلم 30 ثانيه اي كه داري تنوع در ژانر (آموزشي، نمايشي، انيميشن و...) هستند را به گروهي شامل 37 فرد سالم نمايش داديم و در حين مشاهده فيلم اطلاعات رديابي چشم¬ها را ثبت كرديم. همچنين پس از مشاهده هر فيلم، كاربر به هر فيلم نظر خود را در مورد علاقه يا عدم علاقه ابراز ميكند. در مرحله بعدي ويژگيهاي مختلف از اطلاعات رديابي استخراج شدند و سپس با استفاده از روش تست آماري ويلكاكسون ويژگيهاي بهتر را انتخاب و مرتب سازي كرديم كه سه ويژگي اول (چارك اول مدت زمان ساكاد، كشيدگي خيرگي در موقعيت x، چارك اول دامنه ساكاد) و در انتها با استفاده از روشهاي مختلف طبقه بندي از قبيل ماشينهاي بردار پشتيبان، آناليز افتراق خطي، K نزديكترين همسايگي و طبقهبندي كننده بيزين صورت ميگيرد. نتايج بهدست آمده نشان ميدهد كه با استفاده از روش ارزيابي متقابل Leave One Out و طبقه بندي ماشينهاي بردار پشتيبان خطي كه با استفاده از تمام ويژگيها به دقت 89.26% و با مقدار 0.69=kappa ميرسيم، سپس با استفاده از روش تست آماري ويلكاكسون 98 ويژگي انتخاب شدند كه دقت 81.89% را ميدهد و همچنين در هدف دوم آزمايش، با توجه به نوع الگو حركت چشم آيا ميشود ژانرهاي مختلف فيلمها را از يكديگر تشخيص داد يا خير؟ بررسي شد كه ژانر فيلمها با استفاده از 20 فيلم و سه كلاس مختلف با استفاده از روش طبقه بندي ماشينهاي بردار پشتيبان سه كلاسه با 5 فولد به دقت 67.05% و با مقدار 0.5Kappa= دست يافتيم. به طور كلي نتايج نهايي نشان ميدهد كه با استفاده از دادههاي رديابي چشم كه در اين مطالعه استفاده شده است، امكان پيشبيني علاقه و يا عدم علاقه كاربر نسبت به فيلم مشاهده شده است و براي ژانرهاي مختلف هم براي سه كلاس در حدود دو برابر سطح شانس را نشان ميدهد كه نتايج اميدوار كننده است كه در مطالعات بعدي ميتواند به طور مفصلتر بررسي شود.

1399/06/26

Predicting user interest in watching video by eye tracking

2/28/2021 12:00:00 AM

Eye tracking as one of the most effective tools in the field of cognitive science and neuroscience research has received more attention in recent years. Previous studies have shown that when viewing videos and images, it is somewhat possible to identify users' emotional reactions to eye tracking. The main purpose of this study is to answer the question whether by examining eye tracking information we can identify one's interest or dislike for the observed video. To investigate this question, we screened 30 second-30 films of genre diversity (educational, drama, animation, etc.) in a group of 37 healthy individuals and recorded eye-tracking information while watching the film. Also, after watching each movie, the user expresses his or her interest in each movie. In the next step, different features were extracted from the tracking information, and then we selected and sorted the best features using Wilcoxon statistical test method. First, the saccade domain) and finally, using various classification methods such as back-vector machines, linear discriminant analysis, K nearest neighbor and Bayesian classifier. The results show that by using the Leave One Out cross-validation method and the classification of linear support vector machines, using all the features, we achieve 89.26% accuracy with kappa = 0.69, Then, using the Wilcoxon 98 Tess statistic method, 81.89% accuracy was selected and also in the second objective of the experiment, depending on the type of eye movement pattern, can different genres of films be distinguished or not? ? It was verified that the genre of films was obtained using 20 filters and three different classes using the classification method of 5-fold support vector machines with a accuracy of 67.05% with a value of 0.5 Kappa = 0.5 Kappa. In general, the final results show that using the eye tracking data used in this study, it is possible to predict the user's interest or dislike for the film and for different genres for three classes as well. About twice the chance level indicates that the results are promising and can be examined in more detail in future studies.

رديابي چشم