測定条件に対して頑健な眼球運動測定手法の検討

点击翻译按钮获取中文摘要

本年度の主要な成果は3つある。まず、すでに録画済みの動画から虹彩を検出して眼球運動を記録する「オフラインモード」を実装し、オフラインモードを実際に利用するために必要なキャリブレーションツールを作成した。このオフラインモードにより、動画の1フレームあたりの時間を大きく超える低速な光彩検出アルゴリズムを採用可能となったほか、タブレット機などの処理速度が十分でない端末による実験に対応可能となった。第2に、高速なセマンティックセグメンテーションネットワークであるENetを用いた虹彩検出コードを導入した。これにより虹彩検出精度が向上した。ENetによる検出はGPUによる支援のないIntel Core i7-11700搭載Window PCにおいて1フレームに数百ミリ秒が必要であり、オフラインモードでの使用を想定している。第3に、FaceGenを用いて顔の3Dモデルを用意し、顔モデルを左右方向にそれぞれ45度、上下方向にそれぞれ15度まで回転させた画像を作成して顔方向検出精度を評価する実験をおこなった。その結果、左右方向にそれぞれ20度の回転範囲内において、顔の回転方向を数度程度の誤差で推定可能なことが示された。左右方向にそれぞれ20度を超える回転範囲では、顔の特徴点の検出精度が低下し、その結果として十数度に及ぶ大きな誤差が生じることが示された。顔の3Dモデルを使用するこの評価方法は正確に顔方向を設定できる点において実際の人物の顔画像を使用するより優れており、本プロジェクトではこの方法を引き続き採用することとした。