通过眼动跟踪记录用户的注视点坐标等眼动数据,分析用户的视觉行为,可以广泛应用在多个领域,例如阅读行为研究、广告评估、人因工程评估等。随着数字图像处理技术的发展,以及计算机支持的协同工作等研究的深入,眼动跟踪技术也开始应用于多人协同交互过程中,通过眼动数据的分享,实现多人协作信息的感知。然而,多人协作过程中的眼动跟踪标定和注视点计算更加复杂,且眼动注视点可视化形式对人的视觉行为、团队协作效率产生的影响尚不明确,进一步制约了协同眼动跟踪技术的应用。为此,本文面向协同交互提出了改进的眼动跟踪技术,并通过分析协作环境下的用户视觉行为,设计了合理的眼动注视点可视化形式,最后针对相关的人机交互应用进行了实例验证。具体研究工作包括以下几个方面:(1)基于图像处理的眼动跟踪技术。在红外光的照射下,利用瞳孔和普尔钦斑具有较大色差的特点,采用图像处理技术,提取瞳孔和普尔钦斑的中心,利用两者构成的向量,基于瞳孔-普尔钦斑算法拟合出眼动映射模型,实现眼动跟踪。(2)协同式眼动跟踪标定方法。由于眼动映射模型对用户具有唯一性,因此眼动映射模型无法适用于协同交互环境下的不同用户,因此对已有的眼动映射模型进行校正,提出基于梯度优化的协同标定模型,补偿个体差异对标定模型的影响,利用4点标定法简化用户标定流程。实验结果表明该标定方法能达到0.69°～1.37°的眼动跟踪精度,并在后续的眼动跟踪过程中达到每秒52.9帧的眼动采样频率,具有较好的精确度和实时性。(3)面向协同交互的眼动数据可视化方法。分析颜色和形状等视觉刺激性属性对视觉注意行为的影响,为眼动注视点设计了圆点、散点、轨迹等三种具体可视化形式。针对视觉行为的自主性和模糊性导致的用户意图难以理解问题,开展了面向视觉搜索的用户实验,基于交叉重复度和注视点覆盖范围等指标,分析了不同可视化形式在多人协同交互环境下的视觉搜索准确度和效率,并证明了圆点可视化形式能有效提高多人协作水平。(4)基于协同式眼动跟踪的人机交互应用研究。基于客户端-服务器架构,设计与开发了协同式眼动跟踪原型系统,实现了多用户眼动跟踪数据的同步记录和分发,进而针对视觉注意行为中的联合注意机制,在多用户之间实现眼动数据的可视化共享。以协同代码审查为例,实时显示眼动注视点,并通过代码行边框、背景灰度、代码行之间连线,分享不同用户在审查代码时的视觉行为。用户实验结果表明,代码错误的搜索时间比没有分享时平均减少了 20.1%,显著提高了协同代码审查的效率。