指導教授：邱國鈞

研究生：劉東官

出版年：2021

校院與系所名稱：國立高雄科技大學 機電工程系

摘要：

在人類生活中，社交活動是不可或缺的，不僅在生活或是工作上，溝通形式也從逐漸發生轉變為利用手機、平板等裝置即可隨時隨地與人進行交流。但現今許多身障者或受疾病影響的人們，在喪失身體機能、溝通能力，僅剩下眼部能夠進行移動時，溝通的輔助便極為重要。因此現今研發出改善溝通輔助裝置，可透過追蹤眼球的移動，以輸入文字進行對話交流，但現今市面上的產品仍伴隨著複數缺點如價格高昂、設備龐大以及長期使用易對人體帶來傷害或引發疾病。
本研究對象設想為運動神經元患者（如ALS 患者），構建基於深度學習的卷積神經網路（CNN）結合影像處理方法的視線輸入介面。本研究所架構之介面由市售可得的PC 和攝影機構建而成，能夠在室內自然光下使用，並且擁有成本低、易於設置等優點。在本研究中，為求模擬ALS 患者穩定的上半身姿態，利用下巴固定座模擬實際使用時的姿態，以架構符合實際使用的介面。
此外，本研究提出使用3 台攝影機及6 種組合方式以提高視線方向推測精準度。實驗中，透過增加攝影機數量及更改排列方式，以獲取更多眼部範圍的特徵，並透過CNN 針對眼部特徵進行更深度的學習，進而提利用針對單一注視點以複數影像進行學習以提升精準度，研究中對影像的學習，可以有效推測使用者的視線方向，並依據本研究的實驗結果，得出複數的攝影機能夠提升視線方向推測的準確度及動態的穩定性。

文獻連結