徐平華， 冒海琳， 黃琴琴

(1. 浙江理工大學 服裝學院， 浙江 杭州 310018； 2. 浙江省服裝工程技術研究中心， 浙江 杭州 310018；3. 江蘇依海服飾有限公司， 江蘇 南通 226007)

眼動儀被廣泛應用于電商網(wǎng)頁、店鋪陳列、戶外廣告等服飾類場景的眼動追蹤實驗，探尋最優(yōu)色彩搭配、陳列區(qū)域管理和背景設置[1-2]。其優(yōu)勢在于可實時追蹤受試者眼動軌跡，以可視化的形式，描繪單個受試者對不同場景的視覺聚焦差異[3]，但缺乏有效的橫向比較指標。受試者的單次眼動表現(xiàn)，本質(zhì)上是特定時空下的一次主觀行為的表達[4]。受試者個體間、個體自身在不同時間、不同環(huán)境下的認知均會存在偏差[5]，簡單地用單一個體的測評結果替代共性認知，會造成視覺場景的測評失真[6]，誤導產(chǎn)品改良、商品陳列甚至營銷決策方案的制定。

人類獨特的圖畫式表征是對場景的表象記憶，個體差異與內(nèi)在的認知程度、測定環(huán)境、神經(jīng)基礎、生理狀態(tài)等存在密切聯(lián)系[7-8]。受限于視覺場景共性認知評價方法的缺失，大量文獻集中探討注視時長、注視點數(shù)、注視軌跡等眼動過程數(shù)據(jù)[9]，而對能夠體現(xiàn)用戶最終注視位置、注視形態(tài)和注視程度的視覺熱區(qū)圖的研究極少。其現(xiàn)實困難在于眼動儀不能輸出受試個體間視覺熱區(qū)的橫向比較結果，沒有提供共性認知差異的評價指標。

為了彌補這個缺陷，本文在常規(guī)眼動實驗的基礎上，結合圖像融合技術，提出視覺漂移度這一關鍵性指標，用以量化主觀測試人員之間的視覺偏差。該方法能夠在剔除受試者個體自身誤差前提下，以可視化的方式展現(xiàn)受試者視覺落點分布，量化視覺聚焦差異，適時彌補了當前多用戶視覺聚焦認知評價方法的缺陷。

1 眼動追蹤實驗

1.1 實驗樣本

服飾類場景通常包括服裝面料、服飾圖案、成衣、著裝秀、店鋪陳列、網(wǎng)頁界面等類型。據(jù)此，本文實驗以上述6大類型場景為例，每類選取了10幅，共計60幅代表性場景圖像進行分析。

圖1示出本文實驗測試樣本圖像。其中，圖1(a)所示服裝面料涵蓋了純色、色織、條紋印花、折皺、疵點等10幅圖像；圖1(b)所示服裝圖案類包含了同種圖案不同畫面覆蓋比、色彩以及規(guī)則和非規(guī)則的10種圖案；圖1(c)所示成衣則選擇了10種不同款式的服裝；此外，分別選擇了10種不同著裝秀(見圖1(d))、店鋪陳列效果現(xiàn)場圖(見圖1(e))以及服飾類電商界面圖(見圖1(f))。以上選取的樣本基本涵蓋了當前服裝領域研究文獻涉及到的視覺場景。

1.2 受試人員

為探究個體間的差異，實驗邀請了7名受試人員，年齡范圍為20～25歲。其中，受試者2、4和6號為男性，其余為女性。在受試者了解實驗目的、充分掌握眼動實驗操作要求和注意事項后，實施本文眼動追蹤實驗。

1.3 測試儀器

實驗測試儀器采用了德國SMI RED桌面式眼動儀，如圖2所示。眼球運動紅外捕捉器捕捉受試人員觀測時眼球的運動軌跡，并實時傳送到電腦進行分析，顯示屏按照預定時間播放設定好的圖像作為視覺刺激。

眼動儀基于紅外線跟蹤人眼運動，利用角膜和視網(wǎng)膜的反射機制，實時記錄眼球運動的完整軌跡，并利用圖像分析技術輸出受試者的眼動軌跡、注視次數(shù)、注視時間等指標[10]。主觀評級時瞳孔聚焦程度隨著注視興趣點的切換相應地發(fā)生變化，通過實時跟蹤和記錄，最終形成視覺熱點圖。熱點圖中被試者注視時長用不同的亮度表示，亮度越低，其注視興趣度越高，反之，興趣度越低。

圖2 SMI RED桌面式眼動儀Fig.2 SMI RED desktop eye tracker

1.4 測試過程

實驗測試參數(shù)設定為：人眼距離屏幕為(70±5)cm、單幅圖像單次觀測時間為為8 s。6幅測試圖、7名受試驗人員，每人觀測3次，共追蹤到1 260幅視覺熱區(qū)圖。為避免由于記憶造成的評級失真，每次采用隨機播放的方式進行測試。

2 視覺熱區(qū)圖像處理

2.1 視覺熱區(qū)興趣區(qū)域提取

圖3為視覺熱區(qū)提取示意圖。以第1幅成衣圖(編號為c-1)為例，圖3(a)為1號受試者第1次觀測形成的視覺熱區(qū)原圖。首先，將服裝內(nèi)容信息剔除，獲得純熱區(qū)圖層(見圖3(b))；其次，對圖3(b)熱區(qū)圖進行灰度化和二值化處理，形成熱點二值圖像(見圖3(c))，白色部分為視覺熱點覆蓋的服裝內(nèi)容區(qū)域(見圖3(d))；最后，采用以上步驟方法，對7名受試者追蹤獲得的熱區(qū)圖進行處理，形成c-1樣本對應的21幅二值圖像。

圖3 視覺熱區(qū)提取示意圖Fig.3 Extraction pipeline of visual hot area. (a) Hot map; (b) Hot area; (c) Hot area binarization; (d) Content information among hot area

類似地，將其余59幅測試樣本圖像采用以上步驟進行處理，共計獲得1 260幅熱區(qū)二值圖像。

2.2 視覺熱區(qū)的交并融合

為明晰7名受試者之間的眼動熱區(qū)差異，首先需要剔除組內(nèi)誤差。

具體地，對同一受試者自身3次隨機觀測熱區(qū)二值圖進行相交處理，歸并形成單幅二值圖像。如圖4所示視覺熱區(qū)融合示意圖。以成衣類第1幅試樣為例，對第1位受試者隨機觀測后得到的3幅熱區(qū)二值圖(依次為圖4中c-1-1(1)、c-1-2(1)、c-1-3(1))的重疊區(qū)域進行求交處理，經(jīng)過熱區(qū)相交處理后得到圖c-1(1)。類似地，對其他6名受試者觀測試樣c-1獲得的二值圖像進行處理，分別生成二值圖c-1(2)～c-1(7)。圖4中c-1熱區(qū)融合為c-1(1)～c-1(7)融合后的亮度圖。

圖4 視覺熱區(qū)融合示意圖Fig.4 Overlay of visual hot maps

此外，為描述7名受試者共性聚焦狀況，對7幅熱區(qū)二值圖像進行疊加操作。計算公式如下。

(1)

式中：I表示新生成的疊加圖；I(x,y)表示坐標為(x,y)位置處的圖像亮度值；Ii(x,y)為第i幅二值圖坐標為(x,y)的圖像亮度值；本文實驗中n=7。最終得到7名受試者剔除個體偏差，再融合形成了視覺熱區(qū)亮度圖。圖像亮度值越高，表明疊加次數(shù)越多，反之，則疊加次數(shù)越少。當亮度值為255時，表示該點為7名受試者共同聚焦點。

3 視覺注意偏差評價指標

為量化受試者之間視覺聚焦差異，首先，對圖4中樣本c-1的熱區(qū)融合圖進行重心提取。提取原則為：融合區(qū)域中最大封閉區(qū)域的質(zhì)心作為融合圖重心，如圖5(a)所示。以尋找出的重心為基準，求取其余各點至重心的距離，形成如圖5(b)所示視覺漂移度示意圖。

圖5 視覺熱區(qū)漂移度測算示意圖Fig.5 Pipeline of drift measurement in visual hot map.(a) Gravity spot of hot map; (b)Visual drift diagram

依據(jù)重心及其至各點的距離值，此處提出了視覺漂移度C這個指標，其計算公式如下。

(2)

至此，形成的綜合視覺漂移度這個關鍵性指標，其在剔除受試者自身偏差的基礎上，計算得出不同受試者對同一場景的組間視覺聚焦差異。在服飾視覺場景視覺顯著性評價時，利用該指標衡量同個場景多名觀測者的組間視覺聚焦差異。

在服飾場景評價中，除評價不同受試者之間的差異外，同樣需要知道某個受試者的自身偏差。為解決這個實際問題，需在熱區(qū)融合圖選擇上作適當變化。以試樣c-1為例，只將c-1-1(1)、c-1-2(1)、c-1-3(1)3幅二值圖作相并處理，融合為第1位受試者的視覺熱區(qū)融合圖，同樣利用式(2)進行計算，獲得該名受試者的視覺漂移度。

4 實驗結果與討論

實驗給出了7名受試者觀測60幅不同服飾場景圖的視覺漂移度。算法部分利用MatLab軟件編寫而成，測試用計算機CUP為Intel(R)2.70 GHz，RAM為8 GB。

首先，對眼動實驗獲得的熱區(qū)圖進行二值化計算，在此基礎上作交、并融合處理，依次得到1 260幅熱區(qū)二值圖像、求交形成的420幅二值圖和60幅熱區(qū)融合圖。其次，利用視覺漂移度計算公式分別計算服飾場景圖觀測后的個體自身(組內(nèi))、個體間(組間)視覺漂移度，結果如圖6所示。

圖6中連線拐點位置為7名受試者剔除自身差異后的視覺漂移度，即個體間(組間)視覺漂移度，其余為各受試者隨機3次觀測后(組內(nèi))的個體視覺漂移度。由圖6(a)可知，總體上織物表面不同顏色、瑕疵和折皺分布形態(tài)等對人眼引起不同程度視覺漂移度。其中，7名受試者對紅色平紋布(樣本編號a-5)、含疵面料(樣本編號a-10)的綜合視覺漂移度最大，表現(xiàn)出組間視覺聚焦偏差大；而麻灰平紋布(樣本編號a-3)、淺灰條紋布(樣本編號a-7)視覺偏移度相對較小，反映出組間視覺聚焦偏差小，視覺落點相對集中；其余面料視覺偏移度居于其間。各受試者視覺漂移度無明顯分布規(guī)律。

圖6(b)展示了7名受試者觀測服飾圖案的視覺漂移度。其中，場景圖編號b-1、b-2、b-6均為同一logo圖標，不同之處在于畫面覆蓋比和顏色。由實驗結果可以看出，其綜合視覺漂移度相差較小，反映出圖案形態(tài)一致的情況下，人眼視覺聚焦聚焦落點較為穩(wěn)定。圖6中其余分圖展示了其他各類服飾場景的視覺漂移度分布情況。結果表明，該方法能夠有效分離出受試者自身視覺聚焦差異，并能夠客觀表達出受試者之間的視覺聚焦偏差。

本文的研究重點在于提出一種多受試者對同一場景的主觀眼動聚焦差異分析方法，因此，不再贅述各場景之間的橫向比對。需要說明的是，實驗中測試圖像大小未統(tǒng)一規(guī)定。其中，測試圖像像素最大的為1 024像素×1 024像素，最小的為560像素×600像素，對應的視覺漂移度時間損耗分別為2.03、1.21 s，其余尺度的圖像處理時間介于二者之間。

圖6 視覺場景視覺漂移度評價結果Fig.6 Visual drift of visual scenes. (a) Fabrics; (b) Fabric patterns; (c) Garments; (d) Fashion show; (e) Visual merchandising;(f) Apparel webs

5 結 論

本文針對當前眼動測試中視覺共性聚焦評價方法的缺失，依據(jù)眼動追蹤輸出的熱區(qū)圖像信息，利用圖像融合技術，提出視覺綜合漂移度這個關鍵性指標。結果表明，視覺漂移度指標能夠有效量化各受試者自身、受試者之間的視覺聚焦差異。在利用綜合視覺漂移度指標為不同視覺場景橫向比較提供便利的同時，也一并輸出了各受試者自身的視覺偏差數(shù)據(jù)，幫助研究者有效剔除表現(xiàn)不穩(wěn)定的受試者，有效確立受試對象。該方法彌補了當前眼動儀多用戶視覺聚焦評價指標的不足，為時尚傳達認知研究提供了一套有效的評價方法，避免盲目采用眼動追蹤結果造成的商業(yè)決策失誤。

FZXB