【笔记】注意分配阅读笔记

1 注意的基本知识：

1.1

注意属于认知心理学的一部分。认知心理学是最新的心理学分支之一，它主要研究人的认知过程，包括注意、感知觉、表象、学习记忆、思维和语言等

人类知觉信息加工：

三个阶段：对外界环境的感知；中央加工或信息转换；对信息作出反应。

两种方式：自下而上的加工、自上而下的加工，自下而上的加工由刺激驱动，自上而下的加工由知识经验驱动。

1.2注意的品质与类型

注意有很多品质，其中最重要的有四种：注意广度、注意稳定性、注意的转移和注意的分配。

注意广度：也称为注意范围。

注意稳定性：是指个体对某一对象或是一类活动注意所能持续的时间。

注意的转移：是指个体根据需要有意识地转移注意对象，即将注意从一个对象转移到另一个对象上去。

注意的分配：是指个体在进行两种或两种以上的活动时将注意指向不同对象，即个体在同一时间将注意分配给不同的对象，它受到三个因素的影响：活动的熟练程度、同时进行的几种活动之间的关系和分配注意的技巧。比如说人很难同时完成两件要求注意高度集中的事情，因此，当同时进行的几种活动中，只有一种活动是不熟悉的情况，注意才能较好的在这些活动中分配。

根据注意的功能把注意分为三种类型：选择性注意（选择一种，忽略另外）、持续性注意（持续关注一个个体）和分配性注意（同一时间注意两种及以上活动）。

1.3注意的经典理论：

经典理论：卡尼曼（D.Kahneman）在其著作《注意与努力》（Attention andEffort）中提出的注意能量分配理论，该理论从资源分配的维度体现了注意能量有限的理论，把注意看作一种数量有限的能量或资源，同时用这种能量或资源的分配来解释注意的机制。卡尼曼指出，注意是从唤醒开始，而唤醒与人可利用的心理资源密切相关，因此受到情绪、药物、肌肉紧张等影响。

2 SEEV模型与侧重点分析

2.1SEEV模型

2.2不同飞行阶段侧重点分析

最终进近发生事故多。

3仿真环境搭建

3.1平视显示器HUD静态模型构建

平视显示器静态模型构造可以利用多种方式实现，比如使用专业图形程序接口 Open GL 或多媒体程序接口Direct X 进行底层开发，或者利用专业的仪表仿真开发工具。专业的仪表仿真开发工具有：美国 DISTI 公司推出的 GL Studio 软件和美国 Multi Gen-Paradigm 公司的仪表生成工具 VAPS/VAPS XT。

其中GL Studio 软件上手快、开发界面友好、编程要求低、开发效率高、仪表外观逼真等特点著称。

3.2动态仿真

Multi Gen-Paradigm 公司新推出的 Vega Prime 软件，是 Multi Gen-Paradigm 公司在前期推出的虚拟现实开发工具 Vega的基础上新推出的虚拟现实开发工具，具有面向对象、功能强大、界面友好和平台兼容性好等优点。

3.3碰撞检测

Vega Prime 中的碰撞检测基类 vp Isector封装了 Tripod、Bump、ZPR 等 7 种相对简单的碰撞检测器，用户先根据飞行任务需要选择碰撞检测器，然后将碰撞检测器和目标物体的 Isector Mask 码设为不同的值。

4眼动过程数据的获取

4.1眼动的基本定义

眼动（eye movement）是指眼球运动，是一种人体反射活动。根据发生眼动机制的不同，将眼动系统分为反射性眼动系统（不受大脑皮层控制，属于反射）和主动性眼动系统(受大脑皮层控制）。注意力分配是一种主动眼动活动。

注视：是指将眼睛网膜的中央凹对准某对象的过程，这个过程的时间通常有200~600ms。当眼睛注视某个静止对象时，眼球并不是完全静止的，而是伴有自发性的高频眼球微颤、慢速漂移（slow shifts）和微跳（microsaccades）三种细微眼动[47-48]

眼跳：是指视线在注视点之间的飞速跳动。注视点是指个体在一段时间内所注意的焦点。眼跳的持续时间一般在30~120ms，与注视有时间上的不同。

平滑尾随追踪：是指眼球随一个运动目标的连续移动，这个目标必须是缓慢地、平稳地移动。

4.2眼动测量的主要指标和主要方法：

眼动测量始于 1898 年，是一种通过观察眼球运动来考察心理活动的研究方法。眼动的测量指标可以分为搜索过程测量指标、加工过程测量指标和其它测量指标。搜索过程测量指标主要有扫视轨迹时间、扫视轨迹长度、扫视幅度、扫视频率等。

4.2.1

扫视轨迹是指视景图像上的注视点及其移动的轨迹图，

扫视轨迹时间是指在视觉搜索过程中完成扫视轨迹所用的时间，

扫视轨迹长度则是指各注视点之间距离的总和。

4.2.2

加工过程测量指标有注视点个数、注视持续时间、注视点百分比、注视持续时间百分比。在视觉搜索过程中，注视点的个数受到需要处理的信息数目的影响。当个体发现其感兴趣的信息时，注视点就会转移到相应的兴趣域。通常注视点个数只与个体所需处理信息的数目有关。

注视点个数是衡量搜索效率的重要指标，即注视点个数与搜索效率成反比，注视点个数越多，则表明搜索效率越低。

注视持续时间是指个体在注视时从目标上提取信息所消耗的时间，它反映了个体提取信息的难易程度，注视持续时间越短就意味着个体从目标上提取信息越容易。

注视点百分比是指该区域的注视点个数与个体注视到的所有区域内注视点个数之比，用来描述该区域内的注意力分配比例

注视持续时间百分比也可用来描述该区域的注意力分配比例，是指个体在该区域内的注视持续时间之和与个体在注视到的所有区域内注视持续时间之和的比值。

4.2.3

其它的测量指标有瞳孔大小和眨眼频率等。瞳孔大小的变化反映了个体的情绪或情感状态，与个体的认知水平、任务难易程度和工作负荷有一定关系。眨眼频率指个体闭上眼睛的次数，反映的是作业的难易程度和个体的疲劳状况。

4.3测量方法

眼电图法，如法国的 Metrovision 公司生产的 Model Mon EOG 眼动仪；

瞳孔和角膜（或角膜）反射追踪法，如加拿大 SR Research 公司生产的 Eyelink 系列眼动测量系统和瑞典 Tobii公司生产的 T120 型号为代表的一系列眼动仪；

电磁感应法，如荷兰 SKALAR 公司生产的眼动仪。

本次试验采用：瑞典 Tobii 公司新生产的 Tobii X2 眼动仪，该型号眼动仪的采用瞳孔和角膜（或角膜）反射追踪法，能采集被试的注视点个数（Fixation Count）、注视点持续时间（FixationDuration）、访问次数统计（Visit Count）和访问时间(Visit Duration)等眼动数据。

需要设计巡航和进近着陆两种不同飞行阶段的飞行程序。

4.4数据处理和分析

划分兴趣域：兴趣域（AOI）是指人为地将视觉信息采样区域划分成几个独立的区域，以便与在后期处理时获取特定区域上的眼动数据。目前划分兴趣域的常用方法是视觉平面划分法，即根据研究内容和研究对象等进行兴趣域的划分。

本研究划分如下：兴趣域 1 为空速表，兴趣域 2 为高度表，兴趣域 3 中包含航向角度值和飞机滚转角刻度表，兴趣域 4 为航向角刻度表，兴趣域 5 有地平线标志和飞机俯仰角等信息。

最终进近着陆阶段划分为最终进近阶段、下滑阶段、拉平阶段、着陆阶段和滑跑阶段，因此划分时间片段如下：最终进近阶段为 600ft 至 50ft，下滑阶段为
50ft-20ft，拉平阶段为20ft-0ft，飞机主轮着陆后的阶段划分为接地和滑跑阶段；

最终获得的注视点分布累计图如下：

5建模

5.1突显性的量化

ITTI 模型：ITTI 模型由 Itti 博士于 1998 年提出，是一种自下而上的视觉注意计算模型。该模型从被输入的图像中提取颜色、方向和亮度等视觉特征，利用中心——周边差异计算和归一化计算得到各个视觉特征的关注图，最后对各关注图进行特征重组形成综合显著图。[51]

通过截取一系列的HUD平面图，得到以灰度值为量度的各飞行阶段 HUD 界面图像的综合显著图，综合显著图的 x 轴和y 轴表示像素点位置，z 轴表示像素点的突显性。

根据所划分的兴趣域AOI来进行各区域兴趣突显性的计算，采用赢者全取的办法进行计算，

5.2预期和价值的计算

SEEV模型

[51]Itti L, Koch C, Niebur E. A model of saliency-based visual attention for rapid scene analysis[J]. IEEE Transactions on pattern analysis and machine intelligence, 1998, 20(11): 1254-1259.

【笔记】注意分配阅读笔记相关推荐

《我在谷歌大脑见习机器学习的一年：Node.js创始人的尝试笔记》阅读笔记
文章来源:https://www.toutiao.com/i6539751003690893828/?tt_from=weixin_moments&utm_campaign=client_sh ...
Super4PCS文章阅读笔记
Super4PCS阅读笔记 Super4PCS阅读笔记前言前言今天给大家分享一下点云配准四点法4PCS0的变种--Super4PCS.此算法的原文在:Super4PCS: Fast Global ...
trainer setup_Detectron2源码阅读笔记-(一)Configamp;Trainer
一.代码结构概览 1.核心部分 configs:储存各种网络的yaml配置文件 datasets:存放数据集的地方 detectron2:运行代码的核心组件 tools:提供了运行代码的入口以及一切可 ...
VoxelNet阅读笔记
作者:Tom Hardy Date:2020-02-11 来源:VoxelNet阅读笔记
Transformers包tokenizer.encode()方法源码阅读笔记
Transformers包tokenizer.encode()方法源码阅读笔记_天才小呵呵的博客-CSDN博客_tokenizer.encode
源码阅读笔记 BiLSTM+CRF做NER任务流程图
源码阅读笔记 BiLSTM+CRF做NER任务(二) 源码地址:https://github.com/ZhixiuYe/NER-pytorch 本篇正式进入源码的阅读,按照流程顺序,一一解剖. 一.流 ...
Mina源码阅读笔记（一）-整体解读
2019独角兽企业重金招聘Python工程师标准>>> 今天的这一节,将从整体上对mina的源代码进行把握,网上已经有好多关于mina源码的阅读笔记,但好多都是列举了一下每个接口或者 ...
“CoreCLR is now Open Source”阅读笔记
英文原文:CoreCLR is now Open Source 阅读笔记如下: CoreCLR是.NET Core的执行引擎,功能包括GC(Garbage Collection), JIT(将CIL代 ...
QCon 2015 阅读笔记 - 团队建设
QCon 2015阅读笔记 QCon 2015 阅读笔记 - 移动开发最佳实践 QCon 2015 阅读笔记 - 团队建设中西对话:团队管理的五项理论和实战 - 谢欣.董飞(今日头条,LinkedI ...

【笔记】注意分配阅读笔记

【笔记】注意分配阅读笔记相关推荐

最新文章

热门文章