Mme Priyanka Thapak, professeur Ajit Kumar Shrivastava
La dilatation de la pupille est rarement analysée dans les études d'utilisabilité, bien qu'elle puisse être mesurée par la plupart des systèmes de suivi oculaire basés sur la vidéo et fournisse des informations très pertinentes sur la charge de travail. Les algorithmes développés par les chercheurs pour reconnaître le sexe par leurs modèles de dilatation de la pupille ont maintenant été testés sur de nombreux terrains et en laboratoire, ne produisant aucune fausse correspondance dans plusieurs millions de tests de comparaison, ce qui permet de prendre des décisions en temps réel sur l'identité personnelle avec une confiance extrêmement élevée. La variété de facteurs qui peuvent influencer la dilatation de la pupille et la distorsion des données sur la taille de la pupille par les mouvements des yeux donne la taille de la pupille telle que vue par la caméra de suivi oculaire dépend de l'angle de regard de la personne. Les niveaux de confiance élevés sont importants car ils permettent de rechercher de manière exhaustive de très grandes bases de données sans faire de fausses correspondances malgré de nombreuses chances. Dans la présente étude, nous avons développé et mis en œuvre une interface d'étalonnage basée sur un réseau neuronal pour les systèmes de suivi oculaire, qui est capable d'éliminer presque complètement la distorsion basée sur la géométrie des données sur la taille de la pupille pour tout sujet humain. Cela permet également de fournir plus de sécurité aux informations.
English 
Spanish 
Chinese 
Russian 
German 
Japanese 
Portuguese 
Hindi