Interação por perseguição dos olhos: algoritmos e aplicações

• Ano de defesa: 2021
• Autor(a) principal: Carneiro, Alex Torquato Souza
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Convolutional neural networks; Correlação de movimento; Interação por perseguição; Modelos probabilísticos para interação; Motion correlation; Probabilistic models for interaction; Pursuit based interaction; Redes neurais convolucionais
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/45/45134/tde-18062025-145919/

O uso de movimentos físicos do usuário tem sido explorado em interação humano-computador como uma forma de melhorar a experiência do usuário e permitir o desenvolvimento de novas aplicações. Dispositivos móveis e vestíveis são especialmente favorecidos pelo uso desses movimentos para interação dada a versatilidade de aplicações que a técnica permite. Uma forma de usar esses movimentos consiste em transformar os elementos da aplicação em alvos móveis, permitindo a seleção desses alvos por meio da imitação dos movimentos do alvo desejado, como se o usuário estivesse perseguindo o alvo com as mãos, a cabeça ou os olhos. O uso de perseguição dos olhos (ou do olhar) para seleção é especialmente vantajosa já que os olhos acompanham naturalmente tais movimentos. Porém, a seleção pelo olhar ainda apresenta desafios como distorções espaço-temporais entre dispositivos de entrada e saída, ruídos e baixa precisão do rastreador. Nesta tese, propomos novos algoritmos e métodos que permitem ao usuário selecionar um alvo com maior robustez que as técnicas existentes, melhorando assim a usabilidade do método permitindo designs mais complexos e aumentando a aplicabilidade da técnica. Uma primeira contribuição desta tese consiste em uma aplicação denominada PursuitPass, que usa perseguições para autenticação de usuários.A partir dos resultados desse primeiro estudo, uma segunda contribuição da tese foi um algoritmo para detecção de perseguições baseado em redes neurais convolucionais de 1 dimensão (1D CNN). Os resultados obtidos comparando o desempenho com 4 outros algoritmos do estado da arte mostram que o algoritmo 1D CNN é mais robusto aos distúrbios de movimentos e seu desempenho é significativamente superior aos demais. Uma terceira contribuição desse trabalho é o desenvolvimento de uma técnica de seleção por perseguição usando alvos inteligentes, capazes de se adaptarem a certas condições durante a interação. Os alvos inteligentes foram avaliados em um teste com usuários, os quais realizaram tarefas de seleção por perseguição com até 32 alvos simultâneos. Nosso estudo demonstra que o método viabiliza designs com interações mais complexas em condições desafiadoras, permitindo por exemplo o desenvolvimento de aplicações com um grande número de alvos inteligentes mesmo em dispositivos móveis que dispõem de telas pequenas.