服飾場(chǎng)景視覺(jué)共性認(rèn)知評(píng)價(jià)方法

徐平華， 冒海琳， 黃琴琴

(1. 浙江理工大學(xué) 服裝學(xué)院， 浙江 杭州 310018； 2. 浙江省服裝工程技術(shù)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(dòng)儀被廣泛應(yīng)用于電商網(wǎng)頁(yè)、店鋪陳列、戶外廣告等服飾類場(chǎng)景的眼動(dòng)追蹤實(shí)驗(yàn)，探尋最優(yōu)色彩搭配、陳列區(qū)域管理和背景設(shè)置[1-2]。其優(yōu)勢(shì)在于可實(shí)時(shí)追蹤受試者眼動(dòng)軌跡，以可視化的形式，描繪單個(gè)受試者對(duì)不同場(chǎng)景的視覺(jué)聚焦差異[3]，但缺乏有效的橫向比較指標(biāo)。受試者的單次眼動(dòng)表現(xiàn)，本質(zhì)上是特定時(shí)空下的一次主觀行為的表達(dá)[4]。受試者個(gè)體間、個(gè)體自身在不同時(shí)間、不同環(huán)境下的認(rèn)知均會(huì)存在偏差[5]，簡(jiǎn)單地用單一個(gè)體的測(cè)評(píng)結(jié)果替代共性認(rèn)知，會(huì)造成視覺(jué)場(chǎng)景的測(cè)評(píng)失真[6]，誤導(dǎo)產(chǎn)品改良、商品陳列甚至營(yíng)銷決策方案的制定。

人類獨(dú)特的圖畫(huà)式表征是對(duì)場(chǎng)景的表象記憶，個(gè)體差異與內(nèi)在的認(rèn)知程度、測(cè)定環(huán)境、神經(jīng)基礎(chǔ)、生理狀態(tài)等存在密切聯(lián)系[7-8]。受限于視覺(jué)場(chǎng)景共性認(rèn)知評(píng)價(jià)方法的缺失，大量文獻(xiàn)集中探討注視時(shí)長(zhǎng)、注視點(diǎn)數(shù)、注視軌跡等眼動(dòng)過(guò)程數(shù)據(jù)[9]，而對(duì)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(jué)熱區(qū)圖的研究極少。其現(xiàn)實(shí)困難在于眼動(dòng)儀不能輸出受試個(gè)體間視覺(jué)熱區(qū)的橫向比較結(jié)果，沒(méi)有提供共性認(rèn)知差異的評(píng)價(jià)指標(biāo)。

為了彌補(bǔ)這個(gè)缺陷，本文在常規(guī)眼動(dòng)實(shí)驗(yàn)的基礎(chǔ)上，結(jié)合圖像融合技術(shù)，提出視覺(jué)漂移度這一關(guān)鍵性指標(biāo)，用以量化主觀測(cè)試人員之間的視覺(jué)偏差。該方法能夠在剔除受試者個(gè)體自身誤差前提下，以可視化的方式展現(xiàn)受試者視覺(jué)落點(diǎn)分布，量化視覺(jué)聚焦差異，適時(shí)彌補(bǔ)了當(dāng)前多用戶視覺(jué)聚焦認(rèn)知評(píng)價(jià)方法的缺陷。

1 眼動(dòng)追蹤實(shí)驗(yàn)

1.1 實(shí)驗(yàn)樣本

服飾類場(chǎng)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(yè)界面等類型。據(jù)此，本文實(shí)驗(yàn)以上述6大類型場(chǎng)景為例，每類選取了10幅，共計(jì)60幅代表性場(chǎng)景圖像進(jìn)行分析。

圖1示出本文實(shí)驗(yàn)測(cè)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(diǎn)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(huà)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(jiàn)圖1(d))、店鋪陳列效果現(xiàn)場(chǎng)圖(見(jiàn)圖1(e))以及服飾類電商界面圖(見(jiàn)圖1(f))。以上選取的樣本基本涵蓋了當(dāng)前服裝領(lǐng)域研究文獻(xiàn)涉及到的視覺(jué)場(chǎng)景。

1.2 受試人員

為探究個(gè)體間的差異，實(shí)驗(yàn)邀請(qǐng)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(hào)為男性，其余為女性。在受試者了解實(shí)驗(yàn)?zāi)康摹⒊浞终莆昭蹌?dòng)實(shí)驗(yàn)操作要求和注意事項(xiàng)后，實(shí)施本文眼動(dòng)追蹤實(shí)驗(yàn)。

1.3 測(cè)試儀器

實(shí)驗(yàn)測(cè)試儀器采用了德國(guó)SMI RED桌面式眼動(dòng)儀，如圖2所示。眼球運(yùn)動(dòng)紅外捕捉器捕捉受試人員觀測(cè)時(shí)眼球的運(yùn)動(dòng)軌跡，并實(shí)時(shí)傳送到電腦進(jìn)行分析，顯示屏按照預(yù)定時(shí)間播放設(shè)定好的圖像作為視覺(jué)刺激。

眼動(dòng)儀基于紅外線跟蹤人眼運(yùn)動(dòng)，利用角膜和視網(wǎng)膜的反射機(jī)制，實(shí)時(shí)記錄眼球運(yùn)動(dòng)的完整軌跡，并利用圖像分析技術(shù)輸出受試者的眼動(dòng)軌跡、注視次數(shù)、注視時(shí)間等指標(biāo)[10]。主觀評(píng)級(jí)時(shí)瞳孔聚焦程度隨著注視興趣點(diǎn)的切換相應(yīng)地發(fā)生變化，通過(guò)實(shí)時(shí)跟蹤和記錄，最終形成視覺(jué)熱點(diǎn)圖。熱點(diǎn)圖中被試者注視時(shí)長(zhǎng)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(dòng)儀Fig.2 SMI RED desktop eye tracker

1.4 測(cè)試過(guò)程

實(shí)驗(yàn)測(cè)試參數(shù)設(shè)定為：人眼距離屏幕為(70±5)cm、單幅圖像單次觀測(cè)時(shí)間為為8 s。6幅測(cè)試圖、7名受試驗(yàn)人員，每人觀測(cè)3次，共追蹤到1 260幅視覺(jué)熱區(qū)圖。為避免由于記憶造成的評(píng)級(jí)失真，每次采用隨機(jī)播放的方式進(jìn)行測(cè)試。

2 視覺(jué)熱區(qū)圖像處理

2.1 視覺(jué)熱區(qū)興趣區(qū)域提取

圖3為視覺(jué)熱區(qū)提取示意圖。以第1幅成衣圖(編號(hào)為c-1)為例，圖3(a)為1號(hào)受試者第1次觀測(cè)形成的視覺(jué)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(jiàn)圖3(b))；其次，對(duì)圖3(b)熱區(qū)圖進(jìn)行灰度化和二值化處理，形成熱點(diǎn)二值圖像(見(jiàn)圖3(c))，白色部分為視覺(jué)熱點(diǎn)覆蓋的服裝內(nèi)容區(qū)域(見(jiàn)圖3(d))；最后，采用以上步驟方法，對(duì)7名受試者追蹤獲得的熱區(qū)圖進(jìn)行處理，形成c-1樣本對(duì)應(yīng)的21幅二值圖像。

圖3 視覺(jué)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(cè)試樣本圖像采用以上步驟進(jìn)行處理，共計(jì)獲得1 260幅熱區(qū)二值圖像。

2.2 視覺(jué)熱區(qū)的交并融合

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

具體地，對(duì)同一受試者自身3次隨機(jī)觀測(cè)熱區(qū)二值圖進(jìn)行相交處理，歸并形成單幅二值圖像。如圖4所示視覺(jué)熱區(qū)融合示意圖。以成衣類第1幅試樣為例，對(duì)第1位受試者隨機(jī)觀測(cè)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(jìn)行求交處理，經(jīng)過(guò)熱區(qū)相交處理后得到圖c-1(1)。類似地，對(duì)其他6名受試者觀測(cè)試樣c-1獲得的二值圖像進(jìn)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(jué)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?fàn)顩r，對(duì)7幅熱區(qū)二值圖像進(jìn)行疊加操作。計(jì)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(biāo)為(x,y)位置處的圖像亮度值；Ii(x,y)為第i幅二值圖坐標(biāo)為(x,y)的圖像亮度值；本文實(shí)驗(yàn)中n=7。最終得到7名受試者剔除個(gè)體偏差，再融合形成了視覺(jué)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(dāng)亮度值為255時(shí)，表示該點(diǎn)為7名受試者共同聚焦點(diǎn)。

3 視覺(jué)注意偏差評(píng)價(jià)指標(biāo)

為量化受試者之間視覺(jué)聚焦差異，首先，對(duì)圖4中樣本c-1的熱區(qū)融合圖進(jìn)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(zhǔn)，求取其余各點(diǎn)至重心的距離，形成如圖5(b)所示視覺(jué)漂移度示意圖。

圖5 視覺(jué)熱區(qū)漂移度測(cè)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(diǎn)的距離值，此處提出了視覺(jué)漂移度C這個(gè)指標(biāo)，其計(jì)算公式如下。

(2)

至此，形成的綜合視覺(jué)漂移度這個(gè)關(guān)鍵性指標(biāo)，其在剔除受試者自身偏差的基礎(chǔ)上，計(jì)算得出不同受試者對(duì)同一場(chǎng)景的組間視覺(jué)聚焦差異。在服飾視覺(jué)場(chǎng)景視覺(jué)顯著性評(píng)價(jià)時(shí)，利用該指標(biāo)衡量同個(gè)場(chǎng)景多名觀測(cè)者的組間視覺(jué)聚焦差異。

在服飾場(chǎng)景評(píng)價(jià)中，除評(píng)價(jià)不同受試者之間的差異外，同樣需要知道某個(gè)受試者的自身偏差。為解決這個(gè)實(shí)際問(wèn)題，需在熱區(qū)融合圖選擇上作適當(dāng)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(jué)熱區(qū)融合圖，同樣利用式(2)進(jìn)行計(jì)算，獲得該名受試者的視覺(jué)漂移度。

4 實(shí)驗(yàn)結(jié)果與討論

實(shí)驗(yàn)給出了7名受試者觀測(cè)60幅不同服飾場(chǎng)景圖的視覺(jué)漂移度。算法部分利用MatLab軟件編寫(xiě)而成，測(cè)試用計(jì)算機(jī)CUP為Intel(R)2.70 GHz，RAM為8 GB。

首先，對(duì)眼動(dòng)實(shí)驗(yàn)獲得的熱區(qū)圖進(jìn)行二值化計(jì)算，在此基礎(chǔ)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(jué)漂移度計(jì)算公式分別計(jì)算服飾場(chǎng)景圖觀測(cè)后的個(gè)體自身(組內(nèi))、個(gè)體間(組間)視覺(jué)漂移度，結(jié)果如圖6所示。

圖6中連線拐點(diǎn)位置為7名受試者剔除自身差異后的視覺(jué)漂移度，即個(gè)體間(組間)視覺(jué)漂移度，其余為各受試者隨機(jī)3次觀測(cè)后(組內(nèi))的個(gè)體視覺(jué)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(duì)人眼引起不同程度視覺(jué)漂移度。其中，7名受試者對(duì)紅色平紋布(樣本編號(hào)a-5)、含疵面料(樣本編號(hào)a-10)的綜合視覺(jué)漂移度最大，表現(xiàn)出組間視覺(jué)聚焦偏差大；而麻灰平紋布(樣本編號(hào)a-3)、淺灰條紋布(樣本編號(hào)a-7)視覺(jué)偏移度相對(duì)較小，反映出組間視覺(jué)聚焦偏差小，視覺(jué)落點(diǎn)相對(duì)集中；其余面料視覺(jué)偏移度居于其間。各受試者視覺(jué)漂移度無(wú)明顯分布規(guī)律。

圖6(b)展示了7名受試者觀測(cè)服飾圖案的視覺(jué)漂移度。其中，場(chǎng)景圖編號(hào)b-1、b-2、b-6均為同一logo圖標(biāo)，不同之處在于畫(huà)面覆蓋比和顏色。由實(shí)驗(yàn)結(jié)果可以看出，其綜合視覺(jué)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(jué)聚焦聚焦落點(diǎn)較為穩(wěn)定。圖6中其余分圖展示了其他各類服飾場(chǎng)景的視覺(jué)漂移度分布情況。結(jié)果表明，該方法能夠有效分離出受試者自身視覺(jué)聚焦差異，并能夠客觀表達(dá)出受試者之間的視覺(jué)聚焦偏差。

本文的研究重點(diǎn)在于提出一種多受試者對(duì)同一場(chǎng)景的主觀眼動(dòng)聚焦差異分析方法，因此，不再贅述各場(chǎng)景之間的橫向比對(duì)。需要說(shuō)明的是，實(shí)驗(yàn)中測(cè)試圖像大小未統(tǒng)一規(guī)定。其中，測(cè)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(duì)應(yīng)的視覺(jué)漂移度時(shí)間損耗分別為2.03、1.21 s，其余尺度的圖像處理時(shí)間介于二者之間。

圖6 視覺(jué)場(chǎng)景視覺(jué)漂移度評(píng)價(jià)結(jié)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(jié) 論

本文針對(duì)當(dāng)前眼動(dòng)測(cè)試中視覺(jué)共性聚焦評(píng)價(jià)方法的缺失，依據(jù)眼動(dòng)追蹤輸出的熱區(qū)圖像信息，利用圖像融合技術(shù)，提出視覺(jué)綜合漂移度這個(gè)關(guān)鍵性指標(biāo)。結(jié)果表明，視覺(jué)漂移度指標(biāo)能夠有效量化各受試者自身、受試者之間的視覺(jué)聚焦差異。在利用綜合視覺(jué)漂移度指標(biāo)為不同視覺(jué)場(chǎng)景橫向比較提供便利的同時(shí)，也一并輸出了各受試者自身的視覺(jué)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(duì)象。該方法彌補(bǔ)了當(dāng)前眼動(dòng)儀多用戶視覺(jué)聚焦評(píng)價(jià)指標(biāo)的不足，為時(shí)尚傳達(dá)認(rèn)知研究提供了一套有效的評(píng)價(jià)方法，避免盲目采用眼動(dòng)追蹤結(jié)果造成的商業(yè)決策失誤。

FZXB