بهبود کارایی شناسایی فعالیت خواندن متن در وضعیت های روزمره افراد با به کارگیری الگوریتم مبتنی بر تطبیق رشته زمان پویا برای پردازش سیگنال های الکترواکولوگرام

پژوهش های اخیر در زمینه رایانش نافذ منجر به بهره گیری از روش های جدید برای شناسایی فعالیت انسان شده است. یکی از این روش ها، الکترواکولوگرافی است که به کمک آن می توان حرکات چشم را ثبت و با تحلیل الگوهای آن، فعالیت هایی مانند خواندن را شناسایی کرد. الگوی حرکتی خواندن با پردازش سیگنال های الکترواکولوگرام (EOG) کانال افقی قابل شناسایی است؛ بنابراین در این پژوهش فقط از سیگنال های EOGکانال افقی به جای هر دو کانال افقی و عمودی استفاده شد. با وجود کاهش تعداد کانال ها و با بکارگیری الگوریتمی مبتنی بر تطبیق رشته زمان-پویا (DTW) و استخراج الگوی مرجع خواندن به کمک تبدیل موجک و کدگذاری سیگنال EOG، کارایی دسته بندی داده های مربوط به خواندن و نخواندن افزایش یافت. نتایج نشان داد که در کنار انحراف معیار کم نرخ شناسایی، بیشترین نرخ شناسایی 4% و میانگین بازخوانی 7% افزایش داشتند که نشان دهنده قابلیت اطمینان بیشتر الگوریتم به شرایط و افراد مختلف در مقایسه با الگوریتم های پیشین است.