一种融合用户特征建模的触摸精度优化方法技术

本发明专利技术公开了一种基于数据驱动的深度学习方法，旨在通过预测并修正触摸位置偏移，涉及人机交互领域，针对该领域现有工作存在的触摸屏缺乏高精度输入和用户差异性问题，本发明专利技术提出了一种融合用户特征的深度学习模型，来更精准地预测触摸位置偏移，从而提高触摸操作的准确性和效率，首先，为了解决用户差异性，将用户特征纳入考虑，探讨了用户不同年龄层、性别、身体质量指数、手指触摸面积以及眼动特征等因素对触摸精度的影响，其次，把它们融合到优化触摸精度的深度学习模型中，学习融合用户特征的触摸输入模型，这样的综合考虑使得模型能够更好地适应不同用户的特点，提高了模型的个性化能力。

【技术实现步骤摘要】

本项专利技术涉及深度学习和人机交互领域。它将用户特征融入优化触摸精度的深度学习方法中，进行时间序列建模来预测设备报告的触摸位置与用户预期的触摸位置之间的偏移，从而更全面地理解用户行为和意图，以实现移动设备上的触摸精度优化。

技术介绍

1、人机交互领域关注人类与计算机之间的交互方式和技术。随着移动设备的普及，触摸屏已成为主流的交互方式之一。在人机交互中，提高触摸操作的准确性和效率对于改善用户体验至关重要。而造成触摸屏错误的主要原因就是“胖手指问题”：通过触摸行为，用户遮挡了她试图触摸的目标，手指的柔软度产生了比预期更大、更模糊的接触区域，请见图1。用户之间以及手指和拇指的使用之间存在相当大的多样性，无论传感硬件在将传感器输入转换为触摸位置方面有多好，都会存在用户的偏移。因此，研究如何减少胖手指问题带来的误差，提高触摸屏设备的准确性和响应速度，以使用户能够更轻松地进行交互操作很有必要。目前已经有很多人针对如何提高触摸精度展开研究:

2、其中一项研究侧重于交互技术，该技术允许在不改变目标大小的情况下用手指选择小目标，同时达到可接受的错误率。在tapt本文档来自技高网...

【技术保护点】

1.一种融合用户特征建模的触摸精度优化方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的融合用户特征建模的触摸精度优化方法，其特征在于，所述Step1中，对用户特征数据的采集，分为以下步骤：

3.根据权利要求所述的融合用户特征建模的触摸精度优化方法，其特征在于，所述Step1中B部分，对眼动数据数据采集，分为以下步骤：

4.根据权利要求1所述的融合用户特征建模的触摸精度优化方法，其特征在于，所述Step7中，不同对比实验具体描述为：

【技术特征摘要】

1.一种融合用户特征建模的触摸精度优化方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的融合用户特征建模的触摸精度优化方法，其特征在于，所述step1中，对用户特征数据的采集，分为以下步骤：

3.根据权利要求...

【专利技术属性】
技术研发人员：罗瑞，殷继彬，
申请(专利权)人：昆明理工大学，
类型：发明
国别省市：