FaceOri: 使用耳塞上的超声测距追踪头部位置和方向

文献标题

FaceOri: Tracking Head Position and Orientation Using Ultrasonic Ranging on Earphones

文献信息

• 主题领域: 用户界面设计与交互技术
• 关键词: 面部方向追踪, 声波测距, 耳机, 头部姿态估计, 人机交互, 无线设备交互, 有源降噪耳机, 注意力检测
• 发表会议与年份: CHI 2022，人机交互会议
• 文献DOI: 10.1145/3491102.3517698

研究背景与问题

• 发现的问题或挑战:

  • 用户面部方向通常可用以指示其互动目标，但现有追踪方法（如基于摄像头的头部方向估计和眼动追踪）存在隐私问题、占用视野需求的问题，且不适用于无摄像头设备。
  • 当前声波测距方法在遇到非直视路径 (NLOS) 和快速头部运动引发的 Doppler 效应时性能下降。

• 重要性:

  • 通过跟踪用户的头部位置和方向，设备可以实现更自然的交互，如方便的免触控设备控制、智能上下文感知的界面设计，以及活动追踪功能。

• 研究动机与相关工作:

  • 提升耳机作为空间输入设备的潜力，利用其内置麦克风进行面部方向与距离测量。
  • 尝试构建无需极端多设备需求的解决方案，与之前的 Doppler 定位和FMCW声波测距背景技术有所关联。

解决方案

• 提出的解决方案:

  • FaceOri 是一种基于耳机麦克风进行超声波测距的方法，旨在追踪用户头部的方向（包含俯仰角和水平角）以及与发声设备的空间距离。
  • 它利用现有设备的扬声器发出不可听的超声波信号，并通过耳机麦克风接收测距。

• 创新之处:

  • 无需额外的硬件，利用商品化的现有 ANC 耳机和带扬声器计算设备实现头部方向估计。
  • 通过优化FMCW测距技术，解决了非直视路径 (NLOS) 和 Doppler 效应引起的问题。
  • 创造性地使用非侵入性技术实现免校准的注意力检测。

• 实施步骤与关键技术:

  1. 音频信号处理: 使用FMCW测距技术，通过耳机麦克风接收扬声器发出的超声波并计算时间到达差。
  2. 几何建模: 利用头部中心至麦克风的距离，采用基于三角形的数学公式计算俯仰角和水平角。
  3. 优化策略: 使用三角调制的超声波信号减少 Doppler 效应的影响，采用CFAR自适应算法预测频率峰值。
  4. 二分类注意力检测: 不使用几何校准，通过训练分类器从音频信号提取特征，识别是否用户在面向设备。

研究成果

• 具体成果:

  • 距离测量精度为 10.9 mm 中位绝对误差，水平角与俯仰角的跟踪误差分别为 3.7° 和 5.8°。
  • FaceOri 的注意力二分类准确率达到 93.5%。
  • 与 CAT基准方法比较，FaceOri显著减少掉帧率，提高了对非直视路径和快速运动的鲁棒性。

• 与现有解决方案相比的优势:

  • 相较于基于摄像头的技术避免了隐私问题，在非摄像头设备上可用。
  • 相比IMU解决方案，降低了航向漂移问题，且整体精度更优。
  • 与传统FMCW方法相比优化了非直视路径和快速运动下的测距性能。

• 实验或评估结果:

  • 实验数据证明，当用户靠近设备或者旋转速度较快时，FaceOri对噪声和位置误差的鲁棒性较高。
  • 在不同相对高度和环境噪声条件下进行测试，证明其在高背景噪音环境下依旧表现优秀。

• 局限性与未来方向:

  • 局限性:
    • 需要进行校准以便为连续追踪设定参考点。
    • 当前实现依赖于外部处理设备（如PC）进行实时信号处理。
  • 未来方向:
    • 探索更便捷的校准方法，如结合蓝牙时间同步协议或利用摄像头。
    • 提高部署的通用性，评估不同耳机设备的兼容性。
    • 扩展支持多设备交互的方案，探讨更加高效的频率或信号编码。

总结：FaceOri展示了通过商品化耳机和设备实现头部方向和距离追踪的可行性，具备较高的鲁棒性和潜力，可应用于智能交互、活动检测和注意力驱动界面设计。未来可以向完全用户友好的校准方法和多设备支持方向延展。