语音控制的缺陷
,对语音信号的提取有着不少的干扰因素,例如个体间的发声差异以及自身语调的变化、不同地区以及文化背景不同的人们说话方式的区别、环境的噪声对语音信号的干扰等,以上这些因素都会对语音信号的提取产生不利影响。其次,语音识别的效率和速度还有待提高,这两点直接影响着语音控制在智能眼镜中的应用价值,是应用价值的重要的衡量指标。另外,用户对语音控制的期望很高,但实际情况是语音控制还不能满足用户的需求,例如当用户使用谷歌眼镜发起语音控制命令时,用户严格地按照谷歌眼镜提供的标准方式发出,当用户要打电话时,说”ok glass,make a call to...”,而更习惯的方式”ok glass,call.”则完全无效。
眼动跟踪原理
用于智能眼镜的眼动跟踪测量技术主要是基于图像和视频测量法,该方法囊括了多种测量可区分眼动特征的技术,这些特征有巩膜和虹膜的异色边沿、角膜反射的光强以及瞳孔的外观形状等。基于图像、结合瞳孔形状变化以及角膜反射的方法在测量用户视线的关注点中应用很广泛。
眼动跟踪缺陷
虽然眼睛是身体当中接收信息广和快的方式,但眼动跟踪却离人性化的交互方式有很大差距。由于眼睛本身存在固有的眨动以及抖动等特点,会产生很多的干扰信号,可能会造成数据的中断,这样会导致从眼动信息中提取到准确数据的难度大大升高。
智能眼镜将全新消费电子市场。智能眼镜在具备智能手机功能的同时,还具有满足消费者便携性和大屏幕视觉体验需求等锏,作为未来智能手机的替代和有效补充。