一种交互控制方法、装置及系统

1.本技术涉及电子信息技术领域，尤其涉及一种交互控制方法、装置及系统。


背景技术：

2.在智能家居中通常存在多个智能设备，如：智能音箱、智能扫地机器人、智能电视等。用户在选择其中一个设备进行操作或语音交互时，可以利用唤醒词确定用户需要进行交互的目标，如：在智能家居环境中为每个设备起一个名字，但是这种方式需要记住每个设备分别对应的名字，记忆较为繁琐；
3.或者，还可以通过用户的视线方向确定目标设备，如通过摄像头或眼动仪采集实现方向，对于利用摄像头的方案，其本身精度较低，若用户与摄像头距离较远，则无法实现对用户视线的采集；对于利用眼动仪的方案，则需要用户准确的看到设备本身，而这就容易出现不能识别出用户需要交互的目标设备，降低操作效率。


技术实现要素：

4.有鉴于此，本技术提供一种交互控制方法、装置及系统，其具体方案如下：
5.一种交互控制方法，包括：
6.获得用户的视线落点数据；
7.基于环境中各设备的位置数据确定所述用户的视线落点数据符合所述环境中各设备中每一设备的高斯模型的概率值；
8.比较所述用户的视线落点数据符合所述各设备的高斯模型的概率值，将概率值高于其他设备的第一设备确定为所述用户的视线落点数据对应的设备；
9.控制所述第一设备。
10.进一步的，所述基于环境中各设备的位置数据确定所述用户的视线落点数据符合所述环境中各设备中每一设备的高斯模型的概率值，包括：
11.确定所述用户的视线落点数据符合所述环境中各设备中每一设备的单独高斯模型的第一概率值；
12.将所述第一概率值大于第一预设概率的设备确定为第二设备，若所述第二设备为多个，且所述多个第二设备中的每一个第二设备均不存在干扰设备，则将所述多个第二设备中概率值高于其他第二设备的第一设备确定为所述用户的视线落点数据对应的设备。
13.进一步的，还包括：
14.若确定所述第二设备为多个，且所述多个第二设备中存在第二设备具有干扰设备，则确定所述用户的视线落点数据符合所述多个第二设备中每个第二设备的干扰高斯模型的第二概率值，所述干扰高斯模型为在所述设备的预设距离内存在干扰设备时的高斯模型。
15.进一步的，还包括：
16.预先建立所述环境中每一设备的单独高斯模型，
17.其中，所述建立所述每一设备的单独高斯模型，包括：
18.确定当前设备的位置为所述单独高斯模型的第一中心位置；
19.基于所述当前设备的大小确定视线落点在所述第一中心位置的水平和竖直方向上的标准差；
20.通过所述第一中心位置及所述视线落点在所述第一中心位置的水平和竖直方向上的标准差确定所述当前设备的单独高斯模型。
21.进一步的，还包括：
22.预先建立所述环境中每一设备的干扰高斯模型；
23.其中，建立所述每一设备的干扰高斯模型，包括：
24.基于当前设备的位置以及所述当前设备与所述当前设备的干扰设备之间的距离确定所述当前设备的干扰高斯模型的第二中心位置；
25.基于所述当前设备的大小及所述当前设备与所述干扰设备之间的距离确定视线落点在所述第二中心位置的水平和竖直方向上的标准差；
26.通过所述第二中心位置及所述视线落点在所述第二中心位置的水平和竖直方向上的标准差确定所述当前设备的干扰高斯模型。
27.进一步的，还包括：
28.将所述用户的视线落点数据及所述各设备的位置数据转换为球坐标数据，基于所述球坐标数据进行高斯模型概率值的确定。
29.进一步的，所述获得用户的视线落点数据，包括：
30.通过眼动数据采集装置获得用户的视线落点数据。
31.一种交互控制系统，包括：
32.获得单元，用于获得用户的视线落点数据；
33.确定单元，用于基于环境中各设备的位置数据确定所述用户的视线落点数据符合所述环境中各设备中每一设备的高斯模型的概率值；
34.比较单元，用于比较所述用户的视线落点数据符合所述各设备的高斯模型的概率值，将概率值高于其他设备的第一设备确定为所述用户的视线落点数据对应的设备；
35.控制单元，用于控制所述第一设备。
36.一种交互控制装置，包括：
37.处理器，用于获得用户的视线落点数据；基于环境中各设备的位置数据确定所述用户的视线落点数据符合所述环境中各设备中每一设备的高斯模型的概率值；比较所述用户的视线落点数据符合所述各设备的高斯模型的概率值，将概率值高于其他设备的第一设备确定为所述用户的视线落点数据对应的设备；控制所述第一设备；
38.存储器，用于存储所述处理器执行上述步骤的程序。
39.一种计算机可读存储介质，用于至少存储一组指令集；
40.所述指令集用于被调用并至少执行如上任一项的交互控制方法。
41.从上述技术方案可以看出，本技术公开的交互控制方法、装置及系统，获得用户的视线落点数据，基于环境中各设备的位置数据确定用户的视线落点数据符合环境中各设备中每一设备的高斯模型的概率值，比较用户的视线落点数据符合各设备的高斯模型的概率值，将概率值高于其他设备的第一设备确定为用户的视线落点数据对应的设备，控制第一
设备。本方案通过基于用户的视线落点数据与环境中每一个设备的高斯模型相符合的概率值的比较，确定最相符的第一设备进行控制，即直接通过用户视线落在每一个设备的高斯模型的概率确定用户视线对应的设备，从而实现通过视线确定设备，并对设备进行控制，提高了通过视线确定设备的精确度，提高了操作效率及用户体验。
附图说明
42.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
43.图1为本技术实施例公开的一种交互控制方法的流程图；
44.图2为本技术实施例公开的一种交互控制方法的流程图；
45.图3为本技术实施例公开的一种交互控制方法的流程图；
46.图4为本技术实施例公开的存在干扰设备时目标设备的高斯分布的中点偏移的示意图；
47.图5为本技术实施例公开的一种交互控制系统的结构示意图；
48.图6为本技术实施例公开的一种交互控制装置的结构示意图。
具体实施方式
49.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
50.本技术公开了一种交互控制方法，其流程图如图1所示，包括：
51.步骤s11、获得用户的视线落点数据；
52.步骤s12、基于环境中各设备的位置数据确定用户的视线落点数据符合环境中各设备中每一设备的高斯模型的概率值；
53.步骤s13、比较用户的视线落点数据符合各设备的高斯模型的概率值，将概率值高于其他设备的第一设备确定为用户的视线落点数据对应的设备；
54.步骤s14、控制第一设备。
55.若用户需要与智能设备进行交互，其可以通过唤醒词的方式指定智能设备，但是采用这种方式时，若环境中智能设备较多，可能会出现对不同设备的唤醒词记忆混乱的情况，为用户的日常使用带来不便；若采用摄像头或眼动仪等设备通过确定用户视线落点的方式确定待交互的设备，若摄像头与用户之间距离太远，就无法实现视线落点的识别；若采用眼动仪的方式，就需要确保用户能够准确看到待识别的设备，这就对用户的行为要求严格，降低了用户的使用体验。
56.为了避免上述问题，本方案中，首先通过眼动数据采集装置获得用户的视线落点数据，视线落点数据即用户的视线落在环境中哪一个具体位置，该位置的坐标数据。
57.眼动数据采集装置可以为眼动仪或者vr/ar眼镜，在通过眼动数据采集装置获得
用户的视线落点数据后，只要保证视线落点数据符合环境中某个设备的高斯模型，就可以认为用户的视线落在该设备上，该设备即为待交互设备，需要对该设备进行控制。
58.其中，视线落点数据符合环境中某个设备的高斯模型，其可以具体为：预先为环境中的每个设备建立高斯模型，确定用户对于每个设备的心理范围，用户对于设备的心理范围是大于设备本身的大小的，只要用户的视线落点数据在用户对于设备的心理范围之内，就认为用户的视线落在该设备上，该设备即为用户想要交互的设备。
59.而用户对于设备的心理范围的确定是通过高斯模型的建立实现的，具体的，用户预先从不同方向多次看向同一个设备时，其视线的落点并非全部直接落在该设备上，而是该视线的落点集合在该设备所在位置附近，并形成了一个二维的高斯分布，该高斯分布由分布中心的坐标和两个坐标方向上的标准差来描述，这一高斯分布就表示了用户对于这个设备的心理范围。
60.因此，判断用户是否在看某个设备实际是通过确定用户的视线落点是否属于该设备的高斯分布，确定设备的心理范围实际是通过确定该设备高斯分布的相关参数确定的，相关参数即：中心位置，两个方向上的标准差及两个方向上的协方差，而视线落点的高斯分布中二维变量的协方差趋近于0，因此，只需要确定高斯分布的中心位置和两个方向上的标准差即可，其中，两个方向即水平和竖直方向。
61.当环境中有多个设备时，若要确定用户的视线落点数据对应的设备，需要将用户的视线落点数据与环境中各设备的高斯模型进行比对，从而确定视线落点数据符合每一个设备的高斯模型的概率值，可直接将概率值最高的高斯模型对应的设备确定为视线落点数据对应的设备。
62.例如：用户的视线落点数据符合a设备的高斯模型的概率为0.3，符合b设备的高斯模型的概率为0.7，符合c设备的高斯模型的概率为0.6，则可确定用户的视线落点数据对应的设备为b设备，将b设备确定为第一设备作为控制对象进行控制。
63.本实施例公开的交互控制方法，获得用户的视线落点数据，基于环境中各设备的位置数据确定用户的视线落点数据符合环境中各设备中每一设备的高斯模型的概率值，比较用户的视线落点数据符合各设备的高斯模型的概率值，将概率值高于其他设备的第一设备确定为用户的视线落点数据对应的设备，控制第一设备。本方案通过基于用户的视线落点数据与环境中每一个设备的高斯模型相符合的概率值的比较，确定最相符的第一设备进行控制，即直接通过用户视线落在每一个设备的高斯模型的概率确定用户视线对应的设备，从而实现通过视线确定设备，并对设备进行控制，提高了通过视线确定设备的精确度，提高了操作效率及用户体验。
64.本实施例公开了一种交互控制方法，其流程图如图2所示，包括：
65.步骤s21、获得用户的视线落点数据；
66.步骤s22、确定用户的视线落点数据符合环境中每一设备的单独高斯模型的第一概率值；
67.步骤s23、将第一概率值大于第一预设概率的设备确定为第二设备，若第二设备为多个，且多个第二设备中的每一个第二设备均不存在干扰设备，则将多个第二设备中概率值高于其他第二设备的第一设备确定为用户的视线落点数据对应的设备；
68.步骤s24、控制第一设备。
69.在确定用户的视线落点数据后，首先需要确定用户的视线落点数据符合每一个设备的单独高斯模型的第一概率值，只有该第一概率值大于第一预设概率时，才能继续进行后续判断。
70.设备的单独高斯模型，即仅考虑该设备自身时建立的高斯模型，单独高斯模型的中心位置为设备的位置坐标。
71.设备不存在干扰设备，即某一个设备的预设范围内没有其他设备，该预设范围包括且大于用户对于该设备的心理范围，并且，用户对于该设备的心理范围与用户对于与该设备相邻的其他设备的心理范围之间不相交。即若用户的视线落点数据落在用户对于a设备的心理范围内，且用户对于a设备的心理范围并未与其他任何设备的心理范围相交，则认为设备a不存在干扰设备。
72.当设备不存在干扰设备时，只考虑设备的单独高斯模型即可。
73.将用户的视线落点数据带入某设备的单独高斯模型后，获得一个相对概率值，如果该相对概率值小于第一预设概率，则表明用户对该设备不感兴趣，如果该相对概率值大于第一预设概率，则表明用户对该设备可能感兴趣，将基于单独高斯模型确定的相对概率值大于第一预设概率的设备确定为第二设备。
74.如果第二设备为一个，则直接将这一个第二设备确定为待交互设备，对其进行控制；如果第二设备为多个，需要进一步确定多个第二设备中是否有第二设备存在干扰设备，如果没有，即所有第二设备均不存在干扰设备，则可直接选取第一概率值最大的第二设备作为第一设备，对其进行控制；如果多个第二设备中有第二设备存在干扰设备，则需要对存在干扰设备的第二设备进行符合干扰高斯模型的概率值的判定。
75.其中，建立单独高斯模型，即：确定当前设备的位置为单独高斯模型的第一中心位置；基于当前设备的大小确定视线落点在第一中心位置的水平和竖直方向上的标准差；通过第一中心位置及视线落点在第一中心位置的水平和竖直方向上的标准差确定当前设备的单独高斯模型。
76.具体的，在建立高斯模型之前，可以首先将包括视线落点数据及设备位置的所有数据全部由空间直角坐标系下的坐标数据转换为同轴同原点的球坐标，以消除三维直角坐标中的冗余信息，如：距离，达到简化模型的目的。
77.具体的，建立空间直角坐标系，该坐标系以用户初始时的眼睛位置为原点，竖直向上方向为z轴正向，用户的初始朝向为y轴正向，用户初始向右方向为x轴正向。由于用户在看相对于眼睛的同一方向上的目标时，目标与人之间的距离不会影响视线的方向，因此，可以把用户的视线方向由空间直角坐标系下的三轴坐标(x,y,z)转换为同轴同原点的三维球坐标(θ,φ,r)，具体转换公式如下：
[0078][0079]
获得的三维球坐标中的距离维度r不参与模型计算，即将视线方向在相对于人的
水平和竖直方向上进行分解，获得了一个二维的坐标表示(θ,φ)，同样，不考虑设备与人的距离，其相对于人的位置也可以表示为一个二维的坐标。
[0080]
在单独高斯模型建立时，通过眼动数据采集装置获得用户在看一个单独设备时的落点数据，利用坐标系转换之后获得对应的单独高斯模型，设备大小发生变化时，对应单独高斯模型的标准差也会发生线性变化，即不同大小的设备其大小会影响该设备对应的单独高斯模型在两个方向上的标准差，利用最小二乘法拟合出水平和竖直两个方向上的直线组1的标准差用于之后的判断。直线组1为：
[0081]
std_θ＝k_θ1·
size+b_θ1[0082][0083]
其中，k_θ
i
与b_θ
i
(i＝1,2)表示拟合参数，size表示设备大小，直线组1中的std表示落点单独高斯模型的标准差。
[0084]
根据上述直线组1，每当一个设备大小确定时，可以拟合出该设备不存在干扰设备时，落点单独高斯分布在水平和竖直两个方向上的标准差，并且，当设备不存在干扰设备时，其高斯分布的中心位于设备的中心，由此可计算出该设备落点高斯分布的预测值，即建立设备的单独高斯模型。
[0085]
例如：用户的视线落点位于与a设备的高斯分布的中心相距一个标准差的范围内，则用户的视线落点对应的设备为a设备的概率为a1；若用户的视线落点位于与a设备的高斯分布的中心相距两个标准差的范围内，则用户的视线落点对应的设备为a设备的概率为a2。
[0086]
本实施例公开的交互控制方法，获得用户的视线落点数据，基于环境中各设备的位置数据确定用户的视线落点数据符合环境中各设备中每一设备的高斯模型的概率值，比较用户的视线落点数据符合各设备的高斯模型的概率值，将概率值高于其他设备的第一设备确定为用户的视线落点数据对应的设备，控制第一设备。本方案通过基于用户的视线落点数据与环境中每一个设备的高斯模型相符合的概率值的比较，确定最相符的第一设备进行控制，即直接通过用户视线落在每一个设备的高斯模型的概率确定用户视线对应的设备，从而实现通过视线确定设备，并对设备进行控制，提高了通过视线确定设备的精确度，提高了操作效率及用户体验。
[0087]
本实施例公开了一种交互控制方法，其流程图如图3所示，包括：
[0088]
步骤s31、获得用户的视线落点数据；
[0089]
步骤s32、确定用户的视线落点数据符合环境中每一设备的单独高斯模型的第一概率值；
[0090]
步骤s33、将第一概率值大于第一预设概率的设备确定为第二设备，若第二设备为多个，且多个第二设备中存在第二设备具有干扰设备，确定用户的视线落点数据符合具有干扰设备的第二设备的干扰高斯模型的第二概率值，干扰高斯模型为在设备的预设距离内存在干扰设备时的高斯模型；
[0091]
步骤s34、比较用户的视线落点数据符合各设备的高斯模型的概率值，将概率值高于其他第二设备的第一设备确定为用户的视线落点数据对应的设备；
[0092]
步骤s35、控制第一设备。
[0093]
当有第二设备存在干扰设备时，需要对存在干扰设备的第二设备进行干扰高斯模型的概率值的确定，之后再对所有第二设备的概率值进行比较，从而确定概率值最高的第
二设备为待交互设备，对其进行控制。
[0094]
若多个第二设备中，有部分第二设备存在干扰设备，则对存在干扰设备的第二设备进行干扰高斯模型的概率值的确定，而对于不存在干扰设备的第二设备，则直接采用单独高斯模型的概率值。在进行概率值的比较时，是对所有的第二设备的概率值进行比较，其中，存在干扰设备的第二设备，则采用干扰高斯模型的概率值，而对于不存在干扰设备的第二设备，则采用单独高斯模型的概率值，以便确定用户的视线落点最有可能落在哪一个第二设备的范围内。
[0095]
具体的，存在干扰设备的设备，采用单独高斯模型得到的概率值并非其最准确的概率值，由于干扰设备的存在，该设备的高斯模型会发生变化，因此，为了保证该设备的高斯分布的准确性，需要采用干扰高斯模型，以消除干扰设备对设备的干扰因素。
[0096]
对于存在干扰设备的第二设备，需要预先建立每个存在干扰设备的第二设备的干扰高斯模型。
[0097]
具体的，基于当前设备的位置以及当前设备与其干扰设备之间的距离确定当前设备的干扰高斯模型的第二中心位置，基于当前设备的大小及当前设备与干扰设备之间的距离确定视线落点在第二中心位置的水平和竖直方向的标准差，通过第二中心位置及视线落点在第二中心位置的水平和竖直方向上的标准差确定当前设备的干扰高斯模型。
[0098]
通过眼动数据采集装置获得用户在看两个设备中的某一个设备时的落点数据，利用坐标系转换之后获得对应的干扰高斯模型，设备相对大小、距离、相对位置发生变化时，干扰高斯模型的参数会发生变化。
[0099]
其中，相对位置和距离会引起干扰高斯模型的中心的线性偏移，即对于一个目标设备对应的高斯分布，如果其右侧存在一个干扰设备，则该目标设备的高斯分布的中心会受到影响从而向左偏移，如图4所示，若存在目标设备a不存在干扰设备，则其高斯分布的中心为目标设备a所在的位置；若目标设备存在干扰设备b，则目标设备a的高斯分布的中心会向远离干扰设备b的方向偏移，目标设备a的高斯分布的中心由原来的a位置向远离干扰设备b的方向偏离至b位置。
[0100]
另外，随着干扰设备的靠近，即两者之间的间距的减小，高斯分布的中心的偏移会增加，利用采集到的数据通过最小二乘法拟合出两个方向上的直线组2，直线组2用于表示目标设备的高斯分布的中心，直线组2为：
[0101]
mean_θ＝kdis_θ1·
dis_θ+bdis_θ1[0102][0103]
其中，mean_θ与表示该高斯分布在θ和两个方向上的均值，均值体现为高斯分布的中心位置，并且该值受到目标设备和干扰设备之间的相对距离dis的线性影响；kdis和bdis均为表示通过两个设备之间的相对距离dis拟合出的直线的参数，即拟合出的直线的斜率和截距。
[0104]
上述公式用于拟合出高斯分布的均值，即用于计算具有干扰设备的目标设备的高斯分布的中心位置，由于目标设备的大小对于目标设备的高斯分布的中心产生的影响较小，相对于目标设备与干扰设备之间的相对距离，设备大小的影响可以忽略；而目标设备的大小对于目标设备的高斯分布的范围有明显影响，因此，在拟合高斯分布中心的参数mean时并不使用设备大小这一参数。
[0105]
其中，分布中心的位置信息隐藏在相对距离dis的符号中，例如：规定右侧为正向，干扰设备出现在左侧1m处时，其相对距离dis标记为
‑
1。因此，当获得目标设备和干扰设备的位置坐标时，可以通过确定其相对距离并通过直线组2计算出目标设备和干扰设备分别对应的高斯模型的中心坐标。
[0106]
另外，设备的大小和距离共同影响干扰高斯模型的标准差，拟合出平面组3，平面组3为：
[0107]
std_θ＝k_θ
11
·
size+k_θ
12
·
dis+b_θ1[0108][0109]
其中，k_θ
i
与表示平面本身的拟合参数，size表示设备大小，dis表示目标设备与干扰设备中心的距离。
[0110]
由上述平面组3可计算出目标设备的高斯模型在两个方向上的标准差，并结合直线组2拟合出的干扰高斯模型的中心坐标，即可获得存在干扰设备的目标设备的高斯模型的预测。
[0111]
本实施例公开的交互控制方法，获得用户的视线落点数据，基于环境中各设备的位置数据确定用户的视线落点数据符合环境中各设备中每一设备的高斯模型的概率值，比较用户的视线落点数据符合各设备的高斯模型的概率值，将概率值高于其他设备的第一设备确定为用户的视线落点数据对应的设备，控制第一设备。本方案通过基于用户的视线落点数据与环境中每一个设备的高斯模型相符合的概率值的比较，确定最相符的第一设备进行控制，即直接通过用户视线落在每一个设备的高斯模型的概率确定用户视线对应的设备，从而实现通过视线确定设备，并对设备进行控制，提高了通过视线确定设备的精确度，提高了操作效率及用户体验。
[0112]
本实施例公开了一种交互控制系统，其结构示意图如图5所示，包括：
[0113]
获得单元51，确定单元52，比较单元53及控制单元54。
[0114]
其中，获得单元51用于获得用户的视线落点数据；
[0115]
确定单元52用于基于环境中各设备的位置数据确定用户的视线落点数据符合环境中各设备中每一设备的高斯模型的概率值；
[0116]
比较单元53用于比较用户的视线落点数据符合各设备的高斯模型的概率值，将概率值高于其他设备的第一设备确定为用户的视线落点数据对应的设备；
[0117]
控制单元54用于控制第一设备。
[0118]
进一步的，确定单元52基于环境中各设备的位置数据确定用户的视线落点数据符合环境中各设备中每一设备的高斯模型的概率值，包括：
[0119]
确定单元52确定用户的视线落点数据符合环境中各设备中每一设备的单独高斯模型的第一概率值；将第一概率值大于第一预设概率的设备确定为第二设备，若第二设备为多个，且多个第二设备中的每一个第二设备均不存在干扰设备，则将多个第二设备中概率值高于其他第二设备的第一设备确定为用户的视线落点数据对应的设备。
[0120]
进一步的，确定单元还可以用于：
[0121]
在确定第二设备为多个，且多个第二设备中存在第二设备具有干扰设备时，确定用户的视线落点数据符合多个第二设备中每个第二设备的干扰高斯模型的第二概率值，干
扰高斯模型为在设备的预设距离内存在干扰设备时的高斯模型。
[0122]
进一步的，本实施例公开的交互控制系统还可以包括：第一建立单元，
[0123]
第一建立单元用于预先建立环境中每一设备的单独高斯模型，
[0124]
其中，第一建立单元建立所述每一设备的单独高斯模型，包括：
[0125]
确定当前设备的位置为单独高斯模型的第一中心位置；基于当前设备的大小确定视线落点在第一中心位置的水平和竖直方向上的标准差；通过第一中心位置及视线落点在第一中心位置的水平和竖直方向上的标准差确定当前设备的单独高斯模型。
[0126]
进一步的，本实施例公开的交互控制系统还可以包括：第二建立单元，
[0127]
第二建立单元用于预先建立环境中每一设备的干扰高斯模型；
[0128]
其中，第二建立单元建立每一设备的干扰高斯模型，包括：
[0129]
基于当前设备的位置以及当前设备与当前设备的干扰设备之间的距离确定当前设备的干扰高斯模型的第二中心位置；基于当前设备的大小及当前设备与干扰设备之间的距离确定视线落点在第二中心位置的水平和竖直方向上的标准差；通过第二中心位置及视线落点在第二中心位置的水平和竖直方向上的标准差确定当前设备的干扰高斯模型。
[0130]
进一步的，本实施例公开的交互控制系统还可以包括：转换单元，
[0131]
转换单元用于将用户的视线落点数据及各设备的位置数据转换为球坐标数据，基于球坐标数据进行高斯模型概率值的确定。
[0132]
进一步的，获得单元获得用户的视线落点数据，包括：
[0133]
获得单元通过眼动数据采集装置获得用户的视线落点数据。
[0134]
本实施例公开的交互控制系统是基于上述实施例公开的交互控制方法实现的，在此不再赘述。
[0135]
本实施例公开的交互控制系统，获得用户的视线落点数据，基于环境中各设备的位置数据确定用户的视线落点数据符合环境中各设备中每一设备的高斯模型的概率值，比较用户的视线落点数据符合各设备的高斯模型的概率值，将概率值高于其他设备的第一设备确定为用户的视线落点数据对应的设备，控制第一设备。本方案通过基于用户的视线落点数据与环境中每一个设备的高斯模型相符合的概率值的比较，确定最相符的第一设备进行控制，即直接通过用户视线落在每一个设备的高斯模型的概率确定用户视线对应的设备，从而实现通过视线确定设备，并对设备进行控制，提高了通过视线确定设备的精确度，提高了操作效率及用户体验。
[0136]
本实施例公开了一种交互装置，其结构示意图如图6所示，包括：
[0137]
处理器61及存储器62。
[0138]
其中，处理器61用于获得用户的视线落点数据；基于环境中各设备的位置数据确定用户的视线落点数据符合环境中各设备中每一设备的高斯模型的概率值；比较用户的视线落点数据符合各设备的高斯模型的概率值，将概率值高于其他设备的第一设备确定为用户的视线落点数据对应的设备；控制第一设备；
[0139]
存储器62用于存储处理器执行上述步骤的程序。
[0140]
本实施例公开的交互控制装置是基于上述实施例公开的交互控制方法实现的，在此不再赘述。
[0141]
本实施例公开的交互控制装置，获得用户的视线落点数据，基于环境中各设备的
位置数据确定用户的视线落点数据符合环境中各设备中每一设备的高斯模型的概率值，比较用户的视线落点数据符合各设备的高斯模型的概率值，将概率值高于其他设备的第一设备确定为用户的视线落点数据对应的设备，控制第一设备。本方案通过基于用户的视线落点数据与环境中每一个设备的高斯模型相符合的概率值的比较，确定最相符的第一设备进行控制，即直接通过用户视线落在每一个设备的高斯模型的概率确定用户视线对应的设备，从而实现通过视线确定设备，并对设备进行控制，提高了通过视线确定设备的精确度，提高了操作效率及用户体验。
[0142]
本技术还提供了一种计算机可读存储介质，其上存储有计算机程序，至少存储一组指令集，指令集被执行时实现上述实施例提供的一种交互控制方法。
[0143]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
[0144]
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本技术的范围。
[0145]
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd
‑
rom、或技术领域内所公知的任意其它形式的存储介质中。
[0146]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。