在过去的几周里,我一直试图在我的应用程序中开发一种合成类似人类鼠标移动的方法.在开始时,我使用了多项式和样条插值等简单技术,但即使有一点噪音,结果仍然不能像人类一样出现.
为了解决这个问题,我一直在研究如何将机器学习算法应用于真实的人类鼠标移动生物识别技术,以便通过学习记录的真实人体来合成鼠标移动.用户将编辑记录的移动的概况,这将记录用于合成目的的程序.
我已经搜索了几个星期并阅读了几篇关于逆生物测定技术应用于生成小鼠动力学的文章,例如用于鼠标动态的逆生物计量学; 然而,他们倾向于关注从随机生成的动态生成实际时间,而我希望生成从特定 A到B 的路径.此外,我仍然需要提出一条路径,而不仅仅是一些路径从一个测量动力学.
有没有人有一些指针来帮助一个菜鸟?
目前,测试是通过记录动作并让我和其他几个开发人员观看回放来完成的.理想情况下,该机芯将能够同时使用自动生物识别分类器,以及真实的,现场呼吸的Homo sapien.
Fitt定律可以很好地估计定位鼠标指针所需的时间.在派生部分有一个简单的解释,我认为您可以将其用作应用程序的基本构建块之一.从大动作开始,在运动的方向和长度上都有一些不准确,然后进行较小的校正运动等等......
首先,我猜你会记录从A到B的人体鼠标移动.因为否则,试图合成这种运动的模型似乎对我来说是不可能的.
第二,如何测量与"直接"路径的偏差,可能与时间有关.我实际上怀疑不同角度,路径长度等的动作看起来不同,但也许你可以先尝试一个标准化的模型,你只需要伸展(在空间和时间)并按需要旋转.
三,学习.最简单的方法就是拥有一系列真正的动作(我在上面讨论过的形式)和该系列的样本.评估它的外观.如果你真的想要一个概率模型,那么你必须评估哪种模型适合.是否足以模糊高斯噪声的直接路径,你从训练集中学习参数?或者一些(sin-)波浪偏差?或者单独模型"靠近按钮"和"最终修正".Fitts法可能对评估有用.