表 2. Comparison of research results and performance of eye-control keyboard technologies.

眼控键盘技术的研究成果与性能比较

文献	分类方法	识别类型	平均准确度	备注
[14]	眨眼阈值	有意眨眼	96.73%	结合了SSVEP信号
[15]	眨眼阈值	有意眨眼	97.73%	提出了动态阈值算法优化
[31]	眨眼阈值	9向眼动、有意眨眼	89.00%	以9种不同方向眼动类型进行识别，系统兼具无线和低成本特点
[32]	眨眼阈值	有意眨眼	87.00%	使用虚拟现实技术展示键盘界面
[20]	阈值自适应	5类眼动	94.52%	为5种基本笔画编码，作为字符特征
[25]	多模态	8向眼动、SSVEP信号	94.16%	利用眼动选取目标，SSVEP信号确定目标
[26]	多模态	8向眼动、VOG信号	89.96%	双模态特征为EOG信号的小波包系数和VOG数据的二维小波特征