研究對象在佩戴EEG耳機時觀看圖像。
加州大學聖地亞哥分校的計算機科學家們結合了複雜的計算機視覺算法和大腦計算機界面，在海底的聲納圖像中尋找地雷。研究表明，與現有方法相比，新方法的檢測速度顯著提高，主要是由礦山檢測專家進行肉眼檢查。
計算機視覺和人類視覺各有各自的優勢，它們結合在一起工作很好。例如，計算機非常善於發現微妙的，數學上精確的模式，而人們有能力以更全面的方式推理事物，以看清大局。我們在這裡展示了結合這些方法來提高性能的巨大潛力。
研究人員與美國海軍的空間和海軍作戰系統中心太平洋(SSC Pacific)合作，收集了在聖地亞哥灣的測試場放置的450個含有150個惰性的亮橙色地雷的數據集。一個圖像數據集被一個裝有聲納的水下車輛收集。此外，研究人員還訓練了他們的計算機視覺算法，在975個類似地雷的物體的數據集合上。
在這項研究中，研究人員首先展示了六個實驗對象一個完整的數據集，然後才被計算機視覺算法篩選。然後他們通過他們開發的探測計算機視覺算法來運行圖像數據集，這些算法標記了最有可能包括地雷的圖像。然後，他們將實驗結果展示給被測者，並配備了腦電圖(EEG)系統，該系統用於檢測顯示受試者對圖像反應的大腦活動，因為它包含一個顯著特徵。當圖像已經被算法處理後，被測者檢測到的地雷要快得多。計算機科學家最近在IEEE海洋工程雜誌上發表了他們的研究成果。
這種算法就是所謂的一系列分類器，可以連續工作以提高速度和準確性。分類器是為了捕獲圖像相鄰區域之間像素強度的變化而設計的。該系統的目標是檢測99.5%的真實結果，並且只在每次通過分類器時產生50%的假陽性。結果是，真正的陽性結果仍然很高，而假陽性則會隨著每次的傳遞而減少。
研究人員對分類器產生的數據集進行了幾個版本的分析，並以6個實驗對象對其進行了測試，這6個實驗對象都配備了EEG設備，這是每個主題的首次校準。結果顯示，在數據集上，受測者表現最佳，包含計算機視覺算法產生的最保守的結果。他們篩選了3400個圖像芯片，大小為100×50像素。每個芯片都只顯示了1 / 5秒(0.2秒)剛好足夠與eeg相關的算法有關，以確定受試者的大腦信號是否顯示他們看到了任何感興趣的東西。
所有的實驗對象的表現都比在沒有計算機視覺算法的前提下顯示出完整的圖像效果更好。一些實驗對象的表現也比他們自己的計算機視覺算法好。
人的知覺可以做一些我們無法接近計算機視覺的事情，電腦視覺不會讓人感到疲倦和壓力。所以我們很自然地把兩者結合起來。