注视、扫视与平滑追随的贝叶斯识别
计算机视觉与模式识别
2015-11-25 v1
摘要
平滑追随眼动提供关于受试者行为和健康的有意义洞察与信息，并可能在特定情况下干扰典型注视/扫视分类算法的性能。因此，自动高效识别这些眼动的算法对于涉及动态刺激的眼动追踪研究至关重要。本文提出贝叶斯决策理论识别（I-BDT）算法，一种用于眼动三元分类的新算法，能够以在线方式可靠分离注视、扫视和平滑追随，即使对于低分辨率眼动追踪器也是如此。所提算法在四个具有不同眼动混合的数据集上评估，包括注视、扫视以及直线和圆形平滑追随；数据以30 Hz采样率从六名受试者收集，总计24个评估数据集。该算法在所有数据集和眼动上展现出相对于领域专家手动标注的高且一致的性能（召回率：\mu = 91.42%, \sigma = 9.52%; 精确度：\mu = 95.60%, \sigma = 5.29%; 特异度 \mu = 95.41%, \sigma = 7.02%），并且与最先进算法I-VDT相比显示出显著改进（召回率：\mu = 87.67%, \sigma = 14.73%; 精确度：\mu = 89.57%, \sigma = 8.05%; 特异度 \mu = 92.10%, \sigma = 11.21%）。算法实现和标注数据集请联系第一作者。
引用
@article{arxiv.1511.07732,
title = {Bayesian Identification of Fixations, Saccades, and Smooth Pursuits},
author = {Thiago Santini and Wolfgang Fuhl and Thomas Kübler and Enkelejda Kasneci},
journal= {arXiv preprint arXiv:1511.07732},
year = {2015}
}
备注
8 pages