基于短期AOI的代表性扫描路径识别和扫描路径聚合

科学领域:

• 认知科学 认知科学
• 计算机视觉 计算机视觉
• 人与计算机的交互

背景情况:

• 眼睛追踪研究中的扫描路径分析旨在识别代表性的观看模式.
• 现有的方法通常依赖于预定义的兴趣领域 (AOI),并且可以通过扫描路径相似性选择来限制.

研究的目的:

• 开发和评估一种新的算法,用于识别眼睛跟踪数据中的代表性扫描路径.
• 引入短期兴趣区域 (AOI) 的概念,以改进扫描路径分析.

主要方法:

• 拟议的算法通过从动态定义的短期感兴趣区域 (AOI) 中提取固定值来识别代表性扫描路径.
• 该方法使用来自两个公开可用的数据集的眼睛跟踪数据进行了评估.

主要成果:

• 新的算法在评估的数据集上显示出与现有方法相比更高的性能.
• 该方法有效地处理静态和动态视觉刺激,包括那些没有自然细分的视觉刺激.

结论:

• 拟议的算法为eye-tracking研究中的代表性扫描路径识别提供了一个强大的解决方案.
• 这种方法解决了与传统的AOI选择和扫描路径相似性测量相关的局限性,增强了视觉注意力的分析.