增强自动固定检测在头部安装的眼睛跟踪系统中的策略

科学领域:

• 计算机视觉 计算机视觉
• 神经科学是一个神经科学.
• 人与计算机的交互

背景情况:

• 准确的固定检测对于分析视觉信息至关重要,特别是在眼睛跟踪研究中.
• 标准算法在静态条件下运行得很好,但在头部运动方面却很困难.
• 头部安装的眼睛追踪器可以实现自然的运动,但复杂的固定检测.

研究的目的:

• 增强现有的固定检测算法,以在动态的现实场景中提供强大的性能,使用头部安装的眼球追踪器.
• 制定策略,区分凝视稳定与头部运动期间的非固定性凝视转移.

主要方法:

• 建议基于光流的补偿来稳定头部运动期间的眼睛运动.
• 实现了基于头部运动强度的自适应算法灵敏度调整.
• 利用Pupil Invisible眼镜的新型,公开可用的手工标记数据集进行验证.

主要成果:

• 评估了个人和组合策略对其对固定检测准确度的贡献.
• 综合策略显著改善了标准值算法.
• 提出的方法优于先前用于头部安装眼睛跟踪的方法.

结论:

• 开发的策略允许在动态环境中使用头戴眼球追踪器进行强大的固定检测.
• 这一进步对于在自然环境中分析眼睛运动至关重要.
• 这些发现推动了眼睛跟踪分析领域的现实应用.