对于移动眼睛跟踪的算法注释
1Department of Human Movement Sciences, Faculty of Behaviour and Movement Sciences, Amsterdam Movement Sciences and Institute Brain and Behavior Amsterdam (iBBA), Vrije Universiteit Amsterdam, Amsterdam, The Netherlands. d.muller@vu.nl.
Behavior research methods
|September 17, 2025
概括
这项研究引入了一种自动化方法,用于使用计算机视觉分析移动眼球追踪录像. 开发的算法显示了与人类分析的实质性一致,加速了在现实世界的互动中对视觉注意力的研究.
科学领域:
- 计算机视觉 计算机视觉
- 人与计算机的交互
- 行为科学 行为科学
背景情况:
- 移动眼睛跟踪对于现场人类行为研究很有价值.
- 手动分析眼睛跟踪录像是耗时和劳动密集的.
- 自动化分析可以显著提高研究效率.
研究的目的:
- 评估计算机视觉算法对移动眼睛跟踪数据的自动注释的有效性.
- 为此目的开发和验证一个开源的Python包.
- 将算法注释与人类专家注释进行比较.
主要方法:
- 开发了一个开源的Python包,集成了两个计算机视觉算法.
- 算法在二极交互过程中自动注释与人体相关的感兴趣区域.
- 验证了算法与手动编码,由三个经验丰富的人类评分员对1188进行验证.
主要成果:
- 自动化算法与人类评级者之间有明显的一致性 (克里多夫的α=0.61).
- 算法提供了严格的注释,而人类评分者表现出了一些宽容.
- 计算机算法方法是注释动态眼球追踪录像的有效方法.
结论:
- 移动眼球追踪录像的自动注释是可行的和可靠的.
- 这项技术可以在现实场景中自动评估视觉注意力和意图.
- 应用范围涵盖教育环境,行人导航和体育分析.
