1、眼动行为的算法分类原理

在记录眼动数据的时候,眼动仪按采样率来采集眼动原始数据(采样率30、60、120货300HZ)。每个数据点都将被识别为一个时间标签或者(x,y)的坐标形式并且被发送到与眼动以连接的加算机上运行的分析软件程序的数据库中(比如Tobii Pro Studio 以及其他通过使用Tobii Pro SDK生成的API程序)。

为了使得数据可视化呈现出来,这些坐标将被进行进一步处理成注视点并且叠加到测试所使用的刺激材料视频上面。通过数据点的叠加为注视点,要处理的眼动追踪数据的数量会显著的减少,使得研究人员能够着重衡量得到的数据并且得到与研究相关的数据。

在眼动仪分析软件中的过滤算法中,会自动的检验采样点是否有用,比如,有些眼动位置数据的点没有位置信息,就会自动剔除这些信息,或者系统仅仅记录一只眼睛的数据点且无法识别是左眼还是右眼的数据点以及无法得到最终的gaze数据点,这一类的数据也会剔除掉。

Tobii Pro Studio使用了三种注视点过滤算法(ClearView,Tobii,I-VT),将原始的数据通过算法的过滤,得到可以作为注视点的数据

2、利用AOI(兴趣区)对动态刺激物进行分析

如果您正在研究人们对如视频、动画等动态刺激物的视觉行为,动态AOI工具可为您提供类似静态AOI工具,功能对于图片及其他静止刺激物的分析有着类似的功能。创建和编辑动态AOI的过程和静态AOI相似

关于动态的AOI工具使用,有下面几个点是需要注意的:

  • 多个看到相同线性动态刺激物的被试的眼动数据叠加是有价值的
  • 动态AOI不能用于非线性动态记录的分析;
  • 动态AOI可以被开启、关闭、移动、调整大小以及跟踪相关分析对象;
  • 动态AOI不能用于静态刺激物、如图片的分析;

在使用AOI之前,我们需要定义两种不同的动态刺激物:线性动态刺激物(LDS),是我们固定时长的视频或者动画,被不同被试按照相同的顺序和时间观看,比如一个30s的视频片段,相比之下,非线性刺激物以个人路径和进程为特点,每个记录的长度都不一样。使用Tobii Pro第一代和第二代头戴式眼动仪记录的视觉行为或者互联网上网记录都是比较典型的非线性刺激物。对于非线性刺激物的视觉记录可以使用动态AOI记录兴趣区对其各个元素进行分析。

对于线性刺激物视频的分析还需要考虑的一个因素是分析对象相对于周边环境是否是移动的。比如,如果需要分析的视频中有两个静止的动物玩具,分别放置在桌子的左右两边,我们可以截取视频中包含填充动物静态图片的某一帧作为视线轨迹图和热点图的背景。但是,如果我们需要分析的对象是一个从视频左侧移动至右侧的一个人,那么使用动态的AOI分析工具进行分析更加适合

关于兴趣区的探讨

兴趣区是一个概念, 也是一个Tobii Pro Studio和Pro Glasses的分析工具,这个分析工具帮助研究人员和分析师计算定量的眼动指标。这些指标包括注视点数量和长度。使用这个工具,你可以简单的在眼动记录视频内圈出需要分析的刺激物的边际,无论这个刺激物是网站上的一个按钮还是一位电影场景内的演员。Studio软件会统计出相应分析区间刺激物边际内的眼动数据。

建立和编辑AOI方法比较简单,在用户手册里有介绍,本文将主要介绍一些不常用的工具,包括一些AOI设计和分析方面的小窍门。

尺寸与位置的控制

有些情况下,研究人员可能想要使用几个相同尺寸的AOI并按特定的方式排列。例如这里我们看到的PEZ售卖机内,KISS乐队主题糖果包装上的乐队成员面部的椭圆形AOI。我们首先在Gene的面部位置创建一个兴趣区,然后将其复制并分别粘贴到Ace, Peter和Paul面部的位置,这样可确保AOI的尺寸相同。X和Y坐标表示AOI横向延伸201个像素,纵向延伸277个像素。

我们也可以确保这些AOI位置都按相应的方式排列在包装上方,因为4个AOI左上角的Y坐标都是相同的244像素。如果你现在要把这些兴趣区缩短一些,我们可以在框中输入数值,例如234,那么AOI就会进行相应的调整。基本上您可以通过此方法将AOI的尺寸和位置调整精确到像素。

兴趣区的合并

Pro Studio软件和Pro Lab软件中创建的每个AOI都是一个单独的个体即使有些AOI的名字相同。有时,将几个不同的跨越不同测试或刺激物的AOI合并成一个“AOI组” ,这对某些分析非常有帮助,比如计算几个位于不同包装上的商标的总注视时间或者建立一个高层级分类如将一般商标的注视行为与特定商标的注视行为作比较。在接下来的例子里,所有4个乐队成员也是AOI组群”faces”的成员。对于”faces”AOI, 总注视时间是4张脸的总注视时间之和,而首次注视时间则是4张脸中最短的那个首次注视时间值。

在设计眼动刺激物时,要把分析思路考虑在内。有2个关于刺激物和AOI的重要因素需要考虑在内:大小和位置

将兴趣区创建成合适的大小

一个研究人员经常问的问题是”AOI”画多大? 为了很好的回答这个设计问题,研究人员必须考虑选择性和敏感性的平衡关系。换句话讲,AOI计算需包含研究对象周边的多少眼动数据。小的AOI增加选择性(selectivity),但会牺牲研究对象外部的一些可能有价值的有效眼动数据;大的AOI增加敏感性(sensitivity),有可能捕获研究对象外部的一些有效眼动数据。这个选择将基于几个因素,包括研究课题和计划使用的统计方法

将兴趣区放在合适的位置

与上一个问题同等重要的是兴趣区的位置,因为单个刺激物,如图片、网页、包装包含多个AOI的情况是很常见的。出于这个原因,AOI之前的空间可能也是计算有效眼动指标需要考虑的因素。任何情况下,请尽量遵循”1度”原则,使相邻的AOI之间有足够的空间以便达成确定性和选择性之间的平衡。

设计刺激物和AOI时,“1度”原则是将人们视觉相关的视网膜中央凹和眼动仪硬件准确度和分辨率2个因素同时考虑的较简单的方法。对于普通显示器,如台式电脑显示器或者Tobii Pro T60/120眼动仪,参与者坐在离显示器60 cm (24”)处,1度大约等于1厘米或者40-50像素。

总结

作为总结,Pro Studio和Pro Lab软件是定量眼动分析的灵活和精确的工具。他们帮助你搭建分析框架,但是为了得到最大价值和尽可能的得到最佳的数据,你必须提前想好与兴趣区特点相适宜的最合适的AOI大小和位置。

眼动数据分析基础_数据处理相关推荐

  1. 眼动数据分析基础_数据和指标的导出

    在Tobii Pro Lab中计算和导出眼动指标 了解如何在Pro Lab中计算和导出AOI和基于事件的指标 建立成功的眼动追踪研究的关键因素是能够为您的研究问题定义和计算适当的度量. 除了选择正确的 ...

  2. 眼动数据分析基础_AOI分析动态刺激物

    如果您正在研究人们对如视频.动画等动态刺激物的视觉行为,动态AOI工具可为您提供类似静态AOI工具对于图片及其他静止刺激物分析的同样功能.创建和编辑动态AOI的过程和静态AOI相似. 关于动态AOI工 ...

  3. 眼动数据分析基础_02

    1.眼动指标的具体使用以及解释(Metrics & Interpretation) 在我们论文的研究中,需要使用下面一些关于眼睛数据的指标 扫视(Saccade)次数:反映了眼球在需要目标总的 ...

  4. 眼动数据分析基础_01

    关于眼动仪器的原理 眼动仪是人因基础研究的重要仪器.眼动仪用于记录人在处理视觉信息时的眼动轨迹特征,广泛用于注意.视知觉.阅读等领域的研究.总而言之就是一款处理眼球移动数据和注视点绝对位置的仪器. 图 ...

  5. 眼动数据分析基础知识了解(人眼工作机制)

    1.人眼的工作机制 人类视觉的感知开始于物体或者场景反射的光线通过眼角膜.瞳孔和晶状体进入打我们的眼睛.眼角膜和晶状体帮助我们将这些光线集中并且投射到位于眼球后部视网膜的感光层上.晶状体的另一个功能是 ...

  6. 眼动数据分析(基于EyeLink眼动仪数据)

    本文首发在个人博客上(7988888.xyz),此文章中所有链接均通过博客进行访问. 在EyeLink系列眼动仪中,我们在采集数据的过程中会得到格式为EDF(EyeLink Data File)的数据 ...

  7. 眼动数据分析——基于Eyelink输出报告

    EyeLink输出的文件虽然都是计算好的眼动指标,但是还是要做进一步的数据清洗.手动太麻烦了,我就简单弄了一下. 程序计算顺序如下: 数据清洗:剔除3个标准差以外的数据 计算均值和标准差并输出到文件 ...

  8. Python数据分析基础_第4节:数据清洗

    数据清洗 # 示例数据 import pandas as pd import numpy as npdf = pd.DataFrame(np.random.randint(10,100,(10,3)) ...

  9. python数据分析基础试卷及答案_PYTHON数据分析基础_章节测验,期末考试,慕课答案查询公众号...

    [单选] 液体中密度最大是(). [单选] 液体中密度最大是(). [单选] 振动式密度计的传感线圈作用是检测出(),求得被测液体的密度. [单选] 通过测定物质的质量及其体积得到密度的方法称为()测 ...

  10. 眼动研究论文如何写?

    关注"心仪脑"查看更多脑科学知识的分享. 关键词:学术写作.眼动.论文.行文指南 ​ 说起眼动大家肯定都不陌生,但是也会有些新研究者对眼动的了解不够深入.眼动追踪研究是一种丰富的实 ...

最新文章

  1. iptables 常用规则使用实例
  2. 一份数学小白也能读懂的「马尔可夫链蒙特卡洛方法」入门指南
  3. 批量计算多个点到一个点的距离
  4. 关乎每个人!2021年5月1日起实施
  5. 最长有效括号子串长度 c语言,LeetCode: Longest Valid Parentheses (求最长有效匹配括号子串的长度)...
  6. jQuery hover()
  7. 用DeBug的方式,带你掌握HBase文件在Snapshot的各种变化
  8. 不懂函数式?用mobx来写react应用吧
  9. Hulu 算法工程师组团帮你拿offer
  10. 常见运维监控系统的技术选型
  11. Java网络爬虫Spider
  12. 产品有感之拼多多——社交更优惠的电商平台
  13. 海信85u8e和海信85e7f有什么区别 哪个好详细性能配置对比
  14. cordova 图标设置
  15. 圣地亚哥分校 计算机,美国加州大学圣地亚哥分校计算机科学专业.pdf
  16. 2022年素材网完整源码+带后台管理
  17. [-Flutter趣玩篇-] 出神入化的Align+动画
  18. 芋道源码 精尽学习指南
  19. mysql 空间索引_Mysql空间索引
  20. Python自动化开发从浅入深-进阶(sqlalchemy)

热门文章

  1. 三菱GXWorks2 监视梯形图状态
  2. C# 之 Win32 Api使用
  3. c++万能头文件包含的头文件
  4. wps如何将字体竖着排列_如何在短时间内,使自己的字看起来更舒服?
  5. 常见debug指令和使用
  6. Unity基础——碰撞体
  7. scratch项目-会走路的小猫
  8. java diamond 有什么用_Diamond语法何时在Java 8中不起作用?
  9. Latex安装教程(附美赛论文latex模板)
  10. Springboot+vue项目酒店民宿管理系统