[论文解读] Method to Detect Eye Position Noise from Video-Oculography when Detection of Pupil or Corneal Reflection Position Fails

Evgeniy Abdulin, Lee Friedman+1 more|arXiv (Cornell University)|Sep 8, 2017

Gaze Tracking and Assistive Technology参考文献 7被引用 5

一句话总结

本文提出一种方法，用于在瞳孔或角膜反射追踪因遮挡而失败时，检测视频眼动图中的RIONEPS（眼位信号的快速不规则振荡）。该方法利用信号效率估计来识别水平和垂直眼位轨迹中的噪声段，从而实现对虚假眼位信号伪影的自动检测，虽需经验性调参，但具有实时适应的潜力。

ABSTRACT

We present software to detect noise in eye position signals from video-based eye-tracking systems that depend on accurate pupil and corneal reflection position estimation. When such systems transiently fail to properly detect the pupil or the corneal reflection due to occlusion from eyelids, eye lashes or various shadows, the estimated gaze position is false. This produces an artifactual signal in the position trace that is rapidly, irregularly oscillating between true and false gaze positions. We refer to this noise as RIONEPS (Rapid Irregularly Oscillating Noise of the Eye Position Signal). Our method for detecting these periods automatically is based on an estimate of the relative inefficiency of the eye position signal. We look for RIONEPS in the horizontal and vertical traces separately, and although we typically use it offline, it is suitable to adaptation for real time use. This method requires a threshold to be set, and although we provide some guidance, thresholds will have to be estimated empirically.

研究动机与目标

• 解决在瞳孔或角膜反射检测失败时，视频眼动图中虚假眼位信号的挑战。
• 识别由眼睑、睫毛或阴影导致的追踪误差所引起的瞬态、快速、不规则的眼位振荡。
• 开发一种无需依赖准确瞳孔或反射检测的自动化方法，以检测这些噪声伪影。
• 实现对眼动信号中RIONEPS时段的离线或实时识别，以提升数据质量。

提出的方法

• 该方法将眼位信号的相对低效性作为噪声存在的代理指标。
• 分别分析水平和垂直眼位轨迹，以检测RIONEPS事件。
• 通过滑动窗口计算信号效率，以检测表明不规则振荡的突变。
• 基于阈值的检测机制识别出效率过低的段落，提示可能存在RIONEPS。
• 该方法设计为可适应实时应用，但最优阈值需经验设定。
• 提供伪代码和MATLAB实现，以支持可复现性及与现有流程的集成。

实验结果

研究问题

• RQ1 当标准瞳孔或角膜反射追踪失败时，如何可靠地检测眼位信号中的RIONEPS？
• RQ2 何种信号特性可作为视频眼动图中瞬态追踪误差的稳健指标？
• RQ3 信号效率估计能否有效区分真实眼动与由遮挡引起的虚假振荡？
• RQ4 该检测方法在多大程度上适用于实时处理环境与离线处理环境？
• RQ5 经验性阈值设定在多大程度上影响RIONEPS检测的敏感性和特异性？

主要发现

• 该方法成功识别出以真实与虚假眼位之间快速不规则振荡为特征的RIONEPS事件。
• 即使在瞳孔或反射检测失败的情况下，信号效率估计仍能有效捕捉瞬态噪声模式。
• 该方法在水平和垂直眼位轨迹中均有效，实现了全面的噪声检测。
• 该方法适用于离线分析，并可通过适当的阈值校准适应实时应用。
• 提供伪代码和MATLAB代码，支持可复现性，并可集成到现有眼动追踪软件流程中。