揭示并解决在使用眼动追踪进行交互系统时与眨眼相关的问题

文献标题

Uncovering and Addressing Blink-Related Challenges in Using Eye Tracking for Interactive Systems

文献信息

• 主题领域: 人机交互与眼动追踪技术
• 关键词: 人机交互, 眼动追踪, 眨眼, 数据缺失, 数据插值, 交互式系统, 数据处理, 数据质量, 机器学习, 数据标准化

研究背景与问题

• 研究问题:
  • 当前的眼动追踪数据存在由于眨眼引起的数据丢失问题，会显著影响系统性能。
  • 缺失数据的处理方式缺乏标准化，导致不同研究结果难以复现和比较。
  • 眨眼对眼动数据的影响不仅仅局限于数据缺失，周围时间窗口内的伪影也可能引起问题。
• 重要性:
  • 眼动追踪技术广泛应用于交互式系统，包括直接操控、动作预测和凝视手势等，提高数据质量直接关系到系统的性能和用户体验。
• 研究动机与相关工作:
  • 当前处理缺失数据的常见方法包括忽略缺失数据、插值或移除包含眨眼数据的样本，但这些方法未全面考虑伪影对数据准确性的影响。
  • 最近研究表明用例特定的方法在泛化性和复现性上存在缺陷，强调制定标准化数据处理方法的必要性。

解决方案

• 核心方法:
  • 开展系统文献综述和大规模的数据集分析，了解现有处理方法对数据质量的影响。
  • 提出改进的数据处理流程，并提供具体指导标准。
• 创新之处:
  • 提出标准化的眨眼检测和缺失数据处理流程。
  • 确定眨眼前后出现伪影的时间范围，并量化与系统性能相关的具体影响。
  • 使用公开数据集验证不同数据插值方法的误差，确保广泛适用性。
• 实施步骤:
  1. 文献综述：回顾与眨眼和数据缺失处理相关的最新科学文献，采用PRISMA方法筛选研究。
  2. 数据集分析：选取11个开源眼动追踪数据集，统一预处理格式，转换为视场角度数，并检测眨眼影响的时间范围。
  3. 方法验证：用人工生成的眨眼数据评估不同插值方法的效果，并比较基线方法和改进处理流程。
  4. 指导方针制定：基于结果制定数据预处理标准，推荐最优的眨眼插值方法。

研究成果

• 关键发现:
  • 当前文献中60篇文献未报告如何处理眨眼数据，缺乏报告一致性妨碍了结果的复现。
  • 眨眼伪影影响范围为眨眼前70毫秒和眨眼后118毫秒，需在处理数据时考虑剔除这些时间窗内的数据。
  • 不同眼动追踪设备（如30Hz vs. 1000Hz）之间眨眼频率和持续时长显著不同。
  • 线性插值和三次样条插值方法在数据恢复的平均误差中表现最佳。
• 相较现有解决方案的优势:
  • 明确给出算法选择依据，对使用窗口大小和插值方法的研究提供详细指导。
  • 解决当前研究在眨眼数据处理上的不一致性，加强了数据处理的标准化，为未来研究铺垫了基础。
• 实验和评估结果:
  • 实验结果显示，适当处理眨眼数据和伪影，可显著提高眼动追踪在交互式系统中的实用性。
  • 窗口大小过大会导致可用数据显著减少；采用插值方法可减少数据浪费，提升系统响应的流畅性。
• 局限性与未来方向:
  • 结果基于已有公开数据集，未来需验证针对非公开数据集或更复杂交互场景的适用性。
  • 可以进一步优化现有插值方法，考虑更多非线性手段。
  • 需开发与实时处理相关的新方法，提升在线交互系统的性能体验。