🌀 nonlinear sciences

Identification of fixations and saccades in eye-tracking data using adaptive threshold-based method

该论文提出了一种基于马尔可夫近似的自适应阈值方法，通过最小化状态转换来优化眼动数据中的注视与扫视识别，显著提升了传统算法在噪声环境下的鲁棒性，并发现自适应弥散阈值在极端噪声下表现最佳，尽管存在精度与召回率的权衡。

原作者： Charles Orioma, Josef Krivan, Rujeena Mathema, Pedro Lencastre, Pedro G. Lind, Alexander Szorkovszky, Shailendra Bhandari

发布于 2026-04-06

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Charles Orioma, Josef Krivan, Rujeena Mathema, Pedro Lencastre, Pedro G. Lind, Alexander Szorkovszky, Shailendra Bhandari

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文其实是在解决一个非常有趣的问题：当我们在看东西时，眼睛到底是在“盯着看”（注视），还是在“快速扫视”（扫视）？电脑怎么准确地把这两者区分开？

想象一下，你的眼睛就像一只在画布上跳舞的猴子。

注视（Fixation）：猴子停下来，专注地看一朵花，大概持续几百毫秒。
扫视（Saccade）：猴子突然跳起来，飞快地跳到下一朵花，速度极快。

眼动仪（Eye-tracker）就像是一个拿着高速摄像机的摄影师，每秒拍 1000 张照片，记录下猴子的每一个动作。但问题是，照片里不仅有猴子的动作，还有噪点（就像相机抖动、手抖或者信号干扰产生的杂讯）。

传统的电脑算法就像是一个死板的保安，他手里拿着一把固定的尺子（阈值）：

“只要移动速度超过 30 度/秒，就是扫视！”
“只要移动距离小于 10 像素，就是注视！”

这篇论文发现，这个“死板保安”有个大毛病：

太死板：不同的人、不同的任务（比如是随便乱看，还是找“威利在哪里”），猴子的跳舞风格都不一样。用同一把尺子去量，肯定会量错。
怕噪音：一旦照片有点抖动（噪音），死板保安就会把“静止的猴子”误判成“乱跑的猴子”，或者把“小跳”误判成“大跑”，准确率瞬间崩塌。

这篇论文提出了什么新办法？

作者们发明了一个聪明的“自适应教练”，他不再拿一把固定的尺子，而是用一种叫**"K 比率”（K-ratio）**的魔法工具来动态调整规则。

这个魔法是怎么工作的呢？
想象你在看一段视频，如果猴子一会儿静止、一会儿乱跑、一会儿又静止，这种**“状态切换”太频繁了**，通常意味着规则定错了（或者是噪音太多）。

这个“自适应教练”会不断尝试调整尺子的长短。
他的目标是：找到那个让“静止”和“乱跑”切换次数最少的规则。
如果切换太频繁，说明尺子太短了，把噪音当成了动作；如果切换太少，说明尺子太长了，把真正的动作漏掉了。
通过不断微调，直到找到那个最自然、最流畅的划分点。

他们发现了什么？（用大白话总结）

速度法（I-VT）是“全能选手”：
在数据很干净（没有噪音）的时候，单纯看移动速度是最准的。就像在安静的图书馆里，只要看谁在跑，就能一眼认出谁在乱动。它的准确率能达到 90% 以上。
噪音是“大魔王”：
一旦环境变嘈杂（加入噪音），传统的固定规则就彻底崩盘了。准确率会从 90% 跌到 20% 以下，电脑会把所有的静止都当成乱跑。
“自适应教练”力挽狂澜：
当作者让算法自动调整规则（自适应）后，情况大不一样了：
- 空间分散法（I-DT） 变成了**“防守大师”**。即使在噪音极大（像暴风雨一样）的情况下，它依然能保持 80% 以上的准确率。
- 代价是什么？ 它变得太保守了。为了不被噪音骗，它倾向于把很多“小跳”也当成“静止”处理。就像为了不误抓好人，宁可把可疑的人先关起来。这导致它很难识别出真正的“扫视”动作。
没有完美的算法，只有最适合的：
- 如果你想要最准确的“扫视”检测（比如研究快速反应），在数据干净时用速度法。
- 如果你面对的是很脏的数据（比如手机上的眼动追踪，或者病人数据），空间分散法配合自适应调整是最稳的，虽然它会漏掉一些小的扫视，但至少不会把静止误判成乱跑。

总结

这篇论文就像是在告诉眼动追踪领域的科学家们：
“别再拿着同一把尺子去量所有人了！世界是变化的，噪音是不可避免的。我们要学会根据当下的情况，动态地调整我们的判断标准（K-ratio），这样才能在混乱中看清真相。”

这就好比在嘈杂的菜市场里听人说话：

旧方法：不管多吵，都以为对方在喊叫（误判）。
新方法：根据周围噪音的大小，自动调整你的“听力阈值”，虽然可能听不清某些细微的耳语（漏掉小扫视），但至少能听清对方到底是在说话还是在大喊（准确区分注视和扫视）。

这是一份关于利用自适应阈值方法识别眼动数据中注视点（Fixations）和扫视（Saccades）的学术论文的详细技术总结。

论文标题

基于自适应阈值方法的注视点与扫视识别研究
(Identification of fixations and saccades in eye-tracking data using adaptive threshold-based methods)

1. 研究背景与问题 (Problem)

核心挑战：在眼动追踪实验中，准确区分注视点（眼球相对静止）和扫视（眼球快速移动）至关重要，但极具挑战性。现有的传统算法（如 I-VT 速度阈值法、I-DT 离散度阈值法）通常依赖固定的经验阈值。
现有方法的局限性：
- 缺乏适应性：固定阈值忽略了不同任务（如自由观看 vs. 视觉搜索）和不同个体之间的眼动动力学差异。
- 噪声敏感性：传统算法对噪声非常敏感。当数据中存在噪声（如设备抖动、眨眼）时，固定阈值会导致分类准确率急剧下降，甚至产生大量误判。
- 统计偏差：不恰当的阈值选择会扭曲注视点和扫视的统计数据，进而影响对认知过程的推断。
研究目标：提出一种基于马尔可夫近似的自适应阈值方法，通过最小化状态转换来优化阈值，以提高分类的准确性和抗噪性。

2. 方法论 (Methodology)

2.1 数据集

数据来源：奥斯陆大都会大学（OsloMet）收集的 15 名参与者的眼动数据。
任务类型：
1. 自由观看 (Random Pixel)：观看随机像素场（无结构）。
2. 视觉搜索 (Waldo)：在复杂场景中寻找目标（有结构）。
设备与参数：EyeLink Portable Duo，采样率 1000 Hz，9 点校准。
噪声模拟：为了测试鲁棒性，研究者在原始轨迹上叠加了不同标准差（ $\sigma = 0$ 到 $50$ 像素）的高斯噪声。

2.2 分类算法

研究评估并改进了三种基于阈值的经典算法：

I-VT (Velocity-Threshold Identification)：基于瞬时速度阈值。
I-AVT (Angular Velocity-Threshold Identification)：基于有效角速度，结合了速度大小和方向持续性。
I-DT (Dispersion-Threshold Identification)：基于移动时间窗口内的空间离散度。

2.3 核心创新：K-ratio 自适应优化

作者提出了一种名为 K-ratio 的统计指标，用于自适应地选择最佳阈值：

定义：K-ratio 比较了观测到的“注视点 - 扫视”状态转换的实证数量与假设数据点在状态间随机交替时的预期转换数量。
$K\text{-ratio} = \frac{p_{\text{empirical}}^{F \to S}}{p_{\text{independent}}^{F \to S}}$
原理：
- 如果 K-ratio < 1，说明状态倾向于聚集（即注视点后面跟着注视点，扫视后面跟着扫视），符合眼动的生理特性。
- 优化策略：通过最小化 K-ratio 来寻找最佳阈值。这意味着算法寻找一个阈值，使得分类后的状态序列在时间上最连贯，从而减少由噪声引起的虚假状态转换。
优势：相比复杂的隐马尔可夫模型（HMM），K-ratio 方法计算简单、无需对速度分布进行详细建模，且适用于任何基于阈值的算法。

3. 主要结果 (Results)

3.1 无噪声条件下的表现

基准准确率：在高质量数据下，I-VT 表现最佳，在自由观看和视觉搜索任务中的 F1 分数（针对扫视检测）最高（约 0.51-0.54），整体准确率在 90%-93% 之间。
算法特性：
- I-VT：在注视点和扫视检测之间取得了较好的平衡。
- I-AVT：虽然利用了方向信息，但倾向于漏检扫视（Under-detection）。
- I-DT：表现出强烈的注视点偏向，倾向于将短扫视合并为长注视点。

3.2 噪声鲁棒性分析

固定阈值的崩溃：当噪声增加（ $\sigma \ge 2$ 像素）且阈值保持固定时，基于速度的算法（I-VT, I-AVT）性能急剧下降，准确率跌至 20% 以下，甚至将所有数据误判为扫视。
自适应阈值的优势：
- 通过 K-ratio 重新优化阈值后，所有算法在噪声条件下的性能均得到显著提升。
- I-DT 的鲁棒性最强：即使在极端噪声（ $\sigma = 50$ 像素）下，自适应 I-DT 仍能保持 81% 以上的整体准确率。
- 权衡（Trade-off）：自适应 I-DT 的高准确率是通过牺牲扫视检测能力换来的。它倾向于将受噪声污染的短扫视“吸收”为注视点，从而保持了高精确度（Precision），但召回率（Recall）较低。

3.3 个体差异

不同参与者的最佳阈值存在显著差异，但 K-ratio 的最小值在不同试验间具有高度的一致性（组内相关系数 ICC > 0.7），证明了该方法在个体层面优化的可行性。

4. 关键贡献 (Key Contributions)

提出 K-ratio 优化框架：引入了一种简单、通用的自适应阈值选择方法，无需复杂的分布假设，即可根据数据特性自动调整阈值。
系统性评估：在两种典型任务（自由观看、视觉搜索）和不同噪声水平下，全面评估了 I-VT、I-AVT 和 I-DT 三种算法的表现。
揭示噪声下的权衡机制：明确了在噪声环境下，自适应阈值如何通过“保守分类”（将不确定样本归类为注视点）来维持整体准确率，同时指出了这对扫视检测精度的潜在负面影响。
实证指导：为研究人员提供了基于数据质量（噪声水平）和分析目标（关注注视点还是扫视）选择算法的实用指南。

5. 意义与结论 (Significance & Conclusion)

实践指导：
- 对于高质量数据，I-VT 是首选的默认算法，能提供平衡的分类结果。
- 对于高噪声环境（如移动眼动追踪或低质量设备），自适应 I-DT 表现出最强的鲁棒性，适合主要关注注视点分布的研究，但需警惕扫视检测的缺失。
- I-AVT 在此研究背景下收益有限，因其对噪声敏感且容易漏检扫视。
方法论启示：传统的固定阈值不再适用，必须根据任务特性和数据质量进行自适应调整。K-ratio 提供了一种无需人工干预的自动化调优手段。
未来方向：建议结合更先进的去噪技术，或将 K-ratio 作为正则化项融入机器学习分类器中，以进一步解决个体差异和复杂眼动事件（如微扫视、平滑追踪）的识别问题。

总结：该论文证明了通过最小化状态转换（K-ratio）来动态调整阈值，能显著提高眼动事件分类算法在噪声环境下的鲁棒性，为眼动追踪数据的标准化分析提供了重要的理论依据和实用工具。