Для регистрации движений глаз создан цифровой инфракрасный окулограф. Использованы миниатюрные камеры с кадровой
частотой 500 Гц и с высоким пространственным разрешением 1440 × 1080 рх, расположенные на очковых оправах. Развита
технология анализа окулограмм, разработан алгоритм обнаружения временных характеристик саккад и фиксаций взора. Алгоритм
анализа окулограмм согласован с измерениями других физиологических параметров. Для статистической обработки и оценки
эффективности созданного алгоритма использовали дискриминантный анализ. Технология опробована на основании исследования
движений глаз 500 испытуемых. Измерена продолжительность и скорость движения глаз в 16 экспериментах. Проведен анализ
окулограмм и получены множества, соответствующие фиксациям и саккадам. Разработан алгоритм автоматического поиска этих
параметров. Для окулографа очкового типа согласовано описание координат приемных матриц видеокамер и дисплеев, на
которых предъявляли стимулы. Алгоритм обнаружения основных временных и пространственных характеристик обеспечивает
классификацию саккад и фиксаций взора (между саккадами) при поиске цели оператором в разных условиях. Обеспечена
коррекция координатных систем при несовпадении начал отсчета монитора и видеокамеры, введен учет смещения и поворота
системы координат видеокамеры относительно системы координат монитора. Показано, что алгоритм дает достоверные
результаты для последующего анализа и интерпретации движения взора с 0.97 уровнем распознавания. Реализованный алгоритм
включен в программно-аппаратный комплекс “Нейробюро”, востребованный в структурах управления, в промышленности,
транспорте, маркетинге и медицине, согласованный с другими устройствами физиологического контроля когнитивных функций
непосредственно в ходе исследования, контроля и коррекции действий оператора при поиске цели.
Ключевые слова:
зрение, зрительный поиск, движения глаз, фиксации, саккады, оптическая окулометрия, анализ окулограмм, обнаружение
саккад, выделение фиксаций
DOI: 10.7868/S3034593625040081
Цитирование для раздела "Список литературы":
Шелепин Е. Ю., Скуратова К. А., Лехницкая П. А., Шелепин К. Ю.
Реализация и апробация алгоритма автоматической обработки данных для цифрового окулографа.
Сенсорные системы.
2025.
Т. 39.
№ 4.
С. 99–108. doi: 10.7868/S3034593625040081
Цитирование для раздела "References":
Shelepin E. Yu., Skuratova K. A., Lekhnitskaya P. A., Shelepin K. Yu.
Realizatsiya i aprobatsiya algoritma avtomaticheskoi obrabotki dannykh dlya tsifrovogo okulografa
[Implementation and testing of an automatic data processing algorithm for a digital oculograph].
Sensornye sistemy [Sensory systems].
2025.
V. 39(4).
P. 99–108
(in Russian). doi: 10.7868/S3034593625040081
Список литературы:
- Барабанщиков В.А., Жегалло А.В. Айтрекинг: Методы регистрации движений глаз в психологических исследованиях и практике. М.: Когито-Центр, 2014. 128 с. ISBN 978-5-89353-415-3
- Гассовский Л.Н., Никольская Н.А. Движения глаз в процессе непрерывной фиксации точки // Труды ГОИ. 1941. Т. 15. С. 112–120.
- Каламбет Ю.А., Козьмин Ю.П., Самохин А.С. Фильтрация шумов. Сравнительный анализ методов // Аналитика. 2017. Т. 36(5). С. 88–101.
- Скуратова К.А., Шелепин Е.Ю., Шелепин К.Ю. Программные возможности применения метода айтрекинга в исследованиях зрительного восприятия // Российский психологический журнал. 2022. Т. 19(4). С. 173−185. https://doi.org/10.21702/rpj.2022.4.12
- Ярбус А.Л. Роль движения глаз в процессе зрения. М.: Наука. 1965. 167 с.
- Akshay S., Megha Y.J., Shetty C.B. Machine learning algorithm to identify eye movement metrics using raw eye tracking data // Third International Conference on Smart Systems and Inventive Technology (ICCIT). IEEE. 2020. P. 949−95
- Barlow H.B. Eye movements during fixation // J. Physiol. I952. P. 290–306.
- Birawo B., Kasprowski P. Review and evaluation of eye movement event detection algorithms // Sensors. 2022. V. 22 (22). P. 8810. https://doi.org/10.3390/s22228810
- Drews M., Dierkes K. Strategies for enhancing automatic fixation detection in head-mounted eye tracking // Behavior Research Methods. 2024. V. 56. P. 1–23. https://doi.org/10.3758/s13428-024-02360-0
- Graham L., Das J., Vitorio R., McDonald C., Walker R., Godfrey A., Morris R., Stuart S. Ocular microtremor: a structured review // Experimental Brain Research. 2023. V. 241. P. 2191–2203. https://doi.org/10.1007/s00221-023-06691-w
- Hooge I.T.C., Niehorster D.C., Nystrom M., Andersson R., Hessels R.S. Fixation classification: how to merge and select fixation candidates // Behavior Research Methods. 2022. V. 54. P. 2765–2776.
- Llanes-Jurado J., Marin-Morales J., Guixeres J., Alcaniz M. Development and calibration of an eye-tracking fixation identification algorithm for immersive virtual reality // Sensors. 2020. V. 20. P. 4956. https://doi.org/10.3390/s20174956
- Nyström M., Holmqvist K. An adaptive algorithm for fixation, saccade, and glissade detection in eyetracking data // Behavior research methods. 2010. V. 42 (1). P. 188−204. https://doi.org/10.3758/BRM.42.1.188
- Salvucci D.D., Goldberg J.H. Identifying fixations and saccades in eye-tracking protocols. Proceedings of the Symposium on eye tracking research & applications – ETRA 2000. 2000. P. 71−78.
- Shelepin E. Eye tracking in expertise assessment case studies // Abstracts of Annual meeting of the Vision Sciences Society – VSS 2024, USA. 2024. P. 154–155. https://www.visionsciences.org/documents/VSS_2024_Abstracts.pdf
- Tabachnick B.G., Fidell L.S. Using Multivariate Statistics. (3rd ed.). New York: Harper Collins. 1996. 880 p. ISBN 978-0673994141
- Trabulsi J., Norouzi K., Suurmets S., Storm M., Ramsøy T.Z. Optimizing Fixation Filters for Eye-Tracking on Small Screens // Front. Neurosci. 2021.V. 15. P. 578439. https://doi.org/10.3389/fnins.2021.578439
