PDF《微眼动的识别技术*》

407 篇文 献, 分布年代如图

1 所示, 从中不难看出, 相关研 究报告的数量从

2000 年起有一个明显的提高, 并 在随后保持逐年递增的趋势.进一步的量化分析

30 心理科学进展第25 卷图11965 至2015 年间发表的关于微眼动的文献 发现,

2000 年后发表的文献量占到了总文献量的 88.14%, 平均每年约

21 篇, 超过了 1965~1990 的25 年间研究数量的总和(15 篇).这一变化趋势, 在很大程度上与分析技术的发展密切相关:与研 究数量在2000 年左右的明显转折相对应,Martinez-Conde 团队正于同年提出了一系列客观 识别、分析微眼动的程序和方法(Martinez-Conde, Macknik, &

Hubel, 2000, 2002). 与微眼动在国外受到的高度关注相比, 迄今 为止, 国内的相关研究还寥寥可数, 我们以 微眼 动 或 微眼跳 为关键词在中国知网的数据库中 进行搜索, 仅搜索到了一篇以猕猴为被试的实验 研究(叶晶莹, 薛林雁, 黄丹, 杨月皎, 陈, 2014) 和一篇简略介绍单一微眼动识别技术的综述(魏薇, 史更虎, 李玉堂, 张冰, 高闯, 2013).这一研 究领域尚未得到国内研究者们关注的一个可能原 因在于研究者对复杂的微眼动识别、分析技术的 不了解(当前几乎所有的商业眼动分析软件, 如Eyelink 的DataViewer, SMI 的BeGaze 等, 都未提 供识别、分析微眼动的模块).本文正是针对这一 现状拟对微眼动识别、分析技术的历史、进展以 及各种方法的优、缺点进行综述, 以期为研究者 了解和应用微眼动技术提供一定的帮助.

2 微眼动基本参数及发展 2.1 微眼动的参数 在微眼动的识别和分析技术中, 主要涉及的 眼动参数有眼球位置、方向、频率、速率、加速 度、幅度和持续时间等.考虑到微眼动识别在很 大程度上依赖于对这些参数的合理界定, 我们首 先对这些参数进行简单的介绍. 眼球位置:眼球位置主要通过眼动仪来记录, 每个采样点代表一个眼球位置, 完整的眼球位置 图即为眼动轨迹.以图

2 为例, 该微眼动(虚线所 示箭头)共有

6 个采样点, 通过这些位置数据可以 计算得到该微眼动的衍生参数(如幅度、速率等). 另外, 每个眼球位置对应一个水平和一个垂直位 置, 因而可以计算得到每个采样点的水平和垂直 衍生参数如速率等. 方向:微眼动的方向指的是微眼动从开始位 置指向结束位置的矢量方向(即图

2 中灰色箭头的 方向).有研究表明这一指标同注意的朝向有着密 切联系(Meyberg et al., 2015;

Yuval-Greenberg et al., 2014). 图2一个模拟微眼动过程的示意图(非真实数据), 箭 头内、外的数字分别代表加速度和速率 第1期张阳等: 微眼动的识别技术

31 频率: 微眼动的频率指的是单位时间(秒)内微 眼动的次数, 在1~4 Hz 之间, 通常为 1~2 Hz (Martinez-Conde et al., 2004). 速率:微眼动的速率是微眼动分析中的核心 参数, 包括瞬时、峰值和转弯速率三种(Engbert, 2006;

Hafed, Goffart, &

Krauzlis, 2009;

Martinez- Conde et al., 2002).瞬时速率指的是一个微眼动 期间某个采样点的运动速率;

峰值速率指的是一 个微眼动期间最大的瞬时速率(图2中F4 点), 微 眼动的速率通常指微眼动的峰值速率, 常位于微 眼动中央采样点附近;

转弯速率指连续两个眼动 在方向上变化的角速度(Hafed et al., 2009).由于 记录到的眼动轨迹处于一个二维平面, 速率常被 进一步分解为水平和垂直速率. 加速度:即速率的变化速度, 微眼动研究中 常见的加速度指标主要有瞬时加速度、初始加速 度峰值和末加速度峰值.初始加速度为微眼动起 始时间到达到峰值速率时间点之间的最大瞬时加 速度.末加速度峰值为微眼动的峰值速率时间点 到终止时间点之间, 最大的瞬时加速度(Hafed et al., 2009;