室内被动观看图片时性别眼动差异的眼动追踪研究

室内被动观看图片时性别眼动差异的眼动追踪研究Gender-basedeyemovementdifferencesinpassiveindoorpictureviewing:Aneye-trackingstudy男性和女性因为贺尔蒙和大脑活动区域的不同，导致他们对相同物体会表现出不一样的态度和感受，从而导致不同的注视模式。(J.E.Vanston,L.Strother,2017;S.C.Mueller,etal.,2008)Introduction研究指出人类的行为和认知过程会因为性别而有所差异。(E.Zagni,L.Simoni,D.Colombo,2016)在人机交互和心理学研究中，注视定义为眼睛移动的相对稳定状态，扫视定义为两个注视点之间的快速移动，扫视的动作为人脑在不知不觉中所进行的决策(P.W.Glimcher,2003)Introduction进行扫视动作中，人的性别是扫视决策过程中的关键因素。（F.J.M.Moss,R.Baddeley,N.Canagarajah,2012）Sammaknejad等人以及Moss等人，研究男女在观察脸部和自然图像时的眼动模式，都发现男性和女性的眼动模式有显著差异(F.J.M.Mossetal.,2012;N.Sammaknejadetal.,2017)每个任务的认知过程，以及处理场景所需的注视持续时间，因任务而异，因此观察者至少需要150ms才能意识到刺激因素(K.Rayner

etal.,2015)Introduction在眼动研究中使用情感图片作为刺激因素比中间性质图片，更能刺激大脑的活跃性，其可吸引注意力，也可增加更多的注视点和更大的扫瞄范围（J.Mourão-Mirandaetal.,2003

;R.C.A.Bendall,A.Mohamed,C.Thompson,2018;M.M.Bradley,2011）为了理解复杂的视觉认知，例如场景的感知、视觉搜索，眼动追踪技术近年来被广泛的使用，它提供了个人如何看待周围环境以及如何与现实世界进行交流的讯息(K.Rayner,2009)研究目的：当男性和女性观看室内照片时，他们的眼球移动模式之间是否存在差异。Methods参与者：45位(男：25，女：20)25-34岁(age = 27.56)31位参与者的视力正常，其他人则戴着眼镜(矫正后视力也正常)具有同一文化背景刺激因素：从ChangeBlindness数据库中选择了60张家庭室内图像包括客厅，卧室，浴室，衣柜，更衣室，儿童房MethodsApparatus桌上型眼动仪Eyelink1000plus(SRresearch,Canada)液晶荧幕：24英寸、1920×1080像素告知参与者：自由观看计算机荧幕上显示的图片Step

1Step

2Step

3眼动仪9点校准(参与者坐在距离荧幕60cm的位置)参与者开始观看，画面显示4secMethodsProcedures每个测试开始前，都会显示一个灰色画面，其中心有一个固定点参与者眼睛必须注视固定点，并按下空白键，才可开始测试Step

4去除初始注视点的注视持续时间，平均剩下的注视持续时间偏差测试：检测每个实验中注视持续时间和注视点的异常值，并将之去除Methods眼动数据处理在2700项数据中，剩下2666项，并开始针对所有参与者的眼动数据进行分析Methods利用统计学比较并分析男性和女性的眼球移动参数计算每张图像扫描路径长度空间密度扫视次数总扫视期间中的总注视持续时间比率（ratiooftotalfixationdurationtototalsaccadeduration

,

RFDSD）注视持续时间扫视范围Methods分别计算男性和女性在各参数中的中位数和标准差MethodsKolmogorov-Smirnov检验：检验眼动参数是否符合正态分布T检验：检验性别之间是否存在显著差异Methods利用支持矢量机(SupportVectorMachines,SVM)对男性和女性进行分类五分之四的参与者中接受模型训练，五分之一的参与者进行测试根据统计学习理论提出的一种新的机器学习方法。解决小样本、非线性及高维模式识别问题Methods为了进行性别分类，从参与者眼动资料中，提取10个特征值Methods利用SVM的线性kernel方程式，在眼睛移动的特征值上，分类性别X

训练特征值

σ

训练特征的标准偏差标准化的训练特征值使用K-fold（k=5）交叉验证来计算模型5分之4的参与者数据训练5分之1的参与者测试Methods为了评估模型的准确度，绘制接收器操作特性图(ROC)，测量了四种类型的评估标准：准确性，灵敏性，特异性及ROC曲线下的面积（AUROC）准确性(Accuracy)：衡量分类器正确分类样本的能力灵敏性(recall)、特异性(specificity)：分类器正确分类男性、女性样本的能力AUROC：计算ROC曲面下两面向(男性、女性)区域的机率，分类器根据男性正确判断率(灵敏性)和男性被判断为女性机率(1-特异性)，所表现的结果男性受试者的RFDSD（平均值=6.43±0.17）明显高于女性（平均值=5.61±0.26）RFDSD显著差异（T检验：T（43） =2.64，ρ =0.01）Result男性的扫视幅度（中位数=3.5±0.12）明显小于女性（中位数=3.9±0.14）扫视幅度显著差异（T检验：T（43） =-2.03，ρ <0.05）Result女性的扫描路径长度（中位数=63.38±3.25

）长于男性（中位数=55±2.3）扫描路径长度显著差异（T检验：T（43） =-2.15，ρ <0.05）Result男性产生的注视持续时间（中位数=228±4.29毫秒）长于女性（中位数=225.27

±4.95毫秒）注视持续时间没有显著差异（T检验：T（43） =0.47，ρ >0.05）Result男性的空间密度（中位数=4.5±0.13％）比女性（中位数=4.8±0.26％）小0.3%空间密度没有显著差异（T检验：T（43） =−1.02，ρ >0.05）荧幕分为均匀的30×16网格，每个网格覆盖64×48像素全部注视点的网格数量÷全部的网格数量(256)Result男性产生的扫视次数（中位数=14.3±0.32）少于女性（中位数=15.1±0.85）扫视次数没有显著差异（T检验：T（43） =-0.94，ρ >0.05）ResultResult用SVM分类器将参与者分为男性和女性，准确率为84.4％ConclusionRFDSD、扫视幅度和扫描路径长度，在性别上都有显著差异女性进行了更广泛的搜索女性的扫描路径长度和观看室内图片时的扫视幅度都比男性大Conclusion男性处理室内图像的速度比女性慢男性花更多的时间在处理项