Количественный критерий индивидуальных различий траекторий движения глаз Текст научной статьи по специальности «Физика»

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

КОЛИЧЕСТВЕННЫЙ КРИТЕРИЙ ИНДИВИДУАЛЬНЫХ РАЗЛИЧИЙ ТРАЕКТОРИЙ ДВИЖЕНИЯ ГЛАЗ

1Беляев Р.В., 1Колесов В.В., 2Меньшикова Г.Я., 3Попов А.М., 3Рябенков В.И.

^Институт радиотехники и электроники им. В.А. Котельникова, Российская академия наук, http://www.cplire.ru 125009 Москва, Российская Федерация

^Московский государственный университет им. М.В. Ломоносова, психологический факультет, http://wwwjpsy.msu.ru 125009 Москва, Российская Федерация

3Московский государственный технический университет радиотехники, электроники и автоматики (МГТУ МИРЭА), http://www.mirea.ru 119454 Moscow, Russian Federation

Поступила в редакцию 12.05.2015

Известно, что траектории движения глаз, регистрируемые специальной аппаратурой через равные интервалы времени при наблюдении изображений, представляют два основных вида — саккады и фиксации. Цель исследования — разработка количественного фрактального критерия определения индивидуальных различий при движении глаз разных наблюдателей. Метод фрактального анализа состоит в исследовании характеристик какого-либо объекта на разных масштабах. Алгоритм критерия включает выделение из траектории движения глаз областей саккад и фиксаций, собираемых в соответствующие последовательности с составляющими по координатам X и Y и обрабатываемых раздельно. Каждая реализация обрабатывается через измерительное окно шириной z-шагов выборки по времени, скользящее вдоль реализации с единичным шагом. На каждом шаге определяются раздельно для реализаций области саккадного движения и области фиксаций среднеквадратичные

отклонения а по X и а по Y и вычисляются соответствующие значения a(i) по всему размеру окна

-—-у

al(i + j) + + j), • —1 /tvt I 1\ - 1VT • —1

------J где i-1:(N-z+1) — номер шага сдвига окна по реализации длиной N, а j—1:z

изменяется по ширине окна. Размер измерительного окна изменяется как z-1:zma—. Для каждого наблюдателя производится усреднение по изображениям, повернутым с шагом на угол 45° (от 0° до 315°). Установлено, что усредненные по этим реализациям amean(z) функциональные зависимости близки к линейным у—a+bx, при этом значения коэффициентов a и b для разных наблюдателей для саккад и для области фиксаций имеют существенные отличия, что обеспечивает уверенное индивидуальное различение наблюдателей по паттерну траектории движения глаз. Ключевые слова: информационные технологии, когнитивные технологии, движение глаз, восприятие видеоинформации, психофизиологические особенности зрительного аппарата, фрактальный анализ, фрактальная размерность

УДК 004.932.2; 159.931

Содержание

1. Введение (25)

2. Аппаратура (26)

3. описание метода (27)

4. методика фрактальной обработки (28)

5. Заключение (32) Литература (32)

1. ВВЕДЕНИЕ

Движения глаз выполняет функции в создании зрительного образа и восприятии пространства, обеспечивая оценку измерения и анализ пространственных свойств наблюдаемых объектов.

для оценки различных когнитивных процессов, являются такие характеристики как число и продолжительность фиксаций, скорость и направление саккад, регрессионные движения глаз. Показано, что указанные параметры могут успешно объяснить закономерности процессов зрительного поиска, чтения, принятия решения и многих других. Однако эти традиционно измеряемые характеристики являются слишком упрощенными для оценки сложных когнитивных процессов. Предпринимаются попытки найти более адекватные формы обработки паттернов движения глаз, которые позволят обеспечить как различение самих наблюдателей, так и объектов наблюдения. Традиционно исследования

Основными

характеристиками, которые могут использоваться

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

движении глаза изучались различными методами статистики и определенно показывают на отличия в статистике для разных наблюдателей и объектов, но желательно найти количественные методы для получения соответствующих сравнительных оценок.

2. АППАРАТУРА

Движение глаз регистрировалось с использованием компьютерной установки iView XTM Hi-Speed 1250 немецкой фирмы SMI GmbH (разрешение <0.01°, частота дискретизации данных 1250 Гц) . Она обеспечивала определение бесконтактным способом местоположения взора наблюдателя на экране монитора, на котором располагалось изображение объекта наблюдения, названным "системой темного зрачка". В соответствии с ней глаз наблюдателя освещался инфракрасным (ИК) излучением, которое хорошо отражается всеми областями поверхности глаза, кроме области зрачка.

Параметры ИК-изображения глаза регистрировались видеокамерой и

фиксировались в файле данных. Выборка каждого результата измерения производилась через интервал 20 мс (500 Гц) или 8 мс (1250 Гц) и фиксировались координаты в пикселах центра зрачка (в системе координат видеокамеры), горизонтальный и вертикальный "диаметр" зрачка на перспективном ИК-изображении глаза. Перед проведением основного эксперимента проводилась обязательная процедура калибровки (так называемая валидация), в соответствии с которой перед испытуемым ставилась задание поочередно смотреть на несколько тестовых опорных точек на экране монитора. Голова испытуемого фиксировалась. Расстояние от глаз испытуемого до экрана монитора было равно 75 см. Размер экрана составлял 32x24 см и в угловых единицах составлял 24x18 угловых градусов.

Из нескольких возможных видов движения глаз, которые различаются по временным и пространственным характеристикам, в установке регистрировались 3 основные характеристики вида движений глаз при наблюдении объекта. Сюда относятся: саккады, фиксации и паттерн движения глаз при наблюдении изображений на экране монитора, который формируется при последовательных выборках из фиксаций и саккад

и содержит информацию о стратегии сбора информации при выполнении определенной поставленной задачи. Траектории отображения движения глаз строились путем соединения точек с определенными последовательно во времени координатами при периодических выборках через равные интервалы времени (Т = 0.002 с или 0.0008 с).

Типичный вид результатов регистрации данных о смещении взгляда человека по поверхности плоского изображения для примера таких движений представлен на рис. 1. Здесь показан вид самой реализации движения глаза (паттерн) без разделения на саккады и фиксации. Точки на кривых соответствуют моментам выборок — регистрации мгновенного положения центра зрачка глаза. Интервал по времени между двумя последовательными точками выборки постоянен и определяется используемой частотой выборки. Области сгущений положения точек выборки соответствуют фиксациям (микросаккадам) при движении глаза, а более или менее ровные области с небольшими отклонениями с хорошо видными моментами выборок соответствуют саккадам. Смещения в фиксациях в среднем имеют меньшие величины, чем в области саккад. Кроме того, они отличаются резким изменением направления смещения точки, отображающей последовательные моменты выборок. Эти углы между направлениями смещения могут составлять величину близкую к 2п.

1400

XEF0

Рис. 1. Реализация паттерна движений глаза без разделения на саккадные двжения и фиксации при наблюдении некоторого изображения xEF0-yEF0. Хорошо видны локальные области фиксаций и четко выделяются саккадные движения. Точки на кривых отмечают моменты проведения выборок.

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Необходимо отметить, что в процессе наблюдения изображения, отраженном в паттерне, суммарное время пребывания взгляда наблюдателя в областях фиксаций, как правило, существенно (на порядок), превышает суммарное время пребывания в смещениях, определяемых как саккадные.

Целью настоящей работы является поиск методов различения отдельных наблюдателей по особенностям характеристик движения их глаз при рассмотрении экрана монитора с применением мультимасштабного фрактального подхода, когда реализация движения глаза наблюдателя при просмотре изображения просматривается последовательно через скользящее по ее длине окно усреднения, размер которого потом последовательно изменялся на один шаг по реализации.

В работе с использованием указанной выше аппаратуры движения глаза наблюдателя при рассмотрении им неподвижного плоского изображения регистрировались последовательно. При этом с фиксированной частотой выборки запоминались координаты (Х(/), У(г)) мгновенных положений взгляда наблюдателя на поле рассматриваемого изображения, пересчитываемого по изменению во времени положения зрачка глаза [1].

3. ОПИСАНИЕ МЕТОДА

Поскольку движения глаз в областях фиксаций и саккад являются различными по своим пространственно-временным характеристикам, то первым этапом работы является их выделение из зарегистрированной реализации движения для последующей раздельной обработки с использованием разработанного алгоритма. Указанное разделение производилось в соответствии с критериями разделения, сведения о которых приводятся в других работах авторов [2]. Такое разделение также может производиться автоматически с использованием подхода, заложенного в программу аппаратуры.

Критерием при разделении может служить характер текущих изменений пространственно— временных характеристик последовательности зарегистрированной реализации. Например, резкое изменение скорости движения за интервал между двумя или несколькими

последовательными выборками по времени. Возможна оценка также по резкости изменения направления движения.

Для формирования соответствующего массива данных каждый выявленный участок реализации, относящийся к одному из двух видов движения (саккады и фиксации), подшивался к соответствующему концу ранее выделенного участка с тем же характером движения [3].

Таким образом, обрабатывалась вся зарегистрированная реализация. Измерительная аппаратура фиксирует величины координат Х(г) и У(г), отображающих мгновенное положение изображающей точки взгляда наблюдателя в данный момент времени. В результате получаются две реализации, соответствующие последовательностям с данным видом движения по координатам X и У.

Каждая реализация разделялась на саккадное движение и фиксации и обрабатывалась с использованием измерительного окна с изменяемой величиной числа ?-шагов выборок по времени, скользящего вдоль всей реализации с единичным шагом. На каждом шаге определялись раздельно для реализаций саккадного движения и реализаций фиксаций среднеквадратичные отклонения о по X и о по У и вычислялись соответствующие значения о(г) по всему размеру окна как

=л!°2х(' + Л + °2У(' + Л, ■ - л ГАТ >' * где г = 1:(М - £ + 1) -

номер шага сдвига окна по реализации длиной

X, а j = 1:? изменяется по ширине окна. Размер

измерительного окна изменялся как г = 1:? .

Окно с размером г = 1 на каждом шаге г по длине

последовательности г = 1:Х содержит лишь один

очередной член реализации и формально

соответствующие значения о(г) для всех г, равных

0. Это значение оставлено при построении

соответствующих графиков на рисунках для

ясности представления дальнейшего хода

отображающих последовательностей. Далее для

каждого наблюдателя производилось усреднение

значений о(г) по 8 изображениям, полученным

поворотом одного изображения с шагом на угол

45° в интервале от 0° до 315°.

В экспериментах каждому наблюдателю предлагались для рассмотрения 3 разных

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

изображения, условно названных: фрактал (Р), дерево (Т) и волна (^).

Полный объем данных по выборкам для каждого наблюдателя составлял: для одного изображения и полной длины реализации —10000 -12000, из них порядка десятой части —1000-1200 составляли саккады, а остальное — фиксации —9000-10800. Для 3 изображений (и 8 поворотов каждого из них) всего получался просмотр 24 изображений. Таким образом полный объем выборок в реализациях для одного наблюдателя составлял: 240000-288000.

Окно £ = 1 формально имеет размер 0 (ноль) и используется только для удобства построения графиков и оценки величин коэффициентов, аппроксимирующих ход линейных зависимостей.

Первое реальное измерительное окно £ = 2, соответствует одному реальному шагу, то есть расстоянию между двумя последовательными отсчетами по реализации и, таким образом, можно оценить величины среднеквадратичного шага по реализациям для каждого наблюдателя отдельно для саккадного движения и для фиксаций. Все последующие оценки (^ > 2) дают результаты, связанные с размером скользящего по реализации окна усреднения. При этом на каждом очередном шаге для данного размера окна производится усредненное определение указанного о(г).

Для сопоставления приводятся также оценки для случайного процесса, формируемого генератором случайных чисел раздельно для координат X и У в предположении, что дисперсии процессов по X и У равны между собой и равны 1.

Установлено,чтоусредненные по реализациям отеап(£) имеют достаточно протяженный участок с функциональной зависимостью, близкой к линейной у = а + Ьх, но с несколько отличными значениями коэффициентов а и Ь для разных наблюдателей для саккад и для фиксаций, что потенциально обеспечивает индивидуальное различение наблюдателей.

Отметим, что число регистрируемых аппаратурой значений ординат (выборок) X и У (после усреднения по 8 последовательным поворотам данного изображения на угол 45°) составляет для фиксаций — 104-1.2^104, а для

саккадных движений — 103-1.2^103 (при частоте выборок Р = 1250 Гц).

4. МЕТОДИКА ФРАКТАЛЬНОЙ ОБРАБОТКИ

Использовался подход, при котором последовательно в режиме скольжения производился просмотр зарегистрированных реализаций движений глаза наблюдателя по изображению через окно размером £ с усреднением на каждом следующем шаге [4]. Таким образом, получалась обработка и последующее усреднение по объему, равному длине окна. Эта операция проводилась последовательно для окон разной (нарастающей) длины.

На всех рисунках расчетные кривые, по результатам экспериментов с изображением — фрактал (Р) выполняются в виде сплошной линии, с изображением — дерево (Т) в виде пунктира, а с изображением волны (№*) в виде штрих-пунктира.

Первые буквы (V О, Е и X) обозначают наблюдателя, малые буквы s (или$) обозначают, что данные относятся к реализации, сформированной соответственно, из

последовательности саккадных движений (л) или фиксаций $). Малая буква т указывает на усреднение по данным для 8 поворотов изображения на угол 45° (в интервале углов от 0° до 315°).

Если рядом со стрелкой стоит не одна буква р Т или а все вместе, то это означает, что зависимости на графике практически трудно различимы и они обозначаются сплошной линией.

Все расчеты производились для линейного соотношения у = а + Ьх, коэффициенты определялись с использованием двух крайних точек участка с линейной зависимостью. В таблице для каждого рисунка они обозначены {XI, У1)-(Х2,У2).

Вычисления проводились с использованием двух формул, полученных в предположении линейного характера приведенных зависимостей, выражающихся формулами У1 = а + ЬХ1 У2 = а + ЬХ2,

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

8 10 12 14 16 18 20

Ъ

Рис. 2. Наблюдатель V.

Таблица 1 к рис. 2.

V X1 Y1 X2 Y2 a Ь

for s F 6 11.53 20 32.93 1.528 2.47

T 6 11.9 20 34.14 1.588 2.64

W 6 10.53 20 29.83 1.378 2.27

^г f F 6 2.276 20 3.005 0.052 1.965

T 6 2.276 20 3.005 0.052 1.965

W 6 2.276 20 3.005 0.052 1.965

8 10 12 14 16 18 20

Ъ

Рис. 3. Наблюдатель О.

Таблица 2 к рис. 3.

O X1 Y1 X2 Y2 a Ь

for s F 6 12.13 20 33.84 1.550 2.84

T 6 12.13 20 33.84 1.550 2.84

W 6 11.15 20 30.74 1.400 2.81

^г f V, Т, W 6 2.927 20 4.009 0.077 2.469

Рис. 4. Наблюдатель Е.

Таблица 3 к рис. 4.

по которым вычисляются соответственно два необходимых коэффициента для определения соответствующих приближенных прямых наклона зависимостей.

Отсюда по результатам, приведенным на рисунках, можно определить соответствующие

E X1 Y1 Л2 Y2 a Ь

for s F 6 12.09 20 27.84 1.125 5.34

T 6 11.72 20 26.67 1.068 5.313

W 6 12.64 20 30.94 1.307 4.811

for f F 6 7.121 20 8.017 0.064 6.737

T 6 6.818 20 7.751 0.067 6.411

W 6 6.173 20 7.034 0.062 5.904

пары значений на концах приблизительно линейных участков (XI, Y1) и (Х2, Y2) и, соответственно, вычислить коэффициенты аппроксимирующих прямых Ь = (Y2 - Y1)/(X2 -XI), и а = Y2 - Х2Ь.

На рис. 2-4 представлены результаты расчетов для 3 наблюдателей (V, О и Е) каждый из которых просматривал все 24 изображения. На каждом рисунке представлены одновременно результаты обработки по описанной методике как для саккадных движений, так и для области фиксаций. Хорошо видно, что они резко отличаются друг от друга по характеру изменения с ростом величины окна просмотра и усреднения

Соответствующие сведения и результаты расчетов для каждого наблюдателя приведены в таблицах.

На рис. 5 представлены для сопоставления результаты анализа реализаций фиксаций (/), полученных с частотой выборки 1250 Гц изображений с использованием окна усреднения для 3-х наблюдателей (V, О и Е) только для фиксаций (/) при рассмотрении 3-х изображений (^ Т, 1У) с усреднением (т)

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

Рис. 5. Результат обработки области фиксаций для 3-х наблюдателей (V, О, Е) и результат обработки случайного процесса (тпЛ) через скользящее окно (с последующим нарастанием размера окна %) для реализации, сформированной генератором случайных чисел тпЛ.

Таблица 4 к рис.5.

Е XI У1 Х2 У2 а Ь

^ог f р 8 2.444 20 3.005 0.0467 2.07

Т 8 2.472 20 3.096 0.052 2.056

W 8 2.444 20 3.005 0.0467 2.07

Е-йзгf Р 8 7.367 20 8.017 0.0541 6.669

Т 8 7.065 20 7.751 0.0572 6.607

W 8 6.409 20 7.034 0.052 5.994

0- йог р 8 3.175 20 4.009 0.0695 2.619

Т 8 2.472 20 3.096 0.052 1.965

W 8 2.444 20 3.005 0.047 2.07

ггС Ытс1=10000 8 1.543 20 1.554 910-4 1.55

по 8 поворотам на угол 45°. Видно, что для наблюдателя V результаты просмотра через скользящее окно по используемой методике для фиксаций очень близко совпадают для всех изображений Р, Т, Ж.

Обращает внимание, что результат обработки по предложенной методике реализации случайного процесса, формируемого генератором случайных чисел (тпЛ), существенно отличается от хода других кривых. Прежде всего соответствующая зависимость для тпЛ очень быстро выходит на малый наклон относительно оси X = Z, соответствующей размеру окна усреднения.

Очень близки по своим показателям результаты для фиксаций у наблюдателей V

и О. В то же самое время соответствующие характеристики для наблюдателя Е по наклону (коэффициент Ь) близки, но существенно отличаются по коэффициенту а (почти в 3 раза больше по величине).

Обращает внимание, что соответствующие зависимости для фиксаций у наблюдателя Е при просмотре 3-х изображений (Р, Т Щ) с 8 поворотами по углу (т) для каждого, кривые оказываются очень четко отстоящими друг от друга (т.е. имеют разную величину коэффициента — а), но очень близкие значения наклона относительно оси X (коэффициент — Ь).

В отличие от этого кривые обработки фиксаций для каждого из наблюдателей р Т и Щ четко отличаются друг от друга.

Для сопоставления на этом рис. 5 приведена зависимость для процесса гпЛ, соответствующая обработке по используемому методу просмотра через скользящее окно с усреднением по реализации, полученной при работе генератора случайных чисел гпЛ. Как видно, эта кривая имеет чрезвычайно малый наклон относительно оси X, так что графический редактор аппроксимирует ее отрезками прямых линий с увеличивающейся длиной. Ее ход уже при малых размерах окна усреднения X (представленного на оси X) практически очень быстро переходит в сплошную линию. То есть фактически эта зависимость становится практически не зависящей от величины окна усреднения X. Это свидетельствует о том, что случайному процессу (формируемому генератором тпЛ) соответствует быстрый (за несколько шагов по значению ширины окна X) выход на линейную зависимость.

Данные о расчетах по методике для реализации тпЛ приведены в последней строке табл. 4. Зависимости для наблюдателей О и V очень близки по наклону (Ь) и коэффициенту а (для всех 3 изображений - р Ти Ж).

На основании этого можно предположить, что области фиксаций, по-видимому, отличаются по своему характеру от случайного процесса, то есть не являются просто шумовыми случайными движениями, а, может быть, выполняют функцию удержания наиболее чувствительной части аппарата глаза

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

на участке изображения, представляющем интерес для наблюдателя.

Зависимости для саккадных движений, полученные по принятой методике для 2-х наблюдателей Ми 2 с частотой выборки 500 Гц и для наблюдателя V с высокой частотой выборки 1250 Гц также для саккадного движения представлены на рис. 6. Данные получены при усреднении по поворотам на угол приращения 45° для 3-х изображений, как обычно обозначенных буквами F Т, Ш

Можно отметить, что из измерений, полученных по предложенной методике обработки саккадных движений и приведенных на рис. 6, хорошо видно, что все зависимости для медленных выборок (500 Гц, наблюдатели М и 2) располагаются выше, чем соответствующие

зависимости для наблюдателя V, для которого данные собирались с высокой частотой 1250 Гц. Для наблюдателей с большими интервалами по времени между выборками имеет место более сильная расходимость линейных зависимостей, чем у наблюдателя V с более высокой частой выборки (1250 Гц), что, вероятно, связано с большей скоростью движения и, соответственно, расходимостью при саккадном движении между большими временными интервалами, характерными для более редких выборок.

Из данных рис. 7 видно, что для наблюдателей М и 2 (для которых выборка производилась с частотой 500 Гц) имеет место заметное различие в ходе расчетных зависимостей для фиксаций для всех типов изображений (В Т Ш). Можно отметить, что у наблюдателя V характер линейных

Рис. 6. Зависимости для саккадных движений для наблюдателей М, 2 и V.

Таблица 5 к рис. 6.

8 10 12 14 16 18 20

Рис. 7. Зависимости для фиксаций для наблюдателейМ, 2 и V.

Таблица 6 к рис. 7.

Рог в Х1 Y1 Х2 Y2 Ь а

МР 6 30.84 20 93.67 4.487 3.93

МТ 6 29.51 20 84.17 3.904 6.09

MW 6 22.44 20 66.36 3.137 3.62

Рог в

УР 6 11.9 20 32.93 1.502 2.89

УТ 6 11.9 20 34.14 1.588 2.38

VW 6 10.53 20 29.83 1.378 2.27

Рог в

Т.? 6 26.53 20 72.57 3.288 6.81

гт 6 23.09 20 64.73 2.974 5.27

ZW 6 22.44 20 60.26 2.701 5.98

Рог в Х1 Y1 Х2 Y2 Ь а

МР 8 2.9 20 5.225 0.194 1.345

МТ 8 2.9 20 5.86 0.246 0.94

MW 8 2.6 20 5.166 0.213 0.90

Рог в

гр 8 3.282 20 5.86 0.215 1.56

гт 8 3.191 20 5.706 0.21 1.506

ZW 8 4.11 20 7.605 0.291 1.782

Рог в

УР 8 2.453 20 3.013 0.046 2.093

УТ 8 2.62 20 3.096 0.040 2.232

VW 8 2.44 20 3.005 0.047 2.065

ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ

зависимостей очень близок для всех 3 типов используемых изображений, что, возможно, свидетельствует об особенностях зрительного аппарата этого наблюдателя. Заметно также отличие более быстрого выхода на линейную зависимость по размерам окна Z именно у этого наблюдателя по сравнению с более плавным выходом у наблюдателей M и Z.

5. ЗАКЛЮЧЕНИЕ

В работе предложен метод анализа паттерна траектории движения глаз наблюдателя по экрану с плоским изображением, основанный на раздельном рассмотрении саккадных и фиксадных движений глаза с применением скользящего окна усреднения по реализации для вычисления среднеквадратичного отклонения по X и Y координатам реализаций.

Установлено, что соответствующие приближенные линейные оценки изменения скользящего среднего окна усреднения для саккадных движений действительно образуют семейство кривых, плавно расходящихся с ростом размеров окна зависимости.

Несколько другой характер имеют вычисляемые по той же методике скользящего окна оценки для движений глаза в области фиксаций по изображению на экране. Соответствующие зависимости быстро выходят на участки с линейной зависимостью у = a + bx, но с заметным отличием для различных наблюдателей по параметру коэффициента a. Сопоставление для реализаций, полученных с использованием нормальной частоты выборки 1250 Гц и гораздо более медленной выборки 500 Гц, четко показало, что в последнем случае, когда имеет место резкое увеличения интервалов между выборками, начинает проявляться рост скорости движения при саккадах и нарушается линейность, которая хорошо была видна для выборок с частотой 1250 Гц.

Показано, что используемый подход может найти применение в задачах по различению наблюдателей при рассмотрении идентичных изображений.

Работа выполнена при поддержке РФФИ (грант № 13-07-00834).

ЛИТЕРАТУРА

1. Беляев РВ, Колесов ВВ, Меньшикова ГЯ, Попов АМ, Рябенков ВИ. Исследование особенностей восприятия видеоинформации при помощи фрактального анализа траектроии движения глаз. РЭНСИТ, 2011, 3(1):56-68.

2. Барабанщиков ВА, Жегалло АВ. Методы регистрации движений глаз в психологии: основы учебно-методического комплекса. Экспериментальная психология, 2014, 7(1):132— 137.

3. Беляев РВ, Колесов ВВ, Меньшикова ГЯ, Попов АМ, Рябенков ВИ, Исследование индивидуальных особенностей движения глаз на основе технологии Eye Tracking. Труды XVIII международной научно-практической конференции "Фундаментальные и прикладные исследования, разработка и применение высоких технологий в промышленности и экономике", 5-6 декабря 2014 г. Санкт-Петербург, Россия, С. 12-18.

4. Беляев РВ, Колесов ВВ, Меньшикова ГЯ, Попов АМ, Рябенков ВИ. Анализ видов движения глаз с помощью фрактальных алгоритмов. РЭНСИТ, 2014, 6(1):30-43.

Беляев Ростислав Владимирович

к.ф.-м.н., с.н.с., член-корр. РАЕН,

ИРЭ им. В.А. Котельникова РАН,

Моховая ул., д.11, корп.7, 125009 Москва, Россия

+7 495 629 3368, [email protected]

INFORMATION TECHNOLOGIES

Колесов Владимир Владимирович Попов Александр Михайлович

к.ф.-м.н., зав. лабораторией, действ. член. РАЕН, доцент

ИРЭ им. В.А. Котельникова РАН, МГТУ МИРЭА, кафедра физики

Моховая ул, д.11, корп.7, 125009 Москва, Россия пр. Вернадского д.78, 119454 Москва. Россия

+7 495 629 3368, [email protected] +7 495 434 9317, [email protected]

Меньшикова Галина Яковлевна Рябенков Виктор Иванович

д.псих.н., завлабораторией психологии восприятия к.т.н, доцент

МГУ им. М.В. Ломоносова, факультет психологии МГТУ МИРЭА, кафедра физики

Б.Никитская ,4, к. 21, 125009 Москва, Россия пр. Вернадского, д.78, 119454 Москва, Россия

+7 495 629 7554, men'[email protected] +7 495 434 9317, [email protected]

QUANTITATIVE CRITERION OF INDIVIDUAL DIFFERENCES OF THE EYES MOVEMENT TRAJECTORIES

Belyaev Rostislav V., Kolesov Vladimir V.

Kotel'nikov Institute of Radio-Engineering and Electronics of RAS, http://www.cplire.ru

125009 Moscow, Russian Federation

[email protected]

Men'shikova Galina Ya.

Lomonosov Moscow State University, Faculty of Psychology, http://wwwjpsy.msu.ru,

125009 Moscow, Russian Federation

men'[email protected]

Popov Alexander M., Ryabenkov Viktor I.

Moscow State Technical University of Radio Engineering, Electronics and Automation (MIREA), http://www.mirea.ru

119454 Moscow, Russian Federation

[email protected]

It is known that eyes moving tracks recorded by special design through equal time intervals while observing images have two basic appearances- saccades and fixations. Investigation's aim was the development quantity fractal criteria of finding individual recognizable state of moving different observer's eyes. The method of the fractal analysis consists in research of characteristics of same object at different scales. Criteria evaluation's algorithm include selection out of eyes trajectory saccades and fixation distinguished collect in adequate data sequence on X and Y operated separately. Every realization is operated through measuring window on z-steps data access in time sliding along realization by single step. On every step there were defined separately for realization saccades and fixation standard deviation ax on X and ay on Y and computed adequate a(i) on full

window size as a(i)—CT(x) + j) + °y +j)' where i—1:(N-z+1) - number shift's step on realiza-

tion length-N and j—1:z on full windows length. The measuring window's size was changed as z-1:zma—. For every observer was performed data smoothing for images turn on with step-angle 45° (0°-315°). It was shown that smoothed by this operation values amean(z) formed linear functional dependence у—a+bx with substantially different values of coefficients a and b for variety observers for saccades and fixations that provide individual observers.

Keywords: information technologies, cognitive processes technologies, eyes movements, perception of video information, psychophysiological features of visual organs, fractal analysis, fractal dimension.

UDC 004.932.2; 159.931

Bibliography — 4 references Received 20.05.2014 RENSIT, 2015, 7(1):25-33_DOI: 10.17725/RENSITe.2015.07.025