Eye movements predict personality traits眼动预测性格特征

1、眼动数据采集
对象：50个学生
任务：校园里逛一逛然后买个东西回来
异常数据排除：
（1）注视方向超过仪器可观测范围的150%认为为异常数据，一个人的异常数据超过50%则被排除。
（2）注视方向长期不变则被排除
剩余42个学生的数据。

2、眼动数据特征提取
（1）时间滑动窗口选取眼动数据，同时排除无效的window
无效window: 超过50%的异常数据
异常数据：注视方向超过可观测范围的150%或者丢失数据
每个window最后有207个特征
后面每个window对应一个label，最终结果由所有label做major voting
（2）特征提取
<1>眼动事件定义：
fixation: 长期注视，
需要定义注视半径，即多少半径内的眼动认为是注视，以及注视持续时间，如果眼动超过半径或者注视时间超过阈值则记录新的event
一个注视内记录所有点的x\y均值、方差，开始值、最后值、开始时间、最后时间，以及瞳孔半径的均值、方差，当然没有的可以不记
saccade: 扫视
blink: 眨眼
<2>根据滑窗获取特征
包括：
1‘Event Feature
2’Raw Feature
3‘Heatmap Feature
4’N-gram Feature based on saccades
5‘N-gram Feature based on saccades and fixations