Bitte benutzen Sie diese Kennung, um auf die Ressource zu verweisen: http://dx.doi.org/10.18419/opus-10299
Autor(en): Kurzhals, Kuno
Titel: Visual analytics of eye-tracking and video data
Erscheinungsdatum: 2018
Dokumentart: Dissertation
Seiten: xi, 215
URI: http://nbn-resolving.de/urn:nbn:de:bsz:93-opus-ds-103166
http://elib.uni-stuttgart.de/handle/11682/10316
http://dx.doi.org/10.18419/opus-10299
Zusammenfassung: Eye tracking, i.e., the detection of gaze points, becomes increasingly popular in numerous research areas as a means to investigate perceptual and cognitive processes. In comparison to other evaluation methods, eye tracking provides insights into the distribution of attention and sequential viewing behavior, which are essential for many research questions. For visualization research, such insights help assess a visualization design and identify potential flaws. Gaze data coupled with a visual stimulus poses a complex analysis problem that is approached by statistical and visual methods. Statistical methods are often limited to hypothesis-driven evaluation and modeling of processes. Visualization is applied to confirm statistical results and for exploratory data analysis to form new hypotheses. Surveying the state of the art of visualizations for eye tracking shows a deficiency of appropriate methods, particularly for dynamic stimuli (e.g., videos). Video visualization and visual analytics provide methods that can be adapted to perform the required analysis processes. The automatic processing of video and gaze data is combined with interactive visualizations to provide an overview of the data, support efficient browsing, detect interesting events, and annotate important parts of the data. The techniques developed for this thesis focus on the analysis of videos from remote and from mobile eye tracking. The discussed remote eye-tracking scenarios consist of one video that is investigated by multiple participants. Mobile eye tracking comprises scenarios in which participants wear glasses with a built-in device to record their gaze. Both types of scenarios pose individual challenges that have to be addressed for an effective analysis. In general, the comparison of gaze behavior between participants plays an important role to detect common behavior and outliers. This thesis addresses the topic of eye tracking and visualization bidirectionally: Eye tracking is applied in user studies to evaluate visualization techniques beyond established performance measures and questionnaires. The current application of eye tracking in visualization research is surveyed. Further, it is discussed how existing methodology can be extended to incorporate eye tracking for future analysis scenarios. Vice versa, a set of new visualization techniques for data from remote and mobile eye-tracking devices are introduced that support the analysis of gaze behavior in general. Here, techniques for raw data and for data with annotations are introduced, as well as approaches to perform the tedious annotation process more efficiently.
Eye-Tracking, d.h., die Erkennung und Verfolgung von Blickpunken, wird in zahlreichen Forschungsbereichen immer beliebter, um Wahrnehmungs- und kognitive Prozesse zu untersuchen. Im Vergleich zu anderen Evaluationsmethoden gewährt Eye-Tracking Einblicke in die Aufmerksamkeitsverteilung und in sequenzielles Blickverhalten, welche für viele Forschungsfragen unerlässlich sind. In der Visualisierungsforschung helfen solche Einblicke, ein Visualisierungsdesign zu bewerten und mögliche Schwächen zu identifizieren. Blickdaten kombiniert mit einem visuellen Stimulus stellen ein komplexes Analyseproblem dar, welches mit statistischen und visuellen Methoden angegangen wird. Statistische Methoden beschränken sich oft auf die hypothesengetriebene Auswertung und Modellierung von Prozessen. Visualisierung wird zur Bestätigung statistischer Ergebnisse und zur explorativen Analyse für die Formulierung neuer Hypothesen eingesetzt. Der aktuelle Stand der Technik von Eye-Tracking-Visualisierungen weist einen Mangel an geeigneten Methoden auf, insbesondere für dynamische Stimuli (z.B. Videos). Videovisualisierung und visuelle Analytik bieten Methoden, die an die benötigten Analyseprozesse angepasst werden können. Die automatische Verarbeitung von Video- und Blickdaten wird kombiniert mit interaktiven Visualisierungen, um einen Überblick über die Daten zu erhalten, effizientes Durchsuchen zu unterstützen, interessante Ereignisse zu erkennen und wichtige Teile der Daten zu annotieren. Die Techniken, welche in dieser Dissertation entwickelt wurden, fokussieren sich auf die Analyse von Videos von Remote- und mobilem Eye-Tracking. Die besprochenen Remote-Szenarien beinhalten ein Video, das von mehreren Teilnehmern betrachtet wird. Mobiles Eye-Tracking umfasst Szenarien, in denen die Teilnehmer eine Brille mit einem eingebauten Gerät tragen, um ihren Blick aufzunehmen. Beide Arten von Szenarien stellen individuelle Herausforderungen dar, die für eine effektive Analyse angegangen werden müssen. Im Allgemeinen spielt der Vergleich des Blickverhaltens zwischen den Teilnehmern eine wichtige Rolle um Gemeinsamkeiten und Ausreißer zu erkennen. Diese Arbeit beschäftigt sich mit dem Thema Eye-Tracking und Visualisierung in beide Richtungen: Eye-Tracking wird in Nutzerstudien eingesetzt, um Visualisierungstechniken über etablierte Leistungsmaßstäbe und Fragebögen hinaus zu bewerten. Die aktuelle Anwendung von Eye-Tracking in der Visualisierungsforschung wird untersucht. Darüber hinaus wird diskutiert, wie bestehende Methoden erweitert werden können, um Eye-Tracking in zukünftige Analyseszenarien zu integrieren. Umgekehrt werden eine Reihe neuer Visualisierungstechniken für Daten von Remote- und mobilen Eye-Trackern vorgestellt, welche die Analyse des Blickverhaltens im Allgemeinen unterstützen. Hierbei werden Techniken für Rohdaten und für Daten mit Annotationen vorgestellt, sowie Ansätze, die den mühsamen Annotationsprozess effizienter gestalten.
Enthalten in den Sammlungen:05 Fakultät Informatik, Elektrotechnik und Informationstechnik

Dateien zu dieser Ressource:
Datei Beschreibung GrößeFormat 
Dissertation-Kurzhals_350ppi_print.pdf82,76 MBAdobe PDFÖffnen/Anzeigen


Alle Ressourcen in diesem Repositorium sind urheberrechtlich geschützt.