如何处理眼动仪噪声数据？需保留有效分组并标记其余数据

核心思路 #

要实现仅保留有效数据分组、噪声数据用圆圈标记的需求，需先明确有效数据的判定规则，再对采集到的(x,y)数据做实时过滤、分组，最后分别处理有效数据和噪声数据。

步骤1：定义有效数据判定规则 #

结合眼动数据特性，我们采用「Tobii内置有效性标记+自定义偏移阈值」的判定方式：

• 优先使用Tobii提供的isValid参数判断数据是否为有效眼动点
• 对有效点额外校验连续点间的坐标偏移，过滤抖动过大的噪声

步骤2：修改代码实现逻辑 #

替换原有的gazePointDataStream处理逻辑，整合有效分组、噪声标记的完整代码如下：

sw.WriteLine("X(pixel),Y(pixel),time_now,timer,data_type");
var gazePointDataStream = host.Streams.CreateGazePointDataStream(Tobii.Interaction.Framework.GazePointDataMode.LightlyFiltered);

// 有效数据缓存，用于构建连续分组
List<(double x, double y, DateTime time)> validDataGroup = new List<(double, double, DateTime)>();
const int minGroupSize = 5; // 有效分组的最小点数
const double maxPixelOffset = 40; // 同组内连续点的最大偏移阈值

gazePointDataStream.GazePoint((x, y, timestamp, isValid) => // 启用Tobii内置有效性参数
{
    if (!enableGazeMouseControl) return;

    var currentTime = DateTime.Now;
    bool isCurrentValid = isValid && !double.IsNaN(x) && !double.IsNaN(y);

    if (isCurrentValid)
    {
        // 检查当前点是否能加入现有有效分组
        if (validDataGroup.Count > 0)
        {
            var lastPoint = validDataGroup.Last();
            double offsetX = Math.Abs(x - lastPoint.x);
            double offsetY = Math.Abs(y - lastPoint.y);
            
            if (offsetX <= maxPixelOffset && offsetY <= maxPixelOffset)
            {
                validDataGroup.Add((x, y, currentTime));
            }
            else
            {
                // 现有分组达到最小规模则保存，否则直接丢弃
                if (validDataGroup.Count >= minGroupSize)
                {
                    foreach (var point in validDataGroup)
                    {
                        sw.WriteLine($"{point.x:F2},{point.y:F2},{point.time},{form.label5.Text},valid");
                    }
                }
                // 重置分组，加入当前点
                validDataGroup.Clear();
                validDataGroup.Add((x, y, currentTime));
            }
        }
        else
        {
            validDataGroup.Add((x, y, currentTime));
        }

        // 有效数据直接控制光标并更新显示
        moveCursor((int)x, (int)y);
        form.label3.Invoke((MethodInvoker)(() => form.label3.Text = x.ToString("F2")));
        form.label4.Invoke((MethodInvoker)(() => form.label4.Text = y.ToString("F2")));
    }
    else
    {
        // 噪声数据：绘制蓝色圆圈标记，不控制光标，记录为噪声
        if (!double.IsNaN(x) && !double.IsNaN(y))
        {
            form.Invoke((MethodInvoker)(() =>
            {
                using (Graphics g = form.CreateGraphics())
                {
                    g.FillEllipse(new SolidBrush(Color.Blue), (int)(x - 5), (int)(y - 5), 10, 10); // 放大圆圈区分噪声
                }
            }));
            sw.WriteLine($"{x:F2},{y:F2},{currentTime},{form.label5.Text},noise");
        }
    }

    // 程序关闭时检查剩余未保存的有效分组
    form.FormClosing += (s, e) =>
    {
        if (validDataGroup.Count >= minGroupSize)
        {
            foreach (var point in validDataGroup)
            {
                sw.WriteLine($"{point.x:F2},{point.y:F2},{point.time},{form.label5.Text},valid");
            }
        }
    };
});

关键优化点说明 #

• 有效分组管理：通过缓存连续有效点，筛选出符合偏移阈值、达到最小点数的分组才保存，避免零散有效点被误判为噪声
• 噪声可视化：无效数据用放大的蓝色圆圈标记，和有效数据的光标操作做明确区分
• 资源优化：使用using语句自动释放Graphics资源，避免内存泄漏
• 数据可追溯：CSV新增data_type字段，明确标记有效/噪声数据，方便后续分析
• 精度提升：坐标显示保留两位小数，提升可读性

可调参数说明 #

• minGroupSize：有效分组的最小点数，可根据眼动停留时长需求调整
• maxPixelOffset：同组内连续点的最大偏移阈值，数值越小过滤噪声的强度越高

内容的提问来源于stack exchange，提问作者Taisir Alhilo