文章中针对各个event进行参数化概率建模，希望能够了解这个基本方式。另外该文给出PSOs概念，其定义可能与Glissades类似。
摘要：
了解社会背景下的人类凝视行为，以及面对面的互动，仍然是一个与人格特质严格相关的开放性研究问题。为了弥合现有数据和模型之间的差距，典型方法侧重于分析观察面特定区域上凝视部署的空间和时间偏好，同时采用经典统计方法。在本文中，我们基于新颖的数据挖掘技术和依赖于利用自动相关性确定（ARD）核的高斯过程的概率分类方法，提出了不同的分析视角。也提供了在公开可用数据集上获得的初步结果。
Introduction：
事实上，凝视是社会互动的重要组成部分，也是一种重要的非语言信号，被作为一种基本的交流形式[30]。 人类在与其他同类的社会和合作任务中深刻地委托凝视线索。 当提到具有自闭症特征的人时，这种效果会出现负面影响，这些人可能在理解来自另一个人的眼睛区域的信号时会遇到麻烦。
在典型的面对面交互过程中，眼神接触是可信度和吸引力的指标，尽管长时间的直视可以被解释为威胁。
面部感知的神经影像学研究证实，直接眼神接触激活了人类相互作用和面部处理所涉及的特定脑区，即颞上沟（STS）。特别是，顶内沟（IPS）似乎特别支持识别另一个人的凝视方向。 这些结果证实，当凝视指向观察者时，人的感知增加。
话虽如此，也没有深入研究神经生物学细节，但为了实现与人类自然相互作用的有效和“感情移入”计算系统（HCI），有必要理解或至少考虑这些过程。 人类凝视部署背后。 这些最终可能涉及调解与虚拟或物理代理的交互，特别是在处理包括眼睛（用于合成）的人形机器人时，或者用于测量对方凝视（用于识别）的人形机器人。
在这项工作中，我们将重点关注人格特质的参与作为特定凝视模式的指标。人格是通常采用五大人格特征[23]表达的信息，也称为五因素模型（FFM）。五个因素 被定义为适应性，责任心，外向性，神经质和对经验的开放性。通过标准心理测试对这些实验的参与者进行评估。
图1 从面对面交互中的凝视行为（时变time-varying面部刺激）调查受试者的人格特质。 实线箭头突出显示数据到模型的解释和预测之路; 虚线箭头跟踪反馈信息以满足寻找合适的预测变量，模型修改和实验设计的要求。
这种协同视角是这里介绍的工作背后的方法论基础，并在图1中概括地总结。来自不同研究领域的技术将被用于特征提取和分类。 特别地，我们展示了自动相关性确定（ARD）方法，它最初在贝叶斯机器学习框架中被设想为修剪大量不相关特征的有效工具，适合于lead to稀疏子集 预测变量。这些具有解释性价值，同时避免了繁琐的经典统计程序选择特征，甚至更复杂的基于机器学习的方法（例如，[5]，针对凝视分析的具体情况）。
Method：
图2 （左）可视化典型的可视扫描路径记录。 （右）具有提取特征的指示的三个注视的序列：注视持续时间，扫视幅度和扫视方向。
凝视移位是两个主要动眼神经动作的结果（如图2所示）：注视和扫视。前者涉及引入场景的中心凹，而后者是眼睛的快速过渡，其允许从观察到的场景的一个位置发射到另一个位置。值得注意的是，物体的显着性原则上与给定任务严格相关[47]。 这里介绍的研究依赖于从自由观察（无外部任务）实验中的受试者收集的眼睛跟踪数据。尽管这种选择在一般情况下可能会有问题[47]，但在我们的案例中，自由观察条件适合于动态地推断其“内部”选择目标和动机的历史，从而适合他们的个人特质，如由所产生的注意行为所捕捉的那样。
除了注视和扫视之外，在存在移动物体（可能在动态场景中出现）的情况下，会产生额外的动作，称为平滑追踪（smooth pursuit）。它通常与注视相关联，因为焦点保持在相同的刺激上，但是在这种情况下需要眼睛的移动。
最近的研究表明，来自基于视频的眼动仪的瞳孔信号包含一个额外的事件，即后扫视振动（PSOs， post-saccadic oscillations ）。这些对于事件的精确时间分类非常重要。事实上，已经证明PSOs会影响注视和扫视持续时间至少20毫秒。
接下来，我们将视觉扫描路径作为一个随机过程的结果；即定义一个时间序列{（r1,t1）,（ri, ti），……}，其中ri=(xi,yi)，它（ri）定义了在自然场景L中，在ti时刻，我们得到的具体的凝视坐标位置：
最终需要分类步骤[39]来区分上述四种动眼神经动作。这允许将原始数据时间序列解析为更高级别的事件表示：