Labelled Pupils in the Wild (LPW)

Labelled Pupils in the Wild (LPW) 数据集由马克斯·普朗克信息学研究所感知用户界面组创建，包含66个高质量、高速度的眼部区域视频，总计130,856帧，用于开发和评估瞳孔检测算法。该数据集涵盖了不同种族、多种室内外光照环境以及自然视线方向分布的22名参与者。数据集创建过程中，参与者在不同地点进行视频录制，确保了数据集的多样性和真实性。LPW数据集主要用于解决在不受约束环境中进行瞳孔检测的挑战，尤其是在头部安装的眼动追踪器上。Labelled Pupils in the Wild (LPW) dataset was created by the Perceptual User Interface Group of the Max Planck Institute for Informatics. It includes 66 high-quality, high-frame-rate eye region videos with a total of 130,856 frames, and is designed for the development and evaluation of pupil detection algorithms. The dataset covers 22 participants from diverse ethnic backgrounds, with varying indoor and outdoor lighting conditions and natural gaze direction distributions. During the dataset creation process, videos were recorded at different locations to ensure the diversity and authenticity of the dataset. The LPW dataset is primarily intended to address the challenges of pupil detection in unconstrained environments, particularly for head-mounted eye trackers.

搜集汇总

数据集介绍

构建方式

Labelled Pupils in the Wild (LPW) 数据集构建于现实环境中，旨在为瞳孔检测算法的开发和评估提供支持。该数据集包含22名参与者在日常环境中录制的66段高质量、高速度的眼部区域视频。视频以约95FPS的速度记录，使用最先进的暗瞳头戴式眼动仪。数据集涵盖了不同种族、多样化的日常室内外照明环境，以及自然注视方向分布。此外，数据集还包括佩戴眼镜、隐形眼镜和化妆的参与者。LPW数据集的构建过程注重了多样性和真实性，旨在模拟现实世界中的瞳孔检测挑战。

特点

LPW数据集的主要特点是其规模、质量和多样性。数据集包含66段视频，共130,856帧，远大于现有数据集。视频以640x480像素的分辨率录制，记录了丰富的室内外照明条件，以及不同种族、皮肤色调、眼睛颜色和面部形状的参与者。此外，数据集还包括佩戴眼镜和化妆的参与者，进一步增加了检测的难度。LPW数据集为瞳孔检测算法提供了宝贵的测试平台，帮助研究人员理解和解决现实世界中的瞳孔检测挑战。

使用方法

使用LPW数据集进行瞳孔检测算法的开发和评估，首先需要将数据集加载到算法中。数据集包含的视频可以用于训练和测试算法，以评估其在不同环境和条件下的性能。研究人员可以利用数据集中的真实标签来评估算法的准确性和鲁棒性。此外，数据集还可以用于研究瞳孔检测算法在不同因素（如照明、图像分辨率和视力辅助工具）影响下的表现。通过分析算法在LPW数据集上的性能，研究人员可以识别出算法的局限性，并针对性地改进算法，以提高瞳孔检测的准确性和鲁棒性。

背景与挑战

背景概述

瞳孔检测作为基于形状的眼睛注视估计系统的核心组成部分，在眼动追踪研究领域中占据着重要地位。在眼动图像的捕捉过程中，瞳孔检测面临着诸多挑战，尤其是在使用头戴式眼动追踪器进行捕捉时。由于头戴式眼动追踪器通常在移动的日常环境中使用，因此眼动图像可能会受到环境光线变化、角膜反射、瞳孔遮挡和阴影等因素的影响。尽管在该领域已经取得了显著进展，但现有的瞳孔检测方法仍然难以满足头戴式眼动追踪器的需求。为了解决这个问题，德国马普研究所的感知用户界面小组的研究人员 Marc Tonsen、Xucong Zhang、Yusuke Sugano 和 Andreas Bulling 于 2015 年 11 月发布了 Labelled Pupils in the Wild (LPW) 数据集，该数据集旨在为瞳孔检测算法的开发和评估提供支持。LPW 数据集包含了 22 位参与者在日常环境中录制的 66 个高质量的、高速的眼睛区域视频，这些视频以约 95FPS 的帧率录制，并覆盖了不同的种族、室内外光照环境和自然注视方向分布。此外，该数据集还包含了佩戴眼镜、隐形眼镜和化妆的参与者。研究者在 LPW 数据集上对五种最先进的瞳孔检测算法进行了基准测试，并研究了图像分辨率、视力辅助工具以及录制位置（室内、室外）对瞳孔检测性能的影响。LPW 数据集的发布为瞳孔检测问题的研究提供了宝贵的见解，并帮助研究人员识别了头戴式眼动追踪器上鲁棒瞳孔检测的关键挑战。

当前挑战

LPW 数据集的发布为瞳孔检测问题的研究提供了宝贵的见解，并帮助研究人员识别了头戴式眼动追踪器上鲁棒瞳孔检测的关键挑战。首先，LPW 数据集显示，在瞳孔检测算法中，眼镜和化妆的存在是一个严重的问题。其次，与室内环境相比，在室外环境中录制的图像对瞳孔检测算法提出了更高的要求。最后，图像分辨率对瞳孔检测算法的性能也有重要影响。LPW 数据集的出现，为瞳孔检测算法的研究和开发提供了一个良好的基准，但同时也暴露了现有算法在应对真实环境挑战时的局限性。为了提高瞳孔检测算法的鲁棒性和准确性，未来的研究需要进一步探索如何处理眼镜和化妆的影响，如何在室外环境中提高算法的性能，以及如何根据不同的图像分辨率调整算法参数。

常用场景

经典使用场景

在计算机视觉领域，瞳孔检测作为注视估计系统的核心组成部分，一直是研究的热点。LPW数据集提供了66个高质量、高速的眼部区域视频，用于开发、评估瞳孔检测算法。该数据集的视频记录了22名参与者在日常环境中，使用最先进的暗瞳头戴式眼动追踪器以约95FPS的速率拍摄。这些视频涵盖了不同种族的人，多样化的室内外光照环境，以及自然注视方向分布。该数据集还包括佩戴眼镜、隐形眼镜以及化妆的参与者。LPW数据集的经典使用场景是作为瞳孔检测算法的基准数据集，用于评估算法的鲁棒性和准确性。

衍生相关工作

LPW数据集的发布促进了瞳孔检测领域的进一步研究，衍生了许多相关的工作。例如，研究人员基于LPW数据集提出了新的瞳孔检测算法，并对其进行了评估和优化；此外，LPW数据集还被用于开发其他眼动追踪相关技术，如注视点预测、眼球运动分析等。这些相关工作进一步推动了眼动追踪技术的发展，并为相关应用提供了更多可能性。

数据集最近研究

最新研究方向

Labelled Pupils in the Wild (LPW) 数据集的推出，为瞳孔检测研究提供了宝贵资源。该数据集包含22名参与者在不同日常场景下录制的66个高质量、高速的眼部区域视频，涵盖了不同人种、室内外光照环境和自然注视方向分布。LPW数据集的亮点在于其规模、多样性和实用性，为瞳孔检测算法的开发和评估提供了全新的可能性。当前的研究方向主要集中在瞳孔检测算法的鲁棒性和准确性上，特别是在面对眼镜、化妆、阴影和角膜反射等复杂场景时的表现。LPW数据集的发布，不仅揭示了现有瞳孔检测算法在真实环境下的局限性，也为研究人员指明了改进算法和开发新型算法的方向。

相关研究论文

• Labeled pupils in the wild: A dataset for studying pupil detection in unconstrained environments

  马克斯·普朗克信息学研究所感知用户界面组 · 2015年