Face au problème selon lequel les points de fixation se posant sur des cibles non désirées dans les algorithmes d'annotation d'images oculaires existants entraînent des perturbations de localisation et une précision d'annotation insuffisante, cet article explore d'abord expérimentalement les règles des mouvements oculaires dans les tâches d'annotation ; puis propose de diviser la séquence de fixations en deux phases : recherche visuelle et reconnaissance visuelle, et conçoit une méthode de classification des points de fixation basée sur un algorithme DBSCAN adaptatif paramétrique pour la recherche et la reconnaissance visuelle, visant à utiliser les points de fixation de reconnaissance extraits comme entrée de l'algorithme d'annotation d'images oculaires pour améliorer la précision des résultats d'annotation ; enfin, des expériences comparatives et des analyses sont menées sur le jeu de données 2014 DIMITRIOS P. Les résultats expérimentaux montrent qu'en comparaison avec les algorithmes existants, la mesure F1 est améliorée de 4 %, l'efficacité de l'algorithme est presque doublée, et la précision de l'algorithme d'annotation d'images oculaires est accrue de 3,34 %, satisfaisant ainsi les exigences de stabilité, de fiabilité, de haute précision et de rapidité d'exécution.

Classification des points de fixation oculaires; annotation d'images oculaires; recherche visuelle; reconnaissance visuelle; DBSCAN adaptatif paramétrique