Ante el problema de que los puntos de fijación en objetivos no deseados en los algoritmos actuales de anotación de imágenes de movimientos oculares tienden a introducir interferencias de localización, lo que resulta en una baja precisión de anotación, este documento explora experimentalmente las regularidades oculares en la tarea de anotación; luego propone dividir la secuencia de fijación en dos etapas: búsqueda visual y reconocimiento visual, y diseña un método de clasificación de puntos de fijación basado en el algoritmo DBSCAN con parámetros adaptativos, con el objetivo de utilizar los puntos de fijación de reconocimiento extraídos como entrada para el algoritmo de anotación de imágenes de movimientos oculares, mejorando la precisión del resultado de la anotación; finalmente, se realizaron experimentos comparativos y análisis basados en el conjunto de datos 2014 DIMITRIOS P. Los resultados experimentales muestran que, en comparación con los algoritmos existentes, la métrica F1 mejora en un 4 %, la eficiencia del algoritmo casi se duplica, y la precisión del algoritmo de anotación de imágenes de movimientos oculares aumenta un 3,34 %, cumpliendo con los requisitos de estabilidad, fiabilidad, alta precisión y velocidad de ejecución.

Clasificación de puntos de fijación ocular; anotación de imágenes de movimientos oculares; búsqueda visual; reconocimiento visual; DBSCAN adaptativo por parámetros