眼动追踪

眼动追踪是测量注视点（一个人正在看的地方）或眼睛相对于头部的运动的过程。的眼睛跟踪器是用于测量眼睛的位置和设备的眼球运动。眼动仪用于视觉系统、心理学、心理语言学、市场营销的研究，作为人机交互的输入设备，以及产品设计。眼动仪也越来越多地用于康复和辅助应用（例如，与控制轮椅、机械臂和假肢有关）。有多种测量眼球运动的方法。最流行的变体使用从中提取眼睛位置的视频图像。其他方法使用搜索线圈或基于眼电图。

大量的研究已经进入了眼球旋转机制和动力学的研究，但眼球追踪的目标通常是估计注视方向。例如，用户可能对图像的哪些特征吸引眼球感兴趣。重要的是要意识到眼动仪不提供xxx的凝视方向，而只能测量凝视方向的变化。为了准确确定对象正在看什么，需要进行一些校准程序，其中对象注视一个点或一系列点，而眼动仪记录与每个注视位置对应的值。（即使是那些追踪视网膜特征的技术也不能提供准确的凝视方向，因为没有特定的解剖特征来标记视轴与视网膜相交的确切点，

每种眼动追踪方法各有优缺点，眼动追踪系统的选择取决于成本和应用的考虑。有离线方法和在线程序，例如AttentionTracking。成本和灵敏度之间需要权衡，最敏感的系统要花费数万美元，并且需要相当多的专业知识才能正常运行。计算机和视频技术的进步导致了成本相对较低的系统的开发，这些系统适用于许多应用程序并且相当易于使用。然而，对结果的解释仍然需要一定程度的专业知识，因为未对准或校准不良的系统会产生极其错误的数据。

瑞士联邦理工学院的一个团队用特殊的头部摄像头拍摄了两组驾驶员的眼动：新手和有经验的驾驶员在接近狭窄道路的弯道时记录了他们的眼动。该系列图像已从原始电影帧中浓缩，以显示每个图像的2个眼睛注视，以便更好地理解。

这些剧照中的每一个都对应于大约0.5秒的实时时间。

这一系列图像显示了一个典型的新手和有经验的司机的眼睛注视#9到#14的例子。

上图的对比显示，有经验的司机检查弯道，甚至还留有9号定位点，而新手司机需要检查道路并估计他与停放汽车的距离。

在中间的图像中，经验丰富的驾驶员现在完全专注于可以看到迎面而来的汽车的位置。新手司机将视线集中在停放的汽车上。

在底部的图像中，新手正忙于估计左侧墙壁和停放的汽车之间的距离，而有经验的驾驶员可以使用他的周边视觉，并仍然将注意力集中在弯道的危险点上：如果有汽车出现在那里，他必须让路，即向右停而不是超过停放的汽车。

最近的研究还使用头戴式眼动追踪来测量真实驾驶条件下的眼球运动。

在行走时，老年受试者比年轻受试者更多地依赖中央凹视力。他们的步行速度因视野有限而降低，这可能是由于周边视力恶化造成的。

年轻的受试者在行走时会利用他们的中央和周边视觉。他们的周边视觉可以更快地控制步​​行过程。

许多学科都使用眼球追踪技术，包括认知科学、心理学（特别是心理语言学、视觉世界范式）、人机交互（HCI）、人为因素和人体工程学、市场研究和医学研究（神经学诊断）。具体应用包括在语言阅读、音乐阅读、人类活动识别、广告感知、运动、分心检测和认知负荷中跟踪眼球运动驾驶员和飞行员的估计以及作为严重运动障碍人士操作计算机的一种手段。

近年来，眼动追踪技术的复杂性和可访问性的提高引起了商业部门的极大兴趣。应用包括网络可用性、广告、赞助、包装设计和汽车工程。一般来说，商业眼球追踪研究的功能是向消费者样本呈现目标刺激，同时眼球追踪器记录眼球活动。目标刺激的例子可能包括网站、电视节目、体育赛事、电影和广告、杂志和报纸、包裹、货架展示、消费者系统（ATM、结账系统、信息亭）和软件。可以对所得数据进行统计分析并以图形方式呈现，以提供特定视觉模式的证据。通过检查注视、眼跳、瞳孔扩张、眨眼和各种其他行为，研究人员可以在很大程度上确定给定介质或产品的有效性。虽然一些公司在内部完成此类研究，但仍有许多私营公司提供眼动追踪服务和分析。

商业眼球追踪研究的一个领域是网络可用性。虽然传统的可用性技术在提供有关点击和滚动模式的信息方面通常非常强大，但眼动追踪提供了分析点击之间的用户交互以及用户在点击之间花费的时间的能力，从而提供了对哪些功能最有用的宝贵见解引人注目，哪些功能会引起混淆，哪些会被完全忽略。具体来说，眼球追踪可用于评估搜索效率、品牌、在线广告、导航可用性、整体设计和许多其他网站组件。除了主要客户站点之外，分析还可以针对原型站点或竞争对手站点。

眼球追踪通常用于各种不同的广告媒体。商业广告、平面广告、在线广告和赞助节目都有助于使用当前的眼动追踪技术进行分析。一个例子是分析黄页中广告的眼球运动。一项研究重点关注哪些特定功能会导致人们注意到广告、他们是否以特定顺序查看广告以及查看时间如何变化。研究表明，广告尺寸、图形、颜色和文案都会影响对广告的关注。了解这一点后，研究人员可以非常详细地评估消费者样本关注目标徽标、产品或广告的频率。因此，广告商可以根据实际视觉注意力来量化给定活动的成功。另一个例子是一项研究，该研究发现在搜索引擎结果页面中，作者摘要比付费广告甚至xxx个自然结果受到更多关注。

商业眼球追踪研究的另一个例子来自招聘领域。一项研究分析了招聘人员如何筛选Linkedin个人资料并将结果呈现为热图。

2017年，科学家们利用深度神经网络和卷积神经网络构建了深度集成神经网络(DINN)。目标是使用深度学习来检查驾驶员的图像，并通过“对眼睛状态进行分类”来确定他们的困倦程度。有了足够多的图像，提议的DINN可以理想地确定驾驶员何时眨眼、眨眼频率以及眨眼时间。从那里，它可以判断给定的司机看起来有多累，有效地进行眼动追踪练习。DINN接受了超过2,400名受试者的数据训练，并且在96%-99.5%的时间内正确诊断了他们的状态。大多数其他人工智能模型的执行率都在90%以上。理想情况下，这项技术可以为驾驶员困倦检测。

在2019年的一项研究中，构建了一个卷积神经网络(CNN)，能够像其他CNN识别面部特征一样识别单个棋子。然后输入来自30位不同技能水平的国际象棋选手的眼球追踪输入数据。有了这些数据，CNN使用注视估计来确定棋盘上玩家密切关注的部分。然后它生成了一个显着图来说明板的这些部分。最终，CNN会将其对棋盘和棋子的了解与其显着图相结合，以预测玩家的下一步行动。不管训练数据集神经网络系统接受了训练，它比随机选择任何可能的移动更准确地预测下一步，并且为任何给定玩家和情况绘制的显着图相似度超过54%。

有严重运动障碍的人可以使用眼动追踪与计算机交互，因为它比单开关扫描技术更快且操作直观。脑瘫或肌萎缩侧索硬化引起的运动障碍通常会影响言语，严重言语和运动障碍(SSMI)的用户使用一种称为增强和替代交流(AAC)辅助工具的软件，在屏幕上显示图标、单词和字母，并使用文本转语音软件生成语音输出。最近，研究人员还探索了眼动追踪来控制机械臂和电动轮椅。眼动追踪也有助于分析视觉搜索模式，检测眼球震颤的存在并通过分析阅读过程中的眼睛注视运动来检测学习障碍的早期迹象。

已经通过比较扫描路径和注视持续时间来评估飞行员学员的进度，用于估计飞行员的技能，用于分析机组人员的共同注意力和共享态势感知，从而对飞行安全进行眼动追踪研究。还探索了眼动追踪技术，以与军用飞机中的头盔显示系统和多功能显示器进行交互。进行了研究以调查眼动仪在头盔安装显示系统(HMDS)中平视目标锁定和平视目标获取的效用。飞行员的反馈表明，尽管该技术很有前景，但其硬件和软件组件尚未成熟。在模拟器环境中与多功能显示器交互的研究表明，眼动追踪可以显着改善现有系统的响应时间和感知认知负荷。此外，研究还调查了利用注视和瞳孔反应的测量来估计飞行员的认知负荷。估计认知负荷有助于设计具有改进飞行安全性的下一代自适应驾驶舱。眼动追踪对于检测飞行员疲劳也很有用。

最近，眼动追踪技术以被动和主动方式在汽车领域进行了研究。美国国家公路交通安全管理局测量了驾驶时执行次要任务的扫视持续时间，并通过阻止在车辆中引入过度分心的设备来提高安全性除了分心检测外，眼动追踪还用于与IVIS交互。虽然初步研究调查了眼动追踪系统与HDD（平视显示器）交互的功效，但它仍然要求驾驶员在执行次要任务时将视线从道路上移开。最近的研究调查了眼睛注视控制与HUD（平视显示器）的交互，该交互消除了眼睛在越野时的注意力分散。眼动追踪还用于监测驾驶员的认知负荷，以检测潜在的分心。尽管研究人员探索了从不同生理参数估计驾驶员认知负荷的不同方法，但眼部参数的使用探索了一种新方法，除了与IVIS交互外，还可以使用现有的眼动仪来监测驾驶员的认知负荷。

2021电子游戏BeforeYourEyes记录并读取玩家的眨眼，并将其作为与游戏互动的主要方式。

随着眼动追踪预计将成为各种消费电子产品的常见功能，包括智能手机、笔记本电脑和虚拟现实耳机，对该技术对消费者隐私的影响提出了担忧。在机器学习技术的帮助下，眼动追踪数据可以间接揭示有关用户种族、个性特征、恐惧、情绪、兴趣、技能以及身心健康状况的信息。如果此类推论是在用户不知情或未批准的情况下得出的，则可归类为推论攻击.眼睛活动并不总是受意志控制，例如，“刺激驱动的扫视、瞳孔扩张、眼震和自发性眨眼大多是在没有意识的情况下发生的，类似于消化和呼吸”。因此，眼睛可能很难跟踪用户以估计或控制他们透露的有关自己的信息量。