眼部追蹤技術(shù)一直擁有廣泛應(yīng)用前景，然而過去40年來，由于其昂貴的硬件成本（高達幾十萬），使得它距離普通消費級應(yīng)用十分遙遠。此前也有廠商嘗試過將這一技術(shù)應(yīng)用于消費產(chǎn)品中，三星S4 基于普通攝像頭的眼部追蹤翻動手機頁面功能，然而產(chǎn)生的最大問題就是精度差，受環(huán)境光影響嚴重，不同人種更是差異巨大，所以三星后來去掉了這一功能。

近日，MIT與喬治亞大學(xué)的人工智能研究院希望可以改變這一現(xiàn)狀。他們借助兩款名為GazeCapture 和iTracker（與蘋果的手機防盜追蹤軟件iTracker不是同一個）的App， 可以將任何一部手機都變成眼球追蹤裝置，大大降低了眼部追蹤技術(shù)應(yīng)用的成本，并且精度提高一大截。

圖片來自：MIT Technology Review

關(guān)于此項技術(shù)的一篇論文在6月28日的計算機視覺和模式識別大會上發(fā)布，論文的作者之一Aditya Khosla表示，相比于之前同行的研究，他們的優(yōu)勢在于數(shù)據(jù)。Khosla 介紹，他們已經(jīng)通過GazeCapture搜集了超過1500個手機用戶的注視模型，而在此之前，最大的數(shù)據(jù)樣本是大概也只有50個用戶。

為什么他們能搜集到如此多的數(shù)據(jù)？答案是“眾包”模式。研究人員選擇亞馬遜的“土耳其機器人”（Amazon Mechanical Turk）眾包平臺，發(fā)布使用GazeCapture 任務(wù)，用戶可以登錄“土耳其機器人” 攬活。在下載這款A(yù)pp（目前只提供iOS版）之后，GazeCapture 會在屏幕上展示一個顫動的小點，并在小點里寫上“L”或“R” （分別代表左右），以確保用戶集中注意力。用戶則通過點擊屏幕左側(cè)或右側(cè)來作出響應(yīng)，然后借助前置攝像頭記錄用戶的目光。用戶在完成每次任務(wù)之后，都可以獲得一筆“小費”。

通過以上方法，GazeCapture 幫助研究人員搜集了豐富注視模型數(shù)據(jù)。此前，大多數(shù)的研究機構(gòu)都是召集人們來實驗室采集數(shù)據(jù)，有50個數(shù)據(jù)樣本就非常不錯了。

圖片來自：Amazon Mechanical Turk 網(wǎng)站

對于iTracker 軟件，一款目前只能在蘋果手機上運行的卷積神經(jīng)網(wǎng)絡(luò)系統(tǒng)App。iTracker 能識別出頭部和眼球的位置與方向，確定用戶的目光究竟看向屏幕的哪個位置。目前iTracker 誤差范圍縮小到了1.5厘米，比以往實驗的精度提高了2倍。在論文提交之后，研究團隊又加入了700個用戶的數(shù)據(jù)，平均每個用戶有1600張照片。在這一輪訓(xùn)練中，誤差范圍更是縮小至1厘米，研究人員預(yù)測如果用戶達到1萬人，那么精度會提高為0.5厘米。不過，這樣的精度對于商業(yè)用途來說，已經(jīng)十分足夠了。

對于iTracker來說，存在的最大問題是，神經(jīng)網(wǎng)絡(luò)是一個很大的系統(tǒng)，在手機端的運行效率會很低。不過，研究人員通過采用“Dark Knowledge”（并非黑科技的意思）的處理方法，能夠?qū)⑸窠?jīng)網(wǎng)絡(luò)規(guī)模縮小到20%，使得iTracker 可以在手機端處理15幀/秒的畫面，哪怕最短暫的眼神都可以清楚記錄。

對于眼球識別技術(shù)的重大突破，康奈爾大學(xué)教授 Noah Snavely 評論稱：

“在計算機視覺和人機交互領(lǐng)域，眼部追蹤一直都是人們十分感興趣的領(lǐng)域，但是它成本太貴了，讓普通用戶的手機就可以實現(xiàn)這一技術(shù)，非常令人驚嘆。在我看來，他們達到的精度，似乎可以讓這個領(lǐng)域的人群開始做些有趣的事了，這一項成果將會引發(fā)業(yè)內(nèi)的一輪快速發(fā)展?！?/p>

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。