Cómo usar la visión artificial para detectar la mirada

La visión artificial es una rama de la inteligencia artificial (IA) centrada en permitir que las máquinas analicen e interpreten datos visuales de forma similar a las personas. Una aplicación interesante de la IA visual es la detección de la mirada, que permite a las máquinas seguir y comprender hacia dónde mira una persona.

Las personas podemos seguir de forma natural la mirada de alguien y entender en qué se está fijando. Por ejemplo, si estás hablando con un amigo y de repente mira hacia la puerta, quizá te gires instintivamente para ver qué le ha llamado la atención. En cambio, las máquinas no tienen esta capacidad de forma innata: hay que entrenarlas con técnicas de visión artificial para que reconozcan los movimientos oculares e interpreten la dirección de la mirada.

Se prevé que el mercado global de detección de la mirada alcance los 11.900 millones de dólares en 2032, por lo que muchos sectores están adoptando esta tecnología para distintas aplicaciones. Por ejemplo, en los coches se utiliza la detección de la mirada para mejorar la seguridad al volante mediante la supervisión de los niveles de atención y la detección de signos de somnolencia o distracción.

En este artículo, veremos cómo se utiliza la visión artificial para el seguimiento ocular y la detección de la mirada. También repasaremos algunas de sus principales aplicaciones en distintos sectores.

¿Qué son el seguimiento ocular y la detección de la mirada?#

El seguimiento ocular y la detección de la mirada son técnicas que permiten determinar en qué se centra la atención de una persona mediante el análisis de los movimientos oculares y la dirección de la mirada. Gracias a los avances en IA y tecnología de sensores, ahora es posible seguir los ojos de una persona en tiempo real.

Tradicionalmente, la mayoría de los sistemas de seguimiento ocular se basan en cámaras infrarrojas (IR), que detectan los movimientos de las pupilas iluminando los ojos con luz infrarroja cercana y capturando los reflejos de la córnea. Estos sistemas ofrecen una gran precisión. Sin embargo, suelen requerir equipos especializados para la cabeza, que pueden resultar incómodos y presentar problemas de calibración.

Con el auge de la IA, los investigadores han explorado activamente métodos de seguimiento ocular basados en visión artificial. A diferencia de los sistemas tradicionales basados en IR, estos métodos se basan en modelos de visión artificial, como Ultralytics YOLO11, para detectar rasgos faciales como los ojos y las pupilas, además de estimar la pose de la cabeza. También existen modelos especializados de aprendizaje profundo, como GazeNet de NVIDIA, diseñados específicamente para estimar la mirada.

Fig. 1. Ejemplo del uso de Ultralytics YOLO11 para detectar el ojo y la pupila de una persona.

Aunque todavía está en plena evolución, el seguimiento de la mirada basado en visión artificial puede hacer que el seguimiento ocular sea más accesible, reducir costes y mejorar la facilidad de uso en aplicaciones de marketing, psicología y neurociencia.

Evolución de la detección de la mirada y el seguimiento ocular#

A continuación, veamos el paso de los sistemas infrarrojos tradicionales a soluciones más accesibles basadas en software.

Quizá te preguntes si es posible realizar el seguimiento ocular y detectar la mirada sin IA y por qué se sigue investigando la integración de IA y visión artificial en estas tecnologías. Aunque existen métodos tradicionales de seguimiento ocular, suelen depender de cámaras infrarrojas especializadas y dispositivos de seguimiento ocular montados en la cabeza, que pueden ser caros y aparatosos, y requieren condiciones de iluminación controladas. En cambio, las soluciones basadas en IA permiten realizar el seguimiento ocular con cámaras web estándar y cámaras de smartphones, lo que reduce los costes y mejora la accesibilidad.

Fig. 2. Dispositivo de seguimiento ocular montado en la cabeza.

Estos son algunos de los otros factores que han impulsado la evolución de la tecnología de seguimiento ocular y detección de la mirada:

• Aplicaciones: Los enfoques basados en software permiten que este ámbito vaya más allá de la investigación y llegue a los dispositivos de consumo y a sectores como el de los videojuegos.
• Escalabilidad: La IA puede hacer que las soluciones de detección de la mirada estén al alcance de un público más amplio, desde usuarios individuales hasta grandes industrias.
• Avances en tecnología de cámaras: Hoy tenemos acceso a cámaras de mayor resolución en smartphones y cámaras web, que mejoran la precisión del seguimiento ocular; algo que no era viable hace 20 años.

Uso de Ultralytics YOLO11 para detectar la mirada y realizar el seguimiento ocular#

Ahora que hemos hablado del papel de la visión artificial en el seguimiento ocular y la detección de la mirada, veamos cómo se puede utilizar Ultralytics YOLO11 en este ámbito.

Ultralytics YOLO11 admite tareas como la detección de objetos y la estimación de pose. Preentrenado con el conjunto de datos COCO, ofrece una gran precisión al detectar diversos objetos. En concreto, YOLO11 puede desempeñar un papel de apoyo en una solución de detección de la mirada.

Aunque no puede predecir directamente la dirección de la mirada, se puede ajustar para detectar caras, ojos y pupilas, elementos clave para realizar análisis posteriores. Una vez identificados estos rasgos, otros modelos pueden procesar los datos de movimiento ocular para estimar la dirección de la mirada.

Por ejemplo, para mejorar la precisión, puedes entrenar de forma personalizada Ultralytics YOLO11 con conjuntos de datos como WIDER FACE para detectar rostros. Además, las capacidades de estimación de poses de YOLO11 pueden ayudar a seguir la orientación de la cabeza, lo que mejora la precisión de la detección de la mirada.

Fig. 3. YOLO11 se puede utilizar para detectar rostros humanos.

Aplicaciones de la detección de la mirada en el mundo real#

La detección de la mirada, habilitada por la visión artificial, tiene numerosas aplicaciones en distintos sectores, desde mejorar la seguridad en la industria automovilística hasta analizar la concentración en los videojuegos. Veamos cómo aprovechan esta tecnología distintos ámbitos.

Seguimiento de la mirada en videojuegos#

El seguimiento ocular se utiliza en los videojuegos para obtener información en tiempo real sobre la concentración, la toma de decisiones y los tiempos de reacción de los jugadores. Al seguir los movimientos oculares, esta tecnología ayuda a los jugadores a perfeccionar sus estrategias, mejora los programas de entrenamiento y aumenta la participación del público al mostrar visualmente hacia dónde miran los jugadores en momentos clave.

Un ejemplo interesante es el sim racing, una disciplina virtual de automovilismo competitivo en la que los jugadores compiten con simuladores de conducción realistas. El seguimiento ocular ayuda a analizar cómo se concentran los pilotos en el circuito, reaccionan ante sus rivales y afrontan curvas cerradas. Al seguir su mirada en tiempo real, los entrenadores pueden identificar patrones, detectar distracciones y mejorar las estrategias de carrera.

Fig. 4. El seguimiento ocular se puede utilizar para supervisar y analizar a pilotos de sim racing.

Además del sim racing, el seguimiento ocular también se utiliza en videojuegos competitivos de ritmo rápido para analizar los reflejos, los tiempos de reacción y la atención de los jugadores a elementos clave del juego. Al saber dónde mira un jugador antes de hacer un movimiento, estos datos ayudan a perfeccionar la toma de decisiones, mejorar la precisión y optimizar el entrenamiento para competir al máximo nivel.

Estimación de la mirada para la investigación psicológica#

La estimación de la mirada tiene muchas aplicaciones de IA visual relacionadas con la investigación. Un buen ejemplo es su uso en psicología para estudiar la atención, la carga cognitiva y el comportamiento social. Al analizar los movimientos oculares, los investigadores pueden obtener información sobre la percepción, la toma de decisiones y trastornos de salud mental como el autismo y el TDAH.

En concreto, el seguimiento de la mirada mediante visión artificial ayuda a identificar patrones de movimiento ocular, la duración de las fijaciones y la atención visual, que pueden revelar estados cognitivos y emocionales. Gracias a los avances en aprendizaje profundo y estimación de la mirada basada en IA, estos métodos son cada vez más precisos y accesibles, lo que permite ampliar sus aplicaciones en la investigación neurológica.

Seguridad en el automóvil#

A lo largo de los años, los investigadores han utilizado distintos métodos para estudiar la atención y la concentración de los conductores en diferentes condiciones de tráfico. Entre estos métodos, el seguimiento ocular ha sido fundamental y puede aportar información sobre hacia dónde mira el conductor mientras conduce.

Con la ayuda de modelos de visión artificial, la detección de la mirada puede mejorar aún más este análisis al seguir con precisión los movimientos oculares en tiempo real. Este análisis puede ayudarnos a comprender mejor el comportamiento del conductor e identificar distracciones, fatiga o lapsos de atención, lo que puede mejorar la seguridad vial y contribuir al desarrollo de sistemas avanzados de asistencia a la conducción.

Fig. 5. Ejemplo de supervisión de un conductor mediante detección facial y seguimiento de la mirada.

Por ejemplo, si un conductor aparta la vista de la carretera con frecuencia para mirar el móvil o tarda en reaccionar en los cruces, el sistema puede detectar estos comportamientos y emitir alertas para que vuelva a prestar atención y, posiblemente, evitar accidentes.

Ventajas e inconvenientes del seguimiento ocular y la detección de la mirada#

Estas son algunas de las principales ventajas que las tecnologías de seguimiento ocular y detección de la mirada pueden aportar a nuestro día a día:

• Mayor conciencia: El seguimiento ocular proporciona información sobre cómo interactúan visualmente las personas con su entorno y ayuda a comprender mejor los patrones de atención y concentración.
• Mejor toma de decisiones: Los datos recopilados mediante el seguimiento ocular ayudan a investigadores y profesionales a tomar decisiones fundamentadas a partir de patrones objetivos de atención.
• Mejora de la ergonomía visual: Analizar el comportamiento de la mirada puede ayudar a diseñar pantallas, espacios de trabajo y entornos que reduzcan la fatiga ocular y mejoren la comodidad.

Aunque estas ventajas muestran cómo la detección de la mirada puede influir positivamente en nuestras vidas, también es importante tener en cuenta los retos que implica su implementación. Estas son algunas de las principales limitaciones que debes considerar:

• Problemas de privacidad: El seguimiento ocular continuo puede plantear problemas de privacidad e incomodar a los usuarios. La transparencia, el consentimiento de los usuarios y el procesamiento local de los datos pueden ayudar a mitigar estos problemas.
• Alta demanda computacional: El seguimiento de la mirada en tiempo real puede requerir hardware potente, lo que limita la accesibilidad en dispositivos de baja potencia. Sin embargo, los modelos optimizados ayudan a mejorar la eficiencia.
• Limitaciones de precisión: El seguimiento de la mirada puede ser menos fiable en entornos reales debido a los cambios de iluminación, los movimientos de la cabeza o los obstáculos, como las gafas y el pelo. El ángulo de la cámara también puede afectar al rendimiento.

Con la mirada puesta en el futuro#

El seguimiento ocular y la detección de la mirada, con el apoyo de modelos de visión artificial como Ultralytics YOLO11, están cambiando nuestra forma de interactuar con el mundo. Desde hacer que las carreteras sean más seguras hasta comprender el comportamiento humano, esta tecnología resulta cada vez más útil en la vida cotidiana.

Aunque existen retos como los problemas de privacidad y la necesidad de ordenadores potentes, los avances en IA y visión artificial hacen que el seguimiento ocular sea más preciso y fácil de usar. A medida que siga mejorando, probablemente desempeñará un papel más importante en diversos sectores.

Para obtener más información, visita nuestro repositorio de GitHub y participa en nuestra comunidad. Descubre innovaciones en sectores como la IA en coches autónomos y la visión artificial en la agricultura en nuestras páginas de soluciones. Consulta nuestras opciones de licencia y da vida a tus proyectos de IA visual.