Esplorazione di come la computer vision può essere usata per il rilevamento dello sguardo

La computer vision è un ramo dell'intelligenza artificiale (AI) che si concentra sull'abilitare le macchine ad analizzare e interpretare dati visivi in modo simile agli esseri umani. Un'applicazione particolarmente affascinante della vision AI è il gaze detection, che permette alle macchine di tracciare e comprendere dove una persona sta guardando.

Come esseri umani, siamo in grado di seguire naturalmente lo sguardo di qualcuno e capire su cosa si sta concentrando. Ad esempio, se stai parlando con un amico e lui guarda improvvisamente verso la porta, potresti girarti istintivamente per vedere cosa ha catturato la sua attenzione. Le macchine, d'altra parte, non hanno questa capacità intrinseca: devono essere addestrate utilizzando tecniche di computer vision per riconoscere i movimenti oculari e interpretare la direzione dello sguardo.

Con il mercato del gaze detection globale che dovrebbe raggiungere gli 11,9 miliardi di dollari entro il 2032, molte industrie lo stanno adottando per diverse applicazioni. Ad esempio, il gaze detection nelle auto viene utilizzato per migliorare la sicurezza del conducente monitorando i livelli di attenzione e rilevando segni di sonnolenza o distrazione.

In questo articolo, esploreremo come la computer vision viene utilizzata per l'eye tracking e il gaze detection. Daremo anche un'occhiata ad alcune delle sue applicazioni chiave in vari settori. Cominciamo!

Link to this sectionCosa sono l'eye tracking e il gaze detection?#

L'eye tracking e il gaze detection sono tecniche utilizzate per determinare il punto di attenzione di una persona analizzando i movimenti oculari e la direzione dello sguardo. Grazie ai progressi nell'AI e nella tecnologia dei sensori, è ora possibile tracciare gli occhi di una persona in tempo reale.

Tradizionalmente, la maggior parte dei sistemi di eye-tracking si basa su telecamere a infrarossi (IR), che rilevano i movimenti della pupilla illuminando gli occhi con luce nel vicino infrarosso e catturando i riflessi corneali. Questi sistemi offrono un'elevata precisione. Tuttavia, spesso richiedono un visore specializzato, che può essere scomodo da indossare e soggetto a problemi di calibrazione.

Con l'ascesa dell'AI, i ricercatori hanno esplorato attivamente metodi di eye tracking basati sulla computer vision. A differenza dei tradizionali sistemi basati su IR, questi approcci si affidano a modelli di computer vision come Ultralytics YOLO11 per rilevare caratteristiche facciali come occhi e pupille, oltre a eseguire la stima della posa della testa. Oltre a ciò, modelli di deep learning specializzati come GazeNet di NVIDIA sono progettati specificamente per la stima dello sguardo.

Fig 1. Un esempio dell'utilizzo di YOLO11 per rilevare l'occhio e la pupilla di una persona.

Sebbene sia ancora un campo in evoluzione, il gaze tracking basato sulla computer vision ha il potenziale per rendere l'eye tracking più accessibile, riducendo i costi e migliorando l'usabilità per applicazioni nel marketing, nella psicologia e nelle neuroscienze.

Link to this sectionL'evoluzione del gaze detection e dell'eye tracking#

Successivamente, esploriamo il passaggio dai sistemi tradizionali basati su infrarossi a soluzioni più accessibili e basate su software.

Potresti chiederti se l'eye tracking e il gaze detection possono essere eseguiti senza AI; allora perché c'è una ricerca in corso sull'integrazione di AI e computer vision in queste tecnologie? Mentre esistono metodi tradizionali di eye-tracking, spesso si basano su telecamere a infrarossi specializzate e dispositivi di eye tracker montati sulla testa, che possono essere costosi, ingombranti e richiedere condizioni di illuminazione controllate. Le soluzioni guidate dall'AI, tuttavia, consentono l'eye tracking utilizzando webcam standard e fotocamere di smartphone, riducendo i costi e migliorando l'accessibilità.

Fig 2. Un dispositivo di eye tracker montato sulla testa.

Ecco alcuni degli altri fattori dietro l'evoluzione della tecnologia di eye tracking e gaze detection:

• Applicazioni: Gli approcci basati su software consentono a questo spazio di espandersi oltre la ricerca verso i dispositivi di consumo e aree come il gaming.
• Scalabilità: L'AI può intervenire per rendere le soluzioni di gaze detection disponibili a un pubblico più ampio, dai singoli utenti alle industrie su larga scala.
• Progressi nella tecnologia delle fotocamere: Oggi abbiamo accesso a fotocamere di smartphone e webcam a risoluzione più elevata che migliorano la precisione dell'eye-tracking: qualcosa che non era fattibile 20 anni fa.

Link to this sectionUtilizzo di Ultralytics YOLO11 per il gaze detection e l'eye tracking#

Ora che abbiamo discusso il ruolo della computer vision nell'eye tracking e nel gaze detection, vediamo come YOLO11 può essere utilizzato qui.

Ultralytics YOLO11 supporta compiti come l'object detection e la pose estimation. Pre-addestrato sul dataset COCO, raggiunge un'elevata precisione nel rilevamento di vari oggetti. Nello specifico, per una soluzione di gaze detection, YOLO11 può svolgere un ruolo di supporto.

Sebbene non possa prevedere direttamente la direzione dello sguardo, può essere perfezionato per rilevare volti, occhi e pupille, che sono fondamentali per ulteriori analisi. Una volta identificate queste caratteristiche, modelli aggiuntivi possono elaborare i dati sui movimenti oculari per stimare la direzione dello sguardo.

Ad esempio, per migliorare la precisione, YOLO11 può essere addestrato su misura su dataset come WIDER FACE per il face detection. Inoltre, rispetto alle capacità di pose estimation di YOLO11, può aiutare a tracciare l'orientamento della testa, il che migliora la precisione del gaze detection.

Fig 3. YOLO11 può essere utilizzato per rilevare volti umani.

Link to this sectionApplicazioni nel mondo reale del gaze detection#

Il gaze detection, abilitato dalla computer vision, ha una vasta gamma di applicazioni in tutti i settori, dal miglioramento della sicurezza nel settore automobilistico all'analisi della concentrazione nei giochi. Esploriamo come diversi campi stanno sfruttando questa tecnologia.

Link to this sectionGaze tracking nel gaming#

L'eye tracking viene utilizzato nel gaming per fornire informazioni in tempo reale sulla concentrazione del giocatore, sul processo decisionale e sui tempi di reazione. Tracciando i movimenti oculari, questa tecnologia aiuta i giocatori a perfezionare le loro strategie, migliora i programmi di allenamento e aumenta il coinvolgimento del pubblico mostrando visivamente dove guardano i giocatori durante i momenti chiave.

Un esempio interessante è il sim racing, un motorsport virtuale competitivo in cui i giocatori gareggiano utilizzando simulazioni di guida realistiche. L'eye tracking aiuta ad analizzare come i piloti si concentrano sulla pista, reagiscono agli avversari e affrontano le curve strette. Tracciando il loro sguardo in tempo reale, gli allenatori possono identificare schemi, individuare distrazioni e migliorare le strategie di gara.

Fig 4. L'eye tracking può essere utilizzato per monitorare e analizzare i sim racer.

Oltre al sim racing, l'eye tracking viene utilizzato anche nei giochi competitivi dal ritmo serrato per analizzare i riflessi del giocatore, i tempi di reazione e come si concentra sugli elementi chiave del gioco. Comprendendo dove guarda un giocatore prima di fare una mossa, questi dati aiutano a perfezionare il processo decisionale, migliorare la precisione e migliorare l'allenamento per un gameplay di alto livello.

Link to this sectionGaze estimation per la ricerca psicologica#

Esistono molte applicazioni di vision AI per la gaze estimation legate alla ricerca. Un buon esempio è il suo utilizzo in psicologia per studiare l'attenzione, il carico cognitivo e il comportamento sociale. Analizzando i movimenti oculari, i ricercatori possono ottenere approfondimenti sulla percezione, sul processo decisionale e sulle condizioni di salute mentale come l'autismo e l'ADHD.

Nello specifico, il gaze tracking utilizzando la computer vision aiuta a identificare schemi nel movimento oculare, nella durata della fissazione e nell'attenzione visiva, che possono rivelare stati cognitivi ed emotivi. Con l'avanzamento del deep learning e della gaze estimation guidata dall'AI, questi metodi stanno diventando più precisi e accessibili, consentendo applicazioni più ampie nella ricerca neurologica.

Link to this sectionSicurezza automobilistica#

Nel corso degli anni, i ricercatori hanno utilizzato diversi metodi per studiare l'attenzione e la concentrazione dei conducenti durante diverse condizioni di traffico. Tra questi metodi, l'eye-tracking è stato fondamentale e può fornire informazioni su dove guarda il conducente durante la guida.

Con l'aiuto dei modelli di computer vision, il gaze detection può migliorare ulteriormente questa analisi tracciando accuratamente i movimenti oculari in tempo reale. Questa analisi può darci una migliore comprensione del comportamento del conducente, aiutando a identificare distrazioni, affaticamento o cali di attenzione, che possono migliorare la sicurezza stradale e assistere nello sviluppo di sistemi avanzati di assistenza alla guida.

Fig 5. Un esempio di monitoraggio di un conducente utilizzando face detection e gaze tracking.

Ad esempio, se un conducente distoglie frequentemente lo sguardo dalla strada per controllare il telefono o è lento a reagire agli incroci, il sistema può rilevare questi comportamenti ed emettere avvisi per rifocalizzare la sua attenzione, prevenendo potenzialmente gli incidenti.

Link to this sectionPro e contro dell'eye tracking e del gaze detection#

Ecco alcuni dei principali vantaggi che le tecnologie di eye-tracking e gaze-detection possono apportare alla nostra vita quotidiana:

• Maggiore consapevolezza: L'eye tracking fornisce informazioni su come le persone interagiscono visivamente con l'ambiente circostante, aiutando a comprendere meglio i modelli di attenzione e concentrazione.
• Migliore processo decisionale: I dati raccolti dall'eye tracking aiutano ricercatori e professionisti a prendere decisioni informate basate su modelli di attenzione oggettivi.
• Migliore ergonomia visiva: L'analisi del comportamento dello sguardo può aiutare a progettare schermi, spazi di lavoro e ambienti che riducono l'affaticamento visivo e migliorano il comfort.

Sebbene questi vantaggi evidenzino come il gaze detection possa avere un impatto positivo sulle nostre vite, è anche importante considerare le sfide coinvolte nella sua implementazione. Ecco alcuni dei limiti principali da tenere a mente:

• Preoccupazioni per la privacy: L'eye tracking continuo può sollevare problemi di privacy, rendendo gli utenti a disagio. Garantire trasparenza, consenso dell'utente ed elaborazione dei dati locale può aiutare a mitigare queste preoccupazioni.

• Elevata richiesta computazionale: Il gaze tracking in tempo reale può richiedere hardware potente, limitando l'accessibilità su dispositivi a bassa potenza. Tuttavia, i modelli ottimizzati stanno aiutando a migliorare l'efficienza.

• Limiti di precisione: Il gaze tracking può essere meno affidabile in ambienti reali a causa di cambiamenti di luce, movimenti della testa o ostacoli come occhiali e capelli. Anche gli angoli della telecamera possono influire sulle prestazioni.

Link to this sectionTenendo gli occhi sul futuro#

L'eye tracking e il gaze detection, supportati da modelli di computer vision come YOLO11, stanno cambiando il modo in cui interagiamo con il mondo. Dal rendere le strade più sicure alla comprensione del comportamento umano, questa tecnologia sta diventando sempre più utile nella vita di tutti i giorni.

Sebbene ci siano sfide come le preoccupazioni per la privacy e la necessità di computer potenti, i progressi nell'AI e nella computer vision stanno rendendo l'eye tracking più preciso e facile da usare. Man mano che continuerà a migliorare, probabilmente svolgerà un ruolo sempre più importante in una serie di settori.

Per saperne di più, visita il nostro repository GitHub e interagisci con la nostra community. Esplora le innovazioni in settori come l'AI nelle auto a guida autonoma e la computer vision in agricoltura sulle nostre pagine delle soluzioni. Dai un'occhiata alle nostre opzioni di licenza e dai vita ai tuoi progetti di vision AI. 🚀