Scopri come usare la visione artificiale per rilevare lo sguardo

La visione artificiale è un ramo dell'intelligenza artificiale (AI) che consente alle macchine di analizzare e interpretare i dati visivi in modo simile agli esseri umani. Una delle applicazioni più affascinanti dell'AI visiva è il rilevamento dello sguardo, che permette alle macchine di tracciare e capire dove guarda una persona.

Come esseri umani, riusciamo naturalmente a seguire lo sguardo di qualcuno e a capire su cosa si sta concentrando. Per esempio, se stai parlando con un amico e all'improvviso lui guarda verso la porta, potresti voltarti istintivamente per vedere cosa ha attirato la sua attenzione. Le macchine, invece, non possiedono questa capacità innata: devono essere addestrate con tecniche di visione artificiale per riconoscere i movimenti oculari e interpretare la direzione dello sguardo.

Con un valore previsto di 11,9 miliardi di dollari entro il 2032 per il mercato globale del rilevamento dello sguardo, molti settori stanno adottando questa tecnologia per diverse applicazioni. Per esempio, il rilevamento dello sguardo nelle automobili viene usato per migliorare la sicurezza alla guida, monitorando i livelli di attenzione e rilevando segnali di sonnolenza o distrazione.

In questo articolo vedremo come si usa la visione artificiale per il tracciamento oculare e il rilevamento dello sguardo. Esamineremo anche alcune delle principali applicazioni in vari settori. Iniziamo!

Che cosa sono il tracciamento oculare e il rilevamento dello sguardo?#

Il tracciamento oculare e il rilevamento dello sguardo sono tecniche che permettono di determinare su cosa si concentra l'attenzione di una persona, analizzando i movimenti oculari e la direzione dello sguardo. Grazie ai progressi dell'AI e della tecnologia dei sensori, oggi è possibile tracciare gli occhi di una persona in tempo reale.

Tradizionalmente, la maggior parte dei sistemi di tracciamento oculare si basa su telecamere a infrarossi (IR), che rilevano i movimenti delle pupille illuminando gli occhi con luce nel vicino infrarosso e acquisendo i riflessi corneali. Questi sistemi offrono un'elevata precisione. Tuttavia, spesso richiedono dispositivi da indossare sulla testa, che possono risultare scomodi e soggetti a problemi di calibrazione.

Con l'avvento dell'AI, i ricercatori stanno esplorando attivamente metodi di tracciamento oculare basati sulla visione artificiale. A differenza dei sistemi tradizionali basati su IR, questi approcci si affidano a modelli di visione artificiale come Ultralytics YOLO11 per rilevare caratteristiche del viso come occhi e pupille, oltre a stimare la posa della testa. Inoltre, modelli specializzati di deep learning come GazeNet di NVIDIA sono progettati appositamente per stimare la direzione dello sguardo.

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

Anche se è ancora un campo in evoluzione, il tracciamento dello sguardo basato sulla visione artificiale può rendere il tracciamento oculare più accessibile, riducendone i costi e migliorandone la praticità in applicazioni di marketing, psicologia e neuroscienze.

L'evoluzione del rilevamento dello sguardo e del tracciamento oculare#

Vediamo ora il passaggio dai tradizionali sistemi a infrarossi a soluzioni software più accessibili.

Forse ti stai chiedendo se sia possibile eseguire il tracciamento oculare e il rilevamento dello sguardo senza AI e perché si continui a fare ricerca sull'integrazione dell'AI e della visione artificiale in queste tecnologie. Esistono metodi tradizionali di tracciamento oculare, ma spesso si basano su telecamere a infrarossi specializzate e dispositivi indossabili per il tracciamento oculare, che possono essere costosi e ingombranti e richiedono condizioni di illuminazione controllate. Le soluzioni basate sull'AI, invece, consentono di tracciare gli occhi usando webcam standard e fotocamere degli smartphone, riducendo i costi e migliorando l'accessibilità.

Fig. 2. Un dispositivo indossabile per il tracciamento oculare.

Ecco alcuni altri fattori alla base dell'evoluzione della tecnologia di tracciamento oculare e rilevamento dello sguardo:

• Applicazioni: gli approcci basati sul software permettono a questo settore di andare oltre la ricerca e di estendersi ai dispositivi di consumo e ad ambiti come il gaming.
• Scalabilità: l'AI può rendere le soluzioni per il rilevamento dello sguardo accessibili a un pubblico più ampio, dai singoli utenti ai grandi settori industriali.
• Progressi nella tecnologia delle fotocamere: oggi abbiamo accesso a fotocamere per smartphone e webcam con risoluzione più elevata, che migliorano la precisione del tracciamento oculare: un risultato impensabile 20 anni fa.

Usare Ultralytics YOLO11 per il rilevamento dello sguardo e il tracciamento oculare#

Ora che abbiamo discusso il ruolo della visione artificiale nel tracciamento oculare e nel rilevamento dello sguardo, vediamo come usare Ultralytics YOLO11 in questo ambito.

Ultralytics YOLO11 supporta attività come il rilevamento degli oggetti e la stima della posa. Preaddestrato sul dataset COCO, raggiunge un'elevata precisione nel rilevamento di vari oggetti. In particolare, YOLO11 può svolgere un ruolo di supporto in una soluzione per il rilevamento dello sguardo.

Anche se non può prevedere direttamente la direzione dello sguardo, può essere ottimizzato per rilevare volti, occhi e pupille, elementi fondamentali per ulteriori analisi. Una volta individuate queste caratteristiche, altri modelli possono elaborare i dati sui movimenti oculari per stimare la direzione dello sguardo.

Per esempio, per migliorare la precisione, Ultralytics YOLO11 può essere addestrato su misura con dataset come WIDER FACE per il rilevamento dei volti. Inoltre, le capacità di stima della posa di YOLO11 possono aiutare a tracciare l'orientamento della testa, migliorando la precisione del rilevamento dello sguardo.

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

Applicazioni del rilevamento dello sguardo nel mondo reale#

Il rilevamento dello sguardo, reso possibile dalla visione artificiale, ha un'ampia gamma di applicazioni in diversi settori: dal miglioramento della sicurezza nel settore automobilistico all'analisi dell'attenzione nel gaming. Vediamo come i diversi ambiti sfruttano questa tecnologia.

Tracciamento dello sguardo nel gaming#

Il tracciamento oculare viene usato nel gaming per ottenere informazioni in tempo reale sulla concentrazione, sul processo decisionale e sui tempi di reazione dei giocatori. Tracciando i movimenti oculari, questa tecnologia aiuta i giocatori a perfezionare le proprie strategie, migliora i programmi di allenamento e coinvolge maggiormente il pubblico mostrando visivamente dove guardano i giocatori nei momenti decisivi.

Un esempio interessante è il sim racing, una competizione motoristica virtuale in cui i giocatori corrono usando simulatori di guida realistici. Il tracciamento oculare aiuta ad analizzare come i piloti si concentrano sulla pista, reagiscono agli avversari e affrontano le curve strette. Tracciando lo sguardo in tempo reale, gli allenatori possono individuare schemi ricorrenti e distrazioni e migliorare le strategie di gara.

Fig. 4. Il tracciamento oculare può essere usato per monitorare e analizzare i piloti di sim racing.

Oltre che nel sim racing, il tracciamento oculare viene usato anche nei giochi competitivi dal ritmo serrato per analizzare i riflessi e i tempi di reazione dei giocatori e capire su quali elementi chiave del gioco si concentrano. Sapere dove guarda un giocatore prima di compiere una mossa aiuta a perfezionare il processo decisionale, migliorare la precisione e potenziare l'allenamento per le competizioni di alto livello.

Stima dello sguardo per la ricerca psicologica#

La stima dello sguardo trova molte applicazioni nell'AI visiva legate alla ricerca. Un esempio significativo è il suo impiego in psicologia per studiare l'attenzione, il carico cognitivo e il comportamento sociale. Analizzando i movimenti oculari, i ricercatori possono ottenere informazioni sulla percezione, sul processo decisionale e su condizioni di salute mentale come l'autismo e l'ADHD.

In particolare, il tracciamento dello sguardo con la visione artificiale aiuta a individuare schemi nei movimenti oculari, nella durata delle fissazioni e nell'attenzione visiva, che possono rivelare stati cognitivi ed emotivi. Con i progressi del deep learning e della stima dello sguardo basata sull'AI, questi metodi diventano sempre più precisi e accessibili, consentendo applicazioni più ampie nella ricerca neurologica.

Sicurezza automobilistica#

Nel corso degli anni, i ricercatori hanno usato diversi metodi per studiare l'attenzione e la concentrazione dei conducenti in varie condizioni del traffico. Tra questi metodi, il tracciamento oculare è stato fondamentale e può fornire informazioni su dove guarda il conducente mentre guida.

Con l'aiuto dei modelli di visione artificiale, il rilevamento dello sguardo può migliorare ulteriormente questa analisi tracciando con precisione i movimenti oculari in tempo reale. L'analisi può aiutarci a capire meglio il comportamento dei conducenti e a individuare distrazioni, stanchezza o cali di attenzione, migliorando così la sicurezza stradale e contribuendo allo sviluppo di sistemi avanzati di assistenza alla guida.

Fig. 5. Un esempio di monitoraggio di un conducente tramite rilevamento del volto e tracciamento dello sguardo.

Per esempio, se un conducente distoglie spesso lo sguardo dalla strada per controllare il telefono o reagisce lentamente agli incroci, il sistema può rilevare questi comportamenti e inviare avvisi per riportare la sua attenzione alla guida, contribuendo così a prevenire gli incidenti.

Vantaggi e svantaggi del tracciamento oculare e del rilevamento dello sguardo#

Ecco alcuni dei principali vantaggi che le tecnologie di tracciamento oculare e rilevamento dello sguardo possono offrire nella vita di tutti i giorni:

• Maggiore consapevolezza: il tracciamento oculare fornisce informazioni su come le persone interagiscono visivamente con l'ambiente circostante, aiutando a comprendere meglio gli schemi di attenzione e concentrazione.
• Migliore processo decisionale: i dati raccolti tramite il tracciamento oculare aiutano ricercatori e professionisti a prendere decisioni informate, basate su schemi oggettivi di attenzione.
• Ergonomia visiva migliorata: analizzare il 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 mostrino come il rilevamento dello sguardo possa avere un impatto positivo sulle nostre vite, è importante considerare anche le difficoltà legate alla sua implementazione. Ecco alcuni dei principali limiti da tenere presenti:

• Problemi di privacy: il tracciamento oculare continuo può sollevare questioni di privacy e mettere a disagio gli utenti. Garantire trasparenza, consenso degli utenti ed elaborazione locale dei dati può contribuire a ridurre questi problemi.

• Elevata richiesta di risorse di calcolo: il tracciamento dello sguardo in tempo reale può richiedere hardware potente, limitandone l'accessibilità sui dispositivi a basso consumo. Tuttavia, i modelli ottimizzati stanno contribuendo a migliorare l'efficienza.

• Limiti di precisione: il tracciamento dello sguardo può essere meno affidabile in ambienti reali a causa dei cambiamenti di illuminazione, dei movimenti della testa o di ostacoli come occhiali e capelli. Anche l'angolazione della fotocamera può influire sulle prestazioni.

Guardare al futuro#

Il tracciamento oculare e il rilevamento dello sguardo, supportati da modelli di visione artificiale come Ultralytics YOLO11, stanno cambiando il nostro modo di interagire con il mondo. Dall'aumento della sicurezza stradale alla comprensione del comportamento umano, questa tecnologia è sempre più utile nella vita quotidiana.

Anche se ci sono difficoltà, come i problemi di privacy e la necessità di computer potenti, i progressi nell'AI e nella visione artificiale stanno rendendo il tracciamento oculare più preciso e facile da usare. Con il continuo miglioramento della tecnologia, è probabile che il suo ruolo cresca in numerosi settori.

Per saperne di più, visita il nostro repository GitHub e partecipa alla nostra community. Scopri le innovazioni in settori come l'AI nelle auto a guida autonoma e la visione artificiale in agricoltura nelle nostre pagine dedicate alle soluzioni. Dai un'occhiata alle nostre opzioni di licenza e dai vita ai tuoi progetti di AI visiva. 🚀