Explorar como a visão computacional pode ser utilizada para detetar o olhar

A visão computacional é um ramo da inteligência artificial (AI) que se concentra em permitir que as máquinas analisem e interpretem dados visuais de uma forma semelhante à dos humanos. Uma aplicação particularmente fascinante da IA de visão é a deteção do olhar, que permite às máquinas acompanhar e compreender para onde uma pessoa está a olhar.

Enquanto humanos, conseguimos seguir naturalmente o olhar de alguém e compreender aquilo em que essa pessoa está concentrada. Por exemplo, se estiveres a conversar com um amigo e ele olhar de repente para a porta, podes virar-te instintivamente para ver o que lhe chamou a atenção. As máquinas, por outro lado, não têm esta capacidade incorporada — precisam de ser treinadas utilizando técnicas de visão computacional para reconhecer movimentos oculares e interpretar a direção do olhar.

Com o mercado de deteção do olhar global previsto para atingir 11,9 mil milhões de dólares até 2032, muitos setores estão a adotá-la para diferentes aplicações. Por exemplo, a deteção do olhar em automóveis está a ser utilizada para melhorar a segurança dos condutores, monitorizando os níveis de atenção e detetando sinais de sonolência ou distração.

Neste artigo, vamos explorar como a visão computacional é utilizada para o rastreamento ocular e a deteção do olhar. Também veremos algumas das suas principais aplicações em vários setores. Vamos começar!

O que são o rastreamento ocular e a deteção do olhar?#

O rastreamento ocular e a deteção do olhar são técnicas utilizadas para determinar o foco de atenção de uma pessoa através da análise dos movimentos oculares e da direção do olhar. Graças aos avanços na AI e na tecnologia de sensores, é agora possível acompanhar os olhos de uma pessoa em tempo real.

Tradicionalmente, a maioria dos sistemas de rastreamento ocular depende de câmaras de infravermelhos (IR), que detetam os movimentos das pupilas iluminando os olhos com luz infravermelha próxima e captando reflexos da córnea. Estes sistemas oferecem elevada precisão. No entanto, normalmente requerem equipamentos especializados para a cabeça, que podem ser desconfortáveis de usar e estar sujeitos a problemas de calibração.

Com a ascensão da AI, os investigadores têm explorado ativamente métodos de rastreamento ocular baseados em visão computacional. Ao contrário dos sistemas tradicionais baseados em IR, estas abordagens dependem de modelos de visão computacional, como o Ultralytics YOLO11, para detetar características faciais, como olhos e pupilas, além de realizar a estimativa da pose da cabeça. Para além disso, modelos especializados de aprendizagem profunda, como o GazeNet da NVIDIA, são concebidos especificamente para a estimativa do olhar.

Figura 1. Um exemplo da utilização do Ultralytics YOLO11 para detetar o olho e a pupila de uma pessoa.

Embora ainda seja um campo em evolução, o rastreamento do olhar baseado em visão computacional tem potencial para tornar o rastreamento ocular mais acessível, reduzindo custos e melhorando a usabilidade em aplicações de marketing, psicologia e neurociência.

A evolução da deteção do olhar e do rastreamento ocular#

Em seguida, vamos explorar a transição dos sistemas tradicionais baseados em infravermelhos para soluções mais acessíveis e orientadas por software.

Podes estar a perguntar-te se o rastreamento ocular e a deteção do olhar podem ser realizados sem AI — então, por que razão continua a haver investigação sobre a integração de AI e visão computacional nestas tecnologias? Embora existam métodos tradicionais de rastreamento ocular, estes dependem frequentemente de câmaras de infravermelhos especializadas e dispositivos de rastreamento ocular montados na cabeça, que podem ser dispendiosos, incómodos e exigir condições de iluminação controladas. As soluções baseadas em AI, por outro lado, permitem realizar o rastreamento ocular utilizando webcams comuns e câmaras de smartphones, reduzindo os custos e melhorando a acessibilidade.

Figura 2. Um dispositivo de rastreamento ocular montado na cabeça.

Eis alguns dos outros fatores por detrás da evolução da tecnologia de rastreamento ocular e deteção do olhar:

• Aplicações: As abordagens orientadas por software permitem que este campo se expanda para além da investigação, chegando a dispositivos de consumo e áreas como os videojogos.
• Escalabilidade: A AI pode ajudar a disponibilizar soluções de deteção do olhar a um público mais amplo, desde utilizadores individuais até setores de grande escala.
• Avanços na tecnologia das câmaras: Atualmente, temos acesso a câmaras de smartphones e webcams com maior resolução, que melhoram a precisão do rastreamento ocular — algo que não era viável há 20 anos.

Utilizar o Ultralytics YOLO11 para a deteção do olhar e o rastreamento ocular#

Agora que discutimos o papel da visão computacional no rastreamento ocular e na deteção do olhar, vamos explicar como o Ultralytics YOLO11 pode ser utilizado neste contexto.

O Ultralytics YOLO11 suporta tarefas como a deteção de objetos e a estimativa de pose. Pré-treinado no conjunto de dados COCO, alcança elevada precisão na deteção de vários objetos. Especificamente, numa solução de deteção do olhar, o YOLO11 pode desempenhar um papel de suporte.

Embora não consiga prever diretamente a direção do olhar, pode ser ajustado para detetar rostos, olhos e pupilas, que são essenciais para análises posteriores. Depois de identificadas estas características, modelos adicionais podem processar os dados dos movimentos oculares para estimar a direção do olhar.

Por exemplo, para melhorar a precisão, o Ultralytics YOLO11 pode ser treinado de forma personalizada em conjuntos de dados como o WIDER FACE para a deteção de rostos. Além disso, no que diz respeito às capacidades de estimativa de pose do YOLO11, este pode ajudar a acompanhar a orientação da cabeça, melhorando a precisão da deteção do olhar.

Figura 3. O YOLO11 pode ser utilizado para detetar rostos humanos.

Aplicações reais da deteção do olhar#

A deteção do olhar, possibilitada pela visão computacional, tem uma vasta gama de aplicações em vários setores, desde a melhoria da segurança no setor automóvel até à análise da concentração nos videojogos. Vamos explorar como diferentes áreas estão a tirar partido desta tecnologia.

Rastreamento do olhar nos videojogos#

O rastreamento ocular está a ser utilizado nos videojogos para fornecer informações em tempo real sobre a concentração, a tomada de decisões e os tempos de reação dos jogadores. Ao acompanhar os movimentos oculares, esta tecnologia ajuda os jogadores a aperfeiçoar as suas estratégias, melhora os programas de treino e aumenta o envolvimento do público ao mostrar visualmente para onde os jogadores estão a olhar durante momentos importantes.

Um exemplo interessante disso é o sim racing, uma modalidade competitiva de desporto automóvel virtual em que os jogadores competem utilizando simulações de condução realistas. O rastreamento ocular ajuda a analisar a forma como os condutores se concentram na pista, reagem aos adversários e fazem curvas apertadas. Ao acompanhar o olhar em tempo real, os treinadores podem identificar padrões, detetar distrações e melhorar as estratégias de corrida.

Figura 4. O rastreamento ocular pode ser utilizado para monitorizar e analisar pilotos de sim racing.

Para além do sim racing, o rastreamento ocular também está a ser utilizado em jogos competitivos de ritmo acelerado para analisar os reflexos, os tempos de reação e a forma como os jogadores se concentram em elementos essenciais do jogo. Ao compreender para onde um jogador olha antes de realizar uma ação, estes dados ajudam a aperfeiçoar a tomada de decisões, melhorar a precisão e otimizar o treino para uma jogabilidade de alto nível.

Estimativa do olhar para investigação psicológica#

Existem muitas aplicações de IA de visão relacionadas com a estimativa do olhar na investigação. Um bom exemplo é a sua utilização em psicologia para estudar a atenção, a carga cognitiva e o comportamento social. Ao analisar os movimentos oculares, os investigadores podem obter informações sobre a perceção, a tomada de decisões e condições de saúde mental como o autismo e a PHDA.

Especificamente, o rastreamento do olhar utilizando visão computacional ajuda a identificar padrões nos movimentos oculares, na duração das fixações e na atenção visual, o que pode revelar estados cognitivos e emocionais. Com o avanço da aprendizagem profunda e da estimativa do olhar orientada por AI, estes métodos estão a tornar-se mais precisos e acessíveis, permitindo aplicações mais abrangentes na investigação neurológica.

Segurança automóvel#

Ao longo dos anos, os investigadores têm utilizado diferentes métodos para estudar a atenção e a concentração dos condutores durante diferentes condições de trânsito. Entre esses métodos, o rastreamento ocular tem sido crucial e pode fornecer informações sobre para onde o condutor está a olhar enquanto conduz.

Com a ajuda de modelos de visão computacional, a deteção do olhar pode melhorar ainda mais esta análise, acompanhando com precisão os movimentos oculares em tempo real. Esta análise pode proporcionar uma melhor compreensão do comportamento dos condutores, ajudando a identificar distrações, fadiga ou lapsos de atenção, o que pode melhorar a segurança rodoviária e contribuir para o desenvolvimento de sistemas avançados de assistência ao condutor.

Figura 5. Um exemplo de monitorização de um condutor utilizando deteção facial e rastreamento do olhar.

Por exemplo, se um condutor desviar frequentemente o olhar da estrada para consultar o telemóvel ou reagir lentamente nos cruzamentos, o sistema pode detetar estes comportamentos e emitir alertas para redirecionar a sua atenção, prevenindo potencialmente acidentes.

Vantagens e desvantagens do rastreamento ocular e da deteção do olhar#

Eis alguns dos principais benefícios que as tecnologias de rastreamento ocular e deteção do olhar podem trazer para o nosso dia a dia:

• Maior consciência: O rastreamento ocular fornece informações sobre a forma como as pessoas interagem visualmente com o que as rodeia, ajudando a compreender melhor os padrões de atenção e concentração.
• Melhor tomada de decisões: Os dados recolhidos através do rastreamento ocular ajudam investigadores e profissionais a tomar decisões fundamentadas com base em padrões objetivos de atenção.
• Ergonomia visual melhorada: A análise do comportamento do olhar pode ajudar a conceber ecrãs, espaços de trabalho e ambientes que reduzam a fadiga ocular e melhorem o conforto.

Embora estes benefícios realcem a forma como a deteção do olhar pode ter um impacto positivo nas nossas vidas, também é importante considerar os desafios envolvidos na sua implementação. Eis algumas das principais limitações a ter em conta:

• Questões de privacidade: O rastreamento ocular contínuo pode suscitar problemas de privacidade e deixar os utilizadores desconfortáveis. Garantir a transparência, o consentimento do utilizador e o processamento local dos dados pode ajudar a atenuar estas preocupações.

• Elevada exigência computacional: O rastreamento do olhar em tempo real pode exigir hardware potente, limitando a acessibilidade em dispositivos de baixo consumo. No entanto, os modelos otimizados estão a ajudar a melhorar a eficiência.

• Limitações de precisão: O rastreamento do olhar pode ser menos fiável em cenários reais devido a alterações na iluminação, movimentos da cabeça ou obstáculos como óculos e cabelo. Os ângulos da câmara também podem afetar o desempenho.

De olhos postos no futuro#

O rastreamento ocular e a deteção do olhar, apoiados por modelos de visão computacional como o Ultralytics YOLO11, estão a mudar a forma como interagimos com o mundo. Desde tornar as estradas mais seguras até compreender o comportamento humano, esta tecnologia está a tornar-se cada vez mais útil no dia a dia.

Embora existam desafios, como as questões de privacidade e a necessidade de computadores potentes, os avanços na AI e na visão computacional estão a tornar o rastreamento ocular mais preciso e fácil de utilizar. À medida que continua a evoluir, é provável que desempenhe um papel cada vez mais importante numa vasta gama de setores.

Para saberes mais, visita o nosso repositório no GitHub e participa na nossa comunidade. Explora inovações em setores como a AI em carros autónomos e a visão computacional na agricultura nas nossas páginas de soluções. Consulta as nossas opções de licenciamento e dá vida aos teus projetos de IA de visão. 🚀