Khám phá cách ứng dụng thị giác máy tính để phát hiện hướng nhìn

Thị giác máy tính là một nhánh của trí tuệ nhân tạo (AI), tập trung vào việc giúp máy móc phân tích và diễn giải dữ liệu hình ảnh theo cách tương tự con người. Một ứng dụng thú vị của AI thị giác là phát hiện hướng nhìn, cho phép máy móc theo dõi và xác định một người đang nhìn về đâu.

Con người chúng ta có thể tự nhiên dõi theo ánh mắt của người khác và hiểu họ đang tập trung vào điều gì. Ví dụ, nếu bạn đang trò chuyện với một người bạn và họ đột nhiên nhìn về phía cửa, có thể bạn sẽ theo phản xạ quay sang xem điều gì thu hút sự chú ý của họ. Ngược lại, máy móc không có sẵn khả năng này - chúng cần được huấn luyện bằng các kỹ thuật thị giác máy tính để nhận biết chuyển động của mắt và diễn giải hướng nhìn.

Thị trường phát hiện hướng nhìn toàn cầu dự kiến đạt 11,9 tỷ USD vào năm 2032, và nhiều ngành đang ứng dụng công nghệ này cho các mục đích khác nhau. Chẳng hạn, phát hiện hướng nhìn trong ô tô được sử dụng để cải thiện an toàn cho người lái bằng cách giám sát mức độ tập trung và phát hiện dấu hiệu buồn ngủ hoặc mất tập trung.

Trong bài viết này, chúng ta sẽ tìm hiểu cách thị giác máy tính được dùng để theo dõi mắt và phát hiện hướng nhìn. Chúng ta cũng sẽ xem xét một số ứng dụng chính trong nhiều ngành khác nhau.

Theo dõi mắt và phát hiện hướng nhìn là gì?#

Theo dõi mắt và phát hiện hướng nhìn là các kỹ thuật dùng để xác định điểm tập trung chú ý của một người bằng cách phân tích chuyển động của mắt và hướng nhìn. Nhờ những tiến bộ trong AI và công nghệ cảm biến, hiện nay có thể theo dõi mắt của một người theo thời gian thực.

Theo truyền thống, hầu hết các hệ thống theo dõi mắt đều dựa vào camera hồng ngoại (IR), chiếu ánh sáng cận hồng ngoại vào mắt rồi ghi lại phản xạ từ giác mạc để phát hiện chuyển động của đồng tử. Các hệ thống này có độ chính xác cao. Tuy nhiên, chúng thường yêu cầu thiết bị đeo chuyên dụng trên đầu, có thể gây khó chịu khi sử dụng và dễ phát sinh vấn đề hiệu chuẩn.

Cùng với sự phát triển của AI, các nhà nghiên cứu đang tích cực tìm hiểu những phương pháp theo dõi mắt dựa trên thị giác máy tính. Không giống các hệ thống dựa trên IR truyền thống, những phương pháp này sử dụng model thị giác máy tính như Ultralytics YOLO11 để phát hiện các đặc điểm trên khuôn mặt như mắt và đồng tử, đồng thời ước tính tư thế đầu. Ngoài ra, các model học sâu chuyên biệt như GazeNet của NVIDIA được thiết kế riêng cho việc ước tính hướng nhìn.

Hình 1. Ví dụ sử dụng Ultralytics YOLO11 để phát hiện mắt và đồng tử của một người.

Dù vẫn là một lĩnh vực đang phát triển, công nghệ theo dõi hướng nhìn dựa trên thị giác máy tính có tiềm năng giúp việc theo dõi mắt dễ tiếp cận hơn, giảm chi phí và cải thiện khả năng sử dụng trong các ứng dụng tiếp thị, tâm lý học và khoa học thần kinh.

Sự phát triển của công nghệ phát hiện hướng nhìn và theo dõi mắt#

Tiếp theo, hãy cùng tìm hiểu quá trình chuyển đổi từ các hệ thống hồng ngoại truyền thống sang những giải pháp phần mềm dễ tiếp cận hơn.

Có thể bạn đang thắc mắc liệu có thể theo dõi mắt và phát hiện hướng nhìn mà không cần AI hay không - vậy tại sao việc tích hợp AI và thị giác máy tính vào các công nghệ này vẫn đang được nghiên cứu? Dù đã có những phương pháp theo dõi mắt truyền thống, chúng thường dựa vào camera hồng ngoại chuyên dụng và thiết bị theo dõi mắt gắn trên đầu, vốn có thể đắt đỏ, cồng kềnh và cần điều kiện chiếu sáng được kiểm soát. Ngược lại, các giải pháp ứng dụng AI cho phép theo dõi mắt bằng webcam thông thường và camera điện thoại thông minh, giúp giảm chi phí và tăng khả năng tiếp cận.

Hình 2. Thiết bị theo dõi mắt gắn trên đầu.

Dưới đây là một số yếu tố khác thúc đẩy sự phát triển của công nghệ theo dõi mắt và phát hiện hướng nhìn:

• Ứng dụng: Các phương pháp dựa trên phần mềm giúp lĩnh vực này mở rộng từ nghiên cứu sang thiết bị tiêu dùng và những lĩnh vực như trò chơi.
• Khả năng mở rộng: AI có thể giúp phổ biến các giải pháp phát hiện hướng nhìn đến nhiều đối tượng hơn, từ người dùng cá nhân đến các ngành công nghiệp quy mô lớn.
• Tiến bộ trong công nghệ camera: Ngày nay, chúng ta có thể sử dụng camera độ phân giải cao hơn trên điện thoại thông minh và webcam, giúp cải thiện độ chính xác khi theo dõi mắt - điều chưa khả thi cách đây 20 năm.

Sử dụng Ultralytics YOLO11 để phát hiện hướng nhìn và theo dõi mắt#

Sau khi tìm hiểu vai trò của thị giác máy tính trong việc theo dõi mắt và phát hiện hướng nhìn, hãy cùng xem cách sử dụng Ultralytics YOLO11 cho các tác vụ này.

Ultralytics YOLO11 hỗ trợ các tác vụ như phát hiện đối tượng và ước tính tư thế. Được huấn luyện trước trên tập dữ liệu COCO, model đạt độ chính xác cao khi phát hiện nhiều loại đối tượng. Cụ thể, YOLO11 có thể đóng vai trò hỗ trợ trong giải pháp phát hiện hướng nhìn.

Dù không thể dự đoán trực tiếp hướng nhìn, model có thể được tinh chỉnh để phát hiện khuôn mặt, mắt và đồng tử - những đặc điểm quan trọng cho quá trình phân tích tiếp theo. Sau khi xác định được các đặc điểm này, những model khác có thể xử lý dữ liệu chuyển động của mắt để ước tính hướng nhìn.

Ví dụ, để cải thiện độ chính xác, Ultralytics YOLO11 có thể được huấn luyện tùy chỉnh trên các dataset như WIDER FACE để phát hiện khuôn mặt. Ngoài ra, khả năng ước tính pose của YOLO11 có thể hỗ trợ theo dõi hướng đầu, qua đó cải thiện độ chính xác của việc phát hiện hướng nhìn.

Hình 3. Có thể sử dụng YOLO11 để phát hiện khuôn mặt người.

Các ứng dụng thực tế của công nghệ phát hiện hướng nhìn#

Công nghệ phát hiện hướng nhìn dựa trên thị giác máy tính có nhiều ứng dụng trong các ngành công nghiệp, từ cải thiện an toàn trong lĩnh vực ô tô đến phân tích mức độ tập trung trong trò chơi. Hãy cùng tìm hiểu cách các lĩnh vực khác nhau ứng dụng công nghệ này.

Theo dõi hướng nhìn trong trò chơi#

Công nghệ theo dõi mắt đang được sử dụng trong trò chơi để cung cấp thông tin theo thời gian thực về điểm tập trung, khả năng ra quyết định và thời gian phản ứng của người chơi. Bằng cách theo dõi chuyển động của mắt, công nghệ này giúp người chơi hoàn thiện chiến lược, nâng cao chương trình huấn luyện và tăng mức độ tương tác của khán giả thông qua việc hiển thị trực quan hướng nhìn của người chơi trong những thời điểm quan trọng.

Một ví dụ thú vị là đua xe mô phỏng, một môn thể thao đua xe ảo mang tính cạnh tranh, trong đó người chơi đua xe bằng các trình mô phỏng lái xe chân thực. Công nghệ theo dõi mắt giúp phân tích cách người lái tập trung vào đường đua, phản ứng với đối thủ và xử lý các khúc cua gấp. Bằng cách theo dõi hướng nhìn theo thời gian thực, huấn luyện viên có thể xác định các kiểu hành vi, phát hiện yếu tố gây xao nhãng và cải thiện chiến lược đua xe.

Hình 4. Có thể sử dụng công nghệ theo dõi mắt để giám sát và phân tích người chơi đua xe mô phỏng.

Ngoài đua xe mô phỏng, công nghệ theo dõi mắt còn được sử dụng trong các trò chơi cạnh tranh có nhịp độ nhanh để phân tích phản xạ, thời gian phản ứng và cách người chơi tập trung vào những yếu tố quan trọng trong trò chơi. Bằng cách tìm hiểu hướng nhìn của người chơi trước khi họ hành động, dữ liệu này giúp hoàn thiện khả năng ra quyết định, cải thiện độ chính xác và nâng cao chất lượng huấn luyện cho hoạt động thi đấu ở cấp độ cao.

Ước tính hướng nhìn trong nghiên cứu tâm lý học#

Có nhiều ứng dụng AI thị giác liên quan đến ước tính hướng nhìn trong lĩnh vực nghiên cứu. Một ví dụ điển hình là ứng dụng này trong tâm lý học để nghiên cứu sự chú ý, tải nhận thức và hành vi xã hội. Bằng cách phân tích chuyển động của mắt, các nhà nghiên cứu có thể hiểu rõ hơn về nhận thức, khả năng ra quyết định và các tình trạng sức khỏe tâm thần như tự kỷ và ADHD.

Cụ thể, theo dõi hướng nhìn bằng thị giác máy tính giúp xác định các kiểu chuyển động của mắt, thời lượng nhìn cố định và mức độ chú ý thị giác, qua đó có thể tiết lộ trạng thái nhận thức và cảm xúc. Nhờ những tiến bộ trong học sâu và ước tính hướng nhìn ứng dụng AI, các phương pháp này ngày càng chính xác và dễ tiếp cận hơn, cho phép mở rộng ứng dụng trong nghiên cứu thần kinh.

An toàn ô tô#

Trong nhiều năm qua, các nhà nghiên cứu đã sử dụng nhiều phương pháp khác nhau để nghiên cứu sự chú ý và tập trung của người lái xe trong các điều kiện giao thông khác nhau. Trong số đó, theo dõi mắt đóng vai trò quan trọng và có thể cung cấp thông tin về hướng nhìn của người lái khi điều khiển xe.

Với sự hỗ trợ của các model thị giác máy tính, việc phân tích này có thể được cải thiện hơn nữa bằng cách theo dõi chính xác chuyển động của mắt theo thời gian thực. Phân tích này giúp chúng ta hiểu rõ hơn hành vi của người lái, nhận diện tình trạng mất tập trung, mệt mỏi hoặc lơ đãng, từ đó cải thiện an toàn giao thông và hỗ trợ phát triển các hệ thống hỗ trợ lái xe tiên tiến.

Hình 5. Ví dụ về giám sát người lái bằng tính năng phát hiện khuôn mặt và theo dõi hướng nhìn.

Ví dụ, nếu người lái thường xuyên rời mắt khỏi đường để xem điện thoại hoặc phản ứng chậm tại các giao lộ, hệ thống có thể phát hiện những hành vi này và phát cảnh báo để họ tập trung trở lại, qua đó có khả năng ngăn ngừa tai nạn.

Ưu và nhược điểm của công nghệ theo dõi mắt và phát hiện hướng nhìn#

Dưới đây là một số lợi ích chính mà công nghệ theo dõi mắt và phát hiện hướng nhìn có thể mang lại cho cuộc sống hằng ngày:

• Nâng cao nhận thức: Công nghệ theo dõi mắt cung cấp thông tin về cách mọi người tương tác bằng mắt với môi trường xung quanh, giúp hiểu rõ hơn các kiểu chú ý và tập trung.
• Ra quyết định tốt hơn: Dữ liệu thu thập từ công nghệ theo dõi mắt giúp các nhà nghiên cứu và chuyên gia đưa ra quyết định sáng suốt dựa trên các kiểu chú ý khách quan.
• Cải thiện công thái học thị giác: Phân tích hành vi nhìn có thể hỗ trợ thiết kế màn hình, không gian làm việc và môi trường giúp giảm mỏi mắt và tăng sự thoải mái.

Dù những lợi ích này cho thấy công nghệ phát hiện hướng nhìn có thể tác động tích cực đến cuộc sống, chúng ta cũng cần cân nhắc những thách thức trong quá trình triển khai. Dưới đây là một số hạn chế chính cần lưu ý:

• Quan ngại về quyền riêng tư: Việc theo dõi mắt liên tục có thể gây ra vấn đề về quyền riêng tư và khiến người dùng cảm thấy không thoải mái. Đảm bảo tính minh bạch, sự đồng ý của người dùng và xử lý dữ liệu cục bộ có thể giúp giảm thiểu những quan ngại này.
• Nhu cầu tính toán cao: Theo dõi hướng nhìn theo thời gian thực có thể cần phần cứng mạnh, hạn chế khả năng tiếp cận trên các thiết bị công suất thấp. Tuy nhiên, các model được tối ưu hóa đang giúp cải thiện hiệu quả.
• Hạn chế về độ chính xác: Theo dõi hướng nhìn có thể kém tin cậy hơn trong môi trường thực tế do thay đổi ánh sáng, chuyển động đầu hoặc vật cản như kính và tóc. Góc đặt camera cũng có thể ảnh hưởng đến hiệu năng.

Hướng tới tương lai#

Công nghệ theo dõi mắt và phát hiện hướng nhìn, với sự hỗ trợ của các model thị giác máy tính như Ultralytics YOLO11, đang thay đổi cách chúng ta tương tác với thế giới. Từ việc giúp đường sá an toàn hơn đến tìm hiểu hành vi con người, công nghệ này ngày càng hữu ích trong cuộc sống hằng ngày.

Dù vẫn còn những thách thức như quan ngại về quyền riêng tư và nhu cầu sử dụng máy tính mạnh, những tiến bộ trong AI và thị giác máy tính đang giúp việc theo dõi mắt chính xác và dễ sử dụng hơn. Khi tiếp tục được cải thiện, công nghệ này có thể đóng vai trò lớn hơn trong nhiều ngành công nghiệp.

Để tìm hiểu thêm, hãy truy cập repository GitHub và tham gia cộng đồng của chúng tôi. Khám phá các cải tiến trong những lĩnh vực như AI trong xe tự lái và thị giác máy tính trong nông nghiệp trên các trang giải pháp của chúng tôi. Xem các tùy chọn cấp phép và biến các dự án Vision AI của bạn thành hiện thực.