Khám phá cách sử 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 đặc biệt thú vị của AI thị giác là phát hiện hướng nhìn, cho phép máy móc theo dõi và hiểu một người đang nhìn về đâu.

Con người có thể tự nhiên dõi theo hướng nhìn của người khác và hiểu họ đang tập trung vào điều gì. Ví dụ, nếu bạn đang nói chuyện với một người bạn và họ đột nhiên nhìn về phía cửa, bạn có thể theo bản năng quay lại xem điều gì đã thu hút sự chú ý của họ. Mặt khác, máy móc không có khả năng tích hợp này — chúng cần được huấn luyện bằng các kỹ thuật thị giác máy tính để nhận diện chuyển động của mắt và diễn giải hướng nhìn.

Với thị trường phát hiện hướng nhìn toàn cầu dự kiến đạt 11,9 tỷ USD vào năm 2032, nhiều ngành đang áp 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 theo dõi mức độ tập trung và phát hiện dấu hiệu buồn ngủ hoặc mất tập trung.

Trong bài viết này, chúng ta sẽ khám phá cách thị giác máy tính được sử dụng để theo dõi mắt và phát hiện hướng nhìn. Chúng ta cũng sẽ xem xét một số ứng dụng chính của công nghệ này trong nhiều ngành khác nhau. Hãy bắt đầu!

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

Theo dõi mắt và phát hiện hướng nhìn là các kỹ thuật được sử dụng để xác định điểm tập trung 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), phát hiện chuyển động của đồng tử bằng cách chiếu sáng mắt bằng ánh sáng cận hồng ngoại và ghi lại phản xạ trên giác mạc. Các hệ thống này có độ chính xác cao. Tuy nhiên, chúng thường yêu cầu thiết bị đội đầu chuyên dụng, có thể gây khó chịu khi đeo và dễ phát sinh vấn đề về hiệu chuẩn.

Cùng với sự phát triển của AI, các nhà nghiên cứu đang tích cực khám phá 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 các model thị giác máy tính như Ultralytics YOLO11 để phát hiện các đặc điểm trên khuôn mặt như mắt và đồng tử, đồng thời thực hiện ước tính tư thế đầu. Ngoài ra, các model deep learning chuyên dụng 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, theo dõi hướng nhìn dựa trên thị giác máy tính có tiềm năng giúp công nghệ theo dõi mắt trở nên dễ tiếp cận hơn, giảm chi phí và cải thiện khả năng sử dụng trong các ứng dụng thuộc lĩnh vực marketing, 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 khám phá sự chuyển dịch từ các hệ thống dựa trên hồng ngoại truyền thống sang những giải pháp dễ tiếp cận hơn và vận hành bằng phần mềm.

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

Hình 2. Một 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 vận hành bằng phần mềm cho phép lĩnh vực này mở rộng từ nghiên cứu sang thiết bị tiêu dùng và những lĩnh vực như gaming.
• Khả năng mở rộng: AI có thể giúp các giải pháp phát hiện hướng nhìn tiếp cận nhiều đối tượng hơn, từ người dùng cá nhân đến các ngành quy mô lớn.
• Những tiến bộ trong công nghệ camera: Ngày nay, chúng ta có thể sử dụng camera trên điện thoại thông minh và webcam với độ phân giải cao hơn, giúp cải thiện độ chính xác của việc 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 đã thảo luận về vai trò của thị giác máy tính trong việc theo dõi mắt và phát hiện hướng nhìn, hãy cùng tìm hiểu cách Ultralytics YOLO11 có thể được sử dụng cho mục đích này.

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

Mặc dù không thể trực tiếp dự đoán hướng nhìn, model có thể được fine-tune để phát hiện khuôn mặt, mắt và đồng tử — những yếu tố then chốt cho quá trình phân tích tiếp theo. Sau khi các đặc điểm này được xác định, những model bổ sung 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 bộ dữ liệu như WIDER FACE nhằm phát hiện khuôn mặt. Ngoài ra, xét về khả năng ước tính tư thế của YOLO11, model này có thể giúp theo dõi hướng của đầu, từ đó nâng cao độ chính xác của việc phát hiện hướng nhìn.

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

Các ứng dụng thực tế của phát hiện hướng nhìn#

Phát hiện hướng nhìn, được hỗ trợ bởi thị giác máy tính, có nhiều ứng dụng trong các ngành khác nhau, từ cải thiện an toàn trong lĩnh vực ô tô đến phân tích mức độ tập trung trong gaming. Hãy cùng khám phá cách các lĩnh vực khác nhau đang tận dụng công nghệ này.

Theo dõi hướng nhìn trong gaming#

Theo dõi mắt đang được sử dụng trong gaming để cung cấp thông tin chi tiết theo thời gian thực về sự tập trung, quá trình 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 cải thiện chiến thuật, nâng cao các chương trình đào tạo và tăng mức độ tương tác của khán giả bằng cách hiển thị trực quan nơi người chơi đang nhìn trong những thời điểm then chốt.

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

Hình 4. Theo dõi mắt có thể được sử dụng để giám sát và phân tích các tay đua mô phỏng.

Ngoài đua xe mô phỏng, theo dõi mắt cũng được sử dụng trong các game cạnh tranh có nhịp độ nhanh để phân tích phản xạ, thời gian phản ứng của người chơi và cách họ tập trung vào các yếu tố quan trọng trong game. Bằng cách hiểu người chơi nhìn vào đâu trước khi thực hiện một hành động, dữ liệu này giúp cải thiện quá trình ra quyết định, nâng cao độ chính xác và tăng hiệu quả đào tạo cho lối chơi cấp độ cao.

Ước tính hướng nhìn trong nghiên cứu tâm lý#

Có nhiều ứng dụng AI thị giác của việc ước tính hướng nhìn liên quan đến nghiên cứu. Một ví dụ điển hình là việc sử dụng công nghệ 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 thu được thông tin về nhận thức, quá trình ra quyết định và những 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 mẫu chuyển động của mắt, thời lượng cố định và sự chú ý thị giác, qua đó có thể tiết lộ trạng thái nhận thức và cảm xúc. Với sự phát triển của deep learning và ước tính hướng nhìn dựa trên 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, các nhà nghiên cứu đã sử dụng nhiều phương pháp khác nhau để nghiên cứu sự chú ý và tập trung của người lái 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 nơi người lái đang nhìn khi điều khiển xe.

Với sự hỗ trợ của các model thị giác máy tính, phát hiện hướng nhìn có thể cải thiện hơn nữa quá trình phân tích này bằng cách theo dõi chính xác chuyển động của mắt theo thời gian thực. Phân tích này giúp chúng ta hiểu rõ hơn về hành vi của người lái, hỗ trợ xác định sự xao nhãng, mệt mỏi hoặc mất tập trung, qua đó cải thiện an toàn giao thông và hỗ trợ phát triển các hệ thống hỗ trợ người lái tiên tiến.

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

Ví dụ, nếu người lái thường xuyên rời mắt khỏi đường để kiểm tra điện thoại hoặc phản ứng chậm tại các giao lộ, hệ thống có thể phát hiện những hành vi này và đưa ra cảnh báo để hướng sự chú ý trở lại, từ đó có khả năng ngăn ngừa tai nạn.

Ưu và nhược điểm của 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:

• Nhận thức tốt hơn: Theo dõi mắt cung cấp thông tin chi tiết về cách con người tương tác bằng thị giác 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 việc theo dõi mắt giúp các nhà nghiên cứu và chuyên gia đưa ra quyết định có cơ sở 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, đồng thời tăng sự thoải mái.

Mặc dù những lợi ích này cho thấy phát hiện hướng nhìn có thể tác động tích cực đến cuộc sống, điều quan trọng là cũng phải cân nhắc các thách thức khi triển khai công nghệ. Dưới đây là một số hạn chế chính cần lưu ý:

• Mối lo ngại về quyền riêng tư: Việc theo dõi mắt liên tục có thể làm phát sinh các vấn đề về quyền riêng tư và khiến người dùng 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 mối lo ngại này.

• Nhu cầu tính toán cao: Theo dõi hướng nhìn theo thời gian thực có thể yêu cầu 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 suất.

• 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 các vật cản như kính mắt và tóc. Góc camera cũng có thể ảnh hưởng đến hiệu suất.

Hướng tới tương lai#

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

Mặc dù vẫn tồn tại những thách thức như mối lo ngại về quyền riêng tư và nhu cầu sử dụng máy tính mạnh, các tiến bộ trong AI và thị giác máy tính đang giúp việc theo dõi mắt trở nên chính xác và dễ sử dụng hơn. Khi tiếp tục được cải thiện, công nghệ này có thể sẽ đóng vai trò lớn hơn trong nhiều ngành.

Để tìm hiểu thêm, hãy truy cập kho GitHub của chúng tôi và tham gia cộng đồng của chúng tôi. Khám phá những đổi mới trong các 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 của chúng tôi và biến các dự án AI thị giác của bạn thành hiện thực. 🚀