WikiDer > Отслеживание глаз

Eye tracking

Эта статья посвящена изучению движения глаз. Чтобы узнать о способности визуально отслеживать потенциальную жертву, см. пристальный взгляд.
Ученые отслеживают движения глаз у пациентов с глаукомой, чтобы проверить ухудшение зрения во время вождения.

Отслеживание глаз это процесс измерения либо точки посмотреть (куда вы смотрите) или движение глаза относительно головы. An ай трекер прибор для измерения положения глаз и движение глаз. Айтрекеры используются в исследованиях зрительная система, в психологии, в психолингвистика, маркетинг, как устройство ввода для взаимодействие человека с компьютером, и в продуктовом дизайне. Айтрекеры также все чаще используются в реабилитационных и вспомогательных целях (связанных, например, с управлением инвалидными колясками, роботизированными руками и протезами). Существует ряд методов измерения движения глаз. Самый популярный вариант использует видеоизображения, из которых извлекается положение глаз. Другие методы используют поисковые катушки или основаны на электроокулограмма.

Айтрекер Ярбуса 1960-х годов.

История

В 1800-х годах исследования движения глаз проводились с использованием прямых наблюдений. Например, Луи Эмиль Хаваль в 1879 году заметил, что чтение включает не плавное движение глазами по тексту, как предполагалось ранее, а серию коротких остановок (называемых фиксациями) и быстрых саккады.[1] Это наблюдение подняло важные вопросы о чтении, вопросы, которые исследовались в 1900-х годах: на каких словах останавливаются глаза? Как долго? Когда они возвращаются к уже увиденным словам?

Пример фиксаций и саккад над текстом. Это типичный образец движения глаз во время чтения. Глаза никогда не перемещаются по неподвижному тексту.

Эдмунд Хьюи[2] создали ранний айтрекер, используя своего рода контактные линзы с отверстием для ученица. Линза была соединена с алюминиевой указкой, которая двигалась в ответ на движение глаза. Хьюи изучил и количественно оценил регрессии (регрессиями является лишь небольшая часть саккад) и показал, что некоторые слова в предложении не фиксируются.

Первые не навязчивые айтрекеры были созданы Гаем Томасом Басвеллом в Чикаго, используя лучи света, которые отражались от глаза, а затем записывали их на пленку. Басвелл провел систематические исследования чтения[3] и просмотр изображений.[4]

В 1950-х годах Альфред Л. Ярбус[5] провел важные исследования по отслеживанию глаз, и его книгу 1967 года часто цитируют. Он показал, что задание, данное испытуемому, имеет очень большое влияние на движение глаз испытуемого. Он также писал о связи между фиксацией и интересом:

«Все записи ... убедительно показывают, что характер движения глаз либо полностью независим, либо лишь очень незначительно зависит от материала изображения и способа его изготовления, при условии, что он плоский или почти плоский».[6] Цикличность при изучении картинок «зависит не только от того, что показано на картинке, но также от проблемы, с которой сталкивается наблюдатель, и от информации, которую он надеется получить из картинки».[7]
Это исследование Ярбус (1967) часто упоминается как свидетельство того, как задание, данное человеку, влияет на движение его или ее глаз.
«Записи движений глаз показывают, что внимание наблюдателя обычно удерживается только некоторыми элементами изображения ... Движение глаз отражает процессы мышления человека; поэтому за мыслью наблюдателя можно в некоторой степени следить по записям движения глаз (мысли сопровождая осмотр конкретного объекта). По этим записям легко определить, какие элементы привлекают взгляд наблюдателя (и, следовательно, его мысль), в каком порядке и как часто ».[6]
"Внимание наблюдателя часто привлекают элементы, которые не дают важной информации, но которые, по его мнению, могут это сделать. Часто наблюдатель фокусирует свое внимание на элементах, которые необычны в конкретных обстоятельствах, незнакомы, непонятны и т. Д. . "[8]
«... меняя точки фиксации, глаз наблюдателя постоянно возвращается к одним и тем же элементам изображения. Дополнительное время, затрачиваемое на восприятие, используется не для изучения второстепенных элементов, а для повторного изучения наиболее важных элементов».[9]
Это исследование Ханзикера (1970)[10] на отслеживание глаз при решении проблем использовала простую 8-миллиметровую пленку для отслеживания движения глаз, снимая объект через стеклянную пластину, на которой отображалась визуальная проблема.[11][12]

В 1970-х годах исследования айтрекинга быстро расширились, особенно исследования чтения. Хороший обзор исследований за этот период дает Rayner.[13]

В 1980 году Джаст и Карпентер[14] сформулировал влиятельные Гипотеза сильного взгляда-разума, что «нет заметной задержки между тем, что фиксируется, и тем, что обрабатывается». Если эта гипотеза верна, тогда, когда субъект смотрит на слово или объект, он или она также думают об этом (когнитивно обрабатывают), причем ровно столько, сколько зафиксировано фиксацией. Гипотеза часто принимается как должное исследователями, использующими отслеживание глаз. Тем не мение, взгляд-зависимые методы предложите интересный вариант, чтобы отделить явное и скрытое внимание, различить, что фиксируется, а что обрабатывается.

В течение 1980-х годов гипотеза «глаз-разум» часто подвергалась сомнению в свете скрытого внимания,[15][16] внимание к чему-то, на что не смотрят, что люди часто делают. Если скрытое внимание является обычным явлением во время записи слежения за глазами, результирующие шаблоны пути сканирования и фиксации часто показывают не то место, где было наше внимание, а только то, куда смотрел глаз, не указывая на когнитивную обработку.

В 1980-е годы также зародилось использование айтрекинга для ответа на вопросы, связанные с взаимодействием человека с компьютером. В частности, исследователи исследовали, как пользователи ищут команды в меню компьютера.[17] Кроме того, компьютеры позволили исследователям использовать результаты отслеживания взгляда в реальном времени, в первую очередь, для помощи пользователям с ограниченными возможностями.[17]

В последнее время наблюдается рост использования отслеживания взгляда для изучения того, как пользователи взаимодействуют с различными компьютерными интерфейсами. Конкретные вопросы, которые задают исследователи, связаны с тем, насколько удобны различные интерфейсы для пользователей.[17] Результаты исследования айтрекинга могут привести к изменению дизайна интерфейса. Еще одна недавняя область исследований сосредоточена на веб-разработке. Это может включать в себя то, как пользователи реагируют на раскрывающиеся меню или где они сосредотачивают свое внимание на веб-сайте, чтобы разработчик знал, где разместить рекламу.[18]

По словам Хоффмана,[19] В настоящее время принято считать, что визуальное внимание всегда немного (от 100 до 250 мс) опережает глаз. Но как только внимание переместится в новое положение, глаза захотят проследить за ним.[20]

Мы по-прежнему не можем вывести конкретные когнитивные процессы непосредственно из фиксации на определенном объекте в сцене.[21] Например, фиксация на лице на изображении может указывать на узнавание, симпатию, неприязнь, недоумение и т. Д. Поэтому отслеживание взгляда часто сочетается с другими методологиями, такими как интроспективные вербальные протоколы.

Благодаря развитию портативных электронных устройств портативные налобные айтрекеры в настоящее время могут достигать отличных характеристик и все чаще используются в исследовательских и рыночных приложениях, ориентированных на повседневную жизнь.[22] Эти же достижения привели к увеличению количества исследований небольших движений глаз, которые происходят во время фиксации, как в лаборатории, так и в прикладных условиях.[23]

Использование сверточных нейронных сетей для отслеживания взгляда позволяет искусственному интеллекту определять новую информацию.

В 21 веке использование искусственный интеллект (AI) и искусственные нейронные сети стал эффективным способом выполнения задач отслеживания взгляда и анализа. В частности, сверточная нейронная сеть поддается отслеживанию взгляда, поскольку он разработан для задач, ориентированных на изображение. С помощью ИИ задачи отслеживания взгляда и исследования могут дать дополнительную информацию, которая могла быть не обнаружена людьми-наблюдателями. Практика глубокое обучение также позволяет данной нейронной сети улучшить решение данной задачи при наличии достаточного количества выборочных данных. Однако для этого требуется относительно большой объем обучающих данных.[24]

Возможные варианты использования искусственного интеллекта для отслеживания взгляда охватывают широкий спектр тем из медицинских приложений.[25] к безопасности водителя[24] к теории игр.[26] Хотя структура CNN может относительно хорошо соответствовать задаче отслеживания взгляда, у исследователей есть возможность создать собственную нейронную сеть, адаптированную под конкретную задачу. В этих случаях эти собственные разработки могут превзойти уже существующие шаблоны для нейронной сети.[27] В этом смысле еще предстоит выяснить, существует ли способ определить идеальную структуру сети для данной задачи.

Типы трекеров

Айтрекеры измеряют вращение глаза одним из нескольких способов, но в основном они относятся к одной из трех категорий: (i) измерение движения объекта (обычно специальной контактной линзы), прикрепленного к глазу; (ii) оптическое слежение без прямого контакта с глазом; и (iii) измерение электрических потенциалов с помощью электродов, размещенных вокруг глаз.

Отслеживание с привязкой к глазам

Первый тип использует насадку на глаз, такую ​​как специальная контактная линза со встроенным зеркалом или датчиком магнитного поля, и движение насадки измеряется с предположением, что она не скользит значительно при вращении глаза. Измерения с помощью плотно прилегающих контактных линз обеспечили чрезвычайно чувствительную регистрацию движения глаз, а магнитные поисковые катушки являются методом выбора для исследователей, изучающих динамику и лежащую в основе физиологию движения глаз. Этот метод позволяет измерять движение глаз в горизонтальном, вертикальном и торсионном направлениях.[28]

Оптическое слежение

Айтрекинг Шлем виртуальной реальности. Каждый глаз имеет светодиодный источник света (металл золотистого цвета) сбоку от линзы дисплея и камеру под линзой дисплея.

Вторая широкая категория использует неконтактный оптический метод измерения движения глаз. Свет, обычно инфракрасный, отражается от глаза и воспринимается видеокамерой или другим специально разработанным оптическим датчиком. Затем информация анализируется, чтобы выделить вращение глаз из изменений отражений. В айтрекерах на основе видео обычно используется отражение роговицы (первое Изображение Пуркинье) и центр зрачка как функции, которые нужно отслеживать во времени. Более чувствительный тип айтрекера, двойной айтрекер Пуркинье,[29] использует отражения от передней части роговицы (первое изображение Пуркинье) и задней части линзы (четвертое изображение Пуркинье) в качестве объектов для отслеживания. Еще более чувствительный метод отслеживания - это визуализация элементов изображения изнутри глаза, таких как кровеносные сосуды сетчатки, и отслеживание этих функций при вращении глаза. Оптические методы, особенно основанные на видеозаписи, широко используются для слежения за взглядом и считаются неинвазивными и недорогими.

Смотрите также: Видео-окулография

Измерение электрического потенциала

Третья категория использует электрические потенциалы, измеряемые с помощью электродов, размещенных вокруг глаз. Глаза являются источником постоянного электрического потенциального поля, которое также можно обнаружить в полной темноте или при закрытых глазах. Его можно смоделировать так, чтобы он генерировался диполем с положительным полюсом на роговице и отрицательным полюсом на сетчатке. Электрический сигнал, который может быть получен с помощью двух пар контактных электродов, размещенных на коже вокруг одного глаза, называется Электроокулограмма (ЭОГ). Если глаза перемещаются из центрального положения к периферии, сетчатка приближается к одному электроду, а роговица приближается к противоположному. Это изменение ориентации диполя и, следовательно, электрического потенциального поля приводит к изменению измеренного сигнала ЭОГ. И наоборот, анализируя эти изменения движения глаз, можно проследить. Из-за дискретизации, обеспечиваемой общей установкой электродов, можно выделить две отдельные составляющие движения - горизонтальную и вертикальную. Третий компонент ЭОГ - ​​это радиальный канал ЭОГ,[30] который представляет собой среднее значение каналов ЭОГ относительно некоторого заднего электрода черепа. Этот радиальный канал EOG чувствителен к потенциалам саккадических спайков, исходящих от экстраокулярных мышц в начале саккад, и позволяет надежно обнаруживать даже миниатюрные саккады.[31]

Из-за потенциальных дрейфов и переменных соотношений между амплитудами сигналов ЭОГ и размерами саккад сложно использовать ЭОГ для измерения медленного движения глаз и определения направления взгляда. Однако EOG является очень надежным методом измерения саккадическое движение глаз связаны со сдвигом взгляда и обнаружением мигает. В отличие от айтрекеров на основе видео, EOG позволяет записывать движения глаз даже с закрытыми глазами и, таким образом, может использоваться для исследования сна. Это очень легкий подход, который, в отличие от современных айтрекеров на основе видео, требует лишь очень низкой вычислительной мощности; работает в разных условиях освещения; и может быть реализован как встроенная автономная носимая система.[32][33] Таким образом, это предпочтительный метод измерения движения глаз в мобильных повседневных ситуациях и REM фазы во время сна. Основным недостатком EOG является относительно низкая точность определения направления взгляда по сравнению с видеотрекером. То есть трудно определить с хорошей точностью, куда именно смотрит объект, хотя можно определить время движений глаз.

Технологии и техники

Наиболее широко используемые современные разработки - это айтрекеры на основе видео. Камера фокусируется на одном или обоих глазах и записывает движение глаз, когда зритель смотрит на какой-то стимул. Большинство современных айтрекеров используют центр зрачка и инфракрасный / ближний инфракрасный неколлимированный свет для создания роговичные отражения (CR). Вектор между центром зрачка и отражениями роговицы может использоваться для вычисления точки наблюдения на поверхности или направления взгляда. Перед использованием айтрекера обычно требуется простая процедура калибровки.[34]

Используются два основных типа инфракрасного / ближнего инфракрасного (также известного как активный свет) техники отслеживания взгляда: яркий зрачок и темный зрачок. Их различие основано на расположении источника освещения относительно оптики. Если освещение коаксиальный с оптическим путем, то глаз действует как световозвращатель как свет отражается от сетчатка создание яркого эффекта зрачка, похожего на красный глаз. Если источник освещения смещен от оптического пути, зрачок кажется темным, потому что обратное отражение от сетчатки направлено от камеры.[35]

Отслеживание яркого зрачка создает больший контраст радужной оболочки / зрачка, обеспечивая более надежное отслеживание взгляда со всей пигментацией радужной оболочки и значительно снижает помехи, вызванные ресницами и другими элементами затемнения.[36] Он также позволяет отслеживать в условиях освещения от полной темноты до очень яркого.

Другой, менее используемый метод известен как пассивный свет. Он использует видимый свет для освещения, что может отвлекать пользователей.[35] Еще одна проблема, связанная с этим методом, заключается в том, что контраст зрачка меньше, чем в методах активного света, поэтому центр Ирис вместо этого используется для вычисления вектора.[37] Этот расчет должен определить границу радужной оболочки и белого склера (лимб отслеживание). Это представляет собой еще одну проблему для вертикальных движений глаз из-за закупорки век.[38]

  • Инфракрасный / ближний инфракрасный: яркий зрачок.

  • Инфракрасный / ближний инфракрасный: темный зрачок и отражение роговицы.

  • Видимый свет: центр радужной оболочки (красный), отражение роговицы (зеленый) и выходной вектор (синий).

Настройки айтрекинга сильно различаются: некоторые устанавливаются на голове, некоторые требуют, чтобы голова была устойчивой (например, с упором для подбородка), а некоторые работают дистанционно и автоматически отслеживают голову во время движения. Большинство из них используют частоту дискретизации не менее 30 Гц. Хотя чаще встречается 50/60 Гц, сегодня многие айтрекеры на основе видео работают с частотой 240, 350 или даже 1000/1250 Гц - скоростями, необходимыми для захвата фиксированных движений глаз или правильного измерения динамики саккад.

Движения глаз обычно делятся на фиксации и саккады - когда взгляд останавливается в определенном положении, и когда он перемещается в другое положение соответственно. Получившаяся серия фиксаций и саккад называется путь сканирования. Плавное преследование описывает взгляд, следующий за движущимся объектом. Фиксирующие движения глаз включают: микросаккады: небольшие непроизвольные саккады, возникающие при попытке фиксации. Большая часть информации из глаза становится доступной во время фиксации или плавного преследования, но не во время саккады.[39]

Пути сканирования полезны для анализа когнитивного намерения, интереса и значимости. Другие биологические факторы (некоторые из которых такие простые, как пол) также могут влиять на путь сканирования. Отслеживание глаз в взаимодействие человека с компьютером (HCI) обычно исследует путь сканирования для удобства использования или как метод ввода в отображение контингента взгляда, также известный как интерфейсы на основе взгляда.[40]

Представление данных

Для интерпретации данных, записываемых различными типами айтрекеров, используется разнообразное программное обеспечение, которое их анимирует или визуально представляет, так что визуальное поведение одного или нескольких пользователей может быть возобновлено графически. Видео обычно кодируется вручную для идентификации AOI (области интересов) или недавно использованного искусственного интеллекта. Графическое представление редко является основой результатов исследований, так как они ограничены с точки зрения того, что может быть проанализировано - например, исследования, основанные на отслеживании глаз, обычно требуют количественных измерений событий движения глаз и их параметров. Следующие визуализации являются наиболее часто используемые:

Анимированные изображения точки на интерфейсеЭтот метод используется, когда визуальное поведение исследуется индивидуально, показывая, где пользователь сосредоточил свой взгляд в каждый момент, дополняется небольшим путем, который указывает предыдущие движения саккады, как видно на изображении.

Статические изображения пути саккадЭто довольно похоже на описанный выше, с той разницей, что это статический метод. Чтобы интерпретировать это, требуется более высокий уровень знаний, чем у анимированных.

Тепловые картыАльтернативное статическое представление, используемое в основном для агломерированного анализа шаблонов визуального исследования в группе пользователей. В этих представлениях «горячие» зоны или зоны с более высокой плотностью обозначают, где пользователи фокусируют свой взгляд (а не внимание) с большей частотой. Тепловые карты - это самый известный метод визуализации для исследования взгляда.[41]

Карты слепых зон или фокусные картыЭтот метод представляет собой упрощенную версию тепловых карт, где визуально менее посещаемые пользователями зоны отображаются четко, что позволяет легче понять наиболее важную информацию, то есть нам сообщают, какие зоны не были просмотрены пользователями. пользователи.

Карты значимости Подобно тепловым картам, карта значимости иллюстрирует области фокуса, ярко отображая привлекающие внимание объекты на изначально черном полотне. Чем больше внимания уделяется конкретному объекту, тем ярче он будет.[42]

Отслеживание взгляда или отслеживание взгляда

Айтрекеры обязательно измеряют вращение глаза относительно некоторой системы отсчета. Обычно это связано с измерительной системой. Таким образом, если измерительная система закреплена на голове, как в случае с EOG или видеосистемой, установленной на шлеме, то измеряются углы между глазами и головой. Чтобы определить линию взгляда в мировых координатах, голова должна оставаться в постоянном положении или ее движения также должны отслеживаться. В этих случаях направление головы добавляется к направлению «глаза в голове», чтобы определить направление взгляда.

Если измерительная система монтируется на столе, как в случае со склеральными поисковыми катушками или настольными камерами («удаленными») системами, то углы взгляда измеряются непосредственно в мировых координатах. Обычно в этих ситуациях движения головой запрещены. Например, положение головы фиксируется с помощью накусочной планки или упора для лба. Тогда система отсчета с центром на голове идентична системе отсчета с центром в мире. Или, говоря языком, положение глаз в голове напрямую определяет направление взгляда.

Имеются некоторые результаты по движениям глаз человека в естественных условиях, когда движения головы также разрешены.[43] Относительное положение глаза и головы, даже при постоянном направлении взгляда, влияет на нейронную активность в более высоких областях зрения.[44]

Упражняться

Большое количество исследований было посвящено изучению механизмов и динамики вращения глаз, но цель айтрекинга чаще всего заключается в оценке направления взгляда. Пользователям может быть интересно, например, какие особенности изображения привлекают взгляд. Важно понимать, что айтрекер не обеспечивает абсолютного направления взгляда, а может измерять только изменения направления взгляда. Чтобы точно знать, на что смотрит объект, требуется некоторая процедура калибровки, при которой объект смотрит на точку или серию точек, а айтрекер записывает значение, соответствующее каждой позиции взгляда. (Даже те методы, которые отслеживают особенности сетчатки, не могут обеспечить точное направление взгляда, потому что нет конкретной анатомической особенности, которая отмечает точную точку, где визуальная ось встречается с сетчаткой, если действительно существует такая единственная стабильная точка.) надежная калибровка важна для получения достоверных и повторяемых данных о движении глаз, и это может быть серьезной проблемой для невербальных субъектов или тех, у кого нестабильный взгляд.

Каждый метод айтрекинга имеет преимущества и недостатки, и выбор системы айтрекинга зависит от соображений стоимости и применения. Существуют офлайн-методы и онлайн-процедуры, такие как ВниманиеОтслеживание. Существует компромисс между стоимостью и чувствительностью: самые чувствительные системы стоят многие десятки тысяч долларов и требуют значительных знаний для правильной работы. Достижения в компьютерных и видеотехнологиях привели к разработке относительно недорогих систем, которые полезны для многих приложений и довольно просты в использовании.[45] Однако интерпретация результатов все еще требует определенного уровня знаний, поскольку неверно выровненная или плохо откалиброванная система может давать крайне ошибочные данные.

Отслеживание взгляда при вождении автомобиля в сложной ситуации

Кадры из отслеживания взгляда на узкой дороге, описанные в этом разделе[46]

Движение глаз двух групп водителей было снято специальной головной камерой командой Швейцарского федерального технологического института: начинающие и опытные водители записывали движение глаз при приближении к повороту узкой дороги. был сжат из оригинальных кадров фильма[47] для отображения двух фиксаций глаз на изображение для лучшего понимания.

Каждый из этих кадров соответствует приблизительно 0,5 секундам в реальном времени.

В серии изображений показан пример фиксации взгляда № 9 - № 14 типичного новичка и опытного водителя.

Сравнение верхних изображений показывает, что опытный водитель проверяет поворот и даже имеет Крепление № 9, оставленное для того, чтобы смотреть в сторону, в то время как начинающему водителю необходимо проверить дорогу и оценить свое расстояние до припаркованной машины.

На средних изображениях опытный водитель теперь полностью сосредоточен на том месте, где можно было увидеть встречный автомобиль. Начинающий водитель сосредотачивает взгляд на припаркованной машине.

На нижнем изображении новичок оценивает расстояние между левой стеной и припаркованной машиной, а опытный водитель может использовать свой периферийное зрение для этого и все же сосредоточить свое внимание на опасной точке поворота: если там появляется машина, он должен уступить дорогу, т.е. е. остановитесь направо вместо того, чтобы обойти припаркованную машину.[48]

В более поздних исследованиях также использовалось слежение за глазами на голове для измерения движений глаз в реальных условиях вождения.[49][50]

Отслеживание глаз молодых и пожилых людей во время ходьбы

Во время ходьбы пожилые люди больше зависят от фовеального зрения, чем молодые. Их скорость ходьбы снижается на ограниченное поле зрения, возможно, вызвано ухудшением периферического зрения.

Младшие люди во время ходьбы используют как центральное, так и периферическое зрение. Их периферийное зрение позволяет быстрее контролировать процесс ходьбы.[51]

Приложения

В самых разных дисциплинах используются техники отслеживания взгляда, в том числе наука о мышлении; психология (особенно психолингвистика; парадигма визуального мира); взаимодействие человека с компьютером (HCI); человеческий фактор и эргономика; маркетинговое исследование и медицинские исследования (неврологическая диагностика). Конкретные приложения включают отслеживание движения глаз в языковое чтение, чтение музыки, человек признание активности, восприятие рекламы, занятия спортом, обнаружение отвлекающих факторов и когнитивная нагрузка оценка водителей и пилотов и как средство управления компьютерами людьми с тяжелыми двигательными нарушениями.

Коммерческие приложения

В последние годы возросшая изощренность и доступность технологий отслеживания взгляда вызвали большой интерес в коммерческом секторе. Приложения включают удобство использования в Интернете, реклама, спонсорство, дизайн упаковки и автомобилестроение. Как правило, коммерческие исследования по отслеживанию движения глаз функционируют, представляя целевой стимул выборке потребителей, в то время как устройство отслеживания движения глаз используется для записи активности глаза. Примеры целевых стимулов могут включать веб-сайты; телевизионные программы; спортивные события; фильмы и рекламные ролики; журналы и газеты; пакеты; полочные дисплеи; потребительские системы (банкоматы, кассовые системы, киоски); и программное обеспечение. Полученные данные могут быть статистически проанализированы и графически отображены, чтобы предоставить доказательства определенных визуальных паттернов. Изучая фиксации, саккады, расширение зрачка, моргание и множество других форм поведения, исследователи могут многое определить об эффективности данного средства или продукта. В то время как некоторые компании проводят исследования этого типа внутри страны, есть много частных компаний, которые предлагают услуги отслеживания взгляда и анализ.

Одна из областей коммерческого исследования айтрекинга - это удобство использования в Интернете. В то время как традиционные методы юзабилити часто довольно эффективны в предоставлении информации о шаблонах щелчков и прокрутки, отслеживание взглядов дает возможность анализировать взаимодействие пользователя между щелчками и то, сколько времени пользователь проводит между щелчками, тем самым обеспечивая ценную информацию о том, какие функции являются наиболее важными. привлекающие внимание, особенности которых вызывают недоумение, а которые вообще игнорируются. В частности, отслеживание взглядов можно использовать для оценки эффективности поиска, брендинга, онлайн-рекламы, удобства использования навигации, общего дизайна и многих других компонентов сайта. В дополнение к основному клиентскому сайту анализы могут быть нацелены на прототип или сайт конкурента.

Айтрекинг обычно используется в различных рекламных носителях. Рекламные ролики, печатные объявления, онлайн-реклама и спонсируемые программы - все это способствует анализу с помощью современной технологии отслеживания взгляда. Одним из примеров является анализ движений глаз при просмотре рекламы в Желтые страницы. Одно исследование было сосредоточено на том, какие особенности заставляли людей замечать рекламу, просматривали ли они рекламу в определенном порядке и как варьировалось время просмотра. Исследование показало, что размер рекламы, графика, цвет и текст влияют на внимание к рекламе. Знание этого позволяет исследователям очень подробно оценить, как часто выборка потребителей зацикливается на целевом логотипе, продукте или рекламе. В результате рекламодатель может количественно оценить успех данной кампании с точки зрения фактического визуального внимания.[52] Другой пример этого - исследование, которое обнаружило, что в страница результатов поисковой системы, фрагменты авторства получили больше внимания, чем платная реклама или даже первый органический результат.[53]

Приложения безопасности

В 2017 году ученые построили глубокую интегрированную нейронную сеть (DINN) из глубокой нейронной сети и сверточной нейронной сети.[24] Целью было использовать глубокое обучение изучать изображения водителей и определять уровень их сонливости с помощью «классификации состояний глаз». При наличии достаточного количества изображений предлагаемая DINN могла бы идеально определить, когда драйверы мигают, как часто и как долго. Отсюда можно было судить, насколько усталым кажется данный водитель, эффективно выполняя упражнение по отслеживанию глаз. DINN была обучена на данных более чем 2400 субъектов и правильно диагностировала их состояния в 96–99,5% случаев. Большинство других моделей искусственного интеллекта работают с коэффициентом выше 90%.[24] Эта технология в идеале могла бы предоставить еще один путь для обнаружение сонливости водителя.

Приложения теории игр

В исследовании 2019 года была построена сверточная нейронная сеть (CNN), способная идентифицировать отдельные шахматные фигуры так же, как другие CNN могут определять черты лица.[26] Затем в него были введены данные для отслеживания взгляда от тридцати шахматистов разного уровня подготовки. Используя эти данные, CNN использовала оценку взгляда, чтобы определить части шахматной доски, на которые игрок обращал пристальное внимание. Затем он создал карту значимости, чтобы проиллюстрировать эти части доски. В конечном итоге, CNN объединит свои знания доски и фигур с картой значимости, чтобы предсказать следующий ход игроков. Независимо от набор обучающих данных система нейронной сети была обучена, она предсказывала следующий ход более точно, чем если бы она выбирала любой возможный ход случайным образом, а карты значимости, нарисованные для любого данного игрока и ситуации, были более чем на 54% похожи.[26]

Вспомогательные технологии

Люди с тяжелыми двигательными нарушениями могут использовать отслеживание глаз для взаимодействия с компьютером. [54] поскольку он быстрее, чем методы сканирования с одним переключателем, и интуитивно понятен в эксплуатации.[55][56] Нарушение моторики, вызванное церебральным параличом [57] или же Боковой амиотрофический склероз часто влияет на речь, и пользователи с тяжелыми нарушениями речи и моторики (SSMI) используют программное обеспечение, известное как вспомогательное и альтернативное средство коммуникации (AAC),[58] который отображает значки, слова и буквы на экране [59] и использует программное обеспечение для преобразования текста в речь для создания речевого вывода.[60] В последнее время исследователи также изучали отслеживание глаз для управления роботизированными руками. [61] и электрические инвалидные коляски.[62] Отслеживание взгляда также полезно при анализе шаблонов визуального поиска,[63] обнаружение присутствия Нистагм и обнаружение ранних признаков нарушения обучаемости путем анализа движения взгляда во время чтения.[64]

Авиационные приложения

Отслеживание взгляда уже было изучено с точки зрения безопасности полетов путем сравнения траекторий сканирования и продолжительности фиксации для оценки прогресса пилотов-стажеров.[65] для оценки навыков пилотов,[66] для анализа совместного внимания экипажа и общей ситуационной осведомленности.[67] Также была исследована технология отслеживания взгляда для взаимодействия с системами отображения на шлеме. [68] и многофункциональные дисплеи [69] в военной авиации. Были проведены исследования по изучению применимости айтрекинга для захвата цели и захвата цели в системах отображения на шлеме (HMDS).[70] Отзывы пилотов говорят о том, что, хотя технология является многообещающей, ее аппаратные и программные компоненты еще не разработаны.[нужна цитата] Исследование взаимодействия с многофункциональными дисплеями в среде симулятора показало, что отслеживание взгляда может значительно улучшить время отклика и воспринимаемую когнитивную нагрузку по сравнению с существующими системами. Кроме того, в исследовании также изучалось использование измерений фиксации и реакции зрачков для оценки когнитивной нагрузки пилота. Оценка когнитивной нагрузки может помочь в разработке адаптивных кабин нового поколения с повышенной безопасностью полета.[71] Отслеживание взгляда также полезно для определения усталости пилота.[72][73]

Автомобильные приложения

В последнее время технология айтрекинга исследуется в автомобильной сфере как пассивным, так и активным образом. Национальная администрация безопасности дорожного движения измеряли продолжительность взгляда для выполнения второстепенных задач во время вождения и использовали его для обеспечения безопасности, препятствуя использованию чрезмерно отвлекающих устройств в транспортных средствах [74] В дополнение к обнаружению отвлекающих факторов для взаимодействия с IVIS используется отслеживание глаз.[75] Хотя первоначальное исследование [76] исследовали эффективность системы отслеживания взгляда при взаимодействии с жестким диском (Head Down Display), при этом водителям по-прежнему требовалось оторвать взгляд от дороги при выполнении второстепенной задачи. В недавних исследованиях изучалось взаимодействие, контролируемое взглядом, с HUD (Head Up Display), которое устраняет отвлечение внимания от бездорожья.[77] Слежение за глазами также используется для отслеживания когнитивной нагрузки водителей с целью выявления потенциальных отвлекающих факторов. Хотя исследователи [78] изучили различные методы оценки когнитивная нагрузка водителей от различных физиологических параметров, использование параметров глаза исследовали новый способ использования существующих айтрекеров для мониторинга когнитивной нагрузки водителей в дополнение к взаимодействию с IVIS.[79][80]

Смотрите также

Примечания

  1. ^ Сообщается в Huey 1908/1968.
  2. ^ Хьюи, Эдмунд. Психология и педагогика чтения (перепечатка). MIT Press 1968 (первоначально опубликовано в 1908 году).
  3. ^ Басуэлл (1922, 1937)
  4. ^ (1935)
  5. ^ Ярбус 1967
  6. ^ а б Ярбус 1967, п. 190
  7. ^ Ярбус 1967, п. 194
  8. ^ Ярбус 1967, п. 191
  9. ^ Ярбус 1967, п. 193
  10. ^ Ханзикер, Х. В. (1970). Visuelle Informationsaufnahme und Intelligenz: Eine Untersuchung über die Augenfixationen beim Problemlösen. Schweizerische Zeitschrift für Psychologie und ihre Anwendungen, 1970, 29, № 1/2 (аннотация на английском: http://www.learning-systems.ch/multimedia/forsch1e.htm )
  11. ^ http://www.learning-systems.ch/multimedia/eye[постоянная мертвая ссылка] решение проблем с движением .swf
  12. ^ «Визуальное восприятие: движение глаз при решении проблем». www.learning-systems.ch. Получено 9 октября 2018.
  13. ^ Райнер (1978)
  14. ^ Джаст и Карпентер (1980)
  15. ^ Познер (1980)
  16. ^ Райт и Уорд (2008)
  17. ^ а б c Роберт Дж. К. Джейкоб; Кейт С. Карн (2003). «Отслеживание взгляда в исследованиях взаимодействия человека с компьютером и удобства использования: готовность выполнить обещания». В Хионе; Радач; Деубель (ред.). Мысленный глаз: когнитивные и прикладные аспекты исследования движения глаз. Оксфорд, Англия: Elsevier Science BV. CiteSeerX 10.1.1.100.445. ISBN 0-444-51020-6.
  18. ^ Шиссл, Михаэль; Дуда, Сабрина; Тёльке, Андреас; Фишер, Рико. «Отслеживание взгляда и его применение в юзабилити и исследованиях СМИ» (PDF).
  19. ^ Хоффман 1998
  20. ^ Деубель, Хайнер (1996). «Выбор цели Saccade и распознавание объекта: свидетельство общего механизма внимания». Исследование зрения. 36 (12): 1827–1837. Дои:10.1016/0042-6989(95)00294-4. PMID 8759451. S2CID 16916037.
  21. ^ Холсанова 2007
  22. ^ Cognolato M, Atzori M, Müller H (2018). «Устройства для отслеживания взгляда на голове: обзор современных устройств и последних достижений». Журнал реабилитации и инженерных вспомогательных технологий. 5: 205566831877399. Дои:10.1177/2055668318773991. ЧВК 6453044. PMID 31191938.
  23. ^ Александр, Роберт; Макник, Стивен; Мартинес-Конде, Сусана (2020). «Микросаккады в прикладных средах: реальные приложения для измерения движения глаз». Журнал исследований движения глаз. 12 (6). Дои:10.16910 / jemr.12.6.15.
  24. ^ а б c d Чжао, Лэй; Ван, Цзэнцай; Чжан, Госинь; Ци, Ячжоу; Ван, Сяоцзинь (15 ноября 2017 г.). «Распознавание состояния глаз на основе глубокой интегрированной нейронной сети и трансферного обучения». Мультимедийные инструменты и приложения. 77 (15): 19415–19438. Дои:10.1007 / s11042-017-5380-8. ISSN 1380-7501. S2CID 20691291.
  25. ^ Stember, J. N .; Celik, H .; Крупински, Э .; Chang, P.D .; Mutasa, S .; Wood, B.J .; Lignelli, A .; Moonis, G .; Schwartz, L.H .; Jambawalikar, S .; Багчи, У. (август 2019 г.). «Отслеживание взгляда для сегментации глубокого обучения с использованием сверточных нейронных сетей». Журнал цифровых изображений. 32 (4): 597–604. Дои:10.1007 / s10278-019-00220-4. ISSN 0897-1889. ЧВК 6646645. PMID 31044392.
  26. ^ а б c Louedec, Джастин Ле; Гунц, Томас; Кроули, Джеймс Л .; Вофрейдаз, Доминик (2019). «Исследование глубокого обучения для прогнозирования внимания шахматистов с использованием данных отслеживания взгляда и игры». Материалы 11-го симпозиума ACM по исследованиям и приложениям отслеживания взгляда - ETRA '19. Нью-Йорк, Нью-Йорк, США: ACM Press: 1–9. arXiv:1904.08155. Bibcode:2019arXiv190408155L. Дои:10.1145/3314111.3319827. ISBN 978-1-4503-6709-7. S2CID 118688325.
  27. ^ Лиан, Дунцзе; Ху, Лина; Ло, Вэйсинь; Сюй, Яньюй; Дуань, Лисинь; Ю, Цзинъи; Гао, Шэнхуа (октябрь 2019 г.). «Многовидовое многозадачное оценивание взгляда с помощью сверточных нейронных сетей». Транзакции IEEE в нейронных сетях и обучающих системах. 30 (10): 3010–3023. Дои:10.1109 / TNNLS.2018.2865525. ISSN 2162-237X. PMID 30183647. S2CID 52167737.
  28. ^ Дэвид А. Робинсон: метод измерения движения глаз с помощью склеральной поисковой катушки в магнитном поле, IEEE Transactions on Bio-Medical Electronics, октябрь 1963 г., 137–145 (PDF[постоянная мертвая ссылка])
  29. ^ Crane, H.D .; Стил, К. (1985). "Айтрекер с двойным изображением Пуркинье" поколения V ". Прикладная оптика. 24 (4): 527–537. Bibcode:1985ApOpt..24..527C. Дои:10.1364 / AO.24.000527. PMID 18216982. S2CID 10595433.
  30. ^ Эльберт, Т., Люценбергер, В., Рокстро, Б., Бирбаумер, Н., 1985. Удаление глазных артефактов на ЭЭГ. Биофизический подход к ЭОГ. Электроэнцефалогор Клин Нейрофизиол 60, 455-463.
  31. ^ Керен, A.S .; Yuval-Greenberg, S .; Деуэлл, Л. (2010). «Саккадические спайковые потенциалы в гамма-диапазоне ЭЭГ: характеристика, обнаружение и подавление». NeuroImage. 49 (3): 2248–2263. Дои:10.1016 / j.neuroimage.2009.10.057. PMID 19874901. S2CID 7106696.
  32. ^ Буллинг, А .; Roggen, D .; Тростер, Г. (2009). «Носимые очки EOG: плавное распознавание и распознавание контекста в повседневной среде». Журнал окружающего интеллекта и умных сред. 1 (2): 157–171. Дои:10.3233 / AIS-2009-0020. HDL:20.500.11850/352886.
  33. ^ Сопик Д., Аминифар А. и Атьенца Д. (2018). e-glass: носимая система для обнаружения эпилептических припадков в реальном времени. На международном симпозиуме IEEE по схемам и системам (ISCAS).
  34. ^ Витцнер Хансен, Дэн; Цян Цзи (март 2010 г.). «Глазами смотрящего: обзор моделей для глаз и взора». IEEE Trans. Pattern Anal. Мах. Intell. 32 (3): 478–500. Дои:10.1109 / тпами.2009.30. PMID 20075473. S2CID 16489508.
  35. ^ а б Гнео, Массимо; Шмид, Маурицио; Конфорто, Сильвия; Д’Алессио, Томмазо (2012). «Нейронная система отслеживания взгляда, не зависящая от модели свободной геометрии». Журнал нейроинжиниринга и реабилитации. 9 (1): 82. Дои:10.1186/1743-0003-9-82. ЧВК 3543256. PMID 23158726.
  36. ^ Глаз: обзор человеческого зрения; Фонд Викимедиа
  37. ^ Сигут, Дж; Сидха, SA (февраль 2011 г.). «Метод отражения роговицы в центре радужки для отслеживания взгляда с использованием видимого света». IEEE Transactions по биомедицинской инженерии. 58 (2): 411–9. Дои:10.1109 / tbme.2010.2087330. PMID 20952326. S2CID 206611506.
  38. ^ Хуа, H; Кришнасвами, П; Rolland, JP (15 мая 2006 г.). «Методы и алгоритмы отслеживания взгляда на основе видео в налобных дисплеях». Оптика Экспресс. 14 (10): 4328–50. Bibcode:2006OExpr..14.4328H. Дои:10.1364 / oe.14.004328. PMID 19516585.
  39. ^ Purves, D; ул. (2001). Неврология, 2-е изд.. Сандерленд (Массачусетс): Sinauer Assocs. п. Какие движения глаз совершают.
  40. ^ Маджаранта, П., Аоки, Х., Донеган, М., Хансен, Д. У., Хансен, Дж. П., Хирскикари, А., Райха, К. Дж., Взаимодействие взгляда и приложения отслеживания взгляда: достижения в области вспомогательных технологий, IGI Global, 2011 г.
  41. ^ Нильсен, Якоб. Пернис, Кара. (2010). "[1] Веб-удобство отслеживания взглядов. "New Rideres Publishing. Стр. 11. ISBN 0-321-49836-4. Поиск книг Google. Проверено 28 октября 2013 года.
  42. ^ Ле Мёр, О; Баччино, Т. (2013). «Методы сравнения путей сканирования и карты значимости: сильные и слабые стороны». Методы исследования поведения. 45 (1).
  43. ^ Einhäuser, W; Schumann, F; Бардинс, С; Бартл, К; Böning, G; Шнайдер, Э; Кениг, П. (2007). «Координация человеческого глаза и головы в естественных исследованиях». Сеть: вычисления в нейронных системах. 18 (3): 267–297. Дои:10.1080/09548980701671094. PMID 17926195. S2CID 1812177.
  44. ^ Андерсен, Р. А .; Bracewell, R.M .; Бараш, С .; Gnadt, J. W .; Фогасси, Л. (1990). «Влияние положения глаз на зрительную, память и связанную с саккадой активность в областях LIP и 7a макаки» (PDF). Журнал неврологии. 10 (4): 1176–1196. Дои:10.1523 / JNEUROSCI.10-04-01176.1990. ЧВК 6570201. PMID 2329374. S2CID 18817768.
  45. ^ Ферхат, Онур; Вилариньо, Фернандо (2016). "Недорогое отслеживание глаз: текущая панорама". Вычислительный интеллект и нейробиология. 2016: 1–14. Дои:10.1155/2016/8680541. ЧВК 4808529. PMID 27034653.
  46. ^ Ханс-Вернер Хунцикер, (2006) Im Auge des Lesers: foveale und периферия Wahrnehmung - vom Buchstabieren zur Lesefreude [Глазами читателя: фовеальное и периферическое восприятие - от распознавания букв к радости чтения] Transmedia Stäubli Verlag Zürich 2006 ISBN 978-3-7266-0068-6 Основано на данных: Cohen, A. S. (1983). Informationsaufnahme beim Befahren von Kurven, Psychologie für die Praxis 2/83, Bulletin der Schweizerischen Stiftung für Angewandte Psychologie
  47. ^ Коэн, А. С. (1983). Informationsaufnahme beim Befahren von Kurven, Psychologie für die Praxis 2/83, Bulletin der Schweizerischen Stiftung für Angewandte Psychologie
  48. ^ Фотографии из: Hans-Werner Hunziker, (2006) Im Auge des Lesers: foveale und периферия Wahrnehmung - vom Buchstabieren zur Lesefreude [В глазах читателя: фовеальное и периферическое восприятие - от распознавания букв к радости чтения] Transmedia Stäubli Verlag Цюрих 2006 ISBN 978-3-7266-0068-6
  49. ^ Грюнер, М; Ансорге, У (2017). «Мобильное отслеживание глаз во время реального ночного вождения: выборочный обзор результатов и рекомендации для будущих исследований». Журнал исследований движения глаз. 10. Дои:10.16910 / JEMR.10.2.1.
  50. ^ Александр, Роберт; Макник, Стивен; Мартинес-Конде, Сусана (2020). «Микросаккады в прикладных средах: реальные приложения для измерения движения глаз». Журнал исследований движения глаз. 12 (6). Дои:10.16910 / jemr.12.6.15.
  51. ^ Ито, Нана; Фукуда, Тадахико (2002). «Сравнительное исследование движений глаз в пределах центрального и периферического зрения и использования ходящими людьми молодого и пожилого возраста». Перцептивные и моторные навыки. 94 (3_suppl): 1283–1291. Дои:10.2466 / pms.2002.94.3c.1283. PMID 12186250. S2CID 1058879.
  52. ^ Лозе, Джеральд; Ву, Д. Дж. (1 февраля 2001 г.). "Шаблоны движения глаз на китайской рекламе" Желтых страниц ". Электронные рынки. 11 (2): 87–96. Дои:10.1080/101967801300197007. S2CID 1064385.
  53. ^ "Исследование отслеживания взгляда: важность использования авторства Google в результатах поиска"[2]
  54. ^ {cite journal | last1 = Corno | first1 = F. | last2 = Farinetti | first2 = L. | last3 = Signorile | first3 = I. | date = August 2002 | title = Экономичное решение для вспомогательных технологий для зрения | url =https://ieeexplore.ieee.org/abstract/document/1035632%7Cjournal= Международная конференция IEEE по мультимедиа и выставке | vol. = 2 | pages = 433-436 | access-date = 5 августа 2020 г.}}
  55. ^ Pinheiro, C .; Naves, E. L .; Пино, П .; Урок, E .; Андраде, А.О .; Бурхис, Г. (июль 2011 г.). «Альтернативные системы связи для людей с тяжелыми двигательными нарушениями: опрос». Биомедицинская инженерия онлайн. 10 (1): 31. Дои:10.1186 / 1475-925X-10-31. ЧВК 3103465. PMID 21507236.
  56. ^ Сондерс, доктор медицины; Smagner, J.P .; Сондерс, Р.Р. (август 2003 г.). «Совершенствование методологического и технологического анализа использования адаптивного переключателя у лиц с глубокими множественными нарушениями». Поведенческие вмешательства. 18 (4): 227–243. Дои:10.1002 / bin.141.
  57. ^ «Детский церебральный паралич (ДЦП)». Получено 4 августа 2020.
  58. ^ Wilkinson, K.M .; Митчелл, Т. (март 2014 г.). «Исследование айтрекинга, чтобы ответить на вопросы об оценке и вмешательстве дополнительных и альтернативных способов общения». Дополнительное и альтернативное общение. 30 (2): 106–119. Дои:10.3109/07434618.2014.904435. ЧВК 4327869. PMID 24758526.
  59. ^ Galante, A .; Менезес, П. (июнь 2012 г.). «Система взаимодействия на основе взгляда для людей с церебральным параличом». Технологии процедур. 5: 895–902. Дои:10.1016 / j.protcy.2012.09.099. Получено 3 августа 2020.
  60. ^ БЛИЩАК, Д .; LOMBARDINO, L .; ДАЙСОН, А. (июнь 2003 г.). «Использование устройств, генерирующих речь: для поддержки естественной речи». Дополнительное и альтернативное общение. 19 (1): 29–35. Дои:10.1080/0743461032000056478. PMID 28443791. S2CID 205581902.
  61. ^ Шарма, В.К .; Мурти, Л. Р. Д .; Сингх Салуджа, К .; Mollyn, V .; Sharma, G .; Бисвас, Прадипта (август 2020 г.). «Роботизированная рука, управляемая веб-камерой, для людей с ССМИ». Технологии и инвалидность. 32 (3): 179–197. arXiv:2005.11994. Дои:10.3233 / TAD-200264. S2CID 218870304. Получено 5 августа 2020.
  62. ^ Eid, M.A .; Giakoumidis, N .; Эль Саддик, А. (июль 2016 г.). «Новая система инвалидного кресла с управлением взглядом для навигации в неизвестных средах: исследование пациента с БАС». Доступ IEEE. 4: 558–573. Дои:10.1109 / ACCESS.2016.2520093. S2CID 28210837.
  63. ^ Jeevithashree, D. V .; Saluja, K.S .; Бисвас, Прадипта (декабрь 2019 г.). «Пример разработки интерфейса, управляемого взглядом, для пользователей с серьезными нарушениями речи и моторики». Технологии и инвалидность. 31 (1–2): 63–76. Дои:10.3233 / TAD-180206. Получено 5 августа 2020.
  64. ^ Jones, M.W .; Obregón, M .; Kelly, M.L .; Браниган, Х. (Май 2008 г.). «Выявление компонентов процессов, участвующих в дислексической и недислексической беглости чтения: исследование слежения за глазами». Познание. 109 (3): 389–407. Дои:10.1016 / j.cognition.2008.10.005. PMID 19019349. S2CID 29389144. Получено 5 августа 2020.
  65. ^ Calhoun, G.L; Янсон (1991). «Контроль прямой видимости по сравнению с ручным выбором дискретных переключателей». Отчет лаборатории Армстронга AL-TR-1991-0015.
  66. ^ Фиттс, П.М.; Jones, R.E .; Милтон, Дж. Л. (1950). «Движение глаз летчиков самолетов при заходе на посадку по приборам». Аэронавт. Англ. Rev. Получено 20 июля 2020.
  67. ^ Пейсахович, В .; Lefrançois, O .; Dehais, F .; Косс, М. (2018). «Нейроэргономика кабины самолета: четыре этапа интеграции отслеживания взгляда для повышения безопасности полета». Безопасность. 4 (1): 8. Дои:10.3390 / безопасность4010008.
  68. ^ Де Реус, А. Дж. С .; Zon, R .; Ouwerkerk, R. (2012). «Изучение использования айтрекера на дисплее на шлеме». Получено 31 июля 2020. Цитировать журнал требует | журнал = (помощь)
  69. ^ DV, JeevithaShree; Murthy, L R.D .; Saluja, K. S .; Бисвас, П. (2018). «Управление различными дисплеями на военных реактивных самолетах с помощью устройства отслеживания взгляда». Журнал авиационных технологий и инженерии. 8 (4). Получено 24 июля 2020.
  70. ^ de Reus, A.J.C .; Zon, R .; Оуверкерк, Р. (ноябрь 2012 г.). «Изучение использования айтрекера на дисплее на шлеме». Технический отчет Национальной аэрокосмической лаборатории NLR-TP-2012-001.
  71. ^ Бабу, М .; Д. В., Дживита-Шри; Prabhakar, G .; Saluja, K.P .; Пашилкар, А .; Бисвас, П. (2019). «Оценка когнитивной нагрузки пилотов по параметрам глаза с помощью моделирования и исследований в полете». Журнал исследований движения глаз. 12 (3). Получено 3 августа 2020.
  72. ^ Peißl, S .; Wickens, C.D .; Баруах, Р. (2018). «Меры отслеживания взгляда в авиации: выборочный обзор литературы». Международный журнал аэрокосмической психологии. 28 (3–4): 98–112. Дои:10.1080/24721840.2018.1514978. S2CID 70016458.
  73. ^ Александр, Роберт; Макник, Стивен; Мартинес-Конде, Сусана (2020). «Микросаккады в прикладных средах: реальные приложения для измерения движения глаз». Журнал исследований движения глаз. 12 (6). Дои:10.16910 / jemr.12.6.15.
  74. ^ «Визуальное руководство, руководство NHTSA по отвлечению внимания водителя для бортовых электронных устройств»..
  75. ^ Mondragon, C.K .; Бличер, Б. (2013). «Контроль взгляда автомобильных развлекательных систем». Получено 3 августа 2020. Цитировать журнал требует | журнал = (помощь)
  76. ^ Poitschke, T .; Laquai, F .; Стамболиев, С .; Риголл, Г. (2011). «Взаимодействие на основе взгляда на нескольких дисплеях в автомобильной среде» (PDF). Международная конференция IEEE по системам, человеку и кибернетике (SMC): 543–548. Дои:10.1109 / ICSMC.2011.6083740. ISBN 978-1-4577-0653-0. ISSN 1062-922X. S2CID 9362329.
  77. ^ Prabhakar, G .; Рамакришнан, А .; Murthy, L .; Шарма, В.К .; Madan, M .; Deshmukh, S .; Бисвас, П. (2020). «Интерактивный HUD для автомобилей, управляемый взглядом и пальцем». Журнал мультимодального пользовательского интерфейса. 14: 101–121. Дои:10.1007 / s12193-019-00316-9. S2CID 208261516.
  78. ^ Маршалл, С. (2002). «Индекс познавательной активности: Измерение познавательной нагрузки». В Proc. 7-я конференция по человеческому фактору и электростанциям: 7-5–7-9. Дои:10.1109 / HFPP.2002.1042860. ISBN 0-7803-7450-9. S2CID 44561112.
  79. ^ Духовский, А. Т .; Biele, C .; Niedzielska, A .; Krejtz, K .; Krejtz, I .; Kiefer, P .; Raubal, M .; Яннопулос, И. (2018). «Индекс активности ученика, измеряющий когнитивную нагрузку по сравнению с трудностью задания с колебаниями ученика». Конференция ACM SIGCHI по человеческому фактору. Дои:10.1145/3173574.3173856. S2CID 5064488.
  80. ^ Prabhakar, G .; Mukhopadhyay, A .; MURTHY, L .; Модикша, М.А.Д.А.Н .; Бисвас, П. (2020). «Оценка когнитивной нагрузки с использованием параметров зрения в автомобилестроении». Транспортная инженерия. 2: 100008. Дои:10.1016 / j.treng.2020.100008. Получено 3 августа 2020.

Рекомендации

Коммерческое отслеживание глаз

  • Pieters, R .; Ведель, М. (2007). «Целевой контроль визуального внимания к рекламе: последствия Ярбуса». Журнал потребительских исследований. 34 (2): 224–233. CiteSeerX 10.1.1.524.9550. Дои:10.1086/519150.
  • Pieters, R .; Ведель, М. (2004). «Привлечение и передача внимания элементами рекламы». Журнал маркетинга. 68 (2): 36–50. CiteSeerX 10.1.1.115.3006. Дои:10.1509 / кг.68.2.36.27794. S2CID 15259684.