【视线追踪】视线追踪的性能评估框架 及 基础知识

一、前言

本博客核心参考论文：

A Review and Analysis of Eye-Gaze Estimation Systems, Algorithms and Performance Evaluation Methods in Consumer Platforms

A. Kar and P. Corcoran, Towards the development of a standardized performance evaluation framework for eye gaze estimation systems in consumer platforms, in Proc. IEEE Int. Conf. Syst., Man, Cybern., Budapest, Hungary, Oct. 2016, pp. 002061 002066.

目前，视线追踪技术有以下应用平台：

• 电脑：主要用来人机交互——计算机通信和文本输入（比鼠标更有效率，而且更适合残障人士使用）
• 电视：选择和导航菜单和切换频道
• 头戴设备：应用于用户注意、认知研究、精神分析；或者是VR的局部渲染，如果能够通过头盔内置摄像头估计人的视线方向，则可以对场景做局部精细渲染，即仅对人视线范围内的场景精细渲染，从而大大降低硬件成本。
• 汽车装备：检测驾驶员是否疲劳驾驶以及注意力是否集中。
• 手持设备：亮度、音量调节等人机交互功能。

在这些不同平台中，由于硬件、生物差异等因素各不相同，导致不同平台间的变量很多，差异很大，导致同样的算法在不同平台中表现会不一样。

同时，还因为在当今的研究文献中：

1. 不同文献衡量视线追踪性能的指标也不一样，导致不同研究之间很难直接进行对比；
2. 在进行视线追踪研究时，所考虑的误差不够全面，所查阅的文献中，只有少数几篇论文研究了操作条件对系统性能的影响；
3. 术语的使用也没有一个统一化的规范。

这一切都不利于该领域的后续发展。所以，为了：

1. 研究各种误差源对系统性能的影响；
2. 以统一误差格式，来定量报告系统性能；
3. 确定每个平台的精度性能瓶颈。

本文：

1. 提出了一个标准化的性能衡量框架。
2. 为视线评估技术做一个综述性的介绍，包括系统、算法、以及有哪些误差因素会影响精度。

二、为什么要开发性能评估框架？

1. 应用平台之间操作环境不一样

五个平台中视线追踪技术的使用条件完全不同。因此，根据平台的不同，视线追踪器也可能产生显著不同的结果。

表4给出了五个视线追踪平台的硬件配置和使用条件，包括用户姿势和视角、屏幕尺寸、用户与屏幕摄像机设置之间的典型距离。

在误差