calibration - 眼动追踪校准如何帮助注视估计？

Question

我被要求为眼动追踪算法创建校准。但是，我仍然不太了解校准如何有助于使我们的注视估计更准确，以及眼动追踪中的校准如何实际工作。我已阅读https://www.tobiidynavox.com/support-training/eye-tracker-calibration/以及https://developer.tobii.com/community/forums/topic/explain-calibration/，但我还是不完全明白。如果有人可以向我解释，我将不胜感激。

谢谢

Answer 1

在下面的答案中，我假设您指的是标准瞳孔中心角膜反射视频眼图，而不是任何其他形式的眼动追踪技术。

在眼睛跟踪中，校准是将位于眼睛的二维静止视频帧中的特征坐标转换为凝视坐标（即与被观察世界相关的坐标）的过程。例如，假设您的眼动仪生成了 400 × 400 像素的眼睛图像，并且对象正在看一个 1024 × 768 像素大小的屏幕，在他们前面有一段距离。校准过程需要将眼睛图像中的坐标与人在显示屏上注视（即注视）的位置相关联。这个过程不是微不足道的：例如，仅仅因为瞳孔在眼睛图像中居中并不意味着该人正在注视世界中显示器的中心。即使注视的方向在世界上保持不变，瞳孔中心的位置也可以在眼睛图像内移动。这就是我们跟踪瞳孔中心的原因和角膜反射，因为链接这两者的向量对于在没有注视旋转的情况下发生的图像内眼睛的平移具有鲁棒性。

进行这种映射的标准方法是通过相对简单的 2D 非线性回归：您在显示屏上的已知坐标处移动目标，并要求参与者稳定地注视每个目标，同时记录瞳孔中心的位置和角膜反射眼睛图像。校准过程会将链接瞳孔中心和角膜反射的矢量映射到相应的已知注视坐标。这会产生一个回归解决方案，允许您将中间位置映射到它们的插值注视坐标。

（另一种或补充的方法是基于模型而不是基于回归，但我们现在不要去那里。）

所以本质上，校准并没有改善凝视估计，它提供了凝视估计。无需先进行校准，您所做的就是跟踪眼睛相对任意图像中特征（瞳孔和角膜反射）的运动。在进行校准之前，您不知道那只眼睛实际指向世界的哪个阶段。

说了这么多，这根本不是一个基于编码的问题（或答案），所以实际上并不确定 StackOverflow 是提出这个问题的理想场所。