À quelle résolution du suivi oculaire peut-on raisonnablement s'attendre en utilisant la caméra intégrée d'une tablette comparable à un iPad Air 2?
Par "résolution", je fais (vaguement) référence à une fraction de l'écran de l'appareil. Par exemple, au niveau de résolution le plus grossier, pourrions-nous nous attendre à différencier (en utilisant la caméra FaceTime HD orientée vers l'avant) si un utilisateur regardait le haut par rapport à la moitié inférieure de l'écran? (en supposant une interaction sans lien de dépendance avec l'appareil)
Bien que je fournisse, dans cette question, l'exemple spécifique de l'iPad Air 2, il ne s'agit que d'un point de départ concret. Les réponses sont les bienvenues pour discuter d'autres tablettes (ou même des ordinateurs portables) avec des caméras intégrées. L'essentiel est de se faire une idée de la résolution du suivi oculaire qui peut actuellement être attendue, sans l'utilisation d'une technologie de suivi oculaire plus sophistiquée (externe).
La caméra avant de l'iPad Air 2 a une résolution de 1,2 MP, soit 1280x960 pixels. Faisons quelques hypothèses:
- Le champ de vision horizontal est de 60 °
- Les utilisateurs tiennent leurs tablettes à environ 450 mm de leurs yeux
- Les globes oculaires mesurent environ 24 mm de diamètre
Ainsi, à la distance du globe oculaire d'un utilisateur, un pixel couvre (450 mm * beige (60/1280)) mm = 0,37 mm. Voyons combien un globe oculaire devrait tourner pour que l'élève bouge autant.
Sur un globe oculaire de 24 mm, 0,37 mm de mouvement correspond à 1,8 ° de rotation. De retour à la tablette, cette quantité de mouvement correspond à (450 mm * bronzage (1,8 °)) mm = 14 mm.
Donc, si tout était parfait, un mouvement d'un pixel de la pupille de l'utilisateur tel que vu par la caméra frontale correspondrait à un décalage du regard de l'utilisateur de 14 mm sur l'écran de la tablette.
MAIS! tout est [~ # ~] pas [~ # ~] parfait. Les mains des gens tremblent , les yeux des gens se trémoussent , les caméras sont bruyantes. Personnellement, je devine à peu près un dixième de la précision quand tout est dit et fait, ce qui correspondrait à votre exemple "haut contre bas d'écran".
Et bien sûr, quelqu'un doit écrire le logiciel approprié pour que tout fonctionne.
J'ai fait un test très simpliste de cela. Je n'ai pas implémenté de solution logicielle. Au lieu de cela, j'ai simplement capturé une vidéo de moi-même en regardant, pendant quelques secondes à la fois, à chaque coin de l'écran d'un iPad 2. J'ai recadré la vidéo uniquement dans mes yeux et l'ai examinée manuellement. En utilisant l'élève et le "reflet d'écran", je pouvais très facilement déterminer dans quel coin j'avais regardé pendant une image donnée de la vidéo.
"reflet d'écran" fait référence à la réflexion brillante d'un écran d'ordinateur brillant sur la cornée et/ou la pupille de l'œil. Il apparaît très distinctement comme un rectangle lumineux.
Dans le cas de cette expérience, l'éclat de l'écran était d'environ un quart de la taille de ma pupille. (Pour le dire autrement, la largeur de l'éclat de l'écran était la moitié du diamètre de ma pupille.) Je n'ai pas vérifié la largeur de l'éclat de l'écran, ou de ma pupille, en pixels. Une telle mesure servirait à déterminer à quel point cela pourrait être utilisé avec précision. (c'est-à-dire en déterminant où se trouve le "centre" de la pupille, dans le reflet de l'écran.)
Je m'attends à ce que la détermination du quadrant de regard soit moins précise avec des points de regard plus proches du centre de l'écran. Néanmoins, il semble que la caméra frontale intégrée de l'iPad 2 pourrait être utile pour suivre le quadrant d'écran qu'un utilisateur regardait lors de l'utilisation d'une application.
Ainsi, il ne fonctionnerait probablement pas bien pour déterminer quelles caractéristiques d'un portrait un utilisateur examinait, mais peut-être à quelles fenêtres d'affichage d'une application un utilisateur prêtait attention.
Vous pouvez essayer GazeRecorder (WebCam Eye Tracking pour les tests d'utilisabilité) Ce logiciel enregistre automatiquement en utilisant des webcams ordinaires, où les gens regardent et ce avec quoi ils s'engagent sur leurs écrans d'ordinateur. https://sourceforge.net/projects/gazerecorder/
Résultat du test WebCam EyeTracker Accurycy: http://www.slideshare.net/szymondeja3/raport-gaze-flow-vs-smi26092013en-1