Gaze Estimation چیست؟ بررسی فناوری تخمین جهت نگاه و کاربردهای آن

Gaze Estimation یا «تخمین جهت نگاه» یکی از حوزه‌های مهم در تقاطع Computer Vision، هوش مصنوعی و Human-Computer Interaction (HCI) است. این فناوری تلاش می‌کند با استفاده از تصاویر چشم، صورت یا داده‌های حاصل از حسگرها، مشخص کند یک فرد در چه جهتی نگاه می‌کند یا نقطه نگاه او در یک محیط کجاست.

به زبان ساده، اگر دوربین بتواند تصویر چشم یا صورت فرد را دریافت کند، الگوریتم Gaze Estimation تلاش می‌کند از روی این تصویر پاسخ دهد:

«این فرد به کدام سمت نگاه می‌کند؟»

این فناوری یکی از پایه‌های مهم سیستم‌های Eye Tracking محسوب می‌شود و امروزه در حوزه‌هایی مانند تحقیقات شناختی، نورومارکتینگ، واقعیت مجازی و افزوده، رابط‌های کاربری، خودروهای هوشمند، بازی و فناوری‌های کمکی مورد استفاده قرار می‌گیرد.

Gaze Estimation چیست؟

Gaze Estimation به مجموعه روش‌ها و الگوریتم‌هایی گفته می‌شود که با تحلیل اطلاعات بصری مربوط به چشم و سر، جهت نگاه یا نقطه نگاه فرد (Gaze Point) را تخمین می‌زنند.

برای مثال، فرض کنید فردی روبه‌روی یک نمایشگر نشسته است. سیستم تصویری از چهره او دریافت می‌کند و با تحلیل موقعیت چشم‌ها، مردمک، جهت سر و سایر ویژگی‌های تصویری، تخمین می‌زند که فرد به قسمت بالای سمت راست نمایشگر نگاه می‌کند.

در یک سیستم پیشرفته‌تر، خروجی می‌تواند به شکل یک بردار سه‌بعدی نگاه (3D Gaze Vector) یا مختصات یک نقطه در فضای واقعی باشد.

این موضوع باعث می‌شود Gaze Estimation را بتوان یکی از مسائل مهم در حوزه Computer Vision و Human-Computer Interaction دانست. پژوهش‌های انجام‌شده در این حوزه نیز نشان می‌دهند که تخمین نگاه همچنان یک مسئله چالش‌برانگیز است؛ زیرا عواملی مانند زاویه سر، شرایط نور، ظاهر چشم، کیفیت تصویر و پوشیدگی چشم می‌توانند روی عملکرد سیستم تأثیر بگذارند.

تفاوت Gaze Estimation و Eye Tracking چیست؟

این دو اصطلاح گاهی به جای یکدیگر استفاده می‌شوند، اما دقیقاً یک مفهوم نیستند.

Gaze Estimation بیشتر به مسئله تخمین جهت یا نقطه نگاه اشاره دارد؛ در حالی که Eye Tracking یک سیستم کامل برای اندازه‌گیری و ثبت حرکات چشم و استخراج داده‌های مربوط به نگاه است.

یک Eye Tracker معمولاً می‌تواند اطلاعاتی مانند موارد زیر را ثبت کند:

• نقطه نگاه
• Fixation یا تثبیت نگاه
• Saccade یا حرکت سریع چشم
• مدت زمان نگاه
• مسیر حرکت نگاه
• پلک زدن
• اندازه مردمک (Pupil Diameter)

به همین دلیل می‌توان گفت:

Gaze Estimation یکی از اجزای کلیدی یک سیستم Eye Tracking است، اما Eye Tracking مفهوم گسترده‌تری دارد.

سیستم‌های Eye Tracking می‌توانند از فناوری‌های مختلفی استفاده کنند و حتی در نمایشگرها، عینک‌های هوشمند، سیستم‌های XR و سایر تجهیزات ادغام شوند.

Gaze Estimation چگونه کار می‌کند؟

فرآیند تخمین نگاه را می‌توان به چند مرحله اصلی تقسیم کرد.

۱. دریافت تصویر

در ساده‌ترین حالت، یک دوربین RGB یا دوربین مادون قرمز تصویر چهره یا چشم کاربر را دریافت می‌کند.

در سیستم‌های حرفه‌ای Eye Tracking معمولاً از Near-Infrared (NIR) نیز استفاده می‌شود. نور مادون قرمز نزدیک می‌تواند الگوی بازتاب نور روی قرنیه و مردمک را برای سیستم قابل تشخیص‌تر کند.

۲. تشخیص صورت و چشم

در مرحله بعد، الگوریتم‌های Computer Vision محل صورت، چشم‌ها و سایر نقاط کلیدی را شناسایی می‌کنند.

این مرحله می‌تواند شامل:

• Face Detection
• Facial Landmark Detection
• Eye Region Detection
• Pupil Detection

باشد.

۳. استخراج ویژگی‌های چشم

سیستم تلاش می‌کند اطلاعاتی مانند موقعیت مردمک، شکل چشم، موقعیت پلک‌ها و جهت نسبی چشم نسبت به سر را استخراج کند.

در روش‌های کلاسیک Eye Tracking، یکی از تکنیک‌های شناخته‌شده استفاده از رابطه میان مرکز مردمک و بازتاب نور روی قرنیه (Corneal Reflection یا Glint) است. در روش PCCR، تغییر موقعیت مردمک نسبت به بازتاب قرنیه برای تخمین نقطه نگاه استفاده می‌شود.

۴. تخمین جهت نگاه

در این مرحله الگوریتم با استفاده از ویژگی‌های استخراج‌شده، جهت نگاه را محاسبه می‌کند.

خروجی می‌تواند مثلاً:

• جهت نگاه به چپ یا راست
• زاویه نگاه
• مختصات دوبعدی روی صفحه
• بردار سه‌بعدی نگاه
• یا نقطه نگاه در محیط واقعی

باشد.

۵. Mapping

در سیستم‌های Eye Tracking، جهت نگاه باید به یک مختصات قابل تفسیر در محیط تبدیل شود.

برای مثال:

Eye → Gaze Vector → Screen Coordinate → Object/Area of Interest

در نتیجه سیستم می‌تواند تشخیص دهد که فرد دقیقاً به کدام قسمت یک تصویر، صفحه، محصول یا محیط نگاه کرده است.

روش‌های اصلی Gaze Estimation

روش‌های تخمین نگاه را می‌توان به چند گروه اصلی تقسیم کرد.

۱. روش‌های Geometry-Based

در این روش‌ها از مدل هندسی چشم و سر استفاده می‌شود.

سیستم می‌تواند موقعیت مردمک، مرکز چشم، جهت سر و سایر پارامترهای هندسی را در نظر بگیرد و از طریق یک مدل هندسی، جهت نگاه را محاسبه کند.

این رویکرد در بسیاری از سیستم‌های تخصصی Eye Tracking کاربرد دارد.

۲. روش‌های Appearance-Based

در روش‌های Appearance-Based، الگوریتم مستقیماً از ظاهر چشم یا صورت در تصویر برای تخمین نگاه استفاده می‌کند.

با پیشرفت Deep Learning، این روش‌ها اهمیت زیادی پیدا کرده‌اند.

در یک سیستم مبتنی بر یادگیری عمیق، مدل می‌تواند با مشاهده تعداد زیادی تصویر از چشم و اطلاعات مربوط به جهت نگاه، رابطه میان ویژگی‌های تصویری و جهت نگاه را یاد بگیرد.

پژوهش‌های مروری در این حوزه نشان می‌دهند که Deep Learning در سال‌های اخیر نقش مهمی در توسعه روش‌های Appearance-Based Gaze Estimation داشته است.

۳. روش‌های مبتنی بر Deep Learning

مدل‌های یادگیری عمیق می‌توانند اطلاعاتی از:

• چشم
• صورت
• موقعیت سر
• ویژگی‌های تصویری
• و حتی اطلاعات زمانی

را با یکدیگر ترکیب کنند.

مزیت مهم این رویکرد، امکان استفاده از دوربین‌های نسبتاً معمولی و کاهش وابستگی به سخت‌افزارهای تخصصی است.

البته دقت بالا و پایداری در شرایط واقعی همچنان چالش مهمی است. مطالعات انجام‌شده روی سیستم‌های مبتنی بر دوربین‌های معمولی نشان داده‌اند که عواملی مانند نور، عینک، موقعیت سر و ویژگی‌های کاربر می‌توانند بر عملکرد Gaze Estimation اثر بگذارند.

آیا Gaze Estimation با دوربین معمولی امکان‌پذیر است؟

بله.

یکی از مسیرهای مهم توسعه Gaze Estimation، استفاده از Webcam یا دوربین‌های معمولی به جای تجهیزات تخصصی Eye Tracking است.

در این روش، دوربین تصویر صورت کاربر را دریافت کرده و مدل Computer Vision با تحلیل تصویر، جهت نگاه را تخمین می‌زند.

این رویکرد مزیت مهمی دارد:

کاهش هزینه و افزایش دسترسی به فناوری Eye Tracking.

اما باید توجه داشت که Gaze Estimation مبتنی بر Webcam الزاماً معادل یک Eye Tracker حرفه‌ای نیست.

در شرایط کنترل‌شده و برای کاربردهای مشخص می‌تواند بسیار مفید باشد، اما عواملی مانند نور محیط، فاصله کاربر از دوربین، زاویه سر، استفاده از عینک و کیفیت دوربین می‌توانند روی دقت تأثیر بگذارند.

چه عواملی روی دقت Gaze Estimation تأثیر می‌گذارند؟

دقت یک سیستم Gaze Estimation به عوامل مختلفی وابسته است.

شرایط نور

تغییر شدید نور می‌تواند تشخیص چشم و مردمک را دشوار کند.

زاویه و حرکت سر

اگر کاربر سر خود را زیاد حرکت دهد، رابطه میان تصویر چشم و جهت واقعی نگاه پیچیده‌تر می‌شود.

کیفیت دوربین

Resolution، Frame Rate و کیفیت سنسور می‌توانند بر کیفیت داده ورودی تأثیر داشته باشند.

عینک

بازتاب نور از شیشه عینک می‌تواند برای برخی الگوریتم‌ها چالش ایجاد کند.

فاصله از دوربین

تغییر فاصله کاربر نسبت به دوربین می‌تواند روی مقیاس و هندسه تصویر اثر بگذارد.

کالیبراسیون

در بسیاری از سیستم‌های Eye Tracking، Calibration برای تطبیق سیستم با ویژگی‌های کاربر و محیط اهمیت زیادی دارد.

به همین دلیل، ارزیابی یک الگوریتم Gaze Estimation صرفاً بر اساس دقت آن در یک محیط آزمایشگاهی کافی نیست و باید عملکرد آن در شرایط واقعی نیز بررسی شود.

کاربردهای Gaze Estimation چیست؟

کاربرد Gaze Estimation بسیار گسترده‌تر از تشخیص ساده «نگاه کردن به چپ یا راست» است.

نورومارکتینگ و تحقیقات رفتار مصرف‌کننده

در نورومارکتینگ می‌توان از Eye Tracking برای بررسی توجه بصری و الگوی مشاهده افراد استفاده کرد.

برای مثال می‌توان بررسی کرد:

• کاربر ابتدا به کدام قسمت تبلیغ نگاه می‌کند؟
• چه مدت روی لوگو مکث می‌کند؟
• کدام محصول بیشتر دیده می‌شود؟
• مسیر حرکت نگاه در صفحه چگونه است؟
• کدام عناصر بصری نادیده گرفته می‌شوند؟

این داده‌ها می‌توانند در کنار سایر روش‌های ارزیابی شناختی و رفتاری، تصویر دقیق‌تری از واکنش کاربر نسبت به یک محرک ایجاد کنند.

تحقیقات شناختی

حرکات چشم اطلاعات ارزشمندی درباره فرآیندهای توجه و ادراک فراهم می‌کنند.

Eye Tracking در تحقیقات مربوط به Attention، Perception، Decision Making و Human Performance کاربرد گسترده‌ای دارد.

Human-Computer Interaction

Gaze می‌تواند به عنوان یک ورودی برای تعامل انسان و کامپیوتر استفاده شود.

برای مثال کاربر می‌تواند با نگاه کردن به یک گزینه، آن را انتخاب کند یا با نگاه خود رابط کاربری را کنترل کند.

این موضوع به‌خصوص در سیستم‌های Hands-Free Interaction اهمیت پیدا می‌کند.

واقعیت مجازی و واقعیت افزوده

در محیط‌های VR و AR، دانستن اینکه کاربر به کدام قسمت محیط نگاه می‌کند می‌تواند کاربردهای مختلفی داشته باشد.

برای مثال:

• کنترل رابط کاربری
• تحلیل توجه کاربر
• تعامل مبتنی بر نگاه
• بهینه‌سازی Rendering
• تحلیل تجربه کاربر
• کاربردهای آموزشی و درمانی

به همین دلیل Eye Tracking یکی از فناوری‌های مهم در توسعه نسل جدید سیستم‌های XR محسوب می‌شود.

خودرو و حمل‌ونقل

در سیستم‌های هوشمند خودرو می‌توان از تخمین نگاه برای بررسی توجه راننده استفاده کرد.

برای مثال سیستم می‌تواند بررسی کند که راننده:

• به جاده نگاه می‌کند یا خیر
• به آینه‌ها توجه دارد یا خیر
• چه زمانی توجه او از مسیر منحرف شده است

این حوزه یکی از کاربردهای مهم Gaze Analysis در سیستم‌های ایمنی و Human-Machine Interaction است.

Gaze Estimation و ترکیب آن با EEG

یکی از مسیرهای جذاب در توسعه سیستم‌های نوروتکنولوژی، ترکیب Eye Tracking و EEG است.

Eye Tracking به ما می‌گوید:

فرد به چه چیزی نگاه می‌کند؟

در حالی که EEG می‌تواند اطلاعاتی درباره:

الگوهای فعالیت الکتریکی مغز در زمان مشاهده یا انجام یک فعالیت

ارائه کند.

ترکیب این دو نوع داده می‌تواند امکان تحلیل چندوجهی رفتار انسان را فراهم کند.

برای مثال، در یک مطالعه می‌توان همزمان مشخص کرد که:

کاربر به کدام بخش یک محرک نگاه کرده و در همان زمان چه تغییراتی در سیگنال EEG رخ داده است.

این رویکرد می‌تواند در حوزه‌هایی مانند NeuroMarketing، Cognitive Assessment، Human-Computer Interaction، VR و تحقیقات شناختی مورد توجه قرار گیرد.

آینده Gaze Estimation

مسیر توسعه Gaze Estimation به سمت سیستم‌هایی حرکت می‌کند که:

• به سخت‌افزار تخصصی کمتری نیاز دارند
• در شرایط واقعی عملکرد پایدارتری دارند
• از Deep Learning و مدل‌های چندوجهی استفاده می‌کنند
• روی دستگاه‌های قابل حمل اجرا می‌شوند
• با VR و AR ادغام می‌شوند
• و در کنار داده‌های دیگری مانند EEG و سایر حسگرها قرار می‌گیرند.

در واقع، آینده این فناوری صرفاً «تشخیص جهت چشم» نیست؛ بلکه حرکت به سمت درک توجه، رفتار و تعامل انسان با محیط است.

پژوهش‌های حوزه Gaze Analysis نیز همچنان روی چالش‌هایی مانند شرایط بدون کنترل، تغییرات نور، تعامل چشم و سر و امکان اجرای Real-Time تمرکز دارند.

جمع‌بندی

Gaze Estimation فناوری‌ای در تقاطع Computer Vision، Artificial Intelligence و Human-Computer Interaction است که امکان تخمین جهت یا نقطه نگاه انسان را فراهم می‌کند.

این فناوری می‌تواند بخشی از یک سیستم Eye Tracking باشد و در حوزه‌هایی مانند تحقیقات شناختی، نورومارکتینگ، UX، واقعیت مجازی، خودروهای هوشمند و فناوری‌های کمکی مورد استفاده قرار گیرد.

با پیشرفت Deep Learning و افزایش قدرت پردازشی دستگاه‌های قابل حمل، امکان توسعه سیستم‌های Gaze Estimation کم‌هزینه‌تر و قابل‌دسترس‌تر نیز افزایش یافته است.

برای شرکت‌هایی که در حوزه Neurotechnology و Cognitive Technology فعالیت می‌کنند، اهمیت Gaze Estimation در این است که می‌تواند یک لایه اطلاعاتی مهم درباره Visual Attention و رفتار کاربر ایجاد کند؛ به‌خصوص زمانی که داده‌های نگاه با EEG و سایر داده‌های شناختی ترکیب شوند.