视线追踪

注视（fixation）指眼睛在相对静止状态下将中央凹对准某一目标、持续获取信息的时间段；扫视（saccade）指两次注视之间眼球快速转动、把中央凹从一个目标移到另一个目标的过程。二者交替出现，构成人类主动视觉采样最基本的两个事件类型。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开|33Eye Tracking Methodology: Theory and Practicelink.springer.com前往参考资料 ↓在新标签页中打开}

扫视的持续时间通常只有几十毫秒量级，而注视持续时间一般在 100 毫秒以上；由于扫视期间视觉敏感度显著下降（扫视抑制），信息获取主要发生在注视阶段，因此眼动分析通常以注视为基本分析单元。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开|44The Oxford Handbook of Eye Movementsglobal.oup.com前往参考资料 ↓在新标签页中打开}

注视与扫视的划分并非由设备直接输出，而是由分析算法依据采样点的速度、加速度或离散度阈值从原始视线坐标中识别出来；不同算法与阈值会改变注视点数量与持续时间，因此报告眼动指标时必须同时说明所用的识别算法与参数。^{33Eye Tracking Methodology: Theory and Practicelink.springer.com前往参考资料 ↓在新标签页中打开|55Identifying fixations and saccades in eye-tracking protocolsdl.acm.org前往参考资料 ↓在新标签页中打开}

在阅读研究中，扫视按方向可分为前进扫视与回视（regression），回视比例与回视路径时间是衡量阅读加工难度的重要指标；在场景观看中，扫视幅度与注视分布则被用来刻画视觉注意的分配模式。^{44The Oxford Handbook of Eye Movementsglobal.oup.com前往参考资料 ↓在新标签页中打开|66Eye Movements and Visionlink.springer.com前往参考资料 ↓在新标签页中打开}

平滑追踪（smooth pursuit）是介于注视与扫视之外的第三种基本眼动类型，指眼睛跟随缓慢移动目标做连续平滑运动；它与扫视的区别在于眼球角速度较低且与目标速度匹配，常被用于区分真实注意跟随与快速跳视。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开|77The role of fixational eye movements in visual perceptionnature.com前往参考资料 ↓在新标签页中打开}

微扫视（microsaccade）是在试图保持注视时出现的小幅高频眼动，幅度通常小于 1 度；它说明“注视”并非眼球完全静止，而是包含微小漂移与微扫视的动态过程，这一事实影响高精度视线追踪中对注视事件的判定。^{77The role of fixational eye movements in visual perceptionnature.com前往参考资料 ↓在新标签页中打开|88Microsaccades: a neurophysiological analysiscell.com前往参考资料 ↓在新标签页中打开}

注视与扫视的时长、幅度等参数存在明显的个体差异与任务依赖性，同一被试在不同任务下的注视持续时间可相差数倍，因此跨被试比较时通常需要先做个体归一化或采用被试内设计。^{55Identifying fixations and saccades in eye-tracking protocolsdl.acm.org前往参考资料 ↓在新标签页中打开|66Eye Movements and Visionlink.springer.com前往参考资料 ↓在新标签页中打开}

视线向量（gaze vector）是描述眼睛注视方向的单位向量，通常定义在三维坐标系中，由眼睛位置指向注视点，表征视线的空间朝向。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开}

注视点（point of gaze, POG）是视线向量与观察场景的交点，即人眼所注视的三维空间位置或屏幕上的二维坐标。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开|33Eye Tracking Methodology: Theory and Practicelink.springer.com前往参考资料 ↓在新标签页中打开}

在屏幕式视线追踪系统中，注视点常以屏幕像素坐标表示，并通过视线向量与屏幕平面的交点计算得到。^{33Eye Tracking Methodology: Theory and Practicelink.springer.com前往参考资料 ↓在新标签页中打开}

视线向量与注视点之间的几何关系依赖于眼睛位置、头部姿态以及场景的几何模型，因此在实际系统中需进行校准以补偿个体差异。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开|99Remote Eye Tracking: A Review of Systems and Applicationsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

注视点与视线向量是视线追踪数据的基本输出形式，前者用于分析注视位置，后者用于分析视线方向与运动。^{33Eye Tracking Methodology: Theory and Practicelink.springer.com前往参考资料 ↓在新标签页中打开|99Remote Eye Tracking: A Review of Systems and Applicationsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

采样率（sampling rate）指视线追踪设备每秒输出视线数据点的次数，单位为赫兹（Hz）。采样率决定了系统能够记录的最高频率的眼动成分：根据奈奎斯特采样定理，采样率至少应为所关注眼动成分最高频率的两倍，才能避免混叠。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开}

常见眼动仪采样率从 30 Hz 到 2000 Hz 不等。低采样率（如 30–60 Hz）通常用于对精度要求不高的交互场景或低成本设备；高采样率（如 250 Hz 以上）用于需要捕捉微眼跳（microsaccades）和眼震等快速眼动的科学研究。^{33Eye Tracking Methodology: Theory and Practicelink.springer.com前往参考资料 ↓在新标签页中打开|1010Sampling rate and eye-trackingtobiipro.com前往参考资料 ↓在新标签页中打开}

精度与采样率是两个独立指标：高采样率并不保证高精度，反之亦然。设备选型需根据应用需求权衡两者，例如阅读研究需要高精度（<0.5°）以区分相邻字符，而视觉搜索研究可能更看重高采样率以捕捉快速眼动。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开}

精度指标通常以角度单位报告，但也可转换为屏幕上的像素或厘米。转换关系取决于观看距离：在距离 D 处，1° 视角对应的屏幕距离约为 D × tan(1°) ≈ D × 0.01745。因此，同一设备在不同观看距离下的像素精度不同。^{1111Visual angleen.wikipedia.org前往参考资料 ↓在新标签页中打开}

精度与准确度（precision）常被区分：精度（accuracy）指测量值与真实值的接近程度，而准确度（precision）指多次测量结果的一致性（即重复性）。在眼动研究中，两者需分别报告。^{1212Accuracy and precisionen.wikipedia.org前往参考资料 ↓在新标签页中打开}

眼动仪厂商通常在产品规格中给出精度和采样率，但精度值多在理想条件下（如校准良好、被试配合、光照稳定）测得，实际使用中精度可能因头部运动、眼镜反光、环境光变化等因素而下降。^{1313Eye tracker accuracy and precision: What is the difference?tobiipro.com前往参考资料 ↓在新标签页中打开}

对于基于视频的眼动仪，精度常以均方根误差（RMS）或平均绝对误差（MAE）表示，单位一般为度。文献中报告的高端科研级眼动仪精度可达 0.1°–0.5°，而消费级设备精度通常在 0.5°–2° 之间。^{1414Tobii Pro Spectrumtobiipro.com前往参考资料 ↓在新标签页中打开}

采样率与精度指标需结合具体任务解读：例如，在阅读研究中，0.5° 的精度可能足以区分注视词，但若需研究微眼跳（幅度通常小于 1°），则需精度优于 0.1° 且采样率高于 500 Hz 的设备。^{1515Microsaccades: a neurophysiological analysisdoi.org前往参考资料 ↓在新标签页中打开}

瞳孔中心-角膜反射（PCCR）方法通过分别定位瞳孔中心和角膜反射点（通常称为普尔野像，Purkinje image），并利用两者之间的向量来估计视线方向。^{1616Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开|1717Remote eye tracking: A review of current technologies and applicationsdl.acm.org前往参考资料 ↓在新标签页中打开}

在PCCR中，角膜反射点由近红外光源在角膜前表面反射形成，该反射点相对于瞳孔中心的位置会随眼球转动而变化，从而提供视线方向的线索。^{1616Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开|1818Pupil Center Corneal Reflection (PCCR) Eye Tracking Methodtobiipro.com前往参考资料 ↓在新标签页中打开}

PCCR方法通常使用近红外光源和红外敏感相机，以增强瞳孔与虹膜的对比度并稳定角膜反射的检测。^{1717Remote eye tracking: A review of current technologies and applicationsdl.acm.org前往参考资料 ↓在新标签页中打开|1818Pupil Center Corneal Reflection (PCCR) Eye Tracking Methodtobiipro.com前往参考资料 ↓在新标签页中打开}

PCCR技术可分为基于模型的方法和基于回归的方法：前者通过眼球几何模型显式求解光轴和视轴，后者通过多项式拟合建立瞳孔-角膜向量与视线坐标的映射关系。^{1616Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开|1919A review of eye tracking technology: From hardware to algorithmsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

基于模型的PCCR方法需要标定眼球参数（如角膜曲率半径、折射率、光轴与视轴夹角等），而基于回归的方法通常只需用户进行单点或多点标定以拟合映射函数。^{1616Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开|1919A review of eye tracking technology: From hardware to algorithmsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

PCCR方法对头部运动具有一定的鲁棒性，因为瞳孔中心与角膜反射点均随头部运动而移动，两者的相对向量可在一定程度上抵消平移影响。^{1717Remote eye tracking: A review of current technologies and applicationsdl.acm.org前往参考资料 ↓在新标签页中打开|1818Pupil Center Corneal Reflection (PCCR) Eye Tracking Methodtobiipro.com前往参考资料 ↓在新标签页中打开}

PCCR方法在商用遥测式视线追踪系统中被广泛采用，典型精度可达0.5°–1.0°视角。^{1717Remote eye tracking: A review of current technologies and applicationsdl.acm.org前往参考资料 ↓在新标签页中打开|2020Eye tracking accuracy and precision: A comparison of remote and head-mounted systemslink.springer.com前往参考资料 ↓在新标签页中打开}

PCCR方法的主要局限包括：对个体差异（如角膜形状、瞳孔大小）敏感，需要标定；在佩戴眼镜或隐形眼镜时角膜反射可能受干扰；以及大角度注视时精度下降。^{1616Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开|1818Pupil Center Corneal Reflection (PCCR) Eye Tracking Methodtobiipro.com前往参考资料 ↓在新标签页中打开}

明瞳与暗瞳技术是两种基于瞳孔图像对比度差异的视线追踪方法，其物理基础是瞳孔与虹膜对近红外光的反射率不同：瞳孔区域反射率低，而虹膜反射率较高。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开|99Remote Eye Tracking: A Review of Systems and Applicationsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

明瞳效应指瞳孔区域比周围虹膜更亮的现象，通常发生在光源与相机光轴接近同轴时，此时相机接收到的主要是从视网膜反射回来的光。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开|2121The Pupil as a Window to the Brain: Pupillometry in Cognitive Neurosciencefrontiersin.org前往参考资料 ↓在新标签页中打开}

暗瞳效应指瞳孔区域比周围虹膜更暗的现象，通常发生在光源与相机光轴存在较大夹角时，此时相机主要接收瞳孔区域的散射光，而视网膜反射光偏离相机。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开|2121The Pupil as a Window to the Brain: Pupillometry in Cognitive Neurosciencefrontiersin.org前往参考资料 ↓在新标签页中打开}

明瞳与暗瞳技术常结合使用，通过交替点亮不同位置的光源并同步采集图像，利用明暗瞳图像差分来增强瞳孔边缘对比度，从而提高瞳孔定位精度。^{99Remote Eye Tracking: A Review of Systems and Applicationsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开|2020Eye tracking accuracy and precision: A comparison of remote and head-mounted systemslink.springer.com前往参考资料 ↓在新标签页中打开}

明瞳与暗瞳现象不仅用于瞳孔检测，还可用于估计眼睛的光轴方向，进而结合角膜反射（普尔金杰图像）估计视轴方向，实现视线追踪。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开|2222Remote eye tracking: A review of current technologies and future directionsdl.acm.org前往参考资料 ↓在新标签页中打开}

在实际系统中，明瞳与暗瞳模式的选择受光源波长、相机与光源的相对位置、以及被试者眼睛特征（如虹膜色素深浅）等因素影响，需要根据应用场景进行校准。^{2121The Pupil as a Window to the Brain: Pupillometry in Cognitive Neurosciencefrontiersin.org前往参考资料 ↓在新标签页中打开|2020Eye tracking accuracy and precision: A comparison of remote and head-mounted systemslink.springer.com前往参考资料 ↓在新标签页中打开}

明瞳与暗瞳技术对近红外光源的波长有一定要求，通常使用 850 nm 或 940 nm 左右的近红外光，以平衡瞳孔对比度与用户舒适度。^{99Remote Eye Tracking: A Review of Systems and Applicationsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开|2222Remote eye tracking: A review of current technologies and future directionsdl.acm.org前往参考资料 ↓在新标签页中打开}

基于外观的视线估计（appearance-based gaze estimation）指直接从眼部或面部图像的外观像素推断视线方向，不依赖角膜反射点与瞳孔中心的几何关系，也不需要专门的红外光源或高分辨率眼部相机。^{2323Appearance-based Gaze Estimation with Deep Learning: A Review and Benchmarkar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

基于外观的方法通常把视线估计建模为从输入图像到视线向量（二维屏幕坐标或三维视线方向）的回归问题，深度学习兴起后主流做法是用卷积神经网络直接端到端回归视线。^{2323Appearance-based Gaze Estimation with Deep Learning: A Review and Benchmarkar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

按输入范围划分，基于外观的方法可分为仅用眼部图像（eye image）与用整张人脸图像（full-face）两类；仅用眼部图像时视野受限、头部姿态信息缺失，整脸输入则把头部姿态与面部上下文一并纳入模型。^{2323Appearance-based Gaze Estimation with Deep Learning: A Review and Benchmarkar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

基于外观的方法在训练与评测中普遍需要处理头部姿态、个体差异（眼形、肤色、眼镜）和光照变化带来的域偏移，常用手段包括数据归一化、头部姿态解耦以及跨数据集/跨被试的域适应。^{2323Appearance-based Gaze Estimation with Deep Learning: A Review and Benchmarkar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

在头戴式设备形态中，基于外观的视线估计可用嵌入普通眼镜框的毫米级 RGB 相机采集眼图；为弥补单相机分辨率不足，可采用多相机多视角采集并结合神经网络融合。^{2323Appearance-based Gaze Estimation with Deep Learning: A Review and Benchmarkar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

基于外观的视线估计评测长期存在二维注视位置与三维视线向量混用、预处理与后处理不一致的问题，导致不同方法之间难以公平比较，这也是该方向建立统一基准与评测规范的动因之一。^{2323Appearance-based Gaze Estimation with Deep Learning: A Review and Benchmarkar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

视线追踪系统的校准过程，本质上是建立用户眼部特征（如瞳孔中心与角膜反光点的相对位置）与屏幕注视点之间的映射关系；在校准阶段，系统要求用户依次注视屏幕上若干已知位置的校准点，并记录每个点对应的眼部图像特征，从而拟合出个体化的映射模型。^{2424US20230343049A1 - Obstructed objects in a three-dimensional environment - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

在基于角膜反光（glint）的视线追踪系统中，校准所依赖的关键特征包括瞳孔轮廓与角膜反光点；系统在跟踪状态下会利用前一帧的先验信息来辅助当前帧的瞳孔轮廓与反光点检测，这一机制同样影响校准后跟踪阶段的稳定性。^{2424US20230343049A1 - Obstructed objects in a three-dimensional environment - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

校准通常需要在跟踪状态之外单独进行：当系统不处于跟踪状态时，会重新尝试检测瞳孔与反光点，这意味着校准失败或跟踪丢失后往往需要重新进入检测/校准流程。^{2424US20230343049A1 - Obstructed objects in a three-dimensional environment - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

校准点的数量与分布会影响映射模型的精度：点数过少难以约束模型参数，点数过多则延长校准时间、增加用户疲劳；常见做法是在屏幕均匀布置若干校准点并让用户逐点注视。^{2424US20230343049A1 - Obstructed objects in a three-dimensional environment - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

校准结果通常以映射函数或查找表的形式保存，供后续实时注视点估计使用；不同用户、不同头部位置甚至不同光照条件下，校准参数可能需要重新采集。^{2424US20230343049A1 - Obstructed objects in a three-dimensional environment - Google Patentspatents.google.com前往参考资料 ↓在新标签页中打开}

屏幕式遥测眼动仪（screen-based remote eye tracker）是视线追踪设备的一种主要形态：它不接触被试，通常安装在显示器下沿或集成于显示器边框，通过光学传感器远距离拍摄眼部，从而估计被试在屏幕平面上的注视位置。^{2525The Complete Guide to Eye Tracking with iMotions Lab: Every Option, Compared - iMotionsimotions.com前往参考资料 ↓在新标签页中打开}

在设备分类上，屏幕式遥测眼动仪与可穿戴眼动眼镜、内置眼动追踪的 VR/XR 头显、以及基于网络摄像头的视线追踪并列，构成当前商用眼动追踪的四类主要形态；屏幕式方案主要面向显示器与移动设备上的刺激呈现研究。^{2525The Complete Guide to Eye Tracking with iMotions Lab: Every Option, Compared - iMotionsimotions.com前往参考资料 ↓在新标签页中打开}

屏幕式遥测眼动仪的核心优势在于非接触、对被试干扰小，适合需要长时间连续记录或对自然状态敏感的实验；由于设备固定于屏幕，被试头部可在一定范围内自由活动，无需佩戴任何装置。^{2525The Complete Guide to Eye Tracking with iMotions Lab: Every Option, Compared - iMotionsimotions.com前往参考资料 ↓在新标签页中打开}

屏幕式遥测眼动仪通常需要在使用前进行校准（calibration），建立眼部图像特征与屏幕坐标之间的映射关系；校准质量直接影响后续注视点估计的精度。^{2525The Complete Guide to Eye Tracking with iMotions Lab: Every Option, Compared - iMotionsimotions.com前往参考资料 ↓在新标签页中打开}

在软件生态上，主流研究平台可集成 30 种以上的眼动追踪设备，覆盖从桌面显示器到移动设备的多种刺激呈现方式，并支持视线映射、兴趣区（AOI）分析、热图可视化与同步生理传感器数据。^{2525The Complete Guide to Eye Tracking with iMotions Lab: Every Option, Compared - iMotionsimotions.com前往参考资料 ↓在新标签页中打开|2626iMotions Labのスクリーン型アイトラッキング・モジュール [解説] - iMotionsimotions.com前往参考资料 ↓在新标签页中打开}

基于网络摄像头的视线追踪方案已被验证可对照先进的红外眼动仪，并可与同一摄像头画面中的面部表情分析、语音分析结合，形成单次采集的多模态数据；这是红外屏幕式系统难以在同一路视频上实现的组合。^{2525The Complete Guide to Eye Tracking with iMotions Lab: Every Option, Compared - iMotionsimotions.com前往参考资料 ↓在新标签页中打开}

屏幕式遥测眼动仪的一个固有限制是：被试必须面向屏幕，因而难以直接用于真实世界中的移动场景或大范围空间行为研究，这类需求通常转向可穿戴眼动眼镜或头显方案。^{2525The Complete Guide to Eye Tracking with iMotions Lab: Every Option, Compared - iMotionsimotions.com前往参考资料 ↓在新标签页中打开}

头戴式眼动仪（head-mounted eye tracker）是把眼动传感单元与光学元件集成在可穿戴载体（眼镜、护目镜、头显或头盔）上的一类眼动追踪设备，其基本构成通常包括透光基底/镜片、用于感测眼球位置或运动的眼动传感器，以及与之配合的光学与照明结构。^{2727Head-mounted eye tracking system（US 12,585,112 B2）patentsgazette.uspto.gov前往参考资料 ↓在新标签页中打开}

头戴式眼动仪的核心技术路线之一是光学视频法：用近红外光源在角膜和瞳孔上形成反射亮斑（浦肯野像），再由微型摄像头拍摄眼部图像，通过瞳孔中心—角膜反射向量（PCCR）解算视线方向；这一路线在头戴形态中同样适用，只是相机随头部一起运动。^{2727Head-mounted eye tracking system（US 12,585,112 B2）patentsgazette.uspto.gov前往参考资料 ↓在新标签页中打开}

头戴式形态的一个固有工程难点是：设备随头部运动，因此眼动信号天然是相对于头部的，要得到相对于外部世界的注视点，必须与头部追踪（IMU、场景相机或外部追踪系统）做时空配准与融合。^{2727Head-mounted eye tracking system（US 12,585,112 B2）patentsgazette.uspto.gov前往参考资料 ↓在新标签页中打开}

在设备形态上，头戴式眼动仪可大致分为三类：加装在普通眼镜上的外挂式眼动模块、与眼镜一体化设计的眼动眼镜，以及集成进VR/AR头显的眼动追踪模组；三者在重量、视场、佩戴舒适度与光学设计自由度上各有取舍。^{2727Head-mounted eye tracking system（US 12,585,112 B2）patentsgazette.uspto.gov前往参考资料 ↓在新标签页中打开}

专利文献显示，头戴式眼动追踪系统的技术方案常以透光基底（镜片）为载体，将眼动追踪器与光学结构层叠集成，并通过多层延续申请不断扩展保护范围，反映出该形态在产业上仍处于持续迭代与专利布局阶段。^{2727Head-mounted eye tracking system（US 12,585,112 B2）patentsgazette.uspto.gov前往参考资料 ↓在新标签页中打开}

相比遥测式（屏幕式）眼动仪，头戴式眼动仪允许被试自由移动、可在真实或大范围场景中使用，但代价是设备重量、佩戴舒适性、标定复杂度以及长时间佩戴的稳定性问题更为突出。^{2727Head-mounted eye tracking system（US 12,585,112 B2）patentsgazette.uspto.gov前往参考资料 ↓在新标签页中打开}

眼动追踪眼镜（又称可穿戴眼动仪）是把一个或多个微型摄像头、红外光源与计算单元集成在眼镜框架上的视线追踪设备形态，其设计目标是在被试者头部自由运动、活动范围不受限的条件下记录注视点与眼动信号。^{2828FlatTrack: Eye-Tracking with Ultra-Thin Lensless Camerasieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

传统可穿戴眼动追踪设备依赖由厚实的复合光学元件构成的摄像头，摄像头必须被放置在相对眼睛的聚焦距离上，这直接造成了整机体积与重量偏大，在增强现实与虚拟现实头显中尤为突出。^{2828FlatTrack: Eye-Tracking with Ultra-Thin Lensless Camerasieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

为突破聚焦距离对设备厚度的限制，一种技术路线是采用基于掩模的无透镜（lensless）相机：用编码掩模替代传统镜头，再配合与光学系统联合设计的轻量级深度神经网络算法从原始传感器图像重建眼动信息，从而把摄像头安置在眼镜框内、极度贴近眼睛的位置。^{2828FlatTrack: Eye-Tracking with Ultra-Thin Lensless Camerasieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

FlatTrack 是这一路线的代表性实现，它把无透镜相机与协同设计的轻量深度神经网络结合，构建出超薄、轻量的视线追踪系统，其动机正是解决现有可穿戴眼动仪因光学元件厚重而难以嵌入 AR/VR 头显的问题。^{2828FlatTrack: Eye-Tracking with Ultra-Thin Lensless Camerasieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

从设备形态看，眼动追踪眼镜与屏幕式（遥测式）眼动仪构成互补：前者随头部一起运动、适合自然场景与移动条件下的研究，后者固定于显示器下方、被试者头部相对静止，两者在采样条件与使用场景上存在系统差异。^{2828FlatTrack: Eye-Tracking with Ultra-Thin Lensless Camerasieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

嵌入式车载视线追踪方案通常将红外光源与摄像头集成于仪表盘或中控台，以驾驶员头部姿态与眼动特征为输入，在车机端完成实时视线估计，典型采样率在30–60 Hz量级，以满足疲劳监测与分心预警的实时性要求。^{2929Driver Monitoring Systems: A Review of Camera-Based Gaze Estimation in Automotive Contextsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

消费级方案以桌面遥测式设备为主，代表性产品如Tobii Pro Spectrum与Smart Eye的座舱感知系统，前者面向行为研究提供高采样率眼动数据，后者面向量产车提供驾驶员监控功能，二者在精度与成本上取向不同。^{1414Tobii Pro Spectrumtobiipro.com前往参考资料 ↓在新标签页中打开|3030Smart Eye Automotive Interior Sensingsmarteye.se前往参考资料 ↓在新标签页中打开}

嵌入式车载方案受限于成本与功耗，多采用近红外单目摄像头配合主动照明，通过瞳孔中心-角膜反射向量法估计视线方向，在座舱光照变化与驾驶员佩戴眼镜条件下仍需专门标定与鲁棒性处理。^{2929Driver Monitoring Systems: A Review of Camera-Based Gaze Estimation in Automotive Contextsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

消费级遥测式设备通常允许用户在约50–80 cm距离内自由头部运动，依靠多相机与广角红外照明扩大工作空间，其精度指标常以视角误差（度）表示，研究级设备可达0.5°以内，而车载嵌入式方案受振动与遮挡影响，精度通常放宽至数度量级。^{1414Tobii Pro Spectrumtobiipro.com前往参考资料 ↓在新标签页中打开|3131Remote Eye Tracking: A Review of Accuracy and Precisionlink.springer.com前往参考资料 ↓在新标签页中打开}

车载嵌入式视线追踪正从独立后装设备向前装集成演进，部分方案将视线估计与头部姿态、面部动作单元联合建模，以在单一红外相机下同时支持分心检测与疲劳预警，降低传感器数量与整车成本。^{3030Smart Eye Automotive Interior Sensingsmarteye.se前往参考资料 ↓在新标签页中打开}

消费级眼动仪厂商亦推出面向车载场景的嵌入式模块，将研究级算法移植到车规级硬件，形成从实验室设备到量产座舱的过渡形态，但车规认证与长期稳定性仍是量产落地的主要门槛。^{3030Smart Eye Automotive Interior Sensingsmarteye.se前往参考资料 ↓在新标签页中打开|3232Automotive Grade Eye Tracking: From Lab to Roadtobiipro.com前往参考资料 ↓在新标签页中打开}

19世纪末至20世纪初，研究者已开始用机械与光学手段记录眼球运动。早期方法多依赖直接观察或把机械装置附着在眼球表面，精度与舒适性都很有限。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开}

1898年前后，法国眼科医生路易·埃米尔·雅瓦尔（Louis Émile Javal）通过镜面反射观察阅读时的眼动，报告了阅读过程中眼球并非匀速扫过文本，而是由快速跳动与短暂停顿交替构成，这一观察被视为眼动研究的重要早期经验基础。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开}

20世纪初，埃德蒙·休伊（Edmund Huey）用杠杆与记录鼓等机械装置研究阅读眼动，并于1908年出版《阅读的心理学与教学法》，系统记录了阅读中的停顿与回视现象。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开}

1930年代，盖伊·托马斯·巴斯韦尔（Guy Thomas Buswell）以照相记录方式对阅读与观看图片时的眼动进行大规模观测，把光学记录从实验室演示推进到可批量分析的数据采集。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开}

早期机械与光学观测的共同局限在于：装置需要与头部或眼球接触、采样率低、标定繁琐，且难以在自然任务中长时间记录，这些限制推动了后续非接触式光学与视频眼动仪的发展。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开}

视线追踪研究可追溯至20世纪初，最早的方法属于侵入式技术，其中一类是在眼睛周围放置成对电极来记录眼电信号的眼电法（electro-oculography，EOG）。^{3333A Review and Analysis of Eye-Gaze Estimation Systems, Algorithms and Performance Evaluation Methods in Consumer Platformsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

另一类早期侵入式方法是巩膜搜索法（scleral search method）：把线圈嵌入贴合眼球的接触镜，通过线圈在磁场中感应出的电压推算眼球位置。^{3333A Review and Analysis of Eye-Gaze Estimation Systems, Algorithms and Performance Evaluation Methods in Consumer Platformsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

眼电法与接触镜线圈法都属于需要与眼球或眼周直接接触的测量方式，这与后来基于视频图像的非接触式视线追踪在技术路线上形成分野；综述把后者最早的视频研究归于20世纪40年代对飞机操纵中的飞行员所做的观察。^{3333A Review and Analysis of Eye-Gaze Estimation Systems, Algorithms and Performance Evaluation Methods in Consumer Platformsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

在消费级平台视线估计的综述文献中，眼电法与巩膜搜索线圈法被作为视线追踪技术史的起点来叙述，而不是作为当代消费级设备的主流方案，说明这两条路线在历史上具有开创意义，但在消费场景中已被基于摄像头的方案取代。^{3333A Review and Analysis of Eye-Gaze Estimation Systems, Algorithms and Performance Evaluation Methods in Consumer Platformsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

视线追踪研究可追溯至20世纪初，早期方法为侵入式技术，包括在双眼周围放置电极的眼电描记法，以及将线圈嵌入贴合眼球的接触镜中的巩膜搜索线圈法。^{3434A Review and Analysis of Eye-Gaze Estimation Systems, Algorithms and Performance Evaluation Methods in Consumer Platformsxplorestaging.ieee.org前往参考资料 ↓在新标签页中打开}

首个基于视频的视线追踪研究出现于20世纪40年代，研究对象是操作飞机操纵装置的飞行员。^{3434A Review and Analysis of Eye-Gaze Estimation Systems, Algorithms and Performance Evaluation Methods in Consumer Platformsxplorestaging.ieee.org前往参考资料 ↓在新标签页中打开}

20世纪60年代，头戴式眼动仪的研究取得进展，此后视线追踪技术进一步发展。^{3434A Review and Analysis of Eye-Gaze Estimation Systems, Algorithms and Performance Evaluation Methods in Consumer Platformsxplorestaging.ieee.org前往参考资料 ↓在新标签页中打开}

在消费级平台上，视线估计系统与算法已发展出多种技术路径，包括基于Haar特征的方法、计算高效的视线追踪支持向量机、人工神经网络以及群体智能优化算法等，用于在图像条件下实现准确的视线估计。^{3434A Review and Analysis of Eye-Gaze Estimation Systems, Algorithms and Performance Evaluation Methods in Consumer Platformsxplorestaging.ieee.org前往参考资料 ↓在新标签页中打开}

头部姿态信息被纳入视线估计方法中，例如Lai等人的工作中即结合头部姿态进行视线追踪。^{3434A Review and Analysis of Eye-Gaze Estimation Systems, Algorithms and Performance Evaluation Methods in Consumer Platformsxplorestaging.ieee.org前往参考资料 ↓在新标签页中打开}

2010年代前后，基于外观（appearance-based）的视线估计开始用卷积神经网络直接从眼部图像回归视线方向，代表性工作是 Zhang 等 2015 年提出的 GazeNet，它用深度网络从单张眼部图像估计视线，并在 MPIIGaze 数据集上显著优于当时的传统方法。^{3535Appearance-Based Gaze Estimation in the Wildopenaccess.thecvf.com前往参考资料 ↓在新标签页中打开|3636MPIIGaze: Real-World Dataset and Deep Appearance-Based Gaze Estimationieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

2016 年 Krafka 等提出的 iTracker 用卷积神经网络从手机前置摄像头拍摄的面部图像估计屏幕注视点，在 GazeCapture 大规模数据集上训练，使无专用硬件的移动端视线估计成为可能。^{3737GazeCapture: A Large-Scale Dataset for Appearance-Based Gaze Estimation on Mobile Devicesgazecapture.csail.mit.edu前往参考资料 ↓在新标签页中打开}

2018 年 MPIIGaze 数据集的发布为基于外观的视线估计提供了跨 15 台笔记本电脑、约 21 万张真实场景眼部图像的大规模基准，推动了深度学习方法的标准化评测。^{3636MPIIGaze: Real-World Dataset and Deep Appearance-Based Gaze Estimationieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

2019 年 Park 等提出的 FAZE 利用少量校准样本进行元学习，使基于外观的视线估计器在未见过的受试者上快速适应，降低了逐人校准的负担。^{3838Few-Shot Adaptive Gaze Estimationopenaccess.thecvf.com前往参考资料 ↓在新标签页中打开}

2020 年前后，基于视频的视线估计方法（如 Gaze360）开始利用时序信息处理大角度头部姿态和远距离场景，将视线估计的适用范围从近距离屏幕扩展到自然场景。^{3939Gaze360: Physically Unconstrained Gaze Estimation in the Wildopenaccess.thecvf.com前往参考资料 ↓在新标签页中打开}

2021 年，基于 Transformer 的视线估计方法开始出现，例如 GazeTR 用纯 Transformer 架构替代卷积网络进行视线估计，在多个基准上取得有竞争力的结果。^{4040GazeTR: Gaze Estimation with Pure Transformer Networkarxiv.org前往参考资料 ↓在新标签页中打开}

深度学习驱动的视线估计在精度上已显著超越传统基于瞳孔角膜反射的方法，但在跨设备、跨人群的泛化性上仍存在明显差距，这是当前研究的主要挑战之一。^{4141Appearance-based Gaze Estimation: A Surveyarxiv.org前往参考资料 ↓在新标签页中打开}

在视线追踪领域，精度（precision）与准确度（accuracy）是两个独立且常被混淆的指标：准确度衡量估计视线位置与真实视线位置之间的系统偏差，即平均误差；精度衡量在相同条件下多次测量结果之间的一致性，即随机误差或抖动。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开|33Eye Tracking Methodology: Theory and Practicelink.springer.com前往参考资料 ↓在新标签页中打开}

准确度通常以视角误差（degrees of visual angle）表示，即估计视线方向与真实视线方向之间的夹角；在屏幕注视任务中，也常用像素误差或厘米误差表示。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开|44The Oxford Handbook of Eye Movementsglobal.oup.com前往参考资料 ↓在新标签页中打开}

精度常以均方根（RMS）或标准差（SD）来量化，反映视线信号在注视过程中的波动程度；在注视稳定性分析中，精度与微眼动、漂移等生理因素相关。^{33Eye Tracking Methodology: Theory and Practicelink.springer.com前往参考资料 ↓在新标签页中打开|4242Microsaccades: a neurophysiological analysiscell.com前往参考资料 ↓在新标签页中打开}

商用遥测式视线追踪仪在理想条件下（受试者头部固定、良好校准、屏幕注视）的准确度典型值约为 0.5°–1.0°视角，精度（RMS）约为 0.1°–0.5°视角；不同设备与实验条件会导致数值差异。^{1414Tobii Pro Spectrumtobiipro.com前往参考资料 ↓在新标签页中打开|4343EyeLink 1000 Plus Specificationssr-research.com前往参考资料 ↓在新标签页中打开}

头戴式（穿戴式）视线追踪系统在受试者自由活动时，由于头部运动与场景变化，其准确度通常低于遥测式系统在固定头部条件下的表现，典型准确度约为 1°–2°视角。^{4444Wearable Eye Tracking: A Review of Methods and Applicationsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开|4545Pupil Labs Core: Technical Specificationspupil-labs.com前往参考资料 ↓在新标签页中打开}

校准过程对准确度有显著影响：校准点数量、校准目标分布、受试者配合程度以及校准后头部位置变化均会引入系统误差；因此报告准确度时必须说明校准协议与测试条件。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开|2020Eye tracking accuracy and precision: A comparison of remote and head-mounted systemslink.springer.com前往参考资料 ↓在新标签页中打开}

在阅读研究中，视线追踪的准确度需达到约 0.5°视角以内才能可靠区分相邻字符的注视位置；精度不足会导致注视点分配错误，影响眼动指标（如首次注视时间、回视）的可靠性。^{4646Eye Movements in Reading: A Tutorial Reviewpsycnet.apa.org前往参考资料 ↓在新标签页中打开|4747The E-Z Reader Model of Eye-Movement Control in Readingpsycnet.apa.org前往参考资料 ↓在新标签页中打开}

精度与准确度并非越高越好：过高的精度要求可能增加设备成本与计算复杂度，而实际应用（如广告效果评估、人机交互）需根据任务需求在精度、准确度、采样率与成本之间权衡。^{4848Eye Tracking in Human-Computer Interaction and Usability Researchtaylorfrancis.com前往参考资料 ↓在新标签页中打开|4949Eye Tracking for Marketing and Consumer Researchjournals.sagepub.com前往参考资料 ↓在新标签页中打开}

采样率（sampling rate）指视线追踪设备每秒记录视线数据点的次数，单位为赫兹（Hz）。它决定了设备能捕捉到的眼动事件的最短持续时间：采样率越高，越能分辨快速眼动（如扫视）的细节。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开}

根据 Tobii Pro 的技术说明，采样率是视线追踪系统的一项关键规格，它影响数据的时间分辨率，进而影响对注视、扫视等事件的检测精度。^{1010Sampling rate and eye-trackingtobiipro.com前往参考资料 ↓在新标签页中打开}

在阅读研究中，采样率至少需要 200–250 Hz 才能可靠地检测出扫视和注视，因为阅读时的眼动事件持续时间较短（扫视约 20–40 毫秒）。^{5050The influence of sampling rate on the detection of eye movements in readinglink.springer.com前往参考资料 ↓在新标签页中打开}

采样率与精度（accuracy）和精确度（precision）是不同概念：采样率描述时间分辨率，而精度指视线位置与真实位置的偏差，精确度指多次测量的一致性。^{1010Sampling rate and eye-trackingtobiipro.com前往参考资料 ↓在新标签页中打开}

对于需要检测微扫视（microsaccades）的研究，通常需要采样率不低于 500 Hz，因为微扫视的幅度小、持续时间短。^{88Microsaccades: a neurophysiological analysiscell.com前往参考资料 ↓在新标签页中打开}

在虚拟现实（VR）和增强现实（AR）头显中，由于眼动追踪用于注视点渲染（foveated rendering），采样率通常需要达到 90 Hz 以上，以确保渲染的实时性。^{5151Foveated rendering with eye tracking: sampling rate requirementsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

头动容忍度（head movement tolerance）指视线追踪系统在受试者头部发生位移或转动时，仍能维持有效注视点估计的允许范围；超出该范围后，瞳孔或角膜反射可能移出相机视场，追踪即失效。^{5252Head Fixed Eye Tracking System Specificationsarringtonresearch.com前往参考资料 ↓在新标签页中打开}

在采用头戴固定式（head-fixed）方案的系统中，厂商通常只承诺“允许小幅头动”，并明确约束条件为受试者的瞳孔与角膜反射必须始终留在相机图像内；这意味着头动容忍度并非独立指标，而与相机视场、工作距离和眼动范围共同决定。^{5252Head Fixed Eye Tracking System Specificationsarringtonresearch.com前往参考资料 ↓在新标签页中打开}

测量原理的选择会直接影响头动容忍度：仅用瞳孔（pupil only）或仅用角膜反射（corneal reflection）时对头动更敏感，而瞳孔与角膜反射联合使用（both together）可获得更大的头动容忍度。^{5252Head Fixed Eye Tracking System Specificationsarringtonresearch.com前往参考资料 ↓在新标签页中打开}

头动容忍度与精度、空间分辨率等指标存在权衡关系：厂商在同一规格表中并列给出精度约 0.25°–1.0° 视角、空间分辨率约 0.15° 视角与“仅允许小幅头动”的约束，说明高精度指标往往是在受限头动条件下测得。^{5252Head Fixed Eye Tracking System Specificationsarringtonresearch.com前往参考资料 ↓在新标签页中打开}

在受控条件下，视线追踪的精度已取得显著进展，但在真实世界条件下——包括大幅头部姿态与头部运动、佩戴眼镜、光照变化以及眼型差异——追踪鲁棒性仍是视线追踪领域的主要挑战。^{5353Robust Real-Time Multi-View Eye Trackingar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

多相机（多视角）视线追踪框架通过同时获取多幅眼部外观图像，能够在传统单相机设置中被遮挡或难以检测的挑战性条件下更可靠地检测视线特征，从而提升追踪鲁棒性。^{5353Robust Real-Time Multi-View Eye Trackingar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

在 Arar 与 Thiran 的多视角视线追踪实验中，相比单相机设置，多视角方案带来了约 0.6 度（角度）和约 10% 的性能提升，这体现了多视角方法在鲁棒性上的收益。^{5353Robust Real-Time Multi-View Eye Trackingar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

在增强现实（AR）环境中，眼动注视追踪虽然部分情况下能更快完成选择任务，但其性能表现出更大的波动性，尤其是在动态光照条件下；相比之下，头部注视追踪结果更一致但速度较慢。^{5454Selection Performance and Reliability of Eye and Head Gaze Tracking Under Varying Light Conditionsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

环境因素（如空间布局和光照条件）会显著影响 AR 应用中眼动与头部注视追踪的效能，因此光照条件是评估视线追踪鲁棒性时不可忽视的变量。^{5454Selection Performance and Reliability of Eye and Head Gaze Tracking Under Varying Light Conditionsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

注视点热图（fixation heatmap）是视线追踪数据分析中最常用的可视化方法之一：它把离散的注视点样本按空间位置做密度聚合，用颜色深浅表示单位面积内注视点数量或注视时长的多少，从而直观呈现视觉注意在刺激画面上的空间分布。^{5555WW-Nets: Dual Neural Networks for Object Detectionar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

生成注视点热图通常要经过三步：先由原始视线坐标经注视点识别算法切分出注视段，再把每个注视点的坐标（或注视时长加权后的坐标）映射到刺激平面坐标系，最后用核密度估计或二维直方图分箱把散点累积成连续密度场并映射为色阶。^{5555WW-Nets: Dual Neural Networks for Object Detectionar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

热图的核密度估计需要选择带宽（bandwidth）参数：带宽过小会使热图呈现大量孤立热点、噪声明显，带宽过大会把相邻注视区域过度平滑、掩盖注视之间的边界，因此带宽选择直接影响对注意分布的解读。^{5555WW-Nets: Dual Neural Networks for Object Detectionar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

注视点热图只表达注视的空间密度，不直接表达注视的时间顺序；要呈现扫视路径与注视先后，需要配合扫视路径图（scanpath）或注视序列图等其他可视化手段。^{5555WW-Nets: Dual Neural Networks for Object Detectionar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

在实验研究中，热图常按被试组、实验条件或兴趣区分别聚合，用于比较不同条件下注意分布的差异；但热图属于描述性可视化，对组间差异的统计推断仍需借助兴趣区注视时长、首次注视时间等量化指标与相应统计检验。^{5555WW-Nets: Dual Neural Networks for Object Detectionar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

热图对数据量和试次数敏感：单被试、单试次的热图往往稀疏且不稳定，通常需要跨试次或跨被试叠加才能得到可解释的密度分布，而叠加又会抹平个体差异，因此呈现热图时应同时说明聚合层级。^{5555WW-Nets: Dual Neural Networks for Object Detectionar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

扫视路径（scanpath）分析把一次注视任务中被试的注视点按时间顺序连成序列，用字符串比较、向量相似度或编辑距离等方法度量不同被试、不同试次或不同界面条件下眼动序列的相似程度，从而刻画视觉搜索的探索策略而非仅统计单点注视时长。^{5656Help for package kollaRcloud.r-project.org前往参考资料 ↓在新标签页中打开}

兴趣区（Area of Interest, AOI）是研究者预先划定的屏幕或场景中的矩形、圆形或多边形区域，视线追踪指标在 AOI 语境下计算，例如首次注视到达时间、AOI 内注视时长占比、AOI 间转移次数与转移矩阵。^{5757The Force of Habit: Comparing Graphical User Interfaces of Popular Operating Systems Using Eye-Tracking Analysisieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

AOI 分析前必须先完成事件检测，把原始采样点切分为注视、扫视和平滑追踪等事件；kollaR 等开源工具实现了 I-VT、I-DT、自适应速度阈值与 I2MC 等算法，事件切分结果直接决定后续 AOI 停留时长与转移统计的数值。^{5656Help for package kollaRcloud.r-project.org前往参考资料 ↓在新标签页中打开}

在可用性评估中，AOI 指标常与 SUS 量表得分、任务完成水平和任务完成时间联合报告，形成主观量表与客观眼动指标互补的评价组合。^{5757The Force of Habit: Comparing Graphical User Interfaces of Popular Operating Systems Using Eye-Tracking Analysisieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

扫视路径相似度的度量方式并无统一标准，字符串编辑距离、向量空间余弦相似度与基于注视簇的简化路径各自对噪声和注视点合并阈值敏感，不同研究之间数值不可直接横向比较。^{5656Help for package kollaRcloud.r-project.org前往参考资料 ↓在新标签页中打开}

瞳孔测量用于认知负荷评估的基本假设是：瞳孔直径受自主神经系统与蓝斑-去甲肾上腺素系统调控，会随任务难度与心理努力程度上升而扩大，因此可作为任务诱发负荷的连续、客观生理指标。^{5858VR-FOCUS: evaluating eye tracking during a virtual reality N-back task as a marker of cognitive load in chronic painnature.com前往参考资料 ↓在新标签页中打开|5959Exploring the Role of Pupil Dilation and Blink Rate in Perceived Workload in Collaborative Virtual Realityieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

在 VR-FOCUS 研究中，84 名被试（42 名健康对照、42 名慢性肌肉骨骼疼痛患者）在消费级 VR 头显内完成五级 N-back 任务（基线至 4-back），同步记录眼部反应，用以检验嵌入式眼动追踪能否给出认知负荷特征。^{5858VR-FOCUS: evaluating eye tracking during a virtual reality N-back task as a marker of cognitive load in chronic painnature.com前往参考资料 ↓在新标签页中打开}

该研究的设计目标之一是为实时自适应治疗提供可用的客观负荷标记，说明瞳孔类指标的价值不只在于离线分析，还在于能否在任务进行中即时驱动干预策略的调整。^{5858VR-FOCUS: evaluating eye tracking during a virtual reality N-back task as a marker of cognitive load in chronic painnature.com前往参考资料 ↓在新标签页中打开}

在协作 VR 场景中，研究者以 SIM-TLX 问卷作为主观负荷基准，检验瞳孔扩张与眨眼率两项眼动指标同主观工作负荷之间的关系；68 名被试分为 34 对，在封闭房间（仅语音、无视觉接触）与开放房间（可见化身与任务空间）两种条件下完成取放拼图任务，两项指标全程连续记录。^{5959Exploring the Role of Pupil Dilation and Blink Rate in Perceived Workload in Collaborative Virtual Realityieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

瞳孔测量作为认知负荷指标存在若干固有干扰：光照变化、情绪唤醒、疼痛与疲劳、药物作用以及个体差异都会改变瞳孔直径，因此实际分析中通常需要基线校正、按试次分段并与任务事件对齐，或引入眨眼率等辅助指标共同判断。^{5858VR-FOCUS: evaluating eye tracking during a virtual reality N-back task as a marker of cognitive load in chronic painnature.com前往参考资料 ↓在新标签页中打开|5959Exploring the Role of Pupil Dilation and Blink Rate in Perceived Workload in Collaborative Virtual Realityieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

在临床与特殊人群（如慢性疼痛患者）中，瞳孔负荷指标是否与健康人群表现一致仍需专门验证，VR-FOCUS 之所以同时纳入健康对照与慢性疼痛两组，正是为了考察该指标在目标人群中的适用性。^{5858VR-FOCUS: evaluating eye tracking during a virtual reality N-back task as a marker of cognitive load in chronic painnature.com前往参考资料 ↓在新标签页中打开}

在扩展现实（XR）头显中，眼动追踪已成为标准配置，视线输入被广泛用于选择、文本输入和物体操纵等交互任务，并被视为一种天然传达用户意图、能带来直观与沉浸体验的输入模态。^{6161Exploring the Feasibility of Gaze-Based Navigation Across Path Typesieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

视线输入在可用性研究中被当作提升应用可用性的手段之一：由于眼动与人类认知、视觉注意和感知相关，用户注视位置的信息可用于在虚拟现实中提供自适应支持、提高参与度或增强应用可用性。^{6060Referencesieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

基于注视的选择技术的实用性评估是可用性与用户体验研究的典型课题：有研究比较了基于眼动与基于控制器的选择技术，考察疲劳的发生情况，结果显示长时间使用眼动输入可能导致疲劳，从而影响使用体验。^{6060Referencesieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

基于注视的导航作为一项基础交互任务，在可用性研究中仍相对缺乏探索，哪些路径类型适合视线导航、在何种条件下效果良好尚不清楚，因此研究者通过受控用户实验来评估其可行性。^{6161Exploring the Feasibility of Gaze-Based Navigation Across Path Typesieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

视线追踪在可用性与用户体验研究中的典型用法包括：以注视位置推断注意与意图、评估不同交互技术（注视选择、文本输入、导航）的效率与疲劳代价，以及在头显等设备上开展受控用户实验来比较视线输入与其他输入模态。^{6060Referencesieeexplore.ieee.org前往参考资料 ↓在新标签页中打开|6161Exploring the Feasibility of Gaze-Based Navigation Across Path Typesieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

车载视线追踪系统通常由近红外光源、高分辨率红外摄像机与机器视觉算法组成：近红外光在角膜表面形成反射光斑（角膜反射），算法结合瞳孔中心位置与角膜反射点的空间几何关系，解算出驾驶员注视方向与视线落点。^{6262眼球追踪bitauto.my前往参考资料 ↓在新标签页中打开}

在驾驶场景中，视线追踪的价值在于把注视点落到具体目标上——前方道路、左右后视镜、中控屏、空调控制区等，从而判断驾驶员此刻在看哪里，而不只是判断头部朝向。^{6262眼球追踪bitauto.my前往参考资料 ↓在新标签页中打开}

以毫秒级采样频率持续记录视线离开前方道路的时长，是驾驶场景中分心判定的基础量；与瞳孔缩放率、眨眼频率、注视点分散度等生理指标结合后，可对疲劳与分心状态作出比单一方向盘转角监测或简单人脸朝向识别更早的预警。^{6262眼球追踪bitauto.my前往参考资料 ↓在新标签页中打开}

视线追踪已逐步进入高端智能汽车，并在具备脱手驾驶（Hands-Free）能力的高级辅助驾驶车型以及自动驾驶接管过渡阶段的人机共驾场景中落地，用于监测驾驶员是否保持对路面的注意。^{6262眼球追踪bitauto.my前往参考资料 ↓在新标签页中打开}

驾驶场景下的视线追踪应用正受到汽车安全法规的推动，法规对驾驶员监控系统提出要求，使视线、眼睑开合等眼部指标成为合规监测项之一。^{6262眼球追踪bitauto.my前往参考资料 ↓在新标签页中打开}

对于严重运动功能障碍（如肌萎缩侧索硬化、高位脊髓损伤等）患者，传统机械臂控制通常依赖摇杆等物理输入设备，这类设备对运动能力受限者往往难以操作；基于视线追踪的免手控交互因此被视为一条可行的替代路径。^{6464Robotic arm control by augmented reality-assisted object detectionlink.springer.com前往参考资料 ↓在新标签页中打开}

2025 年发表的一项研究提出用增强现实头显（Microsoft HoloLens 2）结合目标检测来控制机械臂：系统自动规划机械臂到目标物体的路径，全部操作仅通过视线追踪完成，作者称该方案对运动功能障碍患者更具可及性与易用性。^{6464Robotic arm control by augmented reality-assisted object detectionlink.springer.com前往参考资料 ↓在新标签页中打开|6363Robotic arm control by augmented reality-assisted object detectionpmc.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

上述系统的一个工程特点是仅使用市售 AR 设备即可配置，无需外部标定流程或定制硬件，作者将其视为技术可用性与可扩展性方面的意义所在。^{6464Robotic arm control by augmented reality-assisted object detectionlink.springer.com前往参考资料 ↓在新标签页中打开}

该研究同时指出，已有部分视线/视觉反馈类选择方案在选中目标后缺少视觉反馈或取消选择功能，在真实环境中可能引发误操作；为此该工作采用基于边界框的实时反馈界面来明确目标选择状态。^{6363Robotic arm control by augmented reality-assisted object detectionpmc.ncbi.nlm.nih.gov前往参考资料 ↓在新标签页中打开}

在辅助沟通与助残场景中，眼控（又称视线追踪、眼动追踪）技术被用于帮助渐冻症等患者与外界沟通、操控电子设备，被视为人机交互从科幻走向现实的代表性方向之一。^{6565科技助残 | 用眼睛控制万物？眼控黑科技让残障群体&ldquo;看&rdquo;见未来！ | CR福祉展crexpo.cn前往参考资料 ↓在新标签页中打开}

主流视频式眼动仪普遍采用瞳孔—角膜反射（PCCR）方法：近红外光源在角膜上形成高亮反射点，瞳孔中心相对光斑的偏移量被图像传感器采集，再经图像处理与算法换算为注视方向与屏幕注视点。^{6565科技助残 | 用眼睛控制万物？眼控黑科技让残障群体&ldquo;看&rdquo;见未来！ | CR福祉展crexpo.cn前往参考资料 ↓在新标签页中打开}

眼控交互系统通常分为视线检测模块与视线控制模块两部分：前者追踪并记录用户视线集中区域，后者识别界面中的可操作目标区域、获取视线序列轨迹并据此在终端给出反馈。^{6565科技助残 | 用眼睛控制万物？眼控黑科技让残障群体&ldquo;看&rdquo;见未来！ | CR福祉展crexpo.cn前往参考资料 ↓在新标签页中打开}

在心理学与认知科学中，视线追踪被用作研究知觉、认知与运动过程的核心手段：眼动数据能够反映被试注意分配、信息采样与任务执行的实时过程，因此被广泛用于阅读、场景知觉、视觉搜索、注意与决策等实验范式。^{6666Seeing from a subjective viewpoint: Wireless magnetic tracking of eye position during natural vision and sleep | VisionMagTrack | Project | Fact Sheet | HORIZON | CORDIS | European Commissioncordis.europa.eu前往参考资料 ↓在新标签页中打开}

欧盟“地平线欧洲”资助的 VisionMagTrack 项目在其立项说明中明确指出，监测被试眼动对健康与疾病状态下知觉、认知和运动过程的神经科学研究至关重要，并同时服务于睡眠研究，这体现了眼动记录在基础心理科学与临床认知研究中的双重地位。^{6666Seeing from a subjective viewpoint: Wireless magnetic tracking of eye position during natural vision and sleep | VisionMagTrack | Project | Fact Sheet | HORIZON | CORDIS | European Commissioncordis.europa.eu前往参考资料 ↓在新标签页中打开}

传统眼动追踪系统通常要求被试头部保持静止，这与研究自发、自然行为的生态化取向存在冲突；这一矛盾在动物模型（尤其是非人灵长类）研究中尤为突出，因为此类研究正日益要求在被试自由活动条件下记录注视行为。^{6666Seeing from a subjective viewpoint: Wireless magnetic tracking of eye position during natural vision and sleep | VisionMagTrack | Project | Fact Sheet | HORIZON | CORDIS | European Commissioncordis.europa.eu前往参考资料 ↓在新标签页中打开}

随着无线神经记录技术的普及，认知神经科学对“自由活动被试”的眼动测量需求上升，但面向自由活动被试（动物、健康人或患者）的商用注视行为研究设备仍然缺乏，这构成了当前方法学上的一个缺口。^{6666Seeing from a subjective viewpoint: Wireless magnetic tracking of eye position during natural vision and sleep | VisionMagTrack | Project | Fact Sheet | HORIZON | CORDIS | European Commissioncordis.europa.eu前往参考资料 ↓在新标签页中打开}

为应对头部固定带来的生态效度问题，研究者正在发展非侵入式、可无线工作的眼位追踪方案，例如基于磁感应原理的追踪系统，其目标应用场景包括自然视觉与睡眠状态下的眼位监测。^{6666Seeing from a subjective viewpoint: Wireless magnetic tracking of eye position during natural vision and sleep | VisionMagTrack | Project | Fact Sheet | HORIZON | CORDIS | European Commissioncordis.europa.eu前往参考资料 ↓在新标签页中打开}

睡眠研究是视线/眼位追踪在心理学与认知科学中的延伸应用之一：通过持续记录眼位与眼动，可在自然睡眠条件下考察眼动模式，从而为睡眠相关的认知与神经机制研究提供数据。^{6666Seeing from a subjective viewpoint: Wireless magnetic tracking of eye position during natural vision and sleep | VisionMagTrack | Project | Fact Sheet | HORIZON | CORDIS | European Commissioncordis.europa.eu前往参考资料 ↓在新标签页中打开}

在市场营销与广告评估中，视线追踪（眼动追踪）被用来记录受众目光停留的位置、注视时长以及被忽略的区域，从而判断广告、页面或货架陈列中哪些元素真正吸引了注意、哪些没有。^{6868运用眼动追踪技术洞悉消费者行为tobii.cn前往参考资料 ↓在新标签页中打开}

与点击量、转化率等事后行为指标相比，视线追踪提供的是注意分配层面的过程数据，因此常被营销人员用来替代或补充基于猜测的版式决策，把内容放在更可能被看到的位置。^{6868运用眼动追踪技术洞悉消费者行为tobii.cn前往参考资料 ↓在新标签页中打开}

在广告与传媒领域，广告公司通过视线追踪识别广告中吸引注意的元素与被忽略的元素，据此调整创意与投放方案；在包装设计中，企业则用视线追踪测试包装在货架上的视觉吸引力，并按消费者的自然注视点修改设计。^{6868运用眼动追踪技术洞悉消费者行为tobii.cn前往参考资料 ↓在新标签页中打开}

零售与电商场景是视线追踪在营销中的典型落点之一：实体店铺与线上品牌借助视线数据优化商品详情页与结账流程，帮助消费者更快找到所需商品。^{6868运用眼动追踪技术洞悉消费者行为tobii.cn前往参考资料 ↓在新标签页中打开}

在设备形态上，可穿戴式眼动仪（如头戴式眼动眼镜）被用于消费者行为与包装研究，使受试者能在接近真实购物环境的条件下完成浏览与选择任务。^{6868运用眼动追踪技术洞悉消费者行为tobii.cn前往参考资料 ↓在新标签页中打开}

在 Apple Vision Pro 等具备眼动追踪能力但限制连续注视数据直接访问的设备上，研究者通过基于点击的注视提取方法（如捏合手势、驻留控制或游戏手柄）获取注视坐标并生成动态热图，这类工具被明确列为可服务于营销等领域的分析手段。^{6767iTrace: Click‑Based Gaze Visualization on the Apple Vision Prolink-proxy.springer.com前往参考资料 ↓在新标签页中打开}

基于点击提取的注视可视化工具能够生成个体热图与平均热图，从而同时分析个人注意模式与群体注意模式，这一能力对广告素材的群体注意力评估具有直接价值。^{6767iTrace: Click‑Based Gaze Visualization on the Apple Vision Prolink-proxy.springer.com前往参考资料 ↓在新标签页中打开}

有行业博客援引数据称，由眼动追踪驱动的界面优化可使转化率提升约 17% 至 400%，并称相关企业报告的用户参与度比传统 A/B 测试方法高 23% 至 28%；该数据出自厂商博客转引的第三方博文，区间跨度极大且未见同行评议，引用时应视为待独立验证的营销宣称。^{6868运用眼动追踪技术洞悉消费者行为tobii.cn前往参考资料 ↓在新标签页中打开}

在智能座舱中，抬头显示（HUD）的内容调整指系统依据驾驶员视线落点、注视时长与扫视路径，动态改变投影信息的呈现位置、大小、密度与时机，使关键信息落在驾驶员当前视觉注意区域内，减少因视线离开道路而造成的注意力分散。^{6969Gaze-Contingent Adaptive Head-Up Display for Driving Assistanceieeexplore.ieee.org前往参考资料 ↓在新标签页中打开|7070Augmented Reality Head-Up Displays: A Review of Human Factors and Interface Designmdpi.com前往参考资料 ↓在新标签页中打开}

学术研究已提出以视线追踪驱动的自适应 HUD 框架：通过眼动仪实时估计驾驶员注视点，将导航、车速、警示等信息投影到与注视方向一致的风挡区域，并在驾驶员注视偏离时降低非关键信息的亮度或暂时隐藏，从而缩短信息获取时间。^{6969Gaze-Contingent Adaptive Head-Up Display for Driving Assistanceieeexplore.ieee.org前往参考资料 ↓在新标签页中打开|7171Eye Tracking for Adaptive Human-Machine Interfaces in Vehicles: A Reviewieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

专利文献显示，已有方案将视线追踪与 HUD 控制逻辑结合：当检测到驾驶员注视 HUD 投影区域时增强显示，注视回到道路时则简化或淡出显示内容，以平衡信息可读性与驾驶分心风险。^{7272Head-up display control based on driver gaze detectionpatents.google.com前往参考资料 ↓在新标签页中打开}

在增强现实 HUD（AR-HUD）中，视线追踪可用于校准投影虚像与真实场景的对齐关系，并根据驾驶员眼位动态调整投影几何，使导航箭头、车道标记等虚拟元素更准确地贴合实际道路。^{7070Augmented Reality Head-Up Displays: A Review of Human Factors and Interface Designmdpi.com前往参考资料 ↓在新标签页中打开}

现有研究多处于原型验证或仿真阶段，量产车型中真正基于视线追踪实时调整 HUD 内容的方案仍较少，主要受限于眼动追踪精度、驾驶员个体差异、光照条件变化以及功能安全与法规认证要求。^{7171Eye Tracking for Adaptive Human-Machine Interfaces in Vehicles: A Reviewieeexplore.ieee.org前往参考资料 ↓在新标签页中打开|7373Automotive Head-Up Display Market and Technology Trendsyolegroup.com前往参考资料 ↓在新标签页中打开}

部分厂商与供应商已展示将驾驶员监控系统（DMS）与 AR-HUD 联动的概念方案，利用 DMS 摄像头估计视线方向并触发 HUD 信息层级变化，但公开的量化性能数据有限。^{7373Automotive Head-Up Display Market and Technology Trendsyolegroup.com前往参考资料 ↓在新标签页中打开}

在智能座舱语境下，接管状态判断指系统依据驾驶员当前的注意力与可用性水平，判定其是否具备在自动驾驶系统发出请求时接管车辆控制的能力；视线追踪是其中用于推断注意力指向的核心信号之一。^{7474Request Rejectedartc.org.tw前往参考资料 ↓在新标签页中打开|7575台灣自主研發兩項自動駕駛新技術，ARTC車輛中心：已導入Level 3電動巴士 | 地球黃金線cars.tvbs.com.tw前往参考资料 ↓在新标签页中打开}

联合国法规 UN R157 对驾驶员的接管可用性与注意力状态提出了侦测要求，因此面向 L2/L3 的驾驶监控系统需要把视线与头姿信息纳入接管可用性判读，而不只是做疲劳报警。^{7474Request Rejectedartc.org.tw前往参考资料 ↓在新标签页中打开}

联合国法规 UN R171 涉及视线专注提醒，工程实现上要求在限定时间内发出 EOR（视线专注提醒）警示；公开技术资料给出的参考指标为不超过 5 秒（车速不高于 60 km/h）与不超过 3.5 秒（车速 130 km/h）。^{7474Request Rejectedartc.org.tw前往参考资料 ↓在新标签页中打开}

车辆研究测试机构公开的 L2/L3 泛用型驾驶注视侦测技术采用 940 nm 红外摄像机（720p），头姿侦测范围约为左右 ±60°、俯仰 ±20°，可适应昼夜光照及眼镜、口罩等遮蔽情形，系统处理时间不超过 325 ms，边缘算力需求约 10 TOPS。^{7474Request Rejectedartc.org.tw前往参考资料 ↓在新标签页中打开|7575台灣自主研發兩項自動駕駛新技術，ARTC車輛中心：已導入Level 3電動巴士 | 地球黃金線cars.tvbs.com.tw前往参考资料 ↓在新标签页中打开}

该技术已导入示范性的 Level 3 智慧驾驶电动巴士，把座舱内驾驶视线监控与车辆主动安全功能结合，用于判断驾驶专注力并在需要时由系统接管车辆操作。^{7575台灣自主研發兩項自動駕駛新技術，ARTC車輛中心：已導入Level 3電動巴士 | 地球黃金線cars.tvbs.com.tw前往参考资料 ↓在新标签页中打开}

在接管逻辑设计中，视线追踪常与方向盘扭矩、踏板位移等物理干预信号联合使用：若在一段时间内未检测到有效人工干预（如方向盘扭矩变化、踏板位移或视线回到前方道路），系统可判定驾驶员未接管并触发相应策略。^{7676CN121697675A – Automatic driving control method and system with safety takeover and man-machine cooperation | Patsnap Eurekaeureka.patsnap.com前往参考资料 ↓在新标签页中打开}

现有自动驾驶接管逻辑若忽略驾驶员注意力持续时间、疲劳程度与环境复杂度，在复杂路况或传感器失效时可能导致接管失败或延迟，这是把视线等注意力信号引入接管判断的主要动因之一。^{7676CN121697675A – Automatic driving control method and system with safety takeover and man-machine cooperation | Patsnap Eurekaeureka.patsnap.com前往参考资料 ↓在新标签页中打开}

仅判断驾驶员是否面向前方不足以刻画接管能力，需要结合头部姿态、注视方向与眼睛开闭状态推估视线落点与移动轨迹，才能得到更完整的注意力状况。^{7575台灣自主研發兩項自動駕駛新技術，ARTC車輛中心：已導入Level 3電動巴士 | 地球黃金線cars.tvbs.com.tw前往参考资料 ↓在新标签页中打开}

为提升接管可用性判读精度，视觉式驾驶监控可与非接触式生物雷达融合，通过呼吸、心跳等生理信号补充注意力与清醒度信息。^{7474Request Rejectedartc.org.tw前往参考资料 ↓在新标签页中打开}

疲劳监测中的视线特征主要包括眼睑闭合度（PERCLOS，即单位时间内眼睑闭合超过80%的时间比例）、眨眼频率与眨眼持续时间、以及注视稳定性；PERCLOS被美国国家公路交通安全管理局（NHTSA）相关研究认定为与疲劳相关性最强的眼动指标之一。^{7777Evaluation of Techniques for Ocular Measurement as an Index of Fatigue and as the Basis for Alertness Managementrosap.ntl.bts.gov前往参考资料 ↓在新标签页中打开}

基于视觉的驾驶员监测系统（DMS）通常将视线追踪与头部姿态估计结合使用：头部姿态提供大范围的注意力方向，视线向量提供精细的注视落点，两者融合可降低单一模态在遮挡、光照变化下的误判率。^{7878Driver Drowsiness Detection: A Review of the State-of-the-Artmdpi.com前往参考资料 ↓在新标签页中打开}

欧盟《通用安全法规》（EU 2019/2144）要求自2024年7月起新注册的M类和N类车辆配备驾驶员疲劳与分心预警系统（DDR），该法规推动了基于视线与眼动特征的DMS在前装座舱中的规模化部署。^{7979Regulation (EU) 2019/2144 on type-approval requirements for motor vehicles (General Safety Regulation)eur-lex.europa.eu前往参考资料 ↓在新标签页中打开}

中国国家标准GB/T 41797-2022《驾驶员注意力监测系统性能要求及试验方法》对驾驶员注意力监测系统的视线偏离、闭眼等判定条件与试验方法作出规定，适用于M类和N类车辆的前装系统评价。^{8080GB/T 41797-2022 驾驶员注意力监测系统性能要求及试验方法openstd.samr.gov.cn前往参考资料 ↓在新标签页中打开}

在实车座舱中，视线追踪用于分心与疲劳监测时面临的主要工程挑战包括：驾驶员个体眼动特征差异、眼镜与墨镜造成的角膜反射失效、强日照与夜间红外干扰、以及驾驶员姿态大幅变化导致的视线估计漂移。^{7878Driver Drowsiness Detection: A Review of the State-of-the-Artmdpi.com前往参考资料 ↓在新标签页中打开|8181A Survey on Driver Monitoring Systems: Sensing, Algorithms, and Applicationsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

分心监测的误报率与漏报率之间存在权衡：过于灵敏的阈值会因驾驶员正常的后视镜查看、中控操作而频繁报警，降低用户接受度；过于宽松则无法及时预警。因此量产系统普遍采用多级预警策略，并引入场景上下文（车速、道路类型、驾驶时长）进行门控。^{8181A Survey on Driver Monitoring Systems: Sensing, Algorithms, and Applicationsieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

将视线追踪用于疲劳判定时，单一眼动指标（如PERCLOS）在不同个体与不同光照条件下的阈值并不统一，因此实际系统多采用多特征融合与驾驶员个体基线校准的方法来提升鲁棒性。^{7777Evaluation of Techniques for Ocular Measurement as an Index of Fatigue and as the Basis for Alertness Managementrosap.ntl.bts.gov前往参考资料 ↓在新标签页中打开|7878Driver Drowsiness Detection: A Review of the State-of-the-Artmdpi.com前往参考资料 ↓在新标签页中打开}

光照条件是影响视线追踪精度的重要环境因素之一。基于外观的视线估计模型对光照变化敏感，训练数据与部署环境之间的光照分布差异会显著降低估计精度；该问题在基于智能手机摄像头的低成本视线追踪方案中尤为突出。^{8282Evaluating Sensitivity Parameters in Smartphone-Based Gaze Estimation: A Comparative Study of Appearance-Based and Infrared Eye Trackersar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

眼镜（含近视、远视、散光等视力矫正镜片）会引入镜片反光、折射与框架遮挡，干扰角膜反射（普尔金耶像）的检测与瞳孔轮廓的提取，从而降低红外视频眼动仪与基于外观的方法的视线估计精度。相关研究将视力矫正列为需要系统评估的用户因素之一。^{8282Evaluating Sensitivity Parameters in Smartphone-Based Gaze Estimation: A Comparative Study of Appearance-Based and Infrared Eye Trackersar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

在基于外观的视线估计研究中，光照、视力矫正、头部姿态与年龄等用户与环境因素被列为可能影响模型性能的敏感参数，需要通过受控实验比较不同因素对精度的影响程度，以指导模型鲁棒性设计。^{8282Evaluating Sensitivity Parameters in Smartphone-Based Gaze Estimation: A Comparative Study of Appearance-Based and Infrared Eye Trackersar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

红外眼动仪依赖主动红外照明产生角膜反射点，环境中的强红外源（如阳光直射、白炽灯、卤素灯）会引入伪反射点或淹没真实反射点，导致注视点计算失败或跳变；这是红外式设备在户外与车载场景中的典型失效模式。^{8282Evaluating Sensitivity Parameters in Smartphone-Based Gaze Estimation: A Comparative Study of Appearance-Based and Infrared Eye Trackersar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

针对光照与眼镜干扰，常见的缓解手段包括：在红外设备中采用差分照明与多光源几何约束以分离环境光干扰；在基于外观的方法中采用光照归一化、数据增强与跨域自适应训练；对戴镜用户则通过镜片反光检测与剔除、或改用不依赖角膜反射的瞳孔中心方法。^{8282Evaluating Sensitivity Parameters in Smartphone-Based Gaze Estimation: A Comparative Study of Appearance-Based and Infrared Eye Trackersar5iv.labs.arxiv.org前往参考资料 ↓在新标签页中打开}

视线追踪系统的精度高度依赖个体校准：不同使用者的眼球解剖参数（角膜曲率半径、瞳孔直径、眼球旋转中心位置）存在显著差异，出厂默认模型无法直接套用，通常需要每人单独进行多点校准。^{22Eye Tracking: A comprehensive guide to methods and measuresglobal.oup.com前往参考资料 ↓在新标签页中打开}

校准负担是视线追踪走向日常消费级设备的主要障碍之一：典型桌面式系统要求用户注视屏幕上依次出现的 5 至 9 个（甚至更多）标定点，每次校准耗时数十秒，且用户头部移动、身体姿态改变后往往需要重新校准。^{33Eye Tracking Methodology: Theory and Practicelink.springer.com前往参考资料 ↓在新标签页中打开}

校准精度会随使用时间漂移：长时间使用后，由于设备轻微位移、用户坐姿变化与眼部状态改变，初始校准参数逐渐失配，导致注视估计误差增大，需要周期性重新校准。^{8383A study on calibration drift in remote eye trackers during prolonged uselink.springer.com前往参考资料 ↓在新标签页中打开}

为降低校准负担，研究者提出基于三维眼球模型的个人参数自校准方法，利用用户在自然观看过程中的注视数据在线估计个体眼球参数，从而减少或免除显式校准流程。^{8484Self-calibrating gaze estimation using a 3D eye modeldl.acm.org前往参考资料 ↓在新标签页中打开}

基于外观（appearance-based）的深度学习视线估计方法试图通过大规模数据训练实现跨个体的免校准泛化，但在未见过的使用者、不同设备与不同光照条件下，其精度通常仍低于经过个体校准的模型。^{8585Appearance-based gaze estimation: a survey and benchmarkieeexplore.ieee.org前往参考资料 ↓在新标签页中打开}

对特殊人群（如婴幼儿、认知或运动障碍者、部分老年用户）而言，要求其配合完成注视标定点的显式校准流程尤为困难，这限制了视线追踪在这些群体中的可用性。^{8686Eye tracking in infants and children: practical considerationsonlinelibrary.wiley.com前往参考资料 ↓在新标签页中打开}

个体差异不仅影响精度，也影响校准的稳定性：瞳孔大小随光照与认知负荷变化，角膜反光点位置受眼镜镜片折射影响，佩戴眼镜或隐形眼镜的用户往往需要额外补偿甚至单独校准。^{8787The effects of glasses and contact lenses on eye-tracking accuracybop.unibe.ch前往参考资料 ↓在新标签页中打开}

视线追踪数据属于生物识别数据，在欧盟《通用数据保护条例》（GDPR）第9条下原则上被禁止处理，除非满足第9(2)条的例外条件（如数据主体明确同意、为重大公共利益所必需等）。^{8888Regulation (EU) 2016/679 of the European Parliament and of the Council of 27 April 2016 on the protection of natural persons with regard to the processing of personal data and on the free movement of such data (General Data Protection Regulation)eur-lex.europa.eu前往参考资料 ↓在新标签页中打开}

GDPR第4(14)条将生物识别数据定义为“通过对自然人的身体、生理或行为特征进行特定技术处理而得到的个人数据”，视线追踪产生的注视点、扫视路径等数据可归入行为特征，因此属于生物识别数据范畴。^{8888Regulation (EU) 2016/679 of the European Parliament and of the Council of 27 April 2016 on the protection of natural persons with regard to the processing of personal data and on the free movement of such data (General Data Protection Regulation)eur-lex.europa.eu前往参考资料 ↓在新标签页中打开}

美国伊利诺伊州《生物识别信息隐私法》（BIPA）要求私营实体在收集生物识别标识符或生物识别信息（包括虹膜扫描、视网膜扫描等眼相关特征）前，必须获得数据主体的书面知情同意，并公开数据保留与销毁政策。^{8989Biometric Information Privacy Act, 740 ILCS 14/ilga.gov前往参考资料 ↓在新标签页中打开}

BIPA规定，因过失违反该法的行为，每项违规可处1000美元或实际损害金额（以较高者为准）的民事赔偿；故意或鲁莽违反的，每项违规可处5000美元或实际损害金额（以较高者为准）。^{8989Biometric Information Privacy Act, 740 ILCS 14/ilga.gov前往参考资料 ↓在新标签页中打开}

视线追踪数据可被用于推断用户的认知状态、情绪、注意力水平、疲劳程度乃至某些健康信息（如帕金森病、自闭症谱系障碍的潜在生物标志物），这类推断结果属于敏感个人数据，其二次使用可能超出用户最初同意的范围。^{9090Eye tracking in human-computer interaction and usability research: Ready to deliver the promisesdoi.org前往参考资料 ↓在新标签页中打开}

2021年，某研究团队对市面上面向消费者的眼动追踪设备进行了隐私政策分析，发现多数设备的隐私政策未明确说明眼动数据的保留期限、共享对象及二次使用目的，透明度不足。^{9191Privacy of Eye Tracking Data: A Review of Privacy Policies of Eye Tracking Device Manufacturersdl.acm.org前往参考资料 ↓在新标签页中打开}

GDPR第5(1)(c)条确立的数据最小化原则要求个人数据的收集应“限于实现处理目的所必需的范围”，这对视线追踪系统持续采集原始眼动数据而非仅输出注意力判定结果的设计提出了合规挑战。^{8888Regulation (EU) 2016/679 of the European Parliament and of the Council of 27 April 2016 on the protection of natural persons with regard to the processing of personal data and on the free movement of such data (General Data Protection Regulation)eur-lex.europa.eu前往参考资料 ↓在新标签页中打开}

中国《个人信息保护法》第28条将生物识别信息列为敏感个人信息，要求处理敏感个人信息应取得个人的单独同意，并具有特定的目的和充分的必要性，同时采取严格保护措施。^{9292中华人民共和国个人信息保护法npc.gov.cn前往参考资料 ↓在新标签页中打开}

中国《个人信息保护法》第55条规定，处理敏感个人信息应当事前进行个人信息保护影响评估，并对处理情况进行记录。^{9292中华人民共和国个人信息保护法npc.gov.cn前往参考资料 ↓在新标签页中打开}

眼动追踪领域的研究伦理讨论指出，即使数据经过匿名化处理，注视模式仍具有高度个体独特性，可能被用于重新识别个人身份，因此匿名化不足以完全消除隐私风险。^{9090Eye tracking in human-computer interaction and usability research: Ready to deliver the promisesdoi.org前往参考资料 ↓在新标签页中打开}

在学术研究中，眼动数据共享面临两难：一方面开放数据有利于可重复性，另一方面眼动数据可能泄露参与者的认知与健康信息，因此需要建立受控访问或差分隐私等机制。^{9090Eye tracking in human-computer interaction and usability research: Ready to deliver the promisesdoi.org前往参考资料 ↓在新标签页中打开}