Entwurfsüberlegungen, die die Genauigkeit des Webcam-Blickverlaufs beeinflussen

Die Genauigkeit der auf Webcam basierenden Blickverfolgung hängt stark von der dahinterstehenden Implementierung ab. In der Literatur berichtete Zahlen reichen von ungefähr 4 visuellen Grad für frühe Systeme wie WebGazer (Papoutsaki et al., 2015) bis hin zu 1,2 bis 1,4 visuellen Grad für den einzigen peer-reviewed Vergleich mit einem forschungsgrad Hardware-Blickverfolger, der bis heute veröffentlicht wurde: Labvanced's Validierung gegenüber einem EyeLink 1000 (Kaduk et al., 2024). Diese Zahl ist der Referenzpunkt, der auf dieser Seite verwendet wird, da es derzeit die einzige Behauptung zur Webcam-Blickverfolgungsgenauigkeit im Feld ist, die durch einen veröffentlichten, hardware-benchmarkierten Vergleich untermauert wird.

Selbst diese Zahl ist eher eine Obergrenze, kein Garantie. Sie beschreibt, was unter einem Kalibrierungsprotokoll, einer Stimulusanordnung und einer geeigneten Testumgebung erreichbar ist. Eine Studie mit einer hastigen Kalibrierung, AOIs, die zu nah beieinander liegen, oder ohne Kontrolle über die Beleuchtung wird sie nicht reproduzieren. Sechs Entwurfsüberlegungen bestimmen, ob dies gelingt: Kalibrierungslänge und Punktanzahl, Rekalibrierungsfrequenz, Datenqualitätsgrenzen, Kontrolle der Kopfposition, Stimulusplatzierung und Umwelt- und Teilnehmerbedingungen.

Entscheidungen zum Studiendesign, die die Genauigkeit bestimmen

Die sechs unten aufgeführten Überlegungen gelten für jedes Webcam-Blickverfolgungsprotokoll. Jede wird daran illustriert, wie Labvanced sie umsetzt.

I. Kalibrierungslänge und Punktanzahl

Jedes Webcam-Blickverfolgungssystem schätzt die Blickposition anhand einer Kalibrierungskarte, und diese Karte ist nur so gut wie das Kalibrierungsverfahren, das sie erzeugt hat. Es gibt einen direkten Kompromiss zwischen Kalibrierungslänge und daraus resultierender Genauigkeit: Längere Verfahren mit mehr Kalibrierpunkten produzieren genauere Blickschätzungen. Die Kalibrierung ist auch der einzige Punkt in einer Webcam-Blickverfolgungsstudie, an dem der Teilnehmer aktiv mit dem System interagieren muss, sodass die gewählte Länge einen echten Kompromiss gegenüber der Ermüdung des Teilnehmers und der Studiendauer darstellt, keine Einstellung, die von vornherein maximiert werden sollte.

In Labvanced's Implementierung: ist die Kalibrierung von etwa 30 Sekunden bis zu 5 Minuten oder länger einstellbar, wobei die Punktanzahl ebenfalls konfigurierbar ist. Die richtige Wahl hängt von der AOI-Anordnung ab: Ein Design mit vielen kleinen AOIs benötigt die Genauigkeit, die eine längere Kalibrierung von etwa 5 Minuten bietet, während ein Design mit nur wenigen großen AOIs, bei dem das Ziel nur darin besteht festzustellen, ob ein Teilnehmer auf ein AOI geschaut hat, anstatt genau zu bestimmen, wo innerhalb davon, oft besser mit einer kürzeren Kalibrierung von etwa 2 Minuten bedient wird, da dies für den Teilnehmer schneller und bequemer ist, was zu weniger Abbrüchen führt.

II. Rekalibrierungsfrequenz

Eine Kalibrierung ist ein Schnappschuss: Sie kartiert den Blick auf eine spezifische Kopfposition und Lichtbedingung in einem Moment. Ob diese Zuordnung für eine gesamte Sitzung gültig bleibt, ist eine echte methodologische Frage für jedes entfernte, unbeaufsichtigte Setup, etwas, das ein Forscher nicht einfach voraussetzen kann. In Labvanced's eigener Validierung blieb die Genauigkeit über die Zeit hinweg konstant, vorausgesetzt, die Position des Teilnehmers blieb stabil, was bedeutet, dass das Risiko speziell über die Drift von Position und Licht besteht, nicht über einen inhärenten Verfall der Methode selbst.

In Labvanced's Implementierung: kann die Rekalibrierung innerhalb einer Studie an definierten Punkten ausgelöst werden, beispielsweise nachdem eine bestimmte Anzahl von Versuchen vergangen ist, anstatt sich auf eine einzige Kalibrierung zu verlassen, die für die gesamte Sitzung gilt. Für längere oder mehrblockige Studien oder Populationen, die weniger wahrscheinlich still bleiben. Daher ist die Überlegung, wie die Rekalibrierung gehandhabt wird, die direkte Kontrolle gegen Drift.

III. Datenqualitätsgrenzen

Ohne eine definierte Qualitätsgrenze wird eine schlechte Kalibrierung lautlos in den Datensatz übergehen und ist nicht von einer guten zu unterscheiden, das gleiche Problem, das ein Hardware-Labor löst, indem es Teilnehmer ausschließt, deren Kalibrierung nicht konvergiert. Ein Webcam-Blickverfolgungsprotokoll benötigt einen expliziten Standard dafür, was als ausreichend kalibriert gilt, bevor die Datensammlung beginnt.

In Labvanced's Implementierung: kann ein maximaler Kalibrierungsfehler als Prozentsatz der Bildschirmdiagonale festgelegt werden, sodass ein Teilnehmer, der diesen übersteigt, zur Rekalibrierung aufgefordert wird, bis zu einer konfigurierbaren Anzahl von Versuchen. Ein Teilnehmer, der diesen Schwellenwert auch nach diesen Versuchen übersteigt, scheitert an der Studie, anstatt lautlos mit schlechteren Daten einbezogen zu werden.

IV. Kontrolle der Kopfposition

Da die Kalibrierung den Blick auf eine spezifische Kopfposition kartiert, ist ein Teilnehmer, der nach Abschluss der Kalibrierung aus dieser Position abdriftet, wahrscheinlich die größte praktische Quelle für Genauigkeitsverluste in jedem entfernten Blickverfolgungssetup, etwas, das der Forscher nicht physisch einfangen kann, wie sie es in einem Labor könnten.

In Labvanced's Implementierung: schränkt eine virtuelle Kinnstütze ein, wie weit der Kopf eines Teilnehmers von der kalibrierten Position abdriften kann, bevor dies markiert wird, und bietet dem Forscher einen automatisierten Ersatz für die physische Überprüfung der Position des Teilnehmers.

V. Stimulusplatzierung

Die Genauigkeit ist nicht über den Bildschirm hinweg einheitlich. In derselben Validierungsstudie verbesserte sich die Genauigkeit bei Stimuli, die in der Mitte des Bildschirms präsentiert wurden (1,3° Genauigkeit, 0,9° Präzision) im Vergleich zur Gesamtzahl (1,4° Genauigkeit, 1,1° Präzision) (Kaduk et al., 2024). Periphere Stimuli sind voraussichtlich mit etwas mehr Fehler als zentrale behaftet, was zwei direkte Auswirkungen auf das Studiendesign hat. Erstens wird, soweit es das Paradigma zulässt, die Platzierung des kritischen Stimulus oder des Bereichs, der am wichtigsten ist, in der Mitte die zuverlässigsten Blickdaten liefern. Zweitens und Konsequenter für AOI-basierte Designs müssen alle zwei AOIs, die im selben Versuch dargestellt werden, genügend Platz zwischen ihnen haben, um die Fehlermarge der Methode zu überschreiten, andernfalls kann eine Fixation in der Nähe der Grenze zwischen zwei eng beieinander liegenden AOIs nicht zuverlässig zugeordnet werden. Als allgemeine Regel gilt: Je näher die Genauigkeitszahl ist, auf die man sich verlässt, desto mehr Platz muss ein AOI-basiertes Design einbauen.

VI. Umgebungs- und Teilnehmerbedingungen

Dieser Abschnitt behandelt drei umgebungs- und teilnehmerseitige Bedingungen: Beleuchtung, Brillen und Webcam-Positionierung.

Beleuchtung

Gegenlicht, eine helle Lichtquelle wie ein Fenster oder eine Lampe, die hinter dem Teilnehmer positioniert ist, erzeugt eine Silhouette des Gesichts, wodurch der Kontrast, auf den die kamerabasierten Gesichtserkennungssysteme angewiesen sind, um die Gesichts- und Augenmerkmale präzise zu erkennen, verringert wird. Eine verschlechterte Merkmalserkennung zeigt sich als höherer Kalibrierungsfehler, nicht als spezifisches Beleuchtungszeichen. Ob dies erfasst wird, hängt davon ab, ob der Kalibrierungsfehler selbst gegen einen Schwellenwert überprüft wird, nicht von einer direkten Erkennung des Beleuchtungszustands.

In Labvanced's Implementierung: gibt der Kalibrierungsbildschirm den Teilnehmern Anweisungen, sich in einem stabilen, gut beleuchteten Raum ohne helle Lichtquelle hinter sich zu befinden, und sich neu zu kalibrieren, wenn sich die Beleuchtung während einer Sitzung signifikant ändert. Dies beruht auf der Einhaltung der Teilnehmer, nicht auf automatischer Erkennung: Im Gegensatz zu einer Einstellung wie der minimalen Bildschirmgröße, die Labvanced automatisch durchsetzt, sobald sie konfiguriert ist, hängt die Erfassung einer schlecht beleuchteten Kalibrierung von der Festlegung eines maximalen Kalibrierungsfehler-Schwellenwerts ab (siehe Datenqualitäts-Schwellenwerte oben), nicht davon, dass die Plattform die Beleuchtung selbst erkennt.

Brillen

Was die Verfolgung tatsächlich beeinträchtigt, ist Licht, das sich verzerrt, bevor es die Webcam erreicht, Brillen, die Reflexionen verursachen, oder Linsen mit einer getönten oder blauen Lichtfilterbeschichtung, nicht die Brille selbst. Brillen ohne diese Eigenschaften beeinträchtigen die Kalibrierung nicht bedeutend, wodurch Brillen eine engere Sorge darstellen, als es zunächst erscheint.

In Labvanced's Implementierung: geben die standardmäßigen kalibrierungsbezogenen Anweisungen an Teilnehmer derzeit den Hinweis, keine Brille zu tragen, eine konservative Vorgabe anstelle einer technischen Einschränkung. Diese Anweisung ist bearbeitbar: Sie befindet sich in den Nachrichten des Eye-Tracking-Systems unter den Texts & Translate statischen Strings, sodass ein Forscher, dessen Teilnehmerpopulation häufig Brillen trägt, die Anweisung überarbeiten kann, anstatt diese Teilnehmer standardmäßig auszuschließen.

Webcam-Positionierung

Die Kalibrierung kartiert den Blick auf die Bildschirmkoordinaten relativ zur Position der Webcam, sodass eine Abweichung zwischen der Webcam und dem Bildschirmzentrum einen Fehler hinzufügt, der über das, was die Neokalibrierung allein korrigiert, hinausgeht. Dies gilt nur für eine Webcam, die nicht im Gerät integriert ist, da die Position einer integrierten Webcam relativ zum Bildschirm fixiert ist.

In Labvanced's Implementierung: wird den Teilnehmern, die eine externe Webcam verwenden, auf dem Kalibrierungsbildschirm empfohlen, diese so nah wie möglich an das Zentrum des Bildschirms zu positionieren.

Zusammenfassungstabelle

Keine dieser Anforderungen ist ungewöhnlich. Sie fallen in die gleiche Kategorie von Entscheidungen, die ein Labor über das Kalibrierungsverfahren eines Hardware-Eye-Trackers trifft, angewendet auf eine Situation, in der der Forscher die Teilnehmer nicht physisch überwachen kann. Die Möglichkeit, sie zu konfigurieren und in mehreren Fällen zu automatisieren, macht eine validierte Genauigkeitszahl zu etwas, das eine spezifische Studie tatsächlich reproduzieren kann, anstatt nur eine Zahl zu sein, die einmal unter idealen Bedingungen gemeldet wurde.

Was diese Genauigkeitsstufe unterstützt

Die Referenzzahl, die auf dieser Seite verwendet wird, liegt bei 1,2 bis 1,4 visuellen Grad (1,3° in der Bildschirmmitte), 1,1° Präzision und einem Pearson-Korrelation von ungefähr 0,8 bis 0,9 im Vergleich zu einem EyeLink 1000, wobei 0,9 für spezifische Aufgaben erreicht wird. Dies ist Labvanced's begutachtetes Validierungsergebnis (Kaduk et al., 2024), die rigoroseste Benchmark für die Genauigkeit des Webcam-Eye-Trackings, die bisher veröffentlicht wurde. Die Abtastrate liegt je nach Webcam des Teilnehmers zwischen 30 und 60 Hz. Sie ist nicht unbedingt repräsentativ für jedes webcam-basierte System; andere Implementierungen berichten von unterschiedlichen Werten, und Methoden zur Berichterstattung über Genauigkeit sind nicht immer direkt zwischen Studien vergleichbar (einige berichten beispielsweise in Pixeln statt in visuellen Grad, was zusätzliche Annahmen über Bildschirmgröße und Blickabstand zur Übersetzung erfordert).

Dies stellt keine Parität mit Hardware-Eye-Trackern dar. Selbst unter dem oben beschriebenen Protokoll beträgt die Genauigkeitslücke im Vergleich zu einem forschungsgradigen Tracker etwa 0,5°. Was diese Lücke für eine bestimmte Studie bedeutet, hängt davon ab, was die Studie messen muss.

Gut unterstützt auf diesem Genauigkeitsniveau:

• Analyse von Interessensgebieten (AOI) und Verweildauer: Auf welchen Bereich eines Stimulus ein Teilnehmer geschaut hat und wie lange
• Fixationsanzahl und Fixationsdauer
• Freie Betrachtung und visuelle Präferenzparadigmen, validiert mit ungefähr 80% Korrelation mit EyeLink für freie Betrachtung und sanfte Verfolgung
• Zeit bis zur ersten Fixation und allgemeine Muster der visuellen Aufmerksamkeit

Nicht gut unterstützt auf diesem Genauigkeitsniveau:

• Sub-Grad-Präzisionsaufgaben, bei denen das Maß selbst feiner als ungefähr ein visueller Grad aufgelöst werden muss
• Sakkadendynamik und Mikrosakkadenanalyse, eingeschränkt durch die Abtastrate von 30 bis 60 Hz und nicht nur durch räumliche Genauigkeit
• Paradigmen, die eine Fixationsgenauigkeit auf Wort- oder Buchstabenebene in dichten Texten erfordern

Ein Forscher, der zwischen Webcam- und Hardware-Eye-Tracking wählt, sollte sich an dieser Linie orientieren und nicht isoliert um die Genauigkeitszahl: Wenn die Forschungsfrage auf der Ebene von AOI oder Fixation beantwortet werden kann, ist eine validierte Webcam-Eye-Tracking-Implementierung ausreichend; wenn sie erfordert, den Blickwinkel innerhalb eines Bruchteils eines Grades aufzulösen oder Sakkadendynamik zu erfassen, bleibt Hardware das geeignete Werkzeug.

Häufig gestellte Fragen

Veröffentlichtes Forschung, die Diese Methode Verwendet

• Cassano-Coleman, R. Y., Izen, S. C., & Piazza, E. A. (2026). Zuhörer integrieren systematisch die hierarchische tonale Kontext, unabhängig von musikalischer Ausbildung. Psychological Science. (Beinhaltet blickkontingente Elemente).
• Zhang, P., & Zhang, S. (2025). Aufmerksamkeit und Lernen in L2 Multimodalität: Eine webcam-basierte Augenverfolgungsstudie. Language Learning & Technology. https://doi.org/10.64152/10125/73626
• Serrano-Carot, M., Angele, B., Xu, H., & Vasilev, M. R. (2025). Webcams können verwendet werden, um Augenbewegungen während des Lesens zu untersuchen. PsyArXiv (OSF Preprints). https://doi.org/10.31234/osf.io/bzt2h_v1
• Lester, C., et al. (2025). Einfluss von unsicherheitsbewussten KI-Modellen auf die Reaktionszeit und Entscheidungsfindung von Apothekern in einer webbasierten Mock-Medikationsüberprüfungsaufgabe: Randomisierte kontrollierte Studie. JMIR Medical Informatics. https://doi.org/10.2196/64902
• Wies, S., Bleier, A., & Edeling, A. (2022). Journal of Marketing. Webcam-basierte Augenverfolgung im Kontext der Marktanalyse.
• Banki, A., de Eccher, M., et al. (2022). Frontiers in Psychology. Entwicklungs- und Säuglingsaugenverfolgung.

Weiterführende Literatur