Labvanced Eye Tracking 2.0: 准确的网络摄像头眼动追踪用于所有在线研究
Labvanced Eye Tracking 2.0使用标准网络摄像头在未监督的在线参与者中以中位数准确度1.8度追踪注视(屏幕对角线的5.2%)。结果来自494名Prolific参与者在各自的电脑上,匿名数据与此说明一起发布。
经过一年多的开发,Eye Tracking 2.0将实验室中网络摄像头眼动追踪所达到的准确性带入实际的在线研究。
主要发现
- 中位数准确度为1.8°(屏幕对角线的5.2%),在两分钟校准和平衡筛选下实现。
- 经过长时间的校准与非常严格的筛选,中位数准确度可达1.4°(4%)。
- 注视比第一代更稳定:样本间的噪声约比在实验室中记录的Eye Tracking 1.x降低了40%。
- 99.3%的付费参与者提供了完整的数据集,平衡筛选将招募成本提高了约10%。
大纲
- 1摘要与介绍
- 2我们如何测量:任务、指标和参与者
- 3一款改进的双眼融合注视引擎,适用于笔记本电脑、平板电脑和手机
- 4用于个别神经网络微调的更短更好的校准
- 5更好的筛选方法,技术预检查和简化设置
- 6实时修正头部运动和光照变化
- 71.4至1.8视觉度的准确度,在约500名真实参与者中验证
- 8无需任何校准即可开箱即用的被动层级,非常适合婴儿研究
- 9讨论:哪些设置适合哪些研究?
- 10亲自尝试
- 11数据和可重复性
摘要
网络摄像头眼动追踪已经成为在线行为研究的强大工具,而Labvanced系统的第一代在实验室与EyeLink 1000的比较中验证了其约1.4°的视觉角准确度(Kaduk et al., 2024)。仍然有几个问题待解。多少准确度能够在真实在线研究的无控制条件下生存?为什么有些参与者的数据远远逊色于其他参与者,可以在研究者为其付费之前识别他们吗?校准是否可以缩短,以便在普通在线研究中更实用?而对于未通过校准或不合格的参与者应该怎么办?在这里,我们展示了如何在降低校准时间的同时提高眼动追踪的准确度,简化设置,并优化整个程序以便与我们的合作伙伴Prolific进行真实在线数据收集。之后我们在七个录制批次中验证了系统,约500名完成了45目标准确性任务的参与者,并发布了他们的匿名数据,以便验证每个结果。通过我们的新标准校准(约2分钟)和平衡筛选,中位数参与者的误差是屏幕对角线的5.2%,在距离60cm的笔记本电脑上为1.8°视觉角。而通过5分钟的校准和非常严格的筛选,在线参与者的中位准确度达到了屏幕对角线的4%,相当于标准距离下的1.4°视觉角。总而言之,通过本次Eye Tracking 2.0的发布,我们展示了我们在同行评审的实验室比较中报告的准确度可以在在线进行复制。
1. 介绍
眼球运动不断且无需询问地揭示了注意力,几十年来测量这些运动需要实验室设备。通过我们现有的第一代网络摄像头系统(此处称为Eye Tracking 1.x),我们展示了网络摄像头可以非常接近地准确预测眼球运动:在五项标准化任务中与EyeLink 1000同时记录,我们的系统达到了1.4°的准确度和1.1°的精度,落后于实验室“黄金标准”约半度(Kaduk, Goeke, Finger & König, 2024)。自那时起,独立团队已确认这一情况并在广泛的领域中应用该系统:
- 阅读。 与EyeLink同步记录时,Labvanced网络摄像头的注视与实验室跟踪器的中位数r为0.81并再现了单词频率效应(Serrano-Carot, Angele, Xu & Vasilev, 2026)。
- 婴儿发展。 在家庭中记录的婴儿网络摄像头注视与实验室眼动追踪相比于一次视听同步任务(Bánki, de Eccher, Falschlehner, Hoehl & Markova, 2022)。
- 决策与人机交互。 远程注视揭示了早期决策处理(Bertrand, Ouellette Zuk & Chapman, 2023),在数字对象任务中协调眼睛与光标(Bertrand & Chapman, 2023)及用户的挫败感(Stone & Chapman, 2023),这些都汇集在有关网络摄像头眼动追踪效用的博士论文中(Bertrand, 2023)。
- 语言、注意力与感知。 研究追踪学习者在获取第二语言词汇时如何关注文本、音频和图片(Zhang & Zhang, 2025),词汇如何影响视觉注意(Calignano, Lorenzoni, Semeraro & Navarrete, 2024),部分信息如何塑造动态面孔感知(Alp, Lale, Saglam & Sayim, 2024)以及视频游戏玩家如何检测变化(Haverly, 2022)。
- 教育与科学传播。 学生观看讲座视频的注视同步预测了他们的考试表现(Sauter, Hirzle, Wagner, Hummel, Rukzio & Huckauf, 2022),而注视展示了在线广告如何将注意力从科学解释中转移(Tsutsuse, 2025)。
- 市场营销、社会与环境心理学。 Instagram用户的注视显示他们关注一个影响者的粉丝数量(Wies, Bleier & Edeling, 2023);对简历的关注解释了1,159名参与者如何判断歧视性招聘(Zhang & Powdthavee, 2026);在城市场景中的注视与情感体验相关(Sander, Mazumder, Fingerhut, Parada, Koselevs & Gramann, 2024)。
- 健康与人机智能交互。 一项随机对照试验测量药剂师在AI协助下验证药物时的注视位置(Tsai et al., 2025; Kim et al., 2026),一项临床研究记录了注意力缺陷多动障碍儿童的网络摄像头注视与EEG(Zhao et al., 2025)。
方法论综述和入门书籍现在将 Labvanced 列为已建立的网络摄像头眼动追踪系统之一(Niehorster et al., 2025; Jenke & Sullivan, 2025; Patterson, Nicklin & Vitta, 2025; Tsuji, Amso, Cusack, Kirkham & Oakes, 2022)。这些结果确立了网络摄像头眼动追踪,尤其是 Labvanced,作为学术研究的一个重要工具。
重要的是,为了将我们的基于网络摄像头的数据与 EyeLink 进行比较,我们之前的比较项目,其结果发表在同行评审的出版物中,必须在实验室内进行。因此,我们可以控制整个环境,包括计算机、显示器、网络摄像头、房间和照明。我们还可以亲自指示参与者,并且在这样的实验室环境下,大多数参与者可以说是尽最大努力或至少表现出良好的实验态度。在没有监督的环境中,真实在线参与者几乎没有这些保障。在线参与者坐在他们的位置上,使用他们自己的设备,在他们的光线下,有些人根本不专心。考虑到这些已知的缺点,我们既感到高兴又自豪,因为许多使用我们现有眼动追踪技术的项目表现出色,并发表在领先的期刊上。然而,一些研究人员没有获得他们所期望的准确性,或遇到其他困难,比如参与者因长时间校准而感到沮丧,或者因为技术以及其他各种原因而导致高失败参与者数。例如,尽管我们已经建立了适合婴儿的校准,但两项婴儿研究发现我们的第一代眼动追踪尚未对最年轻的参与者可靠(Grosse Wiesmann et al., 2025; Golan, Abo Shkara & Havron, 2023)。
在 2025 年,我们开始系统地评估这些缺点,并逐一解决。尽管这段旅程并不代表网络摄像头眼动追踪发展的终点,但我们迎来了眼动追踪 2.0。此实验室笔记描述了发生了什么变化,为什么会有这些变化,我们是如何验证的,以及现在与真实在线参与者的实验可以期待什么样的准确性。所有这些数据都是开放获取的,任何人都可以独立复制和验证(第 11 节)。我们还计划进行一项新的同行评审研究,但由于这需要时间,我们希望现在就分享这些结果。
2. 我们是如何测量的
本笔记中的所有参与者数据都是在大约一个月的时间内收集的,基本上是在同一研究范式下。然而,眼动追踪版本在几乎每一个录音批次之间都有所变化,以测试或验证我们最新的开发(例如,测试姿势校正)。由于各种原因,某些批次较小,某些批次较大。本笔记并非同行评审的出版物,但我们相信此处报告的所有分析和结果在科学上都是严谨且真正有见解的,欢迎所有人下载数据并复制或验证。这篇关于眼动追踪 2.0 的同行评审文章,以及可能还有一些其他主题,将随后发布。
任务。 参与者通过技术可行性检查(见第 5 节),并完成了本研究的校准;被录取的参与者随后进行了简短的训练,然后最终进行了 45 个目标准确性任务:一个覆盖整个屏幕的 9x5 网格位置,每次以随机顺序逐一呈现。参与者的任务是注视目标(一个普通的圆圈),并在其颜色变换时立即点击。如果参与者点击太早或太晚,试验将被重复。您可以自己进行此任务(第 10 节)。
指标。 我们感兴趣的主要指标是目标误差或准确性。这被定义为目标位置与目标变化前最后 1000 毫秒内的视线位置中位数之间的距离。我们还实施了一种新的注视检测算法,并使用变化时的注视中心点;这两种测量(视线中位数和注视)产生了几乎相同的准确性结果。有关这种新注视检测机制的更多信息将在下一个实验室笔记中提供。参与者的准确性被定义为其 45 个错误的中位数,群体的准确性则是参与者的中位数。我们在此报告该中位数,并不对试验或参与者进行筛选。在 1920x1080 的屏幕上(全高清),1 % 的对角线为 22 像素,5 % 为 110 像素。由于远程录音设置,我们无法可靠地记录真实的物理屏幕尺寸或参与者的准确观看距离。因此,视觉角度的误差是针对假定的参考屏幕计算的:一台 14.2 英寸的笔记本电脑(例如一台 14 英寸的 MacBook Pro),在 60 厘米的典型距离下观看,这是在线参与者使用的 13 到 16 英寸范围内的中间值。
样本。 在 2026 年 8 月 25 日至 9 月 28 日之间的十个录音批次中产生了大约 700 个完成的会话。本笔记中的结果基于七个最近批次中的 494 个完成的会话:48 个 2.0.9 批次,296 个高层级没有筛选,50 个高层级经过平衡筛选并运行实时校正,以及 100 个最高层级。大约 200 个早期批次的会话在早期开发中塑造了系统,因此不包括在报告的结果中。
数据。 这 494 个会话的匿名数据以及计算本笔记中每个数字和图表的脚本可以下载(见 第 11 节)。
3. 双眼注视引擎
3.1 双眼引擎的工作原理
Labvanced 眼动追踪 2.0 是如何预测注视和注视点的?
图 1. 处理链。所有操作在参与者的设备上进行(边缘推理);没有任何图像或视频离开设备。
双目融合模型指的是什么?2.0 视线引擎将两个眼睛视作两个独立的测量,并进行结合,因此半闭合的眼睛、处于阴影中的眼睛或反射中的眼睛计数较少。邻近帧的信息也会被使用,而不会消除真实的眼动。结果是比之前更准确、更稳健的原始视线估计,以及一个更加指示实际精度和准确度的置信值。
速度和设备。 视线引擎经过重写以提高速度,利用诸如 WebGPU 和 WebAssembly 等最新的网络技术。综合来看,这大大加快了实时预测和微调步骤(校准)。因此,Eye Tracking 2.0 在大多数笔记本电脑上(除了较老的 Chromebook 和类似设备)、在台式计算机和现代平板电脑如 iPads 上顺利运行。手机使用约 15 秒的缩短校准,在我们的手机测量中,视线相当准确。平板电脑和手机的现场验证将单独进行。
3.2 结果:样本噪音减少 40% 相比 1.x
精度。 通过双目融合,视线显著稳定和精确。在线上,2.0 视线样本的散布中位数为屏幕对角线的 2.2%(约 0.75°),它们的样本之间噪音比我们的 2023 年实验室研究(第 7.2 节)中记录的 Eye Tracking 1.x 低约 40%。
4. 更短更好的校准
4.1 校准工作原理
2.0 的校准显著缩短,并以一种根本新的方式进行。当记录每个校准点时,会检查其质量,因此在参与者眨眼或转头时记录的点会当场重复。然后参与者的网络在他们自己的设备上进行微调,在大多数情况下显著快于之前,而且微调的时间有限,因此参与者不会卡住。
视线控制。 视线控制是在第一个眼动追踪任务之前、任何头部重新定位后,以及由准确度等级设定的定期间隔进行的一个简短对接任务:在高等级下每三分钟一次,在最高等级下在每个实验前进行一次。它从不打断实验。参与者看到他们的头部位置为一个圆形,并移动头部直到它与目标圆重叠,这在一个直观的步骤中纠正了头部位置和与相机的距离。真实的在线参与者从开始到结束的中位数为 6.7 秒。每次运行也作为当前视线质量的检查,实时校正使用它(第 6 节)。
探针。 一次会议的第一个视线控制运行稍微长一些,总共约 17 秒,作为探针:它预测参与者在本次会议期间的视线准确度。这是筛查水平的基础(第 5 节):在更高的水平上,只有预测准确度更好的参与者会被允许进入研究。
4.2 结果:高等级 4 分钟,最高等级 7 分钟
说明 + 校准在高等级花费 4 分钟,最高等级花费 7 分钟。 从看到第一个说明文本到探针结束,真实的在线参与者在高等级中花费的中位数约为 4 分钟(大约 2 分钟的校准点),在最高等级中约为 7 分钟(大约 5 分钟的校准点)。微调本身在两分钟的校准后花费的中位数约为 37 秒,在最高等级后约为 67 秒。请注意,受试者在微调步骤中大多可以放松。
两分钟的校准对大多数研究来说足够,但五分钟会改善它。 在平衡筛选(等级 3)的情况下,两分钟的校准(高)提供了对角线的中位数 5.2%(约 1.8 视觉度)。对于大多数在线范式来说,这将足够准确。最高校准与非常严格的筛选(等级 5)提供了大约 4%(图 2),约 1.4 视觉度。
| median error, % of the screen diagonal | |
|---|---|
| High tier, 2 min calibration, level 3 (n = 50) 5.2 % ≈ 1.8° at 14.2" and 60 cm | 5.24 |
| Highest tier, 4 to 5 min calibration, level 5 (n = 10) 4.1 % ≈ 1.4° at 14.2" and 60 cm | 4.06 |
5. 更好的筛选、技术预检查和更简单的设置
5.1 预检查和筛选如何工作
筛选分为两个阶段,由我们的合作伙伴和参与者招募提供商 Prolific 提供的新功能支持。首先,技术检查拒绝不合适的设备而不支付报酬;然后进行校准、探针和筛查,研究人员可以选择支付参与者的费用。
技术拒绝。 检查设备的能力及其相机,视线采样率必须达到 10 Hz。这里的失败将导致技术拒绝:参与者只需几秒钟(在特别慢的设备上可能需要最多一分钟),并告诉他们被拒绝的原因。从 Prolific 进入的参与者最好用拒绝链接进行沟通,选择“设备不兼容”作为原因,并勾选“请参与者退回研究”的复选框。大多数参与者会非常乐意返回,对于那些仍然提交全部金额的人,你会看到他们的状态为“设备不兼容”,因此拒绝原因是明确的。因此,只有具有技术能力设备的参与者才能进入实际研究,并被允许进行校准。
校准后的筛查。 在校准和探针后,系统决定参与者是否被允许进入眼动追踪任务,基于研究的筛选级别。级别 0 不筛除任何人,允许每个人开始任务。级别 1 仅筛除未通过校准的参与者,而级别 2 到 5 则根据探针预测的准确度筛选,大约允许 100 名参与者中的 65、50、30 或 15 名。未通过的参与者在现场被筛除。如果你使用 Prolific,我们建议使用专用的筛查链接,支付参与者 0.50 英镑用于两分钟的校准,以及 0.80 英镑用于五分钟的校准(筛查链接在 Prolific 上部分支付)。这些金额适用于眼动追踪校准几乎是参与者所做的第一件事的情况。如果眼动追踪部分在你的研究中开始得较晚,请考虑启用校准重试(默认关闭),对于也未通过重试的参与者,支付更高的筛查费用。
综合来看,技术拒绝和筛查使得使用我们 2.0 系统的眼动追踪在像 Prolific 这样的众包平台上成为一种顺畅的体验,同时为被接纳的参与者提供高准确性和高完成率。
5.2 结果:99.3% 完成数据集,约 10% 额外费用
预检查发现了后期会失败的情况。 在我们的一次在线数据收集中,在 251 名参与者中有 37 人(约 15%)在开始之前被拒绝,大多数是因为相机的分辨率低于要求或计算机过慢无法跟踪面孔(图 3)。如果没有这项措施,他们每个人都可能会导致失败或无法使用的会话。我们现在也强制要求测量的视线采样率至少为 10 Hz,这是我们新的注视算法所需要的(有关更多信息,请参见下一个实验室说明)。
| entrants turned away | |
|---|---|
| camera below required resolution | 11 |
| computer too slow to track the face | 9 |
| unsupported graphics processor | 5 |
| camera permission denied | 4 |
| no camera | 3 |
| no WebGL | 2 |
| no WebAssembly SIMD | 1 |
| gaze rate below 10 Hz | 1 |
| camera delivered no frames | 1 |
| median error, % of the screen diagonal | |
|---|---|
| 10 Hz or lower (n = 7) | 7.58 |
| 11 to 14 Hz (n = 20) | 6.33 |
| 15 Hz and above (n = 318) | 6.02 |
每个筛选级别都带来了可预测的收益。 应用于没有筛选的高等级的 295 名参与者,每个级别在 0.2 至 0.7 分的步骤中以准确性交换了入场(图 5)。在等级 3,平衡的情况下,大约一半的所有参与者被接纳,接纳参与者的中位数下降约 1 分,接纳参与者中低于 10% 的比例从 17% 降至 3%。稍后的实时批次恰好证实了这一点:在平衡筛选下,一半的参与者被接纳,他们提供了 5.24%(第 7.1 节)。
| median error of admitted participants | |
|---|---|
| 0: No screening | 6.21 |
| 1: Failed only | 5.99 |
| 2: Light | 5.48 |
| 3: Balanced | 5.28 |
| 4: Strict | 4.88 |
| 5: Very strict | 4.17 |
筛选的成本很低,因为被筛选者只部分支付。 被筛选的参与者收到一小部分完整费用,在我们的情况下大约是十分之一,因此第3级提升了估计的招募成本约10%,第5级提升约60%(图6)。
| participants screened out (% of those who calibrate) | |
|---|---|
| 0: No screening | 0 |
| 1: Failed only | 10.8 |
| 2: Light | 37.6 |
| 3: Balanced | 51.5 |
| 4: Strict | 71.2 |
| 5: Very strict | 86.1 |
几乎每位付费参与者都提供完整的数据集。 在过去五个批次(9月24日至28日)中,经过审核并付费的450名参与者中,447名(99.3%)交付了完整的数据集(图7)。同样重要的是,参与者一旦被录取就会继续参与:96%到97%通过探测的参与者完成了研究。被技术预检拒绝的参与者未获得报酬,被筛选的参与者只收到一小部分费用,因此完整费用几乎完全用于可用的记录。
| participants | |
|---|---|
| passed the probe (admitted) | 468 |
| fully paid on Prolific | 450 |
| complete dataset (all 45 trials) | 447 |
6. 实时修正头部移动和光照变化
6.1 实时修正的作用
筛选决定谁可以进入研究。对于被录取的参与者,随后有两个实时修正可以减少头部移动和光照变化在会话过程中增加的误差。这两个修正默认在每个校准级别开启,但可以在研究设置中关闭。
- 头部姿势修正。 当头部在校准期间偏离其位置时,目光估计也会随之移动。此修正会持续补偿这种偏移。
- 目光检查修正。 定期的目光控制检查(高层每三分钟一次,在最高层每次试验前一次)用于消除校准后产生的漂移,包括光照变化所导致的漂移。当面部光线明显变化时,光照变化检测器会触发额外检查。
原始目光保持可重建:修正默认应用,但可以关闭,并且可以在Labvanced中记录应用于每个目光样本的修正(作为目光触发事件的参数),因此更喜欢未修正信号的研究人员可以准确恢复它。
6.2 结果:减少六分之一的误差,移除大部分尾部
修正减少了六分之一的误差和大部分尾部。 在高层平衡筛选(第3级,143参与者)中,中位数从6.37%的原始降至5.72%(使用头部姿势修正)和5.28%(使用两种修正),而低于10%的参与者比例从15%降至3%(图8)。在没有任何筛选的情况下,增益相同,六分之一:295名参与者的误差从7.42%降到6.21%。约四分之三的参与者有所改善(图9)。
| High tier (n = 295) | Highest tier (n = 99) | |
|---|---|---|
| -3 to -2 | 0 | 0 |
| -2 to -1 | 4 | 5 |
| -1 to 0 | 17 | 16 |
| 0 to 1 | 28 | 33 |
| 1 to 2 | 18 | 24 |
| 2 to 3 | 13 | 8 |
| 3 to 4 | 5 | 3 |
| 4 to 5 | 6 | 5 |
| 5 to 6 | 1 | 2 |
它们对从未开发过的参与者保持效果。 修正只设置一次,然后未改变地应用于后来的五个批次,其中三个是在离线情况下,两个是在研究中实时运行修正(图10)。
| raw model output | with corrections | |
|---|---|---|
| 2.0.9 batch, Sep 15 (n=48) | 7.82 | 6.65 |
| Batch C, Sep 24 (n=49) | 7.13 | 6.08 |
| Batch D, Sep 24-25 (n=51) | 7.8 | 6.25 |
| High tier, level 3, Sep 26 (n=50) | 6.51 | 5.24 |
| Highest tier, Sep 27-28 (n=99) | 5.66 | 5.08 |
稳定的光线保持高准确度,而目光控制检查捕捉变化。 在最高层,99名参与者中有70名面部的亮度保持在校准值的5%以内,其原始中位误差为5.49%。对于面部光线变化超过10%的13名参与者,当面部变暗时(5名参与者)为10.94%,变亮时(8名参与者)为7.78%(图11)。定期的目光控制检查捕捉到这样的变化并进行修正。
| median error, raw | |
|---|---|
| light within 5 % of calibration (n = 70) | 5.49 |
| darker by more than 10 % (n = 5) | 10.94 |
| brighter by more than 10 % (n = 8) | 7.75 |
7. Prolific参与者的有效准确度为1.4°至1.8°
7.1 准确度:高层1.8°,最高层1.4°
| 配置 | 筛选 | n | 原始模型输出 | 交付(修正后) | 在14.2英寸和60厘米处的视角 |
|---|---|---|---|---|---|
| 高层,无筛选 | 无 | 295 | 7.42% | 6.21% | 2.1° |
| 高层,平衡筛选 | 第3级 | 50 | 6.51% | 5.24% | 1.8° |
| 最高层 | 第1级和第2级 | 89 | 5.77% | 5.20% | 1.8° |
| 最高层 | 第5级 | 10 | 4.65% | 4.06% | 1.4° |
经过两分钟的校准和平衡筛选,参与者的中位误差为对角线的5.2%,大约1.8°,而十六名被录取参与者中有十五名的误差都低于10%。最高层在非常严格的筛选下达到了4%,约1.4°。
| High tier (2 min calibration) | Highest tier (4 to 5 min calibration) | participants admitted per 100 entrants | |
|---|---|---|---|
| 0: No screening | 6.21 | 5.6 | 100 |
| 1: Failed only | 5.99 | 5.2 | 85 |
| 2: Light | 5.48 | 4.9 | 65 |
| 3: Balanced | 5.28 | 4.6 | 50 |
| 4: Strict | 4.88 | 4.3 | 30 |
| 5: Very strict | 4.17 | 3.8 | 15 |
误差在整个屏幕上几乎均匀,外部目标的误差不比中心目标差(图13)。下面的计算器将预期的准确度转换为任何屏幕和观看距离。
Medians over participants of each participant's median trial error, with both live corrections on. The Highest-tier ladder is a projection from 100 participants and will be refined as its screening reference is frozen.
7.2 精度:0.75°的散布,0.6°的样本间距
精度在第一代中显著提高。为了比较相似情况,我们重新计算了Eye Tracking 1.x在2023年实验室研究中录音的精度,在该研究中,每位参与者同时用网络摄像头和EyeLink 1000记录。对于每个网格试验,我们根据EyeLink取最稳的为期一秒的窗口,以便在真实的注视期间测量两个追踪器,同时如同2.0一样应用两个标准指标:样本围绕均值的散布(标准差)和样本间距的均方根(RMS-S2S)。
| 精度(参与者中位数) | Eye Tracking 1.x,实验室(n = 19) | Eye Tracking 2.0,在线(n = 295) | EyeLink 1000,实验室(n = 19) |
|---|---|---|---|
| 一秒内的散布(标准差) | 2.4%(0.87°) | 2.2%(0.75°) | 0.3%(0.10°) |
| 样本间距(RMS-S2S) | 2.8%(1.02°) | 1.75%(0.60°) | 0.3%(0.10°) |
以屏幕对角线的百分比表示,且每个研究的屏幕视角(实验室中的15英寸显示器,和在线中的14.2英寸笔记本电脑,都在60厘米处)。这两个网络摄像头系统的采样频率约为30Hz。
在线2.0信号的散布比实验室1.x信号少了约10%,样本间距的噪音低约40%,从约1.0°降低到0.6°。值得注意的是,这个对比在两个方面更有利于1.x:它是在实验室控制下记录的,并且其窗口是由EyeLink选择的最稳定的一秒,而在线不可能如此。因此这个改进可能被低估了。EyeLink当然仍然是最精确的系统,但2.0缩小了这一差距。
8. 无需校准的被动层
8.1 被动层如何工作
使用Eye Tracking 2.0,可以在没有校准的情况下运行被动模型,在某些实验场景中,这可能非常有用。它只要求参与者授予摄像头访问权限;然后目光跟踪预测立即开始。它是为无法或不应当进行校准的参与者设计的,其中以婴儿为首:校准一直是婴儿眼动追踪中最难的部分,许多婴儿研究使用所谓的偏好看望范式,即他们询问孩子是向左还是右看。能够实时并完全在参与者自己的机器上可靠分类这一点,对于婴儿注意力研究来说可能是一个游戏规则的改变,同时也适用于其他需要在后台静默进行眼动追踪的领域。您可以在第10节中自行进行婴儿研究。
8.2 预期准确度:约4°(估计)
被动层不属于Prolific批次,且其领域验证仍在进行中。婴儿实验室理应希望完成对真实婴儿的验证,这超出了Prolific的提供。如果您在婴儿实验室工作或代表婴儿实验室,并希望帮助验证被动层,请联系:我们非常感兴趣于合作。
对于我们广泛的内部测试,工作的估计误差约为屏幕对角线的 11-12 %,在 60 厘米远的笔记本电脑上约为 4°。图 14 显示了这对典型实验设计的意义:在被动等级的中位误差下,目标在屏幕左半部分的中间看去,远离右半部分。甚至有很大的机会可以以足够的信心区分 4 到 6 个屏幕区域。关于这方面的更多数据将在一段时间内提供。
图 14. 每个等级的中位误差按比例绘制为位于 16:9 屏幕左半边目标周围的圆。虚线将屏幕分为左右。被动部分的图是估计;其它两个是测量值。
9. 讨论
我们经过同行评审的 2023 年比较显示,实验室中的网络摄像头可以将视线追踪到大约 1.4°。这一说明表明,使用我们的 Webcam Eye Tracking 2.0 引擎,在参与者的家中,他们自己的笔记本电脑和光线下,经过两分钟的校准和平衡筛选,视线追踪的中位数大约为 1.8°,而经过长时间校准和严格筛选则为 1.4°。实际上,之前在实验室控制下所达到的精度现在在网上达成。有三个机制占据了大部分变化:改进的双眼追踪引擎,更好地捕捉个体差异和漂移的校准,以及去除头部姿势和光线的系统误差的实时纠正。
对于研究人员来说,这些后果非常实际。在心理学、语言学、社会学、经济学、市场营销等领域的大多数研究,可以运行高等级,并期望约 1.8°,这很可能足以捕获预期效果。研究较小区域的研究,如具有多个单词及其间隔较小的阅读任务(尝试阅读研究),可以使用最高等级,在严格筛选下获取约 1.5°,或者在非常严格筛选下获取 1.4°。在另一方面,研究婴儿和幼儿注意力的研究人员现在可以选择在没有任何校准的情况下进行追踪,因此避免了校准给数据收集带来的困难(第 8 节)。当然,在这些极端之间还有多个步骤。Labvanced 界面中的设置大大简化,并且它为每个选择显示的预期准确性基于真实的测量。简而言之,您的下一个眼动追踪项目可以从今天开始。
哪种设置适合哪种研究?
下表是一个粗略的指导原则,而不是严格的规则集。对于每个任务和研究,考虑兴趣区域的数量、大小,尤其是它们之间的距离,并相应选择设置:两个相隔较远的大区域容许的误差远大于许多并排的小区域。如果您不确定哪种设置适合您的设计,请与我们联系,我们将与您一起查看。
| 你的研究设计 | 推荐等级 | 推荐筛选 | 指令和校准 | 预期准确性 | 额外招募成本 |
|---|---|---|---|---|---|
| 婴儿注意力,左与右(偏爱注视) | 被动(婴儿) | 无 | 无 | 12 % (≈ 4°) | 无 |
| 婴儿盯住时间在四到六个屏幕区域,适合耐受 40 秒动物校准的幼儿 | 中等(婴儿) | 无 | 少于 1 分钟 | 10 % (≈ 3.4°) | 无 |
| 在另一任务的背景中记录的注意力和参与度:视频、广告、仪表板,其中无法进行校准 | 被动 | 无 | 无 | 12 % (≈ 4°) | 无 |
| 需要最少设置时间的短任务,最多 6 个屏幕区域或最多 4 个较大兴趣区域 | 中等 | 无 | 大约 30 秒 | 9 % (≈ 3°) | 无 |
| 需要短设置时间的短任务,具有 4 到 8 个较大兴趣区域,并且它们之间距离较远 | 良好 | 仅失败校准(等级 1) | 大约 3 分钟 | 6.9 % (≈ 2.4°) | 约 +2 % |
| 大多数中等或较长任务的默认设置,具有标准大小的兴趣区域(例如,屏幕上的一个面孔,眼睛和嘴巴的单独兴趣区域)。网格最多 12 个区域(3x4)。 | 高 | 轻量(等级 2) | 大约 4 分钟 | 5.6 % (≈ 1.9°) | 约 +6 % |
| 在一个框架中具有较小兴趣区域的研究,或约 15 个区域的网格(3 x 5) | 高 | 平衡(等级 3) | 大约 4 分钟 | 5.2 % (≈ 1.8°) | 约 +10 % |
| 最小的兴趣区域,或非常靠近彼此的区域,例如在单词级别的阅读,使用短单词。可靠的网格最多 24 个区域(4x6)。 | 最高 | 严格(等级 4) | 大约 7 分钟 | 4.3 % (≈ 1.5°) | 约 +25 % |
预期的准确性是已接纳参与者在启用校正情况下的中位数,测量在高等级和最高行,并对其他等级进行估算;额外招募成本将被筛选的参与者计算为完成参与者的十分之一。筛选不适用于被动和中等等级:所有人都被接纳。
Labvanced 研究设置中的设置向导提出相同的两个问题,准确性等级和筛选级别,并在研究开始前显示您的选择的预期准确性。
常见问题
网络摄像头眼动追踪的准确性如何?
使用 Labvanced Eye Tracking 2.0,在线参与者的中位数在经过两分钟的平衡筛选校准后准确到 1.8° 的视觉角度,而在经过严格筛选的长时间校准后准确到大约 1.4°。在实验室中,第一代在与 EyeLink 1000 的直接比较中达到了 1.4°(Kaduk 等,2024)。
网络摄像头眼动追踪在阅读研究中是否准确?
对于单词级别的阅读,我们推荐最高等级并进行严格筛选,可以提供约 1.5° 的准确性。较大兴趣区域,例如面孔、场景或页面区域,在高等级下为 1.8 至 1.9°。上表列出了哪个设置适合哪个研究设计。
校准需要多长时间?
在高等级下,指令和校准大约需要 4 分钟,而在最高等级下则需要大约 7 分钟。较短的等级需要 30 秒到 3 分钟不等,而被动等级根本不需要校准。
网络摄像头眼动追踪适合婴儿吗?
被动等级在相机打开时会立即开始追踪,无需任何校准。其估计误差约为 4°,在偏爱注视的研究中足以区分向左看和向右看的情况。与婴儿的现场验证仍然在进行中。
网络摄像头眼动追踪与实验室眼动追踪仪相比如何?
实验室追踪仪例如 EyeLink 1000 的精度更高,散射约为 0.1°,而网络摄像头为 0.75°。网络摄像头眼动追踪在参与者自己的电脑上可达到约 1.4 至 1.8° 的准确性,足以满足大多数基于兴趣区域的设计。
我可以将现有研究切换到 2.0 吗?
是的,随时可以:在研究设置中选择 Eye Tracking 2.0。现有研究将保持在 1.x 版本,直到您切换,而新研究则从 2.0 开始。
它包含在我的许可证中吗?
Eye Tracking 2.0 是所有 Premium 和 Ultimate 许可证的一部分,就像之前的 Eye Tracking 1.x 一样。
2.0 研究记录什么?
与之前相同的凝视输出,x 和 y 位置,现在更加准确和精确,每个样本都有一个置信值。默认情况下,使用新的合并检测器来检测注视。如果您想要未经校正的信号,可以将对每个样本应用的校正记录为凝视触发的参数。被筛选掉或技术上被拒绝的参与者在研究的群体统计数据中以其状态列出。
我的数据有什么变化吗?
结构保持不变。置信值现在在不同的尺度上:它是由与1.x完全不同的量计算得出的,因此一般数值较低。这仅仅是尺度的改变,而不是数据质量的变化,但这意味着来自1.x研究的置信阈值无法转移到2.0版本。置信度也是参与者特定的:请使用它来比较同一参与者的样本或试验,而不是跨参与者。一个参与者的0.3置信度并不意味着另一个参与者的0.3置信度是相同的。我们的数据显示这一点很明显:参与者的典型置信度范围从0.09到0.73,但这并未说明他们的准确性。典型置信度约为0.3的参与者所交付的错误率从3.7%到20.8%不等。相对而言,在一个参与者内部,较低置信度的试验往往准确性较低。
接下来是什么?
Labvanced Webcam Eye Tracking 2.0是一个耗时数月的项目,涉及我们眼动跟踪代码的几乎每个部分。这绝对不是我们将要进行的最后一次改进。以下是我们现在正致力于的五个主题。
1. 眨眼检测
眨眼会短暂干扰视线估计。我们将可靠地检测到眨眼,并在眨眼过程中保持视线稳定,这样眨眼看起来就不再像眼球运动。清晰的眨眼信号本身也是有趣的:眨眼率和时机是疲劳、唤醒和认知负荷的公认测量指标,并可能成为每个眼动跟踪研究的新输出。
2. 跨屏幕的均匀准确性
准确性已经在屏幕上几乎均匀分布(如图13所示)。我们正在努力消除屏幕区域之间剩余的小的系统性差异,而无需增加一个校准点。
3. 自适应校准
今天,研究人员可以提前选择校准的时间长度,并且每个参与者都使用相同的校准。我们正在致力于一种适应参与者的校准:对于简单情况较短,而在收益较大的地方才会更长。
4. 注视检测
我们的下一篇实验笔记,注视检测分析,比较了在网络摄像头数据上进行的注视检测算法,以及在同时使用EyeLink 1000进行的记录以及我们在线参与者完成的快速注视任务中。它显示了眼动跟踪2.0的新默认检测器如何将报告为准确一个注视的稳定注视比例提高一倍。
5. 您数据会话的质量
每个会话在运行时已经在衡量其自身质量的多个方面。我们将为每个会话添加一个紧凑的质量输出,附带整体质量评分,以便研究人员在数据收集后对会话或参与者进行排名、加权或排除。
10. 自己尝试一下
判断网络摄像头眼动跟踪的最好方式就是亲自体验。下面的研究在您的浏览器中运行眼动跟踪2.0,使用您自己的网络摄像头:允许相机访问,跟随校准,亲自看看。就像眼动跟踪2.0中的一切,处理都是在您的设备上进行,任何图像或视频都不会离开。准确性任务是本笔记结果背后的研究;其他研究是典型研究设计的演示,并不构成验证的一部分。
11. 数据和可重复性
本笔记中的每个结果都可以独立检查。我们发布了494个已完成会话的匿名数据,这些结果基于该数据,并附上计算每个数值和每个图形的脚本。
该包有一个永久标识符:https://doi.org/10.17605/OSF.IO/VTA7B。
它包含什么。 每个参与者一行(级别、筛查、校准结果和计时),每个45个目标准确性任务的试验一行,包括其误差、原始数据及其修正,以及每个目标变化前最后一秒钟,准确性指标使用的窗口:带模型信心的注视样本、注视,以及在最高级别时,面孔亮度。它还包含每次注视控制运行的计时和不按参与者共享的值的汇总表(开始前的技术拒绝、探测后的保留,以及2023年实验室精度值)。一个自述文件记录每一列。
如何重现。 脚本只需要Python 3及其标准库。运行 scripts/accuracy.py 然后 scripts/article_numbers.py:它们组合在一起准确地按本笔记所述应用该指标,并写出文本中引用的每个图形和每个数字的数据。唯一未根据数据计算的值是汇总表、图12中最高级别的预期准确性,这些值在产品中设置,以及被动级别的估计准确性。
隐私。 数据中不包含任何形式的标识符:没有Prolific或Labvanced ID,没有姓名,没有人口统计信息,没有设备或浏览器信息,以及没有绝对日期或时间。每个参与者都有一个与其他记录无关的随机ID,没有密钥存在。没有任何相机图像或视频被录制。所有参与者都同意匿名使用他们的数据。
许可证。 版权所有 © 2026 Scicovery GmbH(Labvanced)。数据和脚本在CC BY-NC 4.0下许可:您可以使用、重新分析和共享它们,并为非商业目的发布您的结果,注明Labvanced并引用本笔记。商业使用需要我们的书面许可。
如何引用。 APA格式,随时复制:
Labvanced (2026). Labvanced Eye Tracking 2.0: 适用于所有在线研究的精准网络摄像头眼动追踪。 Labvanced实验笔记。 https://www.labvanced.com/content/research/zh/lab-notes/2026-10-webcam-eyetracking-2-0/
在您的方法部分进行描述。 欢迎您调整此段落(将方括号中的值替换为您的设置):使用Labvanced Eye Tracking 2.0(Labvanced, 2026)通过参与者的网络摄像头在线记录注视,使用[高]校准级别和[平衡的]参与者筛查。应用了实时头部姿势和注视控制校正。在该配置的验证中,中位准确性为[5.2 %]屏幕对角线的约[1.8°]视角,距离60厘米。
参考文献
- Alp, N., Lale, G., Saglam, C., & Sayim, B. (2024). 动态面孔感知中部分信息处理的影响。 Scientific Reports, 14, 9794. https://doi.org/10.1038/s41598-024-58605-7
- Bertrand, J. K. (2023). 网络摄像头眼动追踪的实用性:经验教训和在决策和数字人机交互中的实际应用 [博士论文, 阿尔伯塔大学]. https://doi.org/10.7939/r3-83ge-t169
- Bertrand, J. K., & Chapman, C. S. (2023). 眼手协调的动态在在线数字对象交互任务中的灵活保留。 2023年人机交互会议的论文集。 ACM. https://doi.org/10.1145/3544548.3580866
- Bertrand, J. K., Ouellette Zuk, A. A., & Chapman, C. S. (2023). 通过远程捕获的决策难度的连续测量:II. 网络摄像头眼动追踪揭示早期决策处理。 bioRxiv. https://doi.org/10.1101/2023.06.06.543799
- Bánki, A., de Eccher, M., Falschlehner, L., Hoehl, S., & Markova, G. (2022). 比较在线网络摄像头和实验室基于眼动追踪的方法,以评估婴儿的视听同步感知。 心理学前沿, 12, 733933. https://doi.org/10.3389/fpsyg.2021.733933
- Calignano, G., Lorenzoni, A., Semeraro, G., & Navarrete, E. (2024). 图片之前的文字:语言在偏倚视觉注意方面的作用。 心理学前沿, 15, 1439397. https://doi.org/10.3389/fpsyg.2024.1439397
- Golan, M., Abo Shkara, M., & Havron, N. (2023). 儿童通过形态引导推断新动词的含义。 PsyArXiv. https://doi.org/10.31234/osf.io/xk8eu
- Grosse Wiesmann, C., Rothmaler, K., Hasan, E., Habdank, K., Yang, C., Yeung, E., & Southgate, V. (2025). 自我参考记忆偏见在幼儿时期前面临着他人参考偏见。 自然通讯, 16, 6311. https://doi.org/10.1038/s41467-025-61642-z
- Haverly, C. (2022). 视频游戏玩耍对变化检测的影响:一项眼动追踪研究。 Horizons, 7, 68–73. 夏威夷大学马诺阿分校。ScholarSpace
- Jenke, L., & Sullivan, N. (2025). 注意力与政治选择:政治学中眼动追踪的基础。 政治分析, 33(4), 298–314. https://doi.org/10.1017/pan.2025.8
- Kaduk, T., Goeke, C., Finger, H., & König, P. (2024). 接近实验室标准的网络摄像头眼动追踪:比较一种新型基于网络摄像头的系统与EyeLink 1000。 行为研究方法, 56(5), 5002–5022。
- Kim, J. Y., Rowell, B., Whitaker, M., Chen, Q., Al Kontar, R., Lester, C., & Yang, X. J. (2026). 人工智能辅助时机对药剂师对自动药片识别技术信任的影响。 JMIR人类因素, 13, e92822. https://doi.org/10.2196/92822
- Niehorster, D. C., Nyström, M., Hessels, R. S., Andersson, R., Benjamins, J. S., Hansen, D. W., & Hooge, I. T. C. (2025). 眼动追踪基础知识第4部分:进行眼动追踪研究的工具。 行为研究方法, 57, 46. https://doi.org/10.3758/s13428-024-02529-7
- Patterson, A. S., Nicklin, C., & Vitta, J. P. (2025). 针对基于网络摄像头的眼动追踪的方法推荐:一项范围审查。 应用语言学研究方法, 4(3), 100244. https://doi.org/10.1016/j.rmal.2025.100244
- Sander, I., Mazumder, R., Fingerhut, J., Parada, F. J., Koselevs, A., & Gramann, K. (2024). 超越建筑密度:对城市环境中情感体验的粗略到细致的分析。 环境心理学杂志, 96, 102337. https://doi.org/10.1016/j.jenvp.2024.102337
- Sauter, M., Hirzle, T., Wagner, T., Hummel, S., Rukzio, E., & Huckauf, A. (2022). 眼动同步性是否可以预测在线学习背景下的不可靠抽样数据的测试表现? ETRA '22:眼动追踪研究与应用研讨会。 ACM. https://doi.org/10.1145/3517031.3529239
- Saxena, S., Fink, L. K., & Lange, E. B. (2023). 针对在线实验中的网络摄像头眼动追踪的深度学习模型。 行为研究方法。https://doi.org/10.3758/s13428-023-02190-6
- Serrano-Carot, M., Angele, B., Xu, H., & Vasilev, M. R. (2026). 网络摄像头可以用于研究阅读过程中的眼动。 行为研究方法, 58, 331. https://doi.org/10.3758/s13428-026-03199-3
- Stone, S. A., & Chapman, C. S. (2023). 无意识的挫折:使用眼动和鼠标跟踪动态评估用户体验。 ACM人机交互学报, 7(ETRA), 168. https://doi.org/10.1145/3591137
- Tsai, C. C., Kim, J. Y., Chen, Q., Rowell, B., Yang, X. J., Kontar, R., Whitaker, M., & Lester, C. (2025). 人工智能的有用性感和不确定性对药剂师的认知互动的影响:随机对照试验。 医学互联网研究杂志, 27, e59946. https://doi.org/10.2196/59946
- Tsuji, S., Amso, D., Cusack, R., Kirkham, N., & Oakes, L. M. (2022). 编辑部:远程实证研究:用于发展科学的新方法。 心理学前沿, 13, 938995. https://doi.org/10.3389/fpsyg.2022.938995
- Tsutsuse, K. S. (2025). 在线广告对处理和评估科学解释的影响 [硕士论文, 夏威夷大学马诺阿分校]。 ScholarSpace
- Wies, S., Bleier, A., & Edeling, A. (2023). 寻找金发姑娘影响者:关注者数量如何推动社交媒体互动。 市场营销杂志, 87(3), 383–405. https://doi.org/10.1177/00222429221125131
- Zhang, P., & Zhang, S. (2025). L2多模态中的注意力与学习:一项基于网络摄像头的眼动追踪研究。 语言学习与技术, 29(1), 1–27. https://doi.org/10.64152/10125/73626
- Zhang, X., & Powdthavee, N. (2026). 注意力作为道德判断中的瓶颈:比较上下文如何扭曲歧视识别。 PsyArXiv. https://doi.org/10.31234/osf.io/pnurb_v1
- Zhao, Y., Li, Y., Zhang, K., Li, Z., Hu, Y., Tan, L., Jia, H., Wang, S., Gao, Z., Song, Y., Li, X., Zhao, C., & Cao, A. (2025). 经颅光刺激改善注意力选择性在ADHD儿童中的效果。 medRxiv. https://doi.org/10.1101/2025.09.18.25335086
- Labvanced眼动追踪文档:研究设置,数据输出。