如何运行网络摄像头眼动追踪研究
运行一个网络摄像头眼动追踪研究意味着利用标准计算机网络摄像头测量某人注视的位置，而不是专用硬件。它可以被概念化为一个六阶段的过程：决定测量内容，将刺激物与该测量相关联，选择校准方法，准备环境和参与者，在任务期间收集注视数据，以及分析输出与该方法实际支持的内容。Labvanced的网络摄像头眼动追踪管道是迄今为止经过严格基准测试的，达到1.2到1.4个视觉度的准确性，与研究级EyeLink 1000追踪器(Kaduk et al., 2024)相距甚近，能够支持大多数无需硬件的注意力和视觉偏好研究问题，尽管并非所有研究问题。
这些阶段并不是任何单一平台所独有，尽管实施细节有所不同。以下每节首先讨论一般的方法论决策，然后指出Labvanced如何实现它。
网络摄像头眼动追踪工作流程
I. 决定测量内容及网络摄像头眼动追踪是否适合您的问题
网络摄像头眼动追踪测量内容
围绕网络摄像头眼动追踪构建的研究通常记录以下一个或多个内容：
- 注视：某人看哪里以及看多长时间
- 扫视：在注视点之间的快速移动
- 关注区域(AOI)分析：参与者是否以及看一个定义的区域多长时间
- 注视路径：视觉注意力在刺激物上的序列
- 第一次注视时间：刺激物多快吸引注意力
从某些网络摄像头管道中技术上可以提取瞳孔大小，但与专用硬件相比，可靠性大大降低，因此在网络摄像头研究中很少被用作主要结果测量。
方法是否适合您的研究问题
方法是否适合给定的研究问题归结于它能提供的准确性。网络摄像头眼动追踪非常适合AOI和停留时间分析、注视计数、自由观看和视觉偏好范式以及一般的视觉注意模式。影响网络摄像头眼动追踪准确性的设计考虑列出了使之适合的已出版准确性数据，并且详细说明了决定某个研究是否达到这些标准的设计决策。
它不适合小于一度的精确任务、扫视动力学或密集文本中字母级注视精度：相对于研究级硬件追踪器的准确性差距是真实存在的，值得在设计时加以考虑，而不是直接假定可以忽视。
II. 将您的刺激物与所需的注视数据关联起来
注视追踪独立于刺激物实际是什么：图像、一段文本、一个视频帧或一个实时接口都可以以相同方式被追踪，因为该方法记录眼睛相对于屏幕的指向，而不是屏幕下方渲染的内容。重要的设计决策是关注区域相对于彼此的位置以及它们之间的空隙，因为屏幕的准确性并不均匀，两个紧密相邻的AOI可能会导致靠近边界的注视被错误地分配给错误的区域。
Labvanced的实现： 在眼动追踪任务中呈现刺激物介绍了任务编辑器中任何对象类型如何变得可追踪，而无需特殊配置，以及在接触任何眼动追踪设置之前如何考虑刺激物布局。
III. 选择校准方法
任何网络摄像头眼动追踪系统都是通过要求参与者注视一系列屏幕上的点来估算注视位置，从而建立校准映射。较长的程序和更多的点产生更准确的映射，但校准也是研究中唯一一个参与者必须主动参与系统而不仅仅是关注任务的部分，因此长度是与疲劳和退场之间的实际权衡，而不是默认最大化的设置。合适的长度取决于您的AOI紧凑程度：设计中有许多小而紧凑的AOI需要更长校准所带来的准确性；而设计中有少量大且相对分离的区域可以使用较短的校准。
校准长度设定了上限，但没有定义质量阈值，校准未收敛的参与者会被纳入数据集中，而此参与者与校准收敛的参与者无异，而不是被提示重试或排除。在数据收集开始之前设定最大可接受校准误差使其成为一个明确的标准，而不是假设。
Labvanced的实现： 如何选择眼动追踪校准设置是关于校准长度、点数、质量阈值和您研究所需的生理工具箱版本的决策指南。
IV. 准备环境和参与者
网络摄像头眼动追踪依赖于人脸追踪模型可靠地从网络摄像头输入中检测面部和眼部特征，因此几个环境因素在单次试验开始之前就会实质性影响数据质量。背光会使参与者的脸呈现轮廓，降低模型所需的对比度；远离屏幕的网络摄像头会增加超出校准所纠正的误差；而导致反射或涂有有色或蓝光过滤涂层的眼镜会扭曲到达相机的光线。这些都不是不寻常的要求，它们与实验室为硬件眼动追踪器管理的设置考虑属于同一类别，适用于研究人员无法亲自检查参与者的场景。
Labvanced的实现： 参与者校准体验逐步介绍了参与者看到的校准流程，包括上述实际的照明、眼镜和网络摄像头放置因素，以及在参与者偏离位置时发生的事情。
V. 在任务中收集注视数据
记录注视数据
一旦校准完成，注视坐标将被记录并映射到设计时定义的任何感兴趣区域。根据研究设计，记录可以在整个任务中连续进行，或者限制在特定的兴趣区域，仅在参与者注视定义区域时捕捉注视，而不是在整个画面上。注视通常也不是唯一值得捕捉的通道：将其与其他行为或生理测量结合，能够比仅仅注视位置更全面地展示参与者的反应。
Labvanced 的实现： Labvanced 中的眼动数据输出 显示了注视导出的实际内容，包括每个样本的置信值，用于标志眨眼或未检测到的面孔。将形状用作兴趣区域 (AOI) 介绍了使用多边形或 SVG 形状作为掩膜来定义记录注视的区域。Labvanced 还可以在同一任务中录制与眼动跟踪相辅相成的通道：
- 鼠标跟踪: 光标位置和移动轨迹
- 情感检测: 面部表情分类为情感标签
- 远程心率检测 (rPPG): 从摄像头视频估计的心率
在会话期间重新校准
对于较长或多块会话，在定义的点触发重新校准，而不是依赖于单一校准在整个会话中生效，可以防止位置和光照漂移，这是任何远程、无监督设置的实时方法论风险。
Labvanced 的实现： 在任务中设置眼动跟踪 介绍了每个任务的重新校准频率配置。
VI. 分析输出
摄像头注视数据作为时间序列导出，而不是每个试验一个值，因为注视位置每秒记录多次，而不是仅一次。采样率受浏览器处理摄像头帧的速度限制，通常在 30 到 60 Hz 之间，具体取决于参与者的硬件。从原始注视流中，支持大多数研究设计的测量包括注视持续时间、访问兴趣区域的次数、第一次注视的时间和停留时间，这些都可以在 R、Python 或专用分析软件中下游计算。
Labvanced 的实现： 记录和导出注视数据 介绍了构建记录注视数据的事件以及您的研究运行后生成的导出样子。
摘要表
| 阶段 | 方法论决策 | Labvanced 实现 (请参阅上方链接的指南) |
|---|---|---|
| I. 测量内容 | 选择准确度上限实际支持的测量 (AOI、注视、停留时间)，而不是不支持的测量 (扫视动态、亚度精度) | 准确性和设计考虑页面 |
| II. 刺激与注视 | AOI 间距比刺激类型更为重要 | 展示刺激指南 |
| III. 校准 | 长度和点数权衡准确性与疲劳和掉退出，定义的质量阈值决定哪些校准足够好使用 | 校准设置指南 |
| IV. 环境与参与者 | 光照、摄像头位置和眼镜影响任何试验运行前的标志检测 | 参与者校准体验指南 |
| V. 数据收集 | 在定义的点重新校准以防止长时间会话中的漂移 | 任务设置和注视记录指南 |
| VI. 分析 | 从时间序列导出计算注视持续时间、停留时间和相关测量 | 注视记录和导出指南 |
