Labvanced Augenverfolgung

Inhalte:

1. Einführung: Innovative und präzise Webcam-Augenverfolgung
2. Begutachtete Veröffentlichung: Webcam-basierte Augenverfolgung von Labvanced
3. Hintergrund - Was ist Webcam-Augenverfolgung?
4. Unser Prozess: Wie funktioniert die Webcam-Augenverfolgung von Labvanced?
5. Über Systemarchitektur und Datenfluss der Augenverfolgung
6. Hauptmerkmale der Webcam-Augenverfolgung von Labvanced
7. Musterdaten und Metriken aus der Webcam-Augenverfolgung
8. Beispiele für die Integration von Webcam-Augenverfolgungsdaten in das Versuchsdesign
9. Forschungsarbeiten, die Labvanceds webcam-basierte Augenverfolgung verwenden
10. Labvanced Bibliotheksstudien

Einführung: Innovative und präzise Webcam-Augenverfolgung

Forscher aus der ganzen Welt haben unsere Webcam-basierte Augenverfolgungstechnologie verwendet, um besser zu verstehen, wie Aufmerksamkeit funktioniert.

Jetzt, mit einer begutachteten Veröffentlichung zur Hand, können Sie innovative Webcam-basierte Technologie mit Zuversicht nutzen.

Lesen Sie diesen begutachteten Artikel in der Zeitschrift Behavior Research Methods, der die Genauigkeit unserer webcam-basierten Augenverfolgungslösung im Vergleich zu EyeLink untersucht.

Begutachtete Veröffentlichung: Webcam-basierte Augenverfolgung von Labvanced

WICHTIGSTE ERGEBNISSE

• Labvanceds webcam-basierte Augenverfolgung hat eine Gesamtagenauigkeit von 1,4° und eine Präzision von 1,1°, wobei der Fehler etwa 0,5° größer ist als beim EyeLink-System.
• Interessanterweise verbessern sich sowohl Genauigkeit als auch Präzision (auf 1,3° bzw. 0,9°), wenn visuelle Ziele in der Mitte des Bildschirms angezeigt werden - etwas, das Forscher berücksichtigen sollten, da die Mitte des Bildschirms der Ort ist, an dem in vielen psychologischen Experimenten Reize präsentiert werden.
• Bei Aufgaben mit freiem Betrachten und glattem Verfolgen lag die Korrelation zwischen Labvanced- und EyeLink-Blickdaten bei etwa 80 %. Für eine visuelle Darstellung, wie diese Korrelation aussieht, siehe das Bild unten, das die Überlappung zwischen den Datenpunkten von Labvanced (blaue Punkte) und EyeLink (rote Punkte) zeigt.
• Auch die Genauigkeit war über die Zeit hinweg konstant.

Abb. 1. Grafiken aus der Forschungsarbeit (aus der Veröffentlichung - Abb. 7), eine visuelle Demonstration, wie diese Korrelation aussieht, in einer glatten Verfolgungsaufgabe, die die Überlappung zwischen den Datenpunkten von Labvanced (blaue Punkte) und EyeLink (rote Punkte) zeigt. Bei Aufgaben mit freiem Betrachten und glattem Verfolgen lag die Korrelation zwischen Labvanced- und EyeLink-Blickdaten bei etwa 80 %.

Zitieren Sie diesen Artikel:

• Kaduk, T., Goeke, C., Finger, H. et al. Webcam-Augenverfolgung nah an Laborstandards: Vergleich eines neuen webcam-basierten Systems und des EyeLink 1000. Behav Res (2023). https://doi.org/10.3758/s13428-023-02237-8
  

Hintergrund - Was ist Webcam-Augenverfolgung?

Online-Augenverfolgung wurde vor etwas mehr als 5 Jahren von Web Gazer eingeführt und wird bis heute verwendet. Während diese Lösung funktioniert, indem ein Signal über eine 4-Quadranten-Fläche übermittelt wird, das zwischen links/rechts und hoch/runter unterscheiden kann, wurde sie wegen der hohen Fehlerquote, insbesondere beim Bewegen des Kopfes, was unvermeidlich ist, kritisiert.

Obwohl Web Gazer ein Pionier bei der Einführung der Augenverfolgung im weltweiten Web war, kann es nicht zuverlässig für wissenschaftliche Zwecke und strenge Experimente verwendet werden. Es gibt zwar einige Alternativen, beispielsweise Tools für UX, aber derzeit gibt es keine anderen webbasierten Augenverfolgungssoftware, die online mit einem wissenschaftlichen Kontext für psychologische Experimente genutzt werden kann, um komplexe Prozesse wie visuelle Aufmerksamkeit und Kognition zu untersuchen.

Unsere Reise begann vor über 3 Jahren, als wir ein tiefes neuronales Netzwerk implementierten, um visuelle Daten von einer Webcam zu erfassen und zu analysieren, um Informationen über die Augen- und Kopfbewegungen der Teilnehmer bereitzustellen.

Dieses Video beschreibt Labvanceds Webcam-Augenverfolgung sowie deren Genauigkeit:

Unser Prozess: Wie funktioniert die Webcam-Augenverfolgung von Labvanced?

Mit unserer webbasierten Augenverfolgungssoftware, die von einem tiefen neuronalen Netzwerk betrieben wird, kann ein Webcam-Bild in Datenpunkte durch den folgenden Prozess übersetzt werden:

1. Webcam-Bilder erfassen: Von einer aktivierten Webcam werden in Echtzeit mehrere Frames aufgenommen, die mehrere Bilder erstellen, aus denen eine Analyse zur Gesichtserkennung durchgeführt wird. In diesem Schritt ist die Grafikkarte des Benutzers ein wichtiger Bestandteil, da das Lernen der künstlichen Intelligenz stark von einer Grafikkarte abhängt (darüber mehr im nächsten Abschnitt).

2. Zwei Hauptdatenpunkte ableiten: Während der Gesichtserkennung mit einem tiefen neuronalen Netzwerk werden zwei Hauptdatenpunkte abgeleitet.

   • Relevante Bilddaten aus dem Bereich um die Augen: die Pixel, die die Augen und das umliegende Gebiet zeigen.
   • Kopfposition und -ausrichtung: die Pixel, die zeigen, wo der Kopf positioniert ist und wie seine Ausrichtung im Raum ist.

3. Kalibrierung durchführen: Schließlich benötigt jede Augenverfolgung eine Kalibrierung, die subjektabhängig ist aufgrund individueller Unterschiede in Bezug auf physikalische Eigenschaften. Unsere Kalibrierung ist ein starkes Webcam-Feature, das aus dem integrierten neuronalen Netzwerk entstanden ist.

Über Systemarchitektur und Datenfluss der Augenverfolgung

Werfen wir einen genaueren Blick auf den Prozess und wie die Augenverfolgung gehandhabt wird.

• Zuerst, wie zuvor festgestellt, erhalten wir ein Webcam-Bild und führen einen Algorithmus zur Gesichtserkennung aus (um ein Netz um die Gesichtsmerkmale zu erstellen). Das geschieht alles sehr schnell und in Echtzeit auf dem Gerät des Benutzers, nicht auf Remote-Servern.

• Der Kompromiss zwischen der Durchführung von Vorgängen in Echtzeit und auf dem Gerät des Benutzers ist, dass wir mit endlichen Ressourcen arbeiten, die durch die Computer-/Geräteleistung des Benutzers bereitgestellt werden. Es sei jedoch darauf hingewiesen, dass es eine Möglichkeit gibt, dies mit nachträglicher Verarbeitung zu umgehen.

Vorteile von Labvanceds Ansatz zur Echtzeit-Webcam-Augenverfolgung

Während die Verarbeitung in Echtzeit mit begrenzten Ressourcen erfolgt, gibt es einige starke Vorteile dabei, wie:

• Echte Privatsphäre: Durch die Durchführung der Berechnungen auf dem Gerät des Benutzers (anstatt auf den Remote-Servern des Unternehmens) bedeutet dies, dass es echte Privatsphäre für den Teilnehmer gibt. Wir sehen niemals Daten zu Gesichtern, da sie das Gerät des Teilnehmers nie verlassen. Im Wesentlichen verarbeitet das neuronale Netzwerk die beobachtungsrelevanten Punkte des Teilnehmers, und die einzigen Daten, die über das Gerät des Teilnehmers hinaus übermittelt werden, sind numerische Werte, wie x- und y-Koordinaten. In diesem Zusammenhang hält sich Labvanced an die DSGVO und hat VPAT-Sicherheitszertifizierungen und stellt allen nötigen Dokumente zur Verfügung, die Kunden anfordern.
• Nachhaltigkeit: Ein weiterer Vorteil der Echtzeitverarbeitung, zusätzlich zur Privatsphäre, ist die Nachhaltigkeit. Lokal können Videodaten einfacher verarbeitet werden. Im Gegensatz dazu steigen bei der Übertragung von Daten an einen Remote-Server die Kosten, was mehr Zeit und Geld für die Verarbeitung erfordert. Daher ist es nachhaltiger und wirtschaftlicher, Vorgänge lokal mit begrenzten Ressourcen abzuwickeln, anstatt sie remote mit Servern und unbegrenzten Ressourcen zu betreiben.

Hauptmerkmale der Webcam-Augenverfolgung von Labvanced

• Hohe Genauigkeit: Webcam-Augenverfolgung ist der hardwarebasierten Augenverfolgung untergeordnet. Angesichts ihrer Erschwinglichkeit sowie der Benutzerfreundlichkeit und Flexibilität, die sie bietet, ist die Webcam-Augenverfolgung eine leistungsstarke und praktikable Alternative für viele Forscher. Labvanceds webcam-basierte Augenverfolgung ist die führende Lösung zur Bereitstellung genauer und zuverlässiger Blickdaten.

• Anpassbare Kalibrierung: Unsere Technologie zur Augenverfolgung überprüft und kalibriert sich entsprechend Ihrem sich ständig ändernden Umfeld. Dies geschieht automatisch, ist jedoch anpassbar. Der Standard ist, dass die Neu-Kalibrierung nach 7 Versuchen im Hintergrund erfolgt. Das System kalibriert sich selbst nach einer Neu-Bewertung von Einflussfaktoren wie Änderungen der Helligkeit.

• Virtuelle Kinnstütze: Während Augenverfolgungsexperimenten wird ein Gesichtsnetz über das Gesicht des Benutzers erstellt. Bevor ein Experiment beginnt, muss der Teilnehmer das Netz, das über ihrem Gesicht erscheint, mit einem Ziel ausrichten. Dies schafft eine virtuelle Kinnstütze, die sicherstellt, dass der Teilnehmer sich innerhalb einer akzeptablen Zone befindet. Wenn der Teilnehmer sich von der Kinnstütze entfernt, wird die Aufgabe unterbrochen und der Teilnehmer wird gebeten, sich mit der virtuellen Kinnstütze neu auszurichten. Probieren Sie es hier selbst aus.

Erfahren Sie mehr über die virtuelle Kinnstütze in diesem Video:

• Leistungsprüfung: Wir bieten auch eine Leistungsprüfung an, die Ihnen die Gewissheit gibt, dass die Daten von den Teilnehmern Ihren Standards entsprechen. Mit der webbasierten Augenverfolgung kann die Geschwindigkeit und Leistung des Computers des Klienten quantifiziert werden, und der Forscher kann entscheiden, welche Daten von Teilnehmern in seine Studie einbezogen werden sollen. Auf diese Weise erfahren Sie, wenn ein Teilnehmer einen wirklich langsam laufenden Computer hat (was die Integrität ihrer Ergebnisse beeinträchtigen würde), und können diese Daten aus Ihrem Datensatz ausschließen.

• Datenschutz - Client-seitige Berechnung: Wie zuvor erklärt, nehmen wir keine Daten oder Aufzeichnungen auf unsere Server. Alle Verarbeitungen erfolgen lokal auf dem Gerät des Klienten, was echte Privatsphäre ermöglicht.

• Kindgerechte Augenverfolgung: Wenn Sie ein Experiment mit Augenverfolgung in Labvanced erstellen, können Sie die kindgerechten Voreinstellungen zur Augenverfolgung verwenden, wenn Sie mit Kleinkindern arbeiten. Wir haben erfolgreich Studien von vielen Universitäten durchgeführt, die sich auf diese spezielle Population konzentrieren, und die Technologie an die Rückmeldungen und Bedürfnisse der Forscher angepasst. Erfahren Sie mehr über kindgerechte Augenverfolgung.

Musterdaten und Metriken aus der Webcam-Augenverfolgung

Die Augenverfolgung erzeugt viele verschiedene Metriken, die dann zur Datenanalyse und zum Ziehen von Schlussfolgerungen über Ihre Forschungsfrage verwendet werden. Diese Daten hängen stark von der Blickposition ab, d.h. von den x- und y-Koordinaten des Blicks.

Die meisten dieser Metriken werden während der Phase der Datenanalyse erstellt, nachdem die Datensammlung stattgefunden hat. Die Grundlage dieser Metriken sind die Blickmessungen. Wenn Sie den Blickpositionspunkt zu einem beliebigen Zeitpunkt kennen, können Sie die verbleibenden Metriken berechnen.

1. Blickort
2. Interessensgebiete (AOI)
3. Anzahl der Fixationen
4. Wiederbesuche
5. Verweildauer / verbrachte Zeit
6. Zeit bis zur ersten Fixation
7. Dauer der ersten Fixation
8. Durchschnittliche Fixationsdauer
9. Fixationssequenzen

Dieses Video diskutiert die Daten aus unserer Technologie zur Augenverfolgung:

Erfassung von Augenverfolgungsdaten aus Labvanced

Mit ein paar Klicks können Sie Ihr Experiment einrichten, um die gewünschten Daten aufzuzeichnen, indem Sie eine der vielen Optionen auswählen und Variablen erstellen, um sie aufzuzeichnen.

Abb. 2: Einrichten von Variablen in Labvanceds Augenverfolgungs-App zur Erfassung experimenteller Daten über den Blick.

Hier wird in Abb. 2. eine Variable erstellt, um die x- und y-Koordinaten des Blicks, Zeitstempel und Vertrauensstufen aufzuzeichnen.

Ein Beispieldatensatz aus Labvanceds Augenverfolgungs-App ist unten in Abb. 3. dargestellt.

Abb 3: Zeitreihen-Datenansicht mit den letzten vier Spalten: x-Koordinate, y-Koordinate, UNIX-Zeit und Vertrautheitswerte.

Die Vertrauensstufe (Spalte C) hat mit der Sicherheit zu tun, die wir in Bezug auf die Messung haben und wird beeinflusst durch das Zeitpunkt des Blinzelns. Messungen von weit offenen Augen erhalten mehr Vertrauen als Messungen von halb geschlossenen oder während des Blinzelns.

Verstehen Sie, wie die Augenverfolgung in einer Studie in Labvanced eingerichtet wird, indem Sie diesem Leitfaden folgen, in dem SVGs zur Erkennung von Fixationen verwendet werden über Interessensgebiete (AOIs) oder dieses andere schrittweise Vorgehen, bei dem die Augenverfolgung in einer Objektunterscheidungsaufgabe verwendet wird.

Beispiele für die Integration von Webcam-Augenverfolgungsdaten in das Versuchsdesign

Wenn Sie Ihre Studie in Labvanced einrichten, können Sie die Variablen und Ereignisse so festlegen, dass Sie viele Dinge tun können, beispielsweise können Sie:

• Blick als Eingabe / Antwort: Während des Experiments können Sie den Blick nutzen, um eines der beiden Objekte auszuwählen, indem Sie es für eine vorgegebene Zeit betrachten.
• Blick zur Steuerung von etwas: Anstatt dass der Teilnehmer Tastatureingaben verwendet, um Elemente im Experiment zu steuern, können Sie eine Rückmeldung erstellen, sodass die Benutzer Objekte in Echtzeit mit ihrem Blick steuern oder auswählen können.
• Blick zur Beeinflussung einer Eigenschaftsänderung: In diesem Beispiel können Sie blickkontingente Anzeigen steuern. Ein klassisches Beispiel dafür ist Blindheit gegenüber Veränderungen. In einem Experiment können Sie verfolgen, wann ein Teilnehmer die linke Seite des Bildschirms ansieht, und wenn dies geschieht, können Sie eine Eigenschaft (wie Farbe) eines Objekts auf der rechten Seite ändern.
• Blick zur dynamischen Steuerung des Ablaufs eines Experiments: Augenbewegungen können verwendet werden, um zu bestimmen, wie eine Prüfsequenz verläuft. Wenn beispielsweise ein Teilnehmer rote Reize ansieht, wird eine weitere Prüfung mit roten Reizen folgen, im Gegensatz zu einer mit blauen Reizen.
• Blickübertragung in sozialen Experimenten: In Mehrbenutzer-Experimenten kann der Blick von einer Person zur anderen „übertragen“ werden, sodass ein Teilnehmer sehen kann, wohin sein Partner oder Gegner schaut, während er gemeinsam ein Experiment mit zwei Personen durchführt.
• Blick zur Verfolgung von Leseaufgaben: Linguistische Forschung nutzt diesen Aspekt der Augenverfolgung, um Lesepassagen zu messen und zu quantifizieren, wie viel Zeit die Teilnehmer benötigten, um eine Passage zu lesen.
• Blick für die Qualitätskontrolle in crowdsourced Experimenten: Durch die Aktivierung der Augenverfolgung in crowdsourced Experimenten kann ein Forscher sicherstellen, dass die Teilnehmer tatsächlich Zeit damit verbracht haben, die Aufgabenanweisungen zu lesen.

Sehen Sie sich dieses Video an, in dem wir die Erstellung einer Augenverfolgungsstudie mit speziellen Einstellungen und Funktionen wie Chatboxen, Variablenverteilung und Rückmeldung durchlaufen:

Forschungsarbeiten, die Labvanced's webcam-basierte Augenverfolgung verwenden

Im Folgenden finden Sie eine Sammlung von kürzlich veröffentlichten Forschungsarbeiten, die Labvanceds webcam-basierte Augenverfolgung als Teil ihrer Methodik zur Erfassung von Blick verwenden:

1. Jenseits der Dichte: Von groben bis feingranularen Analysen emotionaler Erfahrungen in urbanen Umgebungen
   Sander, I., et al. (2024).
   Journal of Environmental Psychology

2. Der Effekt der Verarbeitung teilweiser Informationen in der dynamischen Gesichtswahrnehmung
   Alp, N., Lale, G., Saglam, C., & Sayim, B. (2024).
   Scientific Reports

3. Unbewusste Frustration: Dynamische Bewertung der Benutzererfahrung mit Augen- und Mausverfolgung
   Stone, S. A., & Chapman, C. S. (2023).
   Proceedings of the ACM on Human-Computer Interaction
   

4. Dynamik der Augen-Hand-Koordinierung wird flexibel in der Augen-Cursor-Koordination während einer Online-Digitalgerät-Interaktionsaufgabe bewahrt
   Bertrand, J. K., & Chapman, C. S. (2023)
   Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems

5. Goldlöckchen-Influencer finden: Wie die Followerzahl das Engagement in sozialen Medien beeinflusst
   Wies, S., Bleier, A., & Edeling, A. (2022).
   Journal of Marketing
   

Labvanced Bibliotheksstudien

Die Labvanced-Bibliothek ist voller Studientemplates, die importiert und angepasst werden können, um Augenverfolgung einzuschließen. Im Folgenden stellen wir einige Beispielsstudien vor, die unsere Technologie zur Augenverfolgung demonstrieren:

• Ziel-Störaufgabe: Ein klassisches Augenverfolgungsparadigma (Ziel - 'T' Störreiz 'P', die sofort auf das Ziel schauen müssen, um es zu finden).
• Kindgerechte Augenverfolgung: Eine Aufgabe, die auf bevorzugtem Blick basiert und mit einer kindgerechten Kalibrierung beginnt.
• Freies Betrachten: Zeigt eine Vielzahl von Bildern und untersucht, wo der Blick des Teilnehmers auf dem Bild liegt. Nützlich für Experimente, die vorhersagen wollen, wo ein Teilnehmer basierend auf bestehenden Bildmerkmalen hinsehen wird.
• Blickfeedback-Test: Hier können Sie Ihren eigenen Blick sehen, weil ein roter Punkt erscheint, sofortiges Feedback, das zeigt, wo Sie hinschauen und zeigt einen roten Punkt an dieser Stelle.
• Test der räumlichen Genauigkeit: Ein standardisierter Kalibrierungstest, bei dem die Teilnehmer auf verschiedene Punkte auf einem Raster fixieren und dann die Fixierung für jeden der Punkte erfasst wird und der Abstand zwischen dem Punkt auf dem Raster und dem vorhergesagten Punkt verglichen wird.

Probieren Sie erneut diesen schrittweisen Leitfaden aus und üben Sie, eine Beispielsstudie zur Augenverfolgung in unserer App zu erstellen!

Brauchen Sie mehr Informationen?

Wenn Sie mehr Unterstützung benötigen oder Neugier auf eine bestimmte Funktion haben, wenden Sie sich bitte über den Chat oder per E-Mail an uns. Wir freuen uns darauf, über Ihre Forschung zu hören und Ihnen bei Fragen zur Plattform zu helfen und die Projektdurchführbarkeit zu besprechen.