Eye tracking przez kamerę: jak działa i ile naprawdę mierzy

Eye tracking przez kamerę internetową pokazuje, gdzie na ekranie patrzy respondent, z dokładnością do kilku centymetrów. Pojedynczego słowa nie wskaże. W recenzowanych badaniach błąd wynosił około 4 stopni kąta widzenia, a laboratoryjny eye tracker na podczerwień schodził poniżej 1 stopnia. To wystarcza do mapy uwagi na grupie i do sprawdzenia, czy ktoś w ogóle zauważył logo. Niżej masz zasadę działania, liczby z badań, listę rzeczy, które psują pomiar, i przygotowanie badania krok po kroku.
Krótko mówiąc:
- Eye tracking z kamery znajduje twarz i oczy, szacuje pozycję głowy, a po kalibracji punktami przelicza wygląd oczu na miejsce na ekranie.
- W badaniu Semmelmanna i Weigelt (2018) przesunięcie wzroku wynosiło 172 piksele w laboratorium i 207 pikseli online, czyli 15 do 18 procent rozmiaru ekranu.
- Laboratoryjny eye tracker na podczerwień EyeLink 1000 miał w badaniu Ehingera i współautorów (2019, 15 osób) średnią dokładność 0,57 stopnia.
- Kamera wystarcza do dużych obszarów zainteresowania i mapy uwagi grupy, za to czytania słowo po słowie i małych elementów interfejsu nie zmierzy.
- Największe źródła błędu to światło za plecami, odblaski w okularach, ruch głowy, kamera pod złym kątem i telefon trzymany w ręku.
Spis treści
- Jak działa eye tracking przez kamerę?
- Jak przygotować badanie z eye trackingiem z kamery krok po kroku?
- Jak dokładny jest eye tracking z kamery internetowej?
- Eye tracker na podczerwień, kamera czy śledzenie kliknięć?
- Co psuje pomiar wzroku z kamery?
- Do czego wystarcza eye tracking z kamery?
- Do czego eye tracking z kamery się nie nadaje?
- Co daje połączenie śledzenia wzroku z analizą emocji?
- Jak zrobić badanie z eye trackingiem w FaceWise?
- Perspektywa autora: wzrok bez reakcji to połowa odpowiedzi
- Sprawdź swój materiał na prawdziwej grupie
- Źródła
- Najczęściej zadawane pytania
Jak działa eye tracking przez kamerę?
Eye tracking przez kamerę internetową zgaduje kierunek patrzenia z wyglądu oczu na zwykłym obrazie wideo, bez dodatkowego sprzętu. Eye tracker laboratoryjny oświetla oko podczerwienią i mierzy odbicie od rogówki. Kamera w laptopie tego nie umie, więc program składa wynik z kilku przybliżeń, a każde z nich dokłada swój błąd:
- Najpierw program znajduje twarz w kadrze, zaznacza punkty charakterystyczne (kąciki oczu, powieki, tęczówki) i wycina z obrazu same oczy.
- Z rozmieszczenia punktów na twarzy program szacuje, jak głowa jest obrócona i pochylona. Ten sam wygląd oka znaczy co innego, gdy głowa jest ustawiona prosto, a co innego, gdy jest skręcona.
- Potem jest kalibracja punktami: respondent patrzy kolejno na kropki w znanych miejscach ekranu. Program zapisuje, jak wyglądają jego oczy przy każdej kropce.
- Na danych z kalibracji uczy się model mapujący, często prosta regresja, który przelicza wygląd oczu i pozycję głowy na współrzędne x i y na ekranie. Nowsze rozwiązania najpierw puszczają obraz oka przez sieć neuronową, która szacuje kąt patrzenia.
Jak przygotować badanie z eye trackingiem z kamery krok po kroku?
Badanie z eye trackingiem z kamery przygotowujesz od końca: najpierw pytanie i wielkość obszarów, potem warunki u respondenta, na końcu link. Błędu pomiaru nie naprawisz w analizie.
- Zapisz jedno pytanie, na które ma odpowiedzieć mapa uwagi, na przykład: czy grupa zauważa logo w pierwszych sekundach, czy hasło przegrywa ze zdjęciem produktu.
- Wyznacz obszary zainteresowania duże jak połowa albo ćwiartka ekranu. W badaniu Semmelmanna i Weigelt przesunięcie wynosiło 15 do 18 procent rozmiaru ekranu, więc węższy obszar zleje się z sąsiednim.
- Ustaw badanie tylko na komputer z kamerą nad ekranem i odrzucaj respondentów na telefonach.
- Napisz respondentom krótką instrukcję: światło z przodu, okno nie za plecami, laptop stoi na stole, głowa w miarę nieruchomo.
- Puść kalibrację tuż przed materiałem, z punktami blisko krawędzi ekranu, a jeżeli narzędzie ma punkt kontrolny po kalibracji, nie pomijaj go.
- Ustal z góry czas ekspozycji obrazu i ten sam czas pokaż wszystkim, bo mapa uwagi z 5 sekund i z 30 sekund to dwa różne wyniki.
- Zbierz więcej osób niż w laboratorium i czytaj wynik na grupie: pojedyncze nagranie jest za głośne, żeby wyciągać z niego wnioski.
- Na koniec zapytaj w ankiecie, co ludzie zapamiętali.

Jak dokładny jest eye tracking z kamery internetowej?
Eye tracking z kamery internetowej myli się w recenzowanych badaniach średnio o 3,9 do 4,2 stopnia kąta widzenia, czyli o kilka centymetrów na monitorze oglądanym z odległości około 60 cm. W badaniu WebGazera (Papoutsaki i in., IJCAI 2016) 4,17 stopnia odpowiadało 1,6 cala, mniej więcej 4 cm. Laboratoryjny eye tracker na podczerwień jest kilka razy dokładniejszy. Błąd w pikselach zależy od rozdzielczości i wielkości ekranu, dlatego w tabeli każda liczba ma swoje warunki.
| Badanie | Warunki | Średni błąd |
|---|---|---|
| Papoutsaki i in. 2016, online | 76 osób, własne komputery, bez podpórki pod brodę | 175 px (najlepszy model), 233 px (sama regresja) |
| Papoutsaki i in. 2016, laboratorium | 4 osoby, podpórka pod brodę, monitor 24 cale, 59 cm, porównanie z eye trackerem na podczerwień | 169 px, 4,17° |
| Semmelmann i Weigelt 2018, laboratorium | zadanie fiksacji na punkcie | 172 px, 15% ekranu, 3,94° |
| Semmelmann i Weigelt 2018, online | to samo zadanie u respondentów w domu | 207 px, 18% ekranu, większy rozrzut |
| Zhang i in. 2017, zbiór MPIIGaze | 15 osób, laptopy w codziennym użyciu przez kilka miesięcy, sieć neuronowa bez kalibracji pod osobę | 5,5° na nowych osobach z tego samego zbioru, 10,8° między zbiorami |
| Ehinger i in. 2019, EyeLink 1000 | 15 osób, laboratorium, eye tracker na podczerwień | 0,57° |
Eye tracker na podczerwień, kamera czy śledzenie kliknięć?
Eye tracker na podczerwień mierzy wzrok najdokładniej, kamera internetowa daje przybliżoną mapę uwagi na dużej grupie, a śledzenie kliknięć i przewijania w ogóle nie mierzy wzroku, tylko ręce. Wybór zależy od tego, jak małe są rzeczy, o które pytasz, i ile osób potrzebujesz. Szerszy przegląd tych i innych technik znajdziesz w tekście o metodach neuromarketingowych.
| Eye tracker na podczerwień (laboratorium) | Eye tracking z kamery internetowej | Śledzenie kliknięć i przewijania | |
|---|---|---|---|
| Co mierzy | kierunek wzroku z odbicia podczerwieni od oka | kierunek wzroku szacowany z obrazu twarzy | ruch kursora, kliknięcia, głębokość przewinięcia |
| Typowy błąd | poniżej 1° (0,57° w badaniu Ehingera i in.) | około 4°, kilka centymetrów na ekranie | nie dotyczy, wzroku nie mierzy |
| Gdzie jest respondent | w laboratorium, często z podpórką pod brodę | u siebie, przy własnym komputerze | u siebie, na komputerze albo telefonie |
| Sprzęt | osobne urządzenie i stanowisko | kamera w laptopie lub nad monitorem | żaden, skrypt na stronie |
| Telefon | wymaga specjalnego stanowiska | słabo, lepiej wykluczyć | tak |
| Najlepszy do | czytania, małych elementów, dokładnych ścieżek wzroku | dużych obszarów i mapy uwagi grupy | użyteczności działającej strony |
Co psuje pomiar wzroku z kamery?
Pomiar wzroku z kamery psuje wszystko, co zmienia obraz oka między kalibracją a materiałem albo zasłania tęczówkę. Autorzy zbioru MPIIGaze zbierali zdjęcia z codziennego używania laptopów, przy dużo większej zmienności światła niż w laboratorium. Błąd ich sieci rósł z 5,5 do 10,8 stopnia, gdy model uczono na innym zbiorze niż ten, na którym go sprawdzano.
- Okno albo lampa za plecami robi z twarzy ciemną plamę. Światło z boku daje cień na jednym oku.
- Odbicie ekranu albo lampy w szkłach potrafi przykryć tęczówkę, a grube oprawki zasłaniają kąciki oczu.
- Kalibracja jest zrobiona dla jednej pozycji. Gdy respondent się odchyli albo podeprze brodę, model pracuje na pozycji, której nie widział.
- Kamera w laptopie na kolanach patrzy od dołu, oko jest wtedy przysłonięte powieką i rzęsami.
- Na telefonie ekran jest mały, urządzenie w ręku ciągle zmienia kąt i odległość, więc kilka centymetrów błędu to pół ekranu.
Do czego wystarcza eye tracking z kamery?
Eye tracking z kamery wystarcza wszędzie tam, gdzie pytasz o obszary duże jak ćwiartka ekranu i czytasz wynik na grupie. Semmelmann i Weigelt odtworzyli w ten sposób znany wynik swobodnego oglądania twarzy: oczy przyciągały 28,25 procent uwagi, nos 9,71 procent, a usta 4 procent. Na tej skali wynik z kamery jest wiarygodny.
- Mapa uwagi na grupie: które części key visualu dostają najwięcej spojrzeń.
- Kolejność patrzenia na key visual: czy najpierw zdjęcie produktu, czy hasło, czy logo.
- Czy duże logo albo packshot w ogóle zostają zauważone w pierwszych sekundach.
- Porównanie dwóch wersji opakowania na półce, opisane szerzej w tekście o teście opakowania A/B.
Do czego eye tracking z kamery się nie nadaje?
Eye tracking z kamery nie nadaje się do niczego, co jest mniejsze niż jego błąd, czyli niż kilka centymetrów na ekranie. Linijka tekstu na stronie ma kilka milimetrów wysokości, a przycisk w aplikacji często mniej niż centymetr. Przy przesunięciu rzędu 200 pikseli model nie odróżni sąsiednich słów ani dwóch ikon w jednym pasku.
- Czytanie słowo po słowie, liczenie powrotów wzroku w zdaniu, testy czytelności.
- Małe elementy interfejsu: ikony, linki w menu, pola formularza, drobny druk na etykiecie.
- Pojedyncza osoba jako dowód: ścieżka wzroku jednego respondenta z kamery jest za głośna.
- Pomiary, w których liczą się milisekundy, na przykład dokładny czas pierwszej fiksacji.
Co daje połączenie śledzenia wzroku z analizą emocji?
Połączenie śledzenia wzroku z analizą emocji odpowiada na dwa pytania naraz: na co ludzie patrzyli i jak przy tym zareagowała ich twarz. Mapa uwagi pokaże, że grupa patrzyła na hasło, ale nie powie, czy hasło bawiło, czy irytowało. Analiza mimiki, o której więcej jest w tekście o facial coding, pokazuje reakcję w czasie, ale bez miejsca na ekranie.
- Wzrok mówi, gdzie: które obszary key visualu albo kadru dostają spojrzenia.
- Twarz mówi, jak: w którym momencie pojawia się radość, zaskoczenie albo niesmak.
- Ankieta mówi, co ludzie deklarują i zapamiętali.
- Razem pokazują rozjazdy, na przykład produkt, na który wszyscy patrzą, a przy którym twarze zostają neutralne.

Jak zrobić badanie z eye trackingiem w FaceWise?
FaceWise ma orientacyjny eye tracking z kamery w badaniach na komputerze: respondent przechodzi kalibrację, a ty dostajesz wynik jako mapę uwagi. Główną funkcją FaceWise jest jednak analiza emocji z twarzy, a wzrok traktuj jako uzupełnienie. Badanie wygląda tak:
- Wgrywasz materiał: wideo (MP4, MOV), obraz (JPG, PNG), tekst albo link do strony lub filmu na YouTube, na przykład key visual albo projekt z badania opakowań.
- Dodajesz metryczkę i pytania, które respondent zobaczy po materiale.
- Wysyłasz link albo kod QR. Respondent otwiera go w przeglądarce, bez konta i bez instalacji, i zgadza się na kamerę.
- Eye tracking działa tylko wtedy, gdy respondent siedzi przy komputerze. Wynik jest orientacyjny i czytasz go na grupie.
- Twarz jest analizowana co pół sekundy nagrania w 7 kategoriach: radość, zaskoczenie, smutek, złość, strach, niesmak i neutralność. Przy spotach reklamowych to podstawa pretestu reklamy.
- W wynikach przełączasz średnią grupy i pojedynczą osobę, filtrujesz po płci, wieku i odpowiedziach, a dane eksportujesz do CSV, gotowego do Excela, SPSS albo R.
Perspektywa autora: wzrok bez reakcji to połowa odpowiedzi
Uważam, że w badaniach marketingowych eye tracking z kamery jest przeceniany, kiedy stoi sam. Klient widzi czerwoną plamę na logo i jest zadowolony, a przecież to, że ktoś patrzył, nie znaczy, że mu się podobało. Ludzie patrzą długo także na rzeczy dziwne, nieczytelne i irytujące. Dlatego nie budowałbym badania wokół mapy uwagi. Wolę dwadzieścia kilka osób z twarzą i wzrokiem na tej samej osi czasu niż piękną ścieżkę wzroku jednej osoby z laboratorium, z której nie wiem, co ta osoba czuła.
Paweł
Sprawdź swój materiał na prawdziwej grupie
Najszybciej sprawdzisz, czy metoda pasuje do twojego pytania, na własnym materiale. Wgraj key visual, spot albo projekt opakowania, wyślij link kilkunastu osobom i zobacz krzywe emocji obok odpowiedzi z ankiety. Okres próbny FaceWise trwa 14 dni, obejmuje pełny pakiet 200 respondentów, a płacisz dopiero po wyborze planu. Aktualne ceny i zakres planów są w cenniku. Jeśli po pierwszym badaniu okaże się, że twoje pytanie dotyczy małych elementów, będziesz to wiedzieć, zanim wydasz budżet na laboratorium.
Źródła
Liczby w artykule pochodzą z czterech recenzowanych publikacji:
- Papoutsaki A. i in. (2016), WebGazer: Scalable Webcam Eye Tracking Using User Interactions, IJCAI 2016: błąd 175 px online (76 osób) i 4,17° w laboratorium (4 osoby).
- Semmelmann K., Weigelt S. (2018), Online webcam-based eye tracking in cognitive science: A first look, Behavior Research Methods 50(2): 172 px i 3,94° w laboratorium, 207 px online.
- Zhang X., Sugano Y., Fritz M., Bulling A. (2017), MPIIGaze: Real-World Dataset and Deep Appearance-Based Gaze Estimation, IEEE TPAMI: 5,5° w obrębie zbioru, 10,8° między zbiorami.
- Ehinger B. V., Groß K., Ibs I., König P. (2019), A new comprehensive eye-tracking test battery concurrently evaluating the Pupil Labs glasses and the EyeLink 1000, PeerJ: 0,57° dla eye trackera na podczerwień.
Najczęściej zadawane pytania
Czy eye tracking przez kamerę internetową jest dokładny?
Wystarcza do wskazania dużych obszarów ekranu. W recenzowanych badaniach błąd wynosił około 4 stopni kąta widzenia, a laboratoryjny eye tracker na podczerwień osiągał 0,57 stopnia.
Czy eye tracking z kamery działa na telefonie?
Na telefonie wynik jest słaby, bo urządzenie w ręku ciągle zmienia kąt i odległość od twarzy. Badanie z eye trackingiem planuj na komputerze, w FaceWise ta funkcja działa tylko tam.
Ile trwa kalibracja eye trackingu przez kamerę?
Zwykle od kilkunastu sekund do około dwóch minut, zależnie od liczby punktów i pozycji głowy. Krótsza oszczędza cierpliwość respondentów, dłuższa zwykle daje mniejszy błąd.
Czy okulary przeszkadzają w eye trackingu z kamery?
Mogą przeszkadzać, gdy szkła odbijają ekran albo lampę i zasłaniają tęczówkę. Poproś respondentów o światło padające z przodu, a nagrania z mocnymi odblaskami oceniaj ostrożniej.
Do czego wystarczy mapa uwagi z kamery internetowej?
Wystarczy, żeby sprawdzić, czy grupa patrzy na logo, produkt, cenę albo hasło na dużym key visualu. Nie wystarczy do śledzenia czytania słowo po słowie ani małych przycisków.


