Eye-tracking technology is used within various fields of research such as medicine, computer vision and psychology among others. Despite the many application areas and a growing interest, most eye-trackers rely on dedicated and expensive hardware to track eye movements on large monitors such as desktop displays. Eye-tracking on mobile devices using their built-in camera would be beneficial on a large scale since additional, expensive, equipment would not be needed. Because of the many smartphone users, the technology would be more available. This study aimed to explore the possibilities of using a smartphone camera and augmented reality (AR) for eye-tracking, as well as evaluate the accuracy and precision such a system could obtain. The methods used for gaze estimation were a ray-plane intersection and a system-controlled calibration using linear scaling and translation to adjust the future gaze positions. The mobile device eye-tracker was evaluated in terms of accuracy and precision by two validations using a point pattern to collect gaze data on fixations detected by the system. The result showed an accuracy and precision below optimal compared to previous studies on mobile eye- trackers and eye-trackers that use infra-red light to track the eye-movements. Several factors could have affected the result such as the environments in which the evaluations were held, eye-blinks during data collection or the implementation of the eye-tracking system including the method for calibration. Future work is recommended to evaluate the system in a controlled lab environment, including a larger number of participants and examine if the accuracy is mainly affected by external factors or if it is affected by the implementation of the system. Because of the many benefits of mobile device eye- tracking, future work within the area is encouraged. It would be interesting to investigate the ability to use a mobile device eye-tracker with unrestricted head- and hands movement for further use-cases and a more natural experience. / Teknik för ögonspårning används inom olika forskningsområden såsom medicin, datorsyn och psykologi. Trots många användningsområden och ett växande intresse förlitar sig de flesta ögonspårare på dyr hårdvara för att spåra ögonrörelser på stora bildskärmar. Ögonspårning på mobila enheter med hjälp av inbyggd kamera skulle vara fördelaktigt i stor skala eftersom ytterligare, dyr utrustning inte skulle behövas. Med tanke på de många mobiltelefonanvändare skulle tekniken vara mer tillgänglig. Denna studie syftade till att undersöka möjligheterna att använda en mobiltelefons kamera och förstärkt verklighet (AR) för ögonspårning, samt utvärdera noggrannheten och precisionen som ett sådant system skulle kunna uppnå. Metoderna som användes för att estimera blickens position var en strålplanskorsning och en systemstyrd kalibrering med linjär skalning och förskjutning för att justera framtida blickpositioner. Den mobila enhetens ögonspårare utvärderades i termer av noggrannhet och precision genom två valideringar med hjälp av ett punktmönster för att samla in blickdata från fixeringar som upptäcks av systemet. Resultatet visade en noggrannhet och precision under optimal jämfört med tidigare studier på mobila ögonspårare och ögonspårare som använder infrarött ljus. Flera faktorer kan ha påverkat resultatet, till exempel de miljöer i vilka utvärderingarna gjordes, blinkningar under datainsamlingen eller implementeringen av systemet inklusive val av kalibreringsmetod. Framtida arbete rekommenderas att utvärdera systemet i en kontrollerad laboratoriemiljö med ett större antal deltagare för att undersöka ifall noggrannheten huvudsakligen påverkas av externa faktorer eller av implementeringen av systemet. På grund av de många fördelarna med ögonspårning på mobila enheter uppmuntras framtida arbete inom området.
| Identifer | oai:union.ndltd.org:UPSALLA1/oai:DiVA.org:kth-304578 |
| Date | January 2021 |
| Creators | Winberg, Moa |
| Publisher | KTH, Skolan för elektroteknik och datavetenskap (EECS) |
| Source Sets | DiVA Archive at Upsalla University |
| Language | English |
| Detected Language | English |
| Type | Student thesis, info:eu-repo/semantics/bachelorThesis, text |
| Format | application/pdf |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | TRITA-EECS-EX ; 2021:645 |
Page generated in 0.0022 seconds