近年来，眼球追踪这种自然的交互方式受到越来越多关注，其特点是无需上手操作，用眼神就能操控UI界面。不过，现有的眼球追踪技术在准确性、延迟、成本等方面存在局限，仅依靠注视点信息来输入效率低，体验感也不够好。为此，卡内基梅隆大学科研人员研发了一种基于移动摄像头眼球追踪和IMU传感的交互方案：EyeMU，其特点是可以通过眼球运动来自然操控手机界面，在单手操作触屏手机时可辅助输入。

从公布的视频来看，EyeMU的设计足够简单，且符合自然的交互逻辑。比如你在看手机时如果收到顶部状态提示，EyeMU可锁定你注视的提示信息，这之后你可以通过左右轻甩手机来快速忽略或稍后在看这条信息。当你将手机靠近面部时，EyeMU会打开提示信息，或者当你将手机拉远时，则会关闭这条信息。

此外还有一些其他有趣的交互，比如在查看多张图片时，可以盯住其中一张，然后将手机靠近面部放大这张图片，或是左右甩手机来切换滤镜。EyeMU甚至允许你用注视点和手机运动来打开邮件。除了左右甩动外，还可以识别转动手机的动作，有点类似于翻页功能。而倾斜/旋转手机，则可以控制音量。

解决单手用手机的难题

在智能手机发展初期，其屏幕尺寸通常比现在更小，一只手足以操作。而随着技术发展，手机屏幕尺寸在逐渐扩大，一些手机甚至很难单手握住，更别提单手操作触屏。因此，人们开始尝试用Siri等语音助手来控制手机，这样的好处是即使手机放在附近，也可以远程操控。不过这种操作方法自然不如直接用手操控手机方便。

眼球追踪是一种自然的人机交互方式，不过现有的技术在成本、准确性上还有待优化，仅依靠单一的眼球信息来操作界面效果可能不够流畅。而结合IMU等其他传感技术后，便可实现多种灵敏、方便的操作。

科研人员表示，当前眼球追踪界面存在一种叫“Midas Touch”的问题，指的是人眼常见的眼跳、眨眼等无意的微动作会在交互中产生误操作，就像是传说中的Midas一样，手指点到的任何东西都会变成金子。在眼球追踪界面中，如果误操作率很高，那么体验感并不好。尤其是在手机中，如果你看到的所有app都会打开，手机界面会变得非常混乱。

因此在设计眼球追踪系统时，如何识别用户的真正意图则很重要。此外，提升眼球追踪的准确性也同样重要。为此，EyeMU的发明者之一Andy Kong编写了一个眼球追踪程序，其特点是可在低成本摄像头上运行，准确率足够高，可允许用户用注视点来操控虚拟光标。该程序不仅兼容手机摄像头，也可以在笔记本电脑内置摄像头上运行。

相比于语音、触控等主动交互方式，眼球追踪是更自然的交互，它更像是通过生物信号来预测你的想法，不需要你主动进行操作。

EyeMU细节

据了解，EyeMU的研发团队为卡内基梅隆大学人机交互研究所（HCII）的未来接口（Future Interface）小组。这项技术硬件采用iPhone 12 Pro，EyeMU是一个JavaScript程序，可在iOS系统的Safari浏览器运行。当你单手操作手机时，无需用触屏来操控，只需要通过注视点、移动手机来实现简单的操控。这种交互对于查看通知、浏览图片、阅读文章等场景足够友好，可省去用手指触控屏幕边缘按键的麻烦，不打断使用手机的沉浸感。

此外，EyeMU还采用了谷歌的人脸网格方案Face Mesh，特点是可追踪人脸468个3D节点，在手机上就能运行。Face Mesh的作用是分析用户观看屏幕不同区域时的特征，并生成映射数据，以优化早期的注视点追踪原型。接着，该团队还开发了一种注视点预测模型，可通过手机摄像头锁定用户的动态注视点，并将识别到的注视点设定为目标。

然后，科研人员将注视点预测模型与手机内置的IMU传感器结合，允许用户通过注视点和手机运动数据来操作指令。

在注视点追踪过程中，EyeMU会预留出500毫秒滚动窗口，意思是参考500毫秒以内注视点运动轨迹，并寻找出注视点最密集的区域，如果所有的注视点都位于直径2.5厘米的圆形区域内（也被称作命中框），那么这个圆形便为用户的注视点。在检测到注视点后，EyeMU便会开始感知运动手势。

关于优势

对于眼球输入技术来讲，快速响应很重要，如果响应速度慢，那么人眼可能会改变注视方向。尽管基于移动摄像头的眼球追踪技术还有待完善，但经过实验验证，现有的技术准确性可达1.7厘米左右。对于大面积界面来讲足够用。

科研人员表示：谷歌、苹果在移动端眼球追踪技术上的研究越来越成熟，但仅依靠眼球追踪并不能实现完整、流畅的交互。相比之下，EyeMU的意义在于它添加了第二种模式，通过改变手机姿态来确认你的注视点，并触发各种指令。其设计看起来简单直接，体验感也足够自然流畅。

系统仅在满足一系列条件时才会激活。首先，用户必须出现在相机的视野中，然后注意屏幕的特定位置，在保持注视的同时，执行动作手势。科研人员表示：我们的技术与传统的触摸输入具有高度的互补性，可以用来缓解触等问题，并展示通常隐藏在长按和菜单中的高级功能。

值得注意的是，EyeMU的误差足够小，平均欧几里德注视估计误差为 1.7 厘米，运动手势识别准确率为 97.3%。注视点和手势识别的误触率保持在5%以下，那么EyeMU系统的报错率将降低至0.25%。

另外，从捕获眼球数据到输出注视点的平均延迟为43.03毫秒，运行帧速率为19.1Hz。平均误差1.74厘米，准确性足够好。在iPhone 12 Pro上课持续运行三小时。参考：cmu