دو فناوری جدید به یک عینک اجازه می‌دهد حرکات چشم را ردیابی کند و حالات چهره کاربر را بخواند. این سیستم ها از ردیابی سونار به جای دوربین برای عمر باتری بهتر و افزایش حریم خصوصی کاربر استفاده می کنند.
به گزارش سرگرمی روز، این فناوری ها که با نام های GazeTrak و EyeEcho شناخته می شوند، توسط گروهی به سرپرستی Ke Li، دانشجوی دکتری علوم اطلاعات دانشگاه کرنل در حال توسعه هستند.
هر دو را می توان به عینک هوشمند یا هدست واقعیت مجازی وصل کرد. این فناوری ها نسبت به سیستم های مبتنی بر دوربین انرژی بسیار کمتری مصرف می کنند. آنها همچنین از چهره کاربر عکس نمی گیرند.
GazeTrak در حال حاضر از یک بلندگو و چهار میکروفون استفاده می کند که در هر قاب لنز یک جفت عینک قرار داده شده است، که در مجموع دو بلندگو و هشت میکروفون در هر جفت عینک قرار می گیرد. بلندگوها امواج صوتی ظریفی را ساطع می کنند که از کره چشم پریده و توسط میکروفون گرفته می شود.
از آنجایی که کره چشم انسان کره های کاملاً گردی نیست، هر انعکاس زمان متفاوتی برای رسیدن به هر میکروفون دارد، بسته به اینکه کره چشم در چه جهتی قرار دارد.
بنابراین با استفاده از نرم افزار مبتنی بر هوش مصنوعی بر روی گوشی هوشمند یا لپ تاپ به صورت بی سیم که به طور مداوم این تفاوت های میلی ثانیه ای را تجزیه و تحلیل می کند، می توان جهت نگاه کاربر را ردیابی کرد و از همه مهمتر این فناوری تحت تاثیر نویزها قرار می گیرد. با پس زمینه مناسب نیست.
شایان ذکر است که GazTrek، در شکل اثبات مفهوم فعلی خود، به اندازه ردیاب‌های چشمی مبتنی بر دوربین معمولی دقیق نیست. گفته می شود این دستگاه تنها پنج درصد انرژی دستگاه های معمولی را مصرف می کند. دانشمندان می گویند که اگر سیستم GazeTrak از باتری با همان ظرفیت باتری Tobii Pro Glasses 3 استفاده کند، می تواند 38.5 ساعت در مقابل 1.75 ساعت کار کند.
علاوه بر این، محققان بیان می کنند که با پیشرفت بیشتر فناوری، دقت سیستم به طور چشمگیری بهبود می یابد.
فناوری EyeEcho همچنین امواج صوتی را ارسال می کند و پژواک آنها را دریافت می کند. اگرچه این کار را با استفاده از یک بلندگو و میکروفون در کنار هر یک از دو لولای عینک انجام می دهد، در مجموع دو بلندگو و دو میکروفون.
در این حالت، حرکات ظریف پوست روی صورت چیزی است که بر زمان سپری شدن بین انتشار هر پالس و تشخیص اکو آن تأثیر می گذارد. نرم افزار هوش مصنوعی این تفاوت های زمانی را با حرکات خاص پوست تطبیق می دهد که به نوبه خود با حالات صورت خاص مطابقت دارد.
پس از تنها چهار دقیقه آموزش روی صورت هر یک از 12 داوطلب، سیستم در خواندن عبارات آنها بسیار دقیق بود، حتی زمانی که آنها فعالیت های روزانه متفاوتی را در محیط های مختلف انجام می دادند.
