通过之前的学习，我们接触了许许多多的交互方式，并通过p5/processing等初步接触了一些简单的用户交互方式。那么，当下最先进，或者未来有可能实现的交互模式是怎样的呢？今天我就来介绍一篇关于眼动追踪的论文，该论文简单阐释了眼动追踪的原理，以及其在历史和当下实践的情况，以及未来可能应用的方向。该文节选自《The Wiley Handbook of Human Computer Interaction》，其后我会将英文文献及个人感想放在结尾。本文以翻译为主，主要以Google机翻为主，加上一些个人理解，尽量使文章通顺易懂，如有欠缺实属抱歉。

利用眼动追中改良广告界面

可为广告界面设计提供参考的凝视记录
眼球运动和眼动记录
- 眼球运动
- 眼动记录
眼球的固定和眼跳的相关计算
应用于商业中的眼动追踪研究简史
视觉特征的影响
- 尺寸的影响
- 位置
- 低级图像特征
- 全局图像特征
- 竞争性杂乱
- 下游效应（连锁效应）
讨论和展望
参考

可为广告界面设计提供参考的凝视记录

随着数字设备的普及，几乎涉足消费者生活的方方面面，这些设备的用户界面（UI）也越来越影响消费者们的日常体验。数字屏幕提供工作，旅行，游戏，信息，娱乐，社交互动和购物等的信息。数字广告已然成为用户界面的组成部分之一，并且在某些情况下，我们甚至难以将商业广告同网页内容区分开来。数字广告是当下主流的商业实践内容，是一种在放置相关的、有针对性的广告信息方面上经济有效的方式。

但是，由于存在点击率较低的风险，在线广告界面的测试，评估和改进就显得至关重要。Fitts，Jones和Milton（1950）进行了第一次关于眼动追踪的可用性研究，该研究提供了如今已成为用户界面研究核心的方法和发现。眼动追踪现已成为评估UI设计，数字产品展示和数字广告的首选方法之一。低级和中级的特征（包括颜色和边缘）以及广告元素的大小，数量，位置和布局都是通过眼动追踪研究来优化广告界面的着眼点。当开发自然用户界面（NUI）时（NUI，与图形用户界面GUI相对，是一类无形的用户界面，NUI需要人们以最自然的交流方式（如语言和文字）与机器互动。直观的来说，使用NUI的计算机不需要键盘和鼠标。如手机、平板的触控技术），可以通过提升广告的沉浸感来提高广告的效果，尤其是当它与虚拟现实和增强现实技术相结合时。新形式的广告更可以允许用户通过使用语音，手势，眼睛和面部识别的NUI与他们进行交互。在不久的将来，眼动记录很可能成为NUI中不可或缺的一部分，允许用户仅通过查看广告，即可实现与广告的互动。在此背景下，本章讨论了在商业营销中的眼动追踪研究，并讨论了其未来前景。
自2000年以来，眼动追踪的在商业中的应用次数迅速增长。这些研究的目的是促进商业产品的感知，探索，搜索和决策。企业在数字广告，在线货架布局，网站，应用程序，电子邮件等设计中都进行了关于眼动追踪的研究。营销从业者的需求正在增加，因此，眼动追踪研究的提供者每年都要进行数百项研究。一些全球市场研究公司，如Perception Research Services（PRS）（www.prs-invivo.com/)提供这些服务，许多大公司将这项技术部署在他们自己的专业研究部门。眼动追踪的热度持续增长的动力来自技术创新和眼动追踪方法成本的急剧下降。早年，眼动追踪在商业应用中的推广受到高水平的专业化知识的需求以及对视觉注意在信息处理中的作用的限制的错误认知所阻碍。
然而，最近，凝视记录技术的新发展增大了眼动记录广泛应用的机会。同时，现代眼动追踪设备已经趋向小型化，大多数商用眼动仪已经成功实现便携式。这就导致不仅可以在台式机和笔记本电脑上应用眼动追踪，还可以在平板电脑和智能手机，商店（货架），游戏机，自动售货机和数字广告牌上应用眼动追踪。现在，软件解决方案使通过网络摄像头记录观众的视线成为可能（http://thirtysixthspan.com/openEyes/; http://www.inference.phy.cam.ac.uk/opengazer/)（参见本节第21章）手册）。而且，由于前置摄像头已成为计算机和移动设备的标准配置，因此为大量用户提供了参与远程眼动追踪研究的机会。只要有网络摄像头和互联网连接，参与者们就可以在家中、公司亦或任何地方，使用台式、笔记本乃至平板电脑进行眼动追踪。然而，通过基于网络摄像头的角膜成像的眼动追踪目前仍然在准确性和质量方面落后，并且自然环境中的数据收集有时可能受到校准问题的阻碍。但是大样本量和更多的自然条件弥补了这些限制。像Sticky公司（http://www.gazehawk.com/; https://www.sticky.ai/; http://nviso.ch/)通过使用网络摄像头不仅可以远程记录凝视数据，还可以通过面部识别来记录情绪波动。
在本章中，我们将回顾眼动记录及其在市场中的应用，重点关注图像特征的影响，这些特征可以在视觉刺激和用户界面的设计中提供有价值的信息。许多关于营销广告的研究已经得出了与在线广告相关的低级和中级特征的发现。我们首先介绍眼球运动和眼球运动测量，重点是视频录制。然后，我们介绍在营销中进行眼动追踪研究的简要历史，并回顾广告图像特征对用户凝视影响的一般发现。Wedel和Pieters（2008）提供了一些超前的评论和看法。最后，我们展望了眼动数据的未来及其在NUI中关于广告的应用。

眼球运动和眼动记录

眼球运动

Buswell（1935）和Yarbus（1967）等研究人员最先发现，眼球运动可以提供对消费者视觉感知过程的详细见解。从那时起，已经通过感知，探索，搜索和决策过程对从眼动记录中得到的可观察的措施进行了广泛的研究。很明显，眼动跟踪可以提供对这些过程的见解，而这些过程无法通过现有或过去的视觉注意力的调查型自我报告获得（Aribarg，Pieters，＆Wedel，2010; Russo，1978）。
我们相信，我们始终能够以高分辨率看清完整的视野。这是因为当我们看向数字屏幕的某些地方时，我们关注的任何内容都清晰可见。每当我们移动我们眼睛并注意其他东西时，我们会再次清晰地看到它。这给人以“完整视觉”的印象：我们视野中的细节可以被完全和立即地感知到。这种印象是不正确的。内省并没有准确地告诉我们我们如何移动我们的眼睛，以及我们看到的和我们想念的东西。事实上，我们的自我意识并没有准确地告诉我们如何移动我们的眼睛，以及我们看到了什么，又没有看到什么。眼动追踪可以帮助我们确定用户在看什么，看到了什么，又没能看到什么。
Hering（1879）和Javal（1879）最先观察到，在实际阅读过程中，眼球运动可以被视为由一系列离散运动——固定和扫视所组成的平滑的运动。由人眼视网膜提供的视觉敏感度将随着距视网膜中心的距离的增加而迅速下降，该中心称为中央凹，并且是直接与瞳孔相对的视网膜的最敏感部分。

正因为如此，我们在任何时刻都只能清晰地看到不到1％的视野。为了看清特定的物体或位置，我们必须移动我们的眼睛，这使得研究眼球运动来作为我们获得的信息的指标是有意义的。每只眼球的运动由六块肌肉控制，以及一块控制眼睑运动的肌肉（上睑提肌），一个控制瞳孔开大的肌肉（瞳孔开大肌）。这些肌肉中的四块控制着眼睛向上（上直肌），向下（下直肌），向左和向右（外直肌和内直肌）方向的运动。上下运动由仅每只眼球中的相同肌肉控制。而水平视线的移动则涉及一只眼球朝向头部的侧面移动而另一只眼球朝向内侧移动。需要通过多个肌肉的同时运动来控制中间眼球的运动方向。另外两个肌肉则负责抵消头部运动以保持稳定的视线方向，并将眼睛向下/内侧（上斜）拉动，个别向上/向外（下斜）方向拉动。当眼球静止时，与眼球运动相关的肌肉仍然稍稍保持活跃。这种紧张性活动通过刺激视网膜来使眼球保持在适当的位置并保持视力。协调肌肉活动以使眼球以这种方式一起移动。眼球运动都是同时处于有意识和无意识的控制之下的，但大部分运动是在无意识情况下进行的。因此，眼球运动既精确又快速。
眼跳是眼球的快速跳动（saccades，我在这里翻译为眼跳，参考自视觉搜索过程中的眼跳及其机制：https://wenku.baidu.com/view/56677c0f4a7302768e993997.html)，有助于将视线重定向到视野中的新位置并将其投射到中央凹。眼跳需要20-100毫秒，速度可达1000次/秒。我们每天大约进行170,000次眼跳。眼跳通常是由视觉周边的基本视觉特征（例如对比度差异和运动）结构中的特殊点所驱动的。然而，如果我们有意的更改我们的视线以进一步观察某个位置或某个物体，它（眼跳）也可以被有意识地控制。在眼跳期间，我们的视力将会受到削弱。因此，在我们清醒的每一天中，我们都看不清任何东西长达一个半小时！
眼睛固定（看向某处时）通常能持续约200-500ms，具体取决于意识中传达的任务。在此期间，视野中的一个小区域会被投射到中央凹，这使得它能够被详细处理。中央凹约占整个视野中约2度视角的面积：约为拇指甲的面积。即使在视线固定期间，眼球也永远不会完全静止，而是略微运动。这些运动包括漂移、震颤和微眼跳。微眼跳是一种微小的跳动，跳动范围约0.2度的视角。此外，聚散眼动是双眼向内转动的运动，以保持一个物体朝向或离开我们聚焦（反之亦然），而平滑眼动的追求是使我们能够跟踪穿过视野的物体，其速度高达每秒100度。

眼动记录

Eye‐tracking设备是Huey（1898）在1900年左右发明的一种眼动仪。它使用了一种带瞳孔的隐形眼镜，上面有一个杠杆，通过将笔移过烟熏鼓的表面以记录眼球的运动。为了克服这种方法的机械限制，Orschansky（1899）记录了从附着在眼镜上的镜子所反射的光。更准确的方法是记录从眼睛表面反射的光。利用这一原理的第一个眼动追踪装置是由Dodge（1900）开发的，称为“落板”相机。该设备包含一本印刷好的文本，供参与者阅读。在摄影版上，摄像机记录了从眼睛前方的白色纸板上弹回来的反射阳光。自行车泵用于确保“落板”的平滑下降，摆动摆在落板上形成规则图案，创造了时间记录。使用针织针将白纸片固定在适当位置作为固定点。使用针织针将白纸片固定在适当位置作为固定点。该装置首次发布了眼球运动痕迹，后来由Spindler，Hoyer和Göttingen专业制造和销售（Wade，2010）。
今天，眼动仪以三种主要方式测量眼球运动：（a）测量附着在眼睛上的特殊隐形眼镜的运动，（b）使用电极测量眼球运动肌肉产生的电位（电眼图），和（c）基于视频的光线反射跟踪（视频眼图）。大多数商业眼动追踪的方法和设备都属于后一类。这种方法当下十分流行，因为它是非侵入性的，并且相对便宜。有两种主要类型的视频眼动：使用从光源发出的红外（IR）光和不使用红外光的光。
在基于IR的视频眼动图中，红外光从光源发出并从眼睛反射，从而在眼睛的外层角膜上产生反射。典型的商业眼动追踪装置测量一只或两只眼睛的角膜上的反射（更精确的眼动追踪器在每只眼睛上使用所谓的浦肯野反射中的两种或更多种）。瞳孔中心与角膜反射之间的距离随眼球运动而变化，但在正常头部运动时保持相对恒定。因此，这些现代眼动追踪装置在记录期间允许相当高自由度的头部运动，从而实现更不显眼的测量。在校准任务完成之后，由角度反射点与瞳孔中心点的角度和距离确定的关注点（POR），即眼睛聚焦的位置。亮瞳和暗瞳方法的不同之处在于IR光源相对于眼睛的位置。如果红外光沿着光路进入眼睛，则它会从视网膜反射回到记录相机中，从而产生明亮的瞳孔。如果IR光源与光路成一定角度，则瞳孔看起来很暗，因为视网膜对光的反射远离相机。明瞳跟踪更够实现更高要求的眼动追踪，并且不易受到干扰和光的变化，但不能在户外使用。现代眼动仪可在明暗瞳孔记录之间无缝切换，从而提高其准确性。基于IR的商业眼睛跟踪通常具有约50Hz（20ms）（或其倍数）的时间分辨率，以及0.5°的空间分辨率，这对于商业和许多学术应用来说足够准确。但是，基础研究所需的时间分辨率可以更高，并且一些眼动仪可以提供高达2000Hz的分辨率（在这种情况下，参与者的头部需要被固定）。眼动追踪设备记录特定频率下双眼POR的x坐标和y坐标，并且在分析之前必须进一步处理POR的连续迹线，通过识别凝视，眼跳，平滑移动，有时也识别微眼跳。
包括Tobii和SMI（www.smivision.com; www.sr-research.com; www.Tobii.com）在内的各种公司都提供台式和便携式轻型眼动追踪设备。嵌入眼镜的微型头戴式眼动仪正在应用研究中迅速发展。当在需要对不受限制的人员在移动的情况下进行眼睛记录时，例如在（数字或虚拟）购物任务期间，或暴露于多个数字屏幕时，后者尤其有用。这些新一代眼动追踪系统的相对较低的成本，较短的校准时间，不显眼的测量方式，用眼镜和隐形眼镜追踪消费者的可能性，以及改进的处理软件都有助于眼动追踪在实践中的指数增长，自然条件下的凝视测量，以及学术研究中理论发展和测试的应用。
最近的一项发展涉及通过对移动设备和台式机或笔记本电脑上的前置摄像头获得的角膜图像的几何分析进行无红外眼动追踪。提供基于网络摄像头的眼动追踪的领先公司之一是Sticky（https://www.sticky.ai/)。无红外眼动追踪的创新是基于Pelz（2000）等研究人员及Li和Parkhurst（2005）的最初研发（的技术）。它由软件解决方案组成，用于分析前置摄像头的视频。
本手册第21章提供了方法和应用的详尽描述。开源软件可用（http://thirtysixthspan.com/openEyes/)。该软件可识别图像中每只眼球的特定特征，包括眼睑，瞳孔及其轮廓，虹膜，角膜缘（虹膜的边界）以及眼角。每当眨眼时将会定位眼球的位置。然后应用算法来识别瞳孔的中心和凝视方向。这些算法基于以下原理：由网络摄像头捕获并投影在二维视频图像上的瞳孔或虹膜的轮廓是椭圆形。因为在三维中轮廓是圆形，所以椭圆的方向可以用于在三维中以数学方式重建原始圆。这将与眼睛上的其他校准点一起计算瞳孔的中心和凝视的方向。视频图像通常以10 Hz（100 ms）的频率捕获，这提供了比典型的基于IR（基于红外技术）的眼动追踪稍低的时间精度。基于IR和无IR眼动追踪结果的比较（Burton，Albert，＆Flynn，2014）表明，对于较小的目标区域（约1％或更低的屏幕或更低），红外眼跟踪更准确，特别是当他们（目标区域）位于计算机屏幕的边缘时。这是因为基于网络摄像头的眼动追踪会遗漏眼球的某些精确位置，因此往往会低估停留的时间，对于较小的图像，准确度可高达50％。然而，对于较大的图像（约占屏幕的5％或更多），基于网络摄像头的眼动追踪技术实现与红外眼动追踪技术相同的准确性时，尤其是在捕获（视线）固定在目标区域的参与者（用户）的（占所有参与者的）百分比时，这些图像的停留时间仅被低估了约25%。因此作者的结论是，对于侧重于合理大小的目标区域的研究，且并不是位于屏幕边缘太远的位置，基于网络摄像头的眼动追踪是一种可行的技术，尤其是为了识别所记录的百分比。但是，在使用这种方法时需要牢记，无红外线眼动追踪技术所提供的测量数据的向下偏差是显而易见的。
基于无红外线的网络摄像头的眼动追踪的优点有很多。首先，它将眼动追踪的成本降低了一个数量级。其次，为了抵消较低的空间和时间精度，可以对非常大的受访者样本进行这种类型的眼动追踪，从而减少测量方差。第三，无红外线技术允许受访者在自然环境，家中，工作场所及任何其他环境中，坐在台式机或笔记本电脑前(并且未来可能还有平板电脑和智能手机)的任何其他位置，进行眼动追踪。第四，基于网络摄像头的眼动追踪使得对分散的地理位置的研究，特别是跨文化和跨国研究变得可行，并使其更标准化和更具成本效益。第五，受访者看到的场景图像通常也可以从角膜图像中获得，因为它反射到角膜上。第六，这种方法在NUI（自然用户界面）中的凝视控制方面具有很好的愿景。

眼球的固定和眼跳的相关计算

眼动记录包含眼球聚焦的一系列位置和关注点，通常由时间线和每只眼球（焦点）的x和y坐标组成。在POR（关注点，即眼球聚焦的位置）的原始记录中，需要将眼球的固定和眼跳确定为关键的眼球运动测量对象。已经提出了各种根据眼动追踪设备提供的POR记录来计算眼球的固定的算法。眼动研究中常用的大多数算法基于预先设定的POR速度，距离，持续时间，角度或加速度阈值来识别眼球的固定，并从而计算眼跳。基于离散的算法最常使用，因为它们易于实现。然而，近年来，基于速度的算法越来越受欢迎，因为它们在识别眼跳的开始和结束方面更加清晰和准确。Van der Lans，Wedel和Pieters（2011）开发了“双目 - 个体阈值”（BIT）算法，这是一种开源，全自动无参数的（眼球）固定识别算法，通过最佳地利用双眼的眼球运动数据的统计特性，来识别任务和特定个体的速度阈值。由眨眼和泪液引起的异常将会从POR的原始记录中滤出。BIT算法产生关于POR的连续样本序列，并将它们标记为（眼球）固定或眼跳。固定的次数，固定持续的时间，凝视持续的时间，凝视选择，首次固定的时间以及感兴趣区域（ROI）的固定过渡是眼动追中研究中最常分析的度量。基于视频的眼球追踪技术还可以推导出眨眼、头部的运动和瞳孔的直径。

应用于商业中的眼动追踪研究简史

在20世纪初，Nixon（1924年）和Poffenberger（1925年）首次应用眼动研究来确定消费者对杂志和报纸广告的关注模式。Nixon（1924）手动记录了消费者的眼球运动，消费者们翻阅印有广告的杂志，而他（Nixon）将自己藏在窗帘后面的盒子里面进行记录。Karslake（1940）使用眼球相机收集报纸上出现的广告的眼动数据，从而提高效率和准确性。然而，对于商业应用，与之伴随的是研究活动相对缺乏的时期，这可能是由流行但错误的观点引起的，即注意力只是高阶认知过程的第一阶段。这种观点是由诸如AIDA（Starch，1923）等层级信息处理模型提出的。 Russo在1978年的文章中提出了使用眼动追踪的新动力，标题为“眼睛固定可以拯救世界”，其中他主张使用眼球运动研究信息处理，重点关注消费者决定过程。Russo根据一系列标准将眼动追踪与其他认知过程追踪方法（信息显示板，输入输出分析和口头协议）进行了比较。他总结说，眼动追踪方法提供了许多优点，包括有效，不引人注意，易于使用和成本（较低），而其他方法不能提供这些优点。确定眼球运动与视觉注意紧密结合，并且它们可用于推断信息的获取和更高的认知过程后，从20世纪70年代开始，对眼动追踪的研究兴趣开始复苏。其中大部分涉及描述性研究，记录了对黄页广告，营养标签，酒精和香烟警告等刺激的关注（参见Wedel＆Pieters，2008年的评论）。20世纪90年代（眼动追踪）引起人们的兴趣，部分原因是基于商用红外记录技术的进步。眼动追踪的应用已经涉及商店内商品的选择及货架的搜索，印刷广告，电视广告，电子商务，标签和教育信息以及品牌推广的研究中。从那时起，由于眼动追踪测量视觉注意力的可靠性，稳定性和不引人注目性的优势，以及其在视觉营销刺激方面对消费者行为的核心作用的认识，带来了越来越多的商业应用，以及（消费者的）基础注意力相关的理论的测试研究。这使得能够对营销实践中的长期信念进行评估，并且有助于预测商业应用中视觉刺激的有效性，从而产生许多新的认知。市场应用中包含诸多自然环境，消费者们通过各种各样的方式（浏览，搜索和选择）接受许多复杂的视觉刺激（网站，应用程序，目录，书架，组件，广告，视频，商业广告）。自2000年左右以来，用于开发和估计视觉注意力统计模型的贝叶斯框架在眼动追踪研究中发挥了至关重要的作用，并从眼动数据中分析出多个潜在的认知过程（Wedel＆Pieters，2000）。这项研究已经产生了一系列关于低级和中级视觉特征（颜色和边缘）在广告图像中的影响的基本见解。这些将在下面进行介绍。

视觉特征的影响

我们将会回顾营销中的眼动研究，重点关注广告设计中的低级视觉特征（包括大小，位置，颜色，边缘）的影响，以及中级特征，如原创性，复杂性和杂乱性。其中许多特征与网络连接和在线广告相关，因为网站和在线广告由文字和图片信息的混合组成，并包含多个竞争注意力的对象。

尺寸的影响

人们对广告中关键感兴趣区域（ROI）的大小影响十分了解。一般来说，尺寸显然对捕获注意力很重要，而且越大越好。然而，对于复杂的刺激，如广告和网站，同时包含文字和图片信息，与默认的情况不同，（不同大小的）效果更加错综复杂。视觉注意的几种度量，包括视觉选择，注视频率和总注视持续时间，与视觉刺激的大小密切相关。对于广告整体而言，广告的大小每增加一倍，（用户的）注视时间就会延长81%。（Pieters＆Wedel，2004）。对于较小的功能广告（独立插入物），凝视持续时间增加的幅度较少：尺寸每增加100%，凝视持续时间增加22%（Pieters，Wedel＆Zhang，2007）。对于功能性广告而言，这种较小的效果可能是由较高的竞争性混乱引起的，因为这种广告的页面上通常包含多个小功能广告。因此，使用尺寸在杂乱的视觉环境中脱颖而出可能更加困难。广告的三个要素受到了很多研究关注，包括文字，图片和商标。这些将在下面进行讨论。
文本用户在广告文本中注视时间的增加与其大小成正比：文本表面大小增加100％导致注视时间增加90％（Pieters＆Wedel，2004）。这可能是由于阅读文本所需的时间。具有较大文本元素的广告会获得更长时间的注视（Pieters＆Wedel，2004），这可能是由于阅读。Rayner，Rotello，Stewart，Keir和Duffy（2001）因此得出结论，文本在设计广告时比一般呈现更重要。然而，对于功能广告，Pieters（2007）等人表明文本的大小应该相对于其当前值减少约20％。这是因为这类广告的混乱程度非常高，这些结果表明，随着杂乱程度的增加，文本阅读的次数会减少。
Pieters和Wedel（2007）表明，消费者在观看广告时所持有的目的（例如，接触，了解某品牌或广告）会影响对文本和图像元素的注视（时间）。当消费者想要了解广告或品牌时，文字的浏览时间会更长。这些发现解释了Rayner（2001）等人对文本的长期注视的解释，因为他们想要了解（广告中的）品牌。因此，消费者虽然相信广告中的文本包含的大多数信息不一定正确，但这些信念会影响他们的眼球运动。从这些研究中，无法清楚获知文本的大小效果在多大程度上与字体大小的增加或单词数量的增加相关联。如果后者是这种情况，那么Rayner等人的解释是有效的，旨在最大化（消费者）对广告的关注的广告商需要投入更多的空间放置文本，尤其是针对那些有目标了解品牌的消费者。然而，在许多眼动追踪研究中对广告文本的扫描路径进行定性检查表明，文本通常不是被完整阅读的：消费者只阅读其中的一小部分，和/或对关键词的文本进行概括;但是，文本阅读的比例会随着观众的参与而增加（Rosbergen，Pieters，＆Wedel，1997）。
迄今为止的大多数研究未能发现从文本到图像显著的视线转移（例如，Pieters＆Wedel，2004; Rayner等，2001）。相反，视线在往另一个方向转移：从图画到文本。此外，文字似乎并没有促进品牌认知（Wedel＆Pieters，2000）。这些发现对文本在注意力和记忆力方面的核心作用产生了一些疑问，尽管它对于理解可能很重要。Stewart，Pickering和Sturt（2004）的研究表明，对文本的长时间凝视可能是由于语义不一致或（语法）复杂性造成的。
然而，Pieters，Wedel和Batra（2010）没有发现广告的复杂性对平面广告中文本的凝视持续时间的影响。这些有些不一致的发现表明需要更多地研究文本在多种模式刺激中的作用，例如广告和网站。有关眼球运动的文献（例如，Rayner，1998）对阅读环境的影响只能提供有限的指导，因为广告通常是具有图案，文本和符号的多模式消息。作为文本的一部分，标题的具体作用也未得到充分研究。标题因其大小，大字体类型和广告中心位置而脱颖而出。一般来说，广告中的想法是，标题先吸引目光，并需要吸引消费者花更多时间在广告上。然而，很少有研究专门研究视线捕获并从标题转移到其他元素（的过程）。Rosbergen，Pieters和Wedel（1997）发现（消费者在）标题的停留时间比正文更长。此外，虽然该研究中几乎所有消费者都浏览了标题，但文本内容并非如此（文本不一定会被阅读）。Leven（1991）的研究表明，眼睛往往会快速转到广告的左上角，通常标题所在的位置。因此，对广告布局的构思可能对标题和正文的注视模式具有强烈影响。
图片无论图片的大小如何，他都会捕捉到凝视视线。已经发现包括品牌标志在内的图示元素的停留时间随着尺寸的增加而增加，但速度比文本的情况要小：100％的尺寸增加导致凝视时间增加30％。增加像素大小对停留时间的影响相对较小，与常见的认知相反：增加其大小对整个广告的注视时间没有影响（Pieters＆Wedel，2004）。尽管已经发现图像尺寸会影响记忆，但其效果（Wedel＆Pieters，2000）。根据目前的调查结果，广告商和网页设计师不应该最大化图片元素的大小来最大限度地提升广告的吸引力。然而，已经发现广告中的图示元素对于广告感知是至关重要的。如果广告采用经典的布局，消费者能够在短至100毫秒内识别广告及其推广的产品类别（Pieters＆Wedel，2012）。图片在这方面起着重要作用。
对于功能广告，图片元素大小的影响大于平面广告。Pieters（2007）等人表明，在广告的所有元素中，图片的大小对停留时间的影响最大。对此的解释依然是功能广告的高竞争性混乱。在如此高的竞争性混乱下，图像元素更大的时候可能会捕获更多的凝视。然而，Pieters（2007）等人说明，在当前的功能广告中，图片仍然太大，并且可以减小接近40％的尺寸以实现能够捕获最大凝视的广告页面最佳构图。在他们对目标效果的研究中，Pieters和Wedel（2007）表明，当消费者想要了解品牌时，他们对图片的看法较少，反映出他们认为图片中包含的品牌信息少于文字。
除了尺寸之外，图案的许多方面还不是很清楚。尤其是未充分研究图形内容的各方面，例如特定对象的存在及其复杂性。例如，Wedel和Pieters（2015）最近发现，图片中显示的中心识别对象对于广告的准确要点感知至关重要，特别是在短至十分之一秒的模糊曝光中。这很重要，因为如果在对广告的第一次注视中，消费者能够确定他们正在查看广告并且可以识别广告的内容，则可能会促使他们进一步注视并深入了解广告中包含的信息。
商标迄今为止的研究表明都品牌或产品商标在广告中起着至关重要的作用。商标大小（对凝视）的效果类似于图片的效果，但商标元素所获得的视线更多会转移到图片和文字上。因此，商标在广告中引导注视方面起着关键作用。此外，对商标的凝视相比其他广告元素能够带来更深的品牌记忆（Wedel＆Pieters，2000）。因此，通过增加商标的大小来吸引视线很可能引导视线转移到图片和文字所包含的关键信息中去，并改善（消费者）对品牌的印象（Pieters＆Wedel，2004）。关于功能广告的结论（Pieters等人，2007）与此相符：商标的大小对凝视（时间）产生强烈的积极影响，如果要改良当前的功能广告，商标的尺寸应该增加约75％。与之相关地，Chandon，Hutchinson，Bradlow和Young（2009）发现，货架上的商标信息越多，消费者的停留时间越长。
与上面讨论的相比，对其他元素或ROI（感兴趣区域）的大小影响的研究相对较少。Pieters等人（2007年）表明，包含价格和/或促销信息的使用户感兴趣的区域的大小对（消费者）注视功能广告的时间有积极影响。在功能广告中，这些元素提供关键信息。如果想要设计一个最佳的广告，价格应该大约提高60%，而促销活动比当前再大10%（力度）。（对商品先提价，再促销）尺寸对海报和功能广告注视的一些结果可能会推广到其他营销刺激，如页面目录，货架，优惠券，网站，广告牌和横幅广告。Dreze和Hussherr（2003）提供的研究，对后者提出了有价值的初步见解。
背景和广告的竞争性元素的布局也可能对停留时间产生重大影响，这与上面讨论的一些尺寸效应相互作用。到目前为止，关于背景的影响知之甚少。Janiszewski（1998）的工作首次表明，竞争起着重要作用，可以缓和广告中元素和物体大小的影响。Wedel 和 Pieters (2000)提出了背景以及左右页面的位置、广告序列位置（页码）对杂志的影响，但仍是主要将其作为有关尺寸的大小对注意力和记忆方面的影响的研究中的控制变量。与这些发现一致，Pieters和Wedel（2004）也发现页码对整个广告的停留时间产生负面影响，这可能表明在看到广告重点之前浏览太多竞争性广告（其他产品的广告）会带来负面影响，且这种负面影响会随着页码的页数增加。（例如广告在杂志中的页码越靠后，其吸引的注意可能就越少。）

位置

许多研究已经证明了广告的位置对眼球运动的影响。首先，一些研究发现顶部/中心空间的位置对眼球运动的有着强烈影响，有时称为“重心”效应（Buswell，1935）。D’Ydewalle和Tamsin（1993）发现，在足球比赛期间，广告牌在电视屏幕上的中心位置可以捕获更多的注意力。Leven（1991）发现视线在广告中左上角的位置停留的时间很短。Dreze和Hussherr（2003）发现网页中的横幅广告的中心位置会吸引视线有着积极地影响。研究集中放置的横幅广告，约瑟夫森（2005）发现在网页的顶部和底部放置具有很好的积极影响。Liechty，Pieters和Wedel（2003）（另见Wedel，Pieters和Liechty，2008）表明，在浏览广告时，消费者几乎总是从页面中心开始浏览，但Chandon（2009年）等人提出，（消费者）在顶层和中层位置凝视的时间更长。中心可以是用于早期信息放置的最佳位置，或者它可以是开始浏览广告，屏幕，货架或网站的适合位置。中心位置不仅可以在浏览初期收到更多的视线关注，而且还可以在浏览的最后阶段收获更多的视线。Atalay，Bodur和Rasolofoarison（2012）发现，在做出决定之前，消费者们对货架中央的商品的关注逐渐增加。Brasel和Gips（2008）发现，在快进期间，位于屏幕中心的商标能够获得更多关注，这是因为当对广告进行快进时，观众需要密切关注，以确定他打算收看的节目是否开始。
其次，一些研究表明，对各种视觉刺激，眼球趋向于从左向右运动。Van der Lans，Pieters和Wedel（2008a）表明，（眼球在）货架上的扫描路径展示了眼球系统习惯于从左向右浏览的策略，这表明眼球运动是沿着水平货架浏览的。同样，Shi，Wedel和Pieters（2013）表明，当消费者在网站上相互比较做出选择时，这些网站以行的方式排列商品，并在列中说明商品的属性，眼球运动在这些网站中表现出强烈的从左向右浏览的倾向。然而，消费者在水平的眼球运动和垂直的眼球运动之间每秒切换一次。对于广告浏览，尚未确定系统性的左右眼运动趋势（参见Wedel＆Pieters，2008），除了在阅读文本或标题时进行的眼球运动。似乎左右眼的运动主要是由接受视觉刺激的组织引起的，例如架子，可进行比较的网站或文本，而不是根深蒂固的眼球运动行为。然而，需要更多的研究来支持这种说法。（我个人认为这是个人习惯引导眼球的运动，因为我们阅读文字时习惯从左向右阅读，而如果是比较特殊的情况，比如古人从上向下阅读，达芬奇从右向左阅读，可能会产生不同的眼球运动结果）。第三，一些研究表明，对复杂场景的浏览可以分解为分别对信息量最大的区域进行浏览，以及视线在这些区域之间跳跃的过程。也就是说，在一系列任务中，包括浏览，搜索和选择，已经发现眼睛运动聚集在视觉显示器上相对较小的连续区域中。在多种类型的视觉刺激中，这些连续区域对应于观察者可能感兴趣的对象或元素。Liechty（2003）等人研究了广告上眼睛运动的空间分布，并区分了局部（相邻单元空间网格的凝视）和全局（非邻近单元的凝视）模式。这些作者得出结论：他们观察到的消费者视线的扫描路径的目的是将广告浏览的复杂过程分解为较少数量的简单过程，这些过程涉及在广告中浏览局部区域。在接触广告期间，消费者在局部和全局浏览之间切换了大约五次：在局部区域，通过中央凹视觉搜索邻近地区，而在全局状态下，眼睛通过周边视觉进行重定向。没有任何证据表明首次全局概览之后是局部的细看，这种想法在此前假设过。最后，Shi等人在（消费者在）能够进行比较的网站上的选择中观察到了类似的眼动模式。（2013年）。他们发现，消费者的注意力集中在显示器的邻近元素上，即使网站的行/列方向发生变化，他们的行为依旧如此。在视线转移之前，消费者会注意到大约两到三个属性或物品。这些聚焦于局部区域的凝视模式在不同的刺激中的一般性是惊人的（即这种模式十分常见，对各种广告元素皆适用），但仍然需要更多的研究来支持其可推广性和驱动这些模式的因素。

低级图像特征

讨论视觉搜索过程中低级特征（例如颜色、边缘、纹理和对比度）的影响的研究还相对较少。一些研究只包含一些选定的特征，而不是系统性的研究，而且大多所发现的影响都缺乏强有力的理论解释。关于低级特征对眼球运动影响的最深的研究是van der Lans，Pieters和Wedel（2008a，b）。他们研究了货架上商标的视觉搜索，并展示了颜色和边缘对眼球运动和搜索性能的影响。他们发现，颜色和边缘对货架上商品的定位和识别都有很大的影响。哪些颜色显著，部分取决于搜索目标，并且在不同个体之间存在显著差异。搜索目标的颜色（如包装中的蓝色）会吸引大多数注视。结果表明，消费者只能同时关注一个或两个基本特征。结果还表明，消费者经常将注意力的焦点从边缘转移到通常含有更多信息的商品中心（重心效应）。这些自下而上的结果解释了大约三分之二的视觉显著性检测结果。（视觉显著性检测(Visual saliency detection)指通过智能算法模拟人的视觉特点，提取图像中的显著区域(即人类感兴趣的区域)。）（自下而上，由数据或者图像中的特征或者特殊点吸引人的注意；自上而下，由人的“认知因素”，如观察的目的，在数据或图像中查找某些特殊值。具体参考——视觉显著性检测（Visual saliency detection）相关概念：https://www.cnblogs.com/ariel-dreamland/p/8919541.html）。
Wedel和Pieters（2015）的研究表明，在要点感知过程中，颜色具有重要的缓冲作用。当惊鸿一瞥（少于注视的持续时间）和模糊（因为他们发生在视角的四周、在运动中或者在远处）时，广告中的中心对象的颜色有助于人们捕捉广告的要点，但在非模糊（但短暂）的观看时，颜色影响不大。

全局图像特征

研究还讨论了完整广告图像的全局特征对凝视的影响。Pieters，Warlop和Wedel（2002）研究了原创性和熟悉度对消费者对品牌，文本和图片的眼镜注视时间以及品牌记忆的影响。他们研究了普通的原创性广告——在杂志和报纸的正常创作范围内。研究表明，更多的原创广告获得了更多关于品牌的注视，从而提高了品牌记忆。重要的是，对于受访者认为更为熟悉的广告，原创性的影响更为强烈。Radach，Lemmer，Vorstius，Heller和Radach（2003）表明，通过提供与广告产品无关的图片和文字，使广告的内容显得神秘，可以获得更多的视线。（防不胜防，例如soul在微博的宣传软文——这个世界已经不浪漫到什么程度呢？人们把深情叫做舔狗，第一眼给人感觉是个鸡汤文或者故事）
Pieters，Wedel和Batra（2010）研究了通过使广告更复杂而实现的另一种原创性。他们区分了两种复杂性。当广告图像包含密集的视觉特征时，会出现特征复杂性。它可以通过广告图像的GIF压缩文件大小来衡量。具有高特征复杂性的广告通常会变得杂乱无章。（另一种）设计复杂性涉及具有炫耀性创意设计并包含许多不同对象和元素、不规则排列和形状的广告。该研究表明，特征复杂性会影响品牌。它使得品牌在杂乱的特征中更难被找到。这就可能导致该品牌只能收获更少的注视。然而，设计复杂性与上述其他形式的原创性的发现一致，有利于吸引消费者注视图像或者广告整体。这是一个好消息，但需要注意的是，对图像的注视并不会影响其他广告元素，文字，特别是商标。对于电视广告，Teixeira，Wedel和Pieters（2010）发现，与特征复杂度中等（每个帧的特征复杂性是通过该帧的文件大小衡量的）相比，当其特征复杂度低或高时，消费者停止观看商业广告的趋势更高。

竞争性杂乱

Pieters（2010）等人的研究表明，以JPEG广告图像的文件大小衡量的特征复杂性会对品牌的注视产生负面影响。这种特征复杂度的度量可以被解释为低级杂波，即基本感知特征方面的混乱。它对消费者凝视的影响被发现是消极的。高级杂波与图像中对象的排列有关。功能广告提供了研究此类视觉混乱的机会，因为多个广告（每个广告都有自己的视觉布局）出现在单个广告展示中。
高级杂波与图像中对象的排列有关。功能广告提供了研究此类视觉混乱的机会，因为多个广告（每个广告都有自己的视觉布局）出现在单个广告的面板中。许多网站也有这种视觉安排。Pieters等（2007）提出了关于这种杂波的两种度量：目标显著性（TD）和干扰异质性（DH），两者都是通过广告元素大小分布的熵（熵，体系混乱程度的度量）来衡量的。目标显著性衡量功能广告与网页上所有其他广告的不同之处，DH与其他功能广告的差异程度。因此，包含多个广告的网页上的每个广告都有自己的TD和DH度量标准。具有更独特设计（更高TD）的功能广告通常能够吸引更多的注意力。其DH越高，目标广告被注意的概率越低。选择广告后，消费者的注视持续时间仅受TD影响，DH不再发挥作用。在凝视一张广告时，消费者的注视持续时间仅受TD影响，DH不再发挥作用。竞争性杂乱对眼球运动的这些影响在设计具有多个广告的广告显示时具有重要的权衡：提高某一广告的独特性可以改善其在眼球运动的视线转移中被注视的概率和注视持续的时间，但如果同时对广告中所显示的所有广告都这样做，则会增加广告的干扰异质性（DH），从而不利于所有广告的视觉选择。该研究表明，除其他事项外，在页面上系统地安排广告，以及图片，文本，商标和价格等元素的有序分布，有助于在一定程度上缓解这一问题。最好是优化每个广告的显示页面，作者也这样做。该研究为研究竞争环境及其对其他环境中的眼球运动的影响提供了一个起点，例如在线产品展示页面，带有应用商标的屏幕，搜索结果页面和可进行比较的网站。

下游效应（连锁效应）

通过广告和界面设计影响凝视的可能的下游影响是巨大的。有大量证据表明，即使是对广告和其他商业视觉刺激（如目录，货架，标签和包装设计）的眼睛注视的微小改善也会影响记忆（Wedel＆Pieters，2008）。这种持久的关联证明了眼动追踪研究在广告和用户界面设计中的重要性。（研究）已经证实了眼睛凝视对各种行为测量的进一步下游影响，包括对态度，偏好和意图（Pieters＆Warlop，1999; Rosbergen，Pieters＆Wedel，1997），搜索性能（van der Lans，Pieters），＆Wedel，2008a，b），是否考虑（Chandon等，2009）和下决定（Pieters＆Warlop，1999，Stüttgen，Boatwright＆Monroe，2012）的关键积极影响。事实上，使用眼球运动来更好地解释和预测消费者决策是一个快速发展的领域，吸引了市场营销，心理学和经济学等学者的兴趣（Ashby，Johnson，Krajbich，＆Wedel，2016）。
Zhang，Wedel和Pieters（2009）展示了通过控制其他变量对大规模国家样本中的后续零售销售的预测结果。他们的研究表明，凝视持续时间受低级别广告特征（大小，颜色和位置）的影响，这意味着低级特征对销售的影响完全可以用他们引起的眼睛注视模式进行解释。Zhang，Wedel和Pieters（2009）的研究成果十分重要，因为它是第一个将凝视结果同销售结果联系起来的。然而，他们研究的特征广告是特定的，并且最有助于找到这种关系，因为这些广告是为即时效果设计的而不是印刷和其他展示广告那样的长期效果。凝视和销售关系需要在更广泛的视觉营销刺激中确立，这是未来相关研究的优先事项。

讨论和展望

通过数据分析和大数据来提升营销效率的策略是得到广泛认可的。然而，遗憾的是，在实践中进行的大量眼动追踪研究仍然停留在简单图形显示的眼动模式。这些热度图，凝视图等对于受访者最看重和错过的内容进行了有用的描述。它们提供了有趣的见解，并且易于与客户沟通。但是，随着研究变得饱和，这些热点图来源于预测能力很小的小部分的受访者，他们的（对眼动追踪）的新颖度逐渐消失，兴趣减弱，眼动追踪研究的前景受到威胁。分析眼动数据的应用是眼动追踪研究在实践中生存和持续成功的关键。基于大型受访者样本的眼动追踪研究，通过网络摄像头进行凝视记录的做法将愈发可行，这将产生需要实质性专业知识，适当分析技术和计算能力的大数据集。这些将促进高效和有效的眼动分析，其结果广泛适用于重大的商业活动以及兴趣刺激，包括赞助搜索，视频剪辑，新闻，电影和预告片，数字广告牌，横幅广告，产品评论，产品比较网站，标签云，游戏，虚拟现实和增强现实。在使用适当的分析工具进行分析时，收集大量参与者样本和大量营销刺激样本的用户凝视的大数据将有助于归纳结果，并实现视觉营销的分析优化，以实现最佳的下游影响。

随着角膜成像软件的发展，由于凝视控制的使用，通过网络摄像头记录消费者的外观，通过各种电子设备访问在线信息变得越来越灵活（参见本手册第20章中的应用）。Tobii，三星和联想等公司已将注视控制整合到笔记本电脑，智能电视和智能手机中（https://s3.eu-central-1.amazonaws.com/theeyetribe.com/theeyetribe.com/index.html)，通过前置摄像头进行眼动追踪，为用户提供一种简单有效的方式来控制应用程序。用户可以通过用她的视线轻扫页面来滚动页面，并通过固定视线来进行选择或激活应用程序。作为NUI的一部分，该技术可以支持数字设备上的关键过程，如探索，搜索和决策，并提供直接和直观的方式与数字内容进行交互。如果忽略重要信息，它可能允许自动警报，并且可以使用颜色，对比度和模糊来交互式地指导探索和搜索。在一些投影在现实世界场景中的应用中，消费者已经可以通过他们的眼睛在他们的智能手机上与3D图像进行交互。谷歌已经开发出一种眼镜，可以根据她正在看什么和不看什么来向观众展示信息，即使没有她不曾明确的浏览那些信息，(http://marketingland.com/pay‐per‐gaze‐advertising‐new‐google‐patent‐may‐reveal‐plans‐for‐monetizing‐google‐glass‐55714) 三星的专利智能隐形眼镜可以在现实世界的场景中叠加计算机生成的图像，并可以通过用户的眼球运动和眨眼来控制（http://www.independent.co.uk/life-style/gadgets-and-tech/news/samsung-smart-contact-lenses-patent-a6971766.html)。随着其他增强现实应用的不断涌现，在游戏领域（Pokemon Go：http://www.pokemon.com/us/pokemon-video-games/pkekemon-go/)，旅行业（诺基亚城市镜头：https://www.engadget.com/2012/09/11/nokia-reveal-new-city-lens-for-windows-phone-8/)，零售业（一号店/沃尔玛的虚拟商店：http://www.cnbc.com/2015/04/24/retails‐new‐reality‐four‐ways‐technology‐can‐boost‐sales‐commentary.html)和教育业(The Smithsonian: http://naturalhistory.si.edu/exhibits/bone‐hall/),凝视和面部控制和录音将会得到更重要的应用。
例如，新的凝视控制技术已经使电脑游戏更具吸引力。游戏玩家可以通过查看它们来与头像进行交互（http://waterloolabs.com/)。此外，当玩家移动她的头，凝视，眨眼，或用她的脸表达情感时，游戏中的角色也会表现玩家的动作的情感。（http://www.redbull.com/cs/Satellite/en_INT/Game/Red-Bull-Formula-Face-021243076152177)。使用网络摄像头，可以记录和分析用户的面部，眼睛，头部和面部动作，作为UI的一个组成部分，使头像的动作和表情更逼真，更贴合用户，产生更具吸引力和沉浸感的游戏（http://www.optitrack.com /）。已经有实体商店的人体模特（http://www.almax-italy.com/)可以判断购物者是男性还是女性，估计她的年龄，同伴人数，并记录她花了多少时间观看人体模特，以及她的穿着，并从购物者之间的对话中捕捉关键词。该技术还可用于支持学习。交互式在线和移动教育可以受益于学生的头部，面部和眼部运动，不仅可以改善界面，还可以实时提高学生的注意力和理解力。当眼球运动表明理解缓慢时，可能会出现解释，定义和翻译。当阅读出现障碍是可以被诊断出来，可自动分类阅读技能水平，并在界面上自动显示适应用户水平的阅读材料。选择性模糊和文本焦点可以提高阅读集中度和速度（http://text20.net/）。动态凝视提示可以引导学生注视材料的最相关方面。此外，在电子阅读器上，凝视可用于创建文档摘要，并根据读者的兴趣进行个性化设置。推荐系统将来可能会根据用户之前查看过的内容推荐新的文章，文本或评论。在数字设备上实现眼动追踪，可以使用用户对关键字或图像的即时注视作为输入，动态显示关键字和图像搜索结果。
通过网络摄像头进行面部识别也可以改善营销工作的目标。用户界面设计决定了消费者在多个屏幕上查找产品和服务信息的效率。根据消费者花在查看广告上的时间向广告客户收费的技术已经存在(http://marketingland.com/pay‐per‐gaze‐advertising‐new‐google‐patent‐may‐reveal‐plans‐for‐monetizing‐google‐glass‐55714).基于注视的渲染，3D视觉和增强现实开始在增强在线购物体验方面发挥重要作用。消费者可以将他们的身体测量结果与图片一起上传到在线零售商，虚拟地试穿新服装并看看它的外观。通过在智能电视（http://www.mirametrics.com/)上集成广告推荐引擎与面部和注视跟踪，广告商可以基于观众的先前注视和情绪表达来动态地自定义广告内容。交互式凝视可以用于指导消费者安置产品（如空调冰箱等），并且增强现实允许将虚拟产品放置在人看到的位置。如果观看者在观看电视节目期间关注产品的商标，则可以在随后的商业广告期间向该用户展示针对该产品的个性化广告。细心和可互动的广告牌，数字广告，户外数字显示器和数字销售点（http：// cornermedia.com /）可以在未来动态适应繁忙的交通或观众，以及他们的目光，面部表情，头部和身体动作。目前已经存在动态的广告牌，它可以在流量较为缓慢时播放内容更加丰富的广告，而如果流量加快时，则播放简单但能被快速理解的广告。微软在Xbox上的自然用户界面广告（NUads）允许用户使用语音和手势与商业广告进行交互，在社交媒体上发布广告，或者询问更多信息，例如本地零售商的地图(https://www.youtube.com/watch?v=RSk5DhxQHLo)。凝视和人脸识别将成为用户与NUads界面不可或缺的一部分。通过前置摄像头进行眼睛和脸部跟踪将很快成为我们日常生活中的一个组成部分，并将其整合到桌面，笔记本电脑和平板电脑，数字广告牌，自助服务终端，智能电视，智能手机，眼镜和隐形眼镜的用户界面中。作为自然用户界面的一部分，它将有助于使消费者的日常生活更简单，更高效，更安全，更愉快。随着交互式数字设备记录人们所看到的内容，这将产生大量关于他们日常生活中的视觉行为的信息。然后，凝视大数据将像过去几十年中互联网点击流数据一样普遍。丰富的凝视大数据将对市场研究公司，制造商，零售商和服务提供商具有重要价值，因为它将使他们能够更好地根据个人消费者的需求定制用户界面，产品，服务，价格，促销和广告。然而，处理这些数据将需要强大的云计算和目前正在开发的新型分析方法。如果仔细考虑消费者隐私，将会提供前所未有的对消费者视觉行为的新见解，这有望大规模改善管理决策和消费者体验。

参考

《The Wiley Handbook of Human Computer Interaction》：链接:https://pan.baidu.com/s/1S8sjRYg0NaQUuXo5pZV4lw 密码:gqh5
视觉搜索过程中的眼跳及其机制：https://wenku.baidu.com/view/56677c0f4a7302768e993997.html
视觉显著性检测（Visual saliency detection）相关概念：
https://www.cnblogs.com/ariel-dreamland/p/8919541.html

交互技术前沿学习分享——利用眼动追踪改良广告界面相关推荐

交互技术前沿学习心得——利用眼动追踪改良广告界面
在上一篇文章中,我分享了一篇来自<The Wiley Handbook of Human Computer Interaction>的文章<Improving Ad Interfac ...
交互技术前沿学习分享-翻译
交互技术前沿学习分享-翻译 <The Wiley Handbook of Human Computer Interaction>一书"Corneal Imaging"章 ...
如何让女性乳房更具吸引力？整形医生可以用眼动追踪技术大显神通吗？
全文共2806字,预计学习时长9分钟图源:Unsplash 自古以来,乳房就被看做女性身体的象征,古希腊艺术家雕刻的裸体女性和文艺复兴时期欧洲画家创作的美丽女神中,都会突出完美的乳房.乳房不但用来哺 ...
基于移动设备与CNN的眼动追踪技术简介
眼动追踪是一项科学应用技术,用户无需与交互设备物理接触即可发送信息与接收反馈.从原理上看,眼动追踪主要是研究眼球运动信息的获取.建模和模拟,用途颇广.而获取眼球运动信息的设备除了红外设备之外,还可以是 ...
Nature Neuroscience：利用深度神经网络进行基于磁共振的眼动追踪
文章来源于微信公众号(茗创科技),欢迎有兴趣的朋友搜索关注. 观察行为为了解认知和健康等多个核心方面提供了一扇窗,它也是许多功能磁共振成像(fMRI)研究中感兴趣或容易混淆的重要变量.为了让眼动追踪在 ...
通过精准且价格合理的智能手机眼动追踪加快眼动研究
近几十年来,眼动追踪已广泛用于视觉研究,语言和可用性.但是,大多数先前的研究都集中在使用专门的眼动仪的大型台式显示器上,这种显示器价格昂贵并且无法扩展.尽管手机的眼动行为无处不在且花费了大量时间,但人 ...
距离成为科技“爆款”，“眼动追踪”还有多远？
有点常识的人都知道,戒毒这件事儿,生理依赖容易摆脱,心瘾却很难除. 一般的戒毒机构,往往只以戒毒者避免接触毒品的期限为参照,三个月或六个月,或者一两年,在此期间戒毒者如果表现正常,便被视为戒毒成功.由 ...
眼动追踪:用户体验设计利器_眼动追踪：如何观察点击之间的差距（以及原因）
眼动追踪:用户体验设计利器 Photo: kellinahandbasket 照片: kellinahandbasket Information overload is becoming an epi ...
python机器识别追踪_Python+OpenCV实现实时眼动追踪的示例代码
使用Python+OpenCV实现实时眼动追踪,不需要高端硬件简单摄像头即可实现,效果图如下所示. 项目主程序如下: import sys import cv2 import numpy as np ...

交互技术前沿学习分享——利用眼动追踪改良广告界面