Trotz technischen Fortschritten in den letzten Jahren wird Eye-Tracking Technologie bis heute fast ausschließlich im Labor angewandt. Ursächlich sind unter anderem unflexible Bildverarbeitungsalgorithmen z.B. zur Pupillenerkennung, die nicht mit der Vielfalt möglicher Störfaktoren (wie z.B. Reflektionen auf Brillengläsern und dem Auge, Sonnenbrillen, Makeup, etc.) oder schlicht der hohen Varianz im menschlichen Erscheinungsbild zurechtkommen. Mit unseren Arbeiten zu robustem Eye-Tracking außerhalb des Labors setzen wir seit Jahren Maßstäbe.
Die Blickregistrierung alleine beinhaltet jedoch noch keine aussagekräftige Information über den kognitiven Zustand des Fahrers. Hierzu müssen sie erst interpretiert werden, um beispielsweise eine Aussage über Müdigkeit oder die Tätigkeit einer Person zu destillieren oder sogar vorherzusagen. Eine extrem hohe natürliche Heterogenität im Zusammenhang zwischen Augenbewegungen und bestimmten Tätigkeiten und kognitiven Zuständen macht diesen Prozess komplex. Eingeschränkte Messgenauigkeit und Fehlermuster in der Blickrichtungsbestimmung verkomplizieren das Problem zusätzlich. Wichtigstes Element unserer Innovation ist deshalb ein Mechanismus, um aus Blickbewegungsdaten Sinn zu gewinnen. Erst dadurch wird die Technologie in der Praxis relevant und nutzbar.
