Smart Eye AIS+：免校准眼动追踪开启 DMS 新时代

前言

CES 2025，Smart Eye 发布了 AIS+ 系统，其核心创新是 免校准眼动追踪（Calibration-Free Eye Tracking）。这解决了传统眼动追踪需要用户校准的痛点，使 DMS 真正实现即插即用。

---

一、传统校准的痛点

1.1 校准流程

步骤	说明
注视多个点	用户需注视屏幕上的多个标定点
数据采集	系统采集眼睛图像和标定点位置
模型拟合	计算眼睛特征与注视点的映射关系
验证	检验校准精度

1.2 问题

问题	影响
用户体验差	需要额外操作
时间成本	每个驾驶员需要几分钟
动态变化	眼镜、姿态变化需重新校准
多驾驶员	不同驾驶员需要各自校准

---

二、Smart Eye 免校准方案

2.1 核心技术

技术	说明
自校准功能	系统自动完成校准
深度学习	自动学习用户眼部特征
3D 几何计算	基于眼球几何模型
角膜成像	利用角膜反射辅助定位

2.2 工作原理

用户进入车辆
     ↓
系统自动检测眼睛
     ↓
采集自然眼动数据
     ↓
自动构建映射模型
     ↓
实时眼动追踪

---

三、AIS+ 系统特点

3.1 核心功能

功能	说明
免校准眼动追踪	无需用户配合
即插即用	几分钟内启动
疲劳检测	检测眼睑下垂、打哈欠
分心检测	检测视线偏离
驾驶员识别	自动识别驾驶员身份

3.2 技术优势

优势	说明
成熟技术	基于汽车级 DMS 软件积累
高可靠性	大量路测验证
易用性	无需培训
跨人群	支持不同种族、性别、年龄

---

四、技术对比

4.1 校准方式

方案	校准需求	用户体验
传统方案	需要显式校准	差
Smart Eye AIS+	免校准	优秀
部分方案	隐式校准（运行中）	中等

4.2 实现难度

方案	技术难度	说明
显式校准	低	传统方法
隐式校准	中	运行中逐步校准
免校准	高	需要强泛化模型

---

五、免校准技术原理

5.1 角膜成像方法

步骤	说明
角膜反射检测	检测角膜上的环境反射
场景匹配	匹配角膜反射与场景图像
点对点变换	计算眼睛到场景的映射
深度学习	优化映射精度

5.2 自动校准流程

# 免校准眼动追踪伪代码
def auto_calibration(eye_images, scene_images):
    # 检测角膜反射
    corneal_reflections = detect_corneal_reflections(eye_images)
    
    # 匹配场景特征
    scene_features = extract_scene_features(scene_images)
    
    # 计算映射矩阵
    mapping = compute_point_to_point_transform(
        corneal_reflections, 
        scene_features
    )
    
    # 深度学习优化
    optimized_mapping = optimize_with_dl(mapping)
    
    return optimized_mapping

---

六、对 IMS 开发的启示

6.1 用户体验优化

功能	优先级
免校准启动	P0
驾驶员自动识别	P1
个性化设置自动加载	P2

6.2 技术储备

能力	当前状态	目标
眼动追踪	✅ 成熟	持续优化
免校准	⚠️ 研发中	借鉴 Smart Eye 方案
跨人群泛化	⚠️ 改进中	多样化训练数据

6.3 竞品对比

厂商	免校准能力
Smart Eye	✅ 已实现
Affectiva	✅ 已实现
Smart Eye	✅ 已实现
其他厂商	⚠️ 多数需要校准

---

七、市场影响

7.1 后装市场优势

优势	说明
快速部署	即插即用
用户接受度高	无需额外操作
降低培训成本	无需培训驾驶员

7.2 前装市场潜力

优势	说明
更好的用户体验	无缝启动
降低售后问题	无校准失败投诉
品牌差异化	用户体验领先

---

总结

Smart Eye AIS+ 的免校准眼动追踪代表了 DMS 的重要进步：

1. 用户友好：无需校准，即插即用
2. 技术领先：基于成熟的汽车级软件
3. 体验提升：几分钟内启动运行
4. 后装优势：快速部署，高接受度
5. 前装潜力：更好的用户体验

对于 IMS 开发，免校准是提升用户体验的关键方向。

---

参考来源：

• Smart Eye AIS+ CES 2025
• Smart Eye DMS Solution

发布日期： 2026-04-10