谷歌推出MediaPipe Iris模型 改进虹膜跟踪和估距精准度

  虹膜跟踪技术当下已在摄影和增强现实等领域被广泛运用，但由于计算量有限，光照条件不断变化以及诸如斜视或头发之类的遮挡，在移动设备上实现准确的虹膜跟踪仍然是一个挑战。

  不少人脸辨识相关应用，都需要仰赖追踪虹膜来估计眼睛的位置，如计算人脸虚拟眼镜和帽子的大小，或是根据使用者和装置的距离，调整装置字体大小，以强化装置的可用性。谷歌提到，只要能准确地追踪虹膜，就可以在不需要深度传感器的情况下，测得相机距离人物的距离。

  因此，谷歌AI研究人员团队提出了一种解决方案，即MediaPipe Iris。MediaPipe Iris是一种新型机器学习模型，旨在在不使用深度传感器的情况下提供准确的虹膜估距。实验表明，该方法可以测量从相机镜头到用户的距离，其相对误差率可与使用深度传感器的方法相媲美。

  而MediaPipe则是一个跨平台人工智能框架，让开发人员简单地建构机器学习解决方案，并可在手机、PC或是网页上执行。

  为了测试模型的准确性，研究人员将其与iPhone 11上的深度传感器进行了比较，收集了200多名参与者的前置同步视频和深度图像。使用激光测距设备，该团队计算出iPhone 11深度传感器的误差率在两米远的地方小于2.0%。而MediaPipe Iris平均相对误差为4.3%，标准差为2.4%。

  不过，当受试者有戴眼镜，则相对误差会略提高到4.8%。研究人员指出，由于MediaPipe Iris不需要专门的硬件，因此这样的结果显示，该方法已经可以在广泛甚至低成本的装置上，使用单张图像量测深度，而限制则是无法用于判断人们观看的位置，以及任何形式的身份辨识。