• Tahun 1879-1920: ditandai dengan berbagai macam fakta tentang mata dan gerakannya, seperti saccadic movements, saccade latency, dan kelainan pada mata manusia di mana seseorang tidak bisa memperkirakan jauh dekatnya jarak sebuah objek di hadapannya.
  • Taun 1930-1958: ditandai dengan munculnya penelitian-penelitian aplikatif yang memanfaatkan gerakan mata manusia, terutama untuk penelitian di bidang psikologi.
  • Tahun 1970-1998: perkembangan penelitian aplikatif ditandai dengan munculnya berbagai macam metode deteksi gerakan mata dan perekaman gerakan mata yang semakin akurat.

Perkembangan teknologi perekaman gerakan mata dan metode deteksi mata yang semakin akurat, penelitian di bidang eye tracking mulai merambah bidang keilmuan yang lain, seperti medis, otomotif, rekayasa (engineering), bahkan ilmu relasi sosial. Dengan mengetahui posisi dan gerakan mata manusia, kita bisa memperkirakan apakah seseorang menderita kelainan di sistem keseimbangan (yang berada di telinga bagian dalam). Penelitian eye tracking untuk mendeteksi kelainan pada sistem keseimbangan manusia  ini dikenal dengan istilah diagnostic eye tracking atau medical eye tracking (lihat Gb. 1) [2 – 5].

Bidang penelitian ini sudah berlangsung sejak tahun 1870-an, dimana gerakan mata dideteksi dengan menempelkan sensor-sensor elektroda di sekitar mata [2]. Gerakan mata dideteksi dari perbedaan tegangan antara dua elektroda. Penelitian berlanjut dengan penggunaan koil (Scleral Search Coil) pada tahun 1963 [3]. Lensa kontak berisi dua koil induksi dimasukkan ke dalam mata. Pasien didudukkan di sebuah ruangan dengan medan elektromagnetik seragam yang berguna untuk membangkitkan tegangan induksi pada koil tersebut. Kabel tipis menghubungkan koil dengan dengan sebuah mesin khusus yang berfungsi mentranslasikan tegangan induksi pada koil menjadi sudut gerakan mata.

Penelitian medical eye tracking dengan memanfaatkan signal atau image processing dimulai pada tahun 1980 sampai dengan hari ini [4]. Berbagai macam metode digunakan untuk mendeteksi posisi 2D atau 3D mata manusia. Posisi 3D mata manusia meliputi posisi horisontal, vertikal, dan torsional. Tren deteksi mata dengan image processing saat ini mulai digunakan juga pada objek hewan, untuk mengetahui tingkah laku dan fokus perhatian hewan saat beraktivitas [5].


Gambar 2. Natural Task Behaviour

Selain itu, gerakan mata manusia juga mengandung berbagai macam informasi, seperti interest of view seseorang saat ia memeriksa sebuah objek 2D atau 3D yang berada di hadapannya. Penelitian bertema usability sering memanfaatkan variabel-variabel yang erat kaitannya dengan interest of view seseorang terhadap sebuah objek. Dengan mengetahui interest of view seseorang, kita akan memahami apakah sebuah objek 2D atau 3D mudah digunakan, dan apa yang menjadi fokus perhatian pemakai objek tersebut. Penelitian lain yang melibatkan interest of view adalah natural task behaviour. Dengan menyelidiki fokus perhatian seseorang saat mengerjakan tugas sehari-hari (seperti membasuh tangan, mencuci piring, menulis, membaca, dan lain-lain), kita bisa men-sintesis kamera pada robot untuk bergerak ke objek yang menjadi fokus perhatian saat robot tersebut melakukan tugas manusia sehari-hari (lihat Gb. 3) [6-7].

Gambar 3. Driver Monitoring

Gerakan mata manusia juga bermanfaat untuk mengetahui fokus seseorang saat mengemudikan mobil. Dengan mengetahui arah gerakan mata, sebuah mobil bisa dilengkapi denganearly warning fatigue detection atau driver monitoring untuk mengurangi resiko kecelakaan. Selain gerakan mata, lama atau tidaknya seseorang menutup mata saat mengemudi bisa menjadi indikasi adanya rasa kantuk saat mengemudi [7].

Demikianlah artikel singkat mengenai penelitian di bidang eye tracking. Berbagai macam aplikasi dan informasi bisa kita dapatkan dengan memperhatikan secara seksama perilaku gerakan mata manusia. Penelitian di bidang eye tracking bahkan memberikan pengaruh yang cukup signifikan di bidang ilmu yang lain, dengan memberikan kontribusi informasi perilaku visual manusia dan hewan.

Aplikasi di dunia medis:
Untuk melihat aplikasi eye tracking dalam dunia medis, Anda bisa membaca paper yang sudah saya publikasikan:

  1. S. Wibirama,  S. Tungjitkusolmun, and C. Pintavirooj , “Dual-Camera Acquisition for Accurate Measurement of Three-Dimensional Eye Movements,” Transactions on Electrical and Electronic Engineering, Vol.8(3), 2013, pp. 238-246. (PDF of author’s draft)
  2. S. Wibirama,  S. Tungjitkusolmun, and C. Pintavirooj, “Real-time 3D Eyeball Visualization on Stereo Eye Movements Tracking System,” in The 3rd Regional Conference on ICT Applications for Industries and Small Companies in ASEAN Countries (RCICT 2011), Laos, 2011, pp. 127-131.
    (PDF of published paper)
  3. S. Wibirama, S. Tungjitkusolmun, C. Pintavirooj, and K. Hamamoto, “Real Time Eye Tracking using Initial Centroid and Gradient Analysis,” in Proceeding of  The 6th IEEE International Conference of Electrical Engineering/Electronics, Computer, Telecommunications, and Information Technology (ECTI), Pattaya, Thailand. 6-8 May 2009, pp. 1058-1061.
    (PDF of published paper)
Referensi:

[1] K. Rayner, “Eye Movements in Reading and Information Processing: 20 Years of Research,”Psychological Bulletin, vol. 3, pp. 372-422, 1998.

[2] J. Dewar, “The Physiological Action of Light,” Nature, vol. 15, pp. 433-435, 1877.

[3] D. A. Robinson, “A Method of Measuring Eye Movement using A Scleral Search Coil Technique in A Magnetic Field,” IEEE Transactions on Biomedical Engineering, vol. 10, pp. 137-145, 1963.

[4] S. T. Moore, I. S. Curthoys, and S. G. McCoy, “VTM — an image-processing system for measuring ocular torsion,” Computer Methods and Programs in Biomedicine, vol. 35, pp. 219-230, 1991.

[5] G. D. Kaufman, “Video-oculography in the gerbil,” Brain Research, vol. 958, pp. 472-487, 2002.

[6] A. T. Duchowski, Eye Tracking Methodology: Theory and Practice, 2nd ed.: Springer-Verlag New York, Inc., 2007.

[7] A. T. Duchowski, “A Breadth-First Survey of Eye Tracking Applications,” Behaviour Research Methods, Instruments, and Computers, vol. 34, pp. 455-470, 2002.

[8] Q. Ji, Z. Zhu, and P. Lan, “Real-time nonintrusive monitoring and prediction of driver fatigue,”Vehicular Technology, IEEE Transactions on, vol. 53, pp. 1052-1068, 2004.