TriggEyeの性能評価

視線トリガー（TriggEye）の視線検知の性能と、CPU使用率やメモリ使用量などを計測した。

計測した部屋は、広さ6畳、照明は全灯、カーテンは閉め、カメラは天井の隅に設置した

https://gyazo.com/b615985e532d46ca92f8a1f0b57df72a

table:計測結果

起動前顔なし顔あり

カメラの解像度 640x480 1920x1080 640x480 1920x1080

検知できた距離 0.1～1.4m 0.1～3.2m

解析速度 30fps 20～23fps 20～23fps 3～6fps

消費電力 11～12W 19W 24～27W 37～41W 40～50W

CPU使用率 1～2% 8% 17% 36～44% 40～57%

GPU使用率 0% 6% 16% 6% 16%

メモリ使用量 3.2GB 4.1GB 4.1GB 4.1GB 4.1GB

部屋のほぼ全域で、カメラ目線を検知できた（解像度が1920x1080の場合）

反応速度は遅いが（3～6fps、すなわち、0.167～0.333秒）、精度が高いので、ほぼ気にならない

かなり薄暗い部屋でも十分に実用的

調光機能付きの照明で、一番暗くしても、検知できた距離はほぼ同じ

昼間にカーテンを締め切った薄暗い部屋でも同様

低解像度（640x480）でも、1.4m以内なら、反応が速く（20～23pfs）、検知精度も高い

オートフォーカス性能の高いカメラを使えば、もう少し遠くまで検知できるかも

負荷の有無　＝　顔認識の有無

カメラに顔が映っていなければ、腕や体が激しく動いていても、負荷は少ない（640x480ならCPU8%）

カメラに顔が映っていると、顔が止まっていても動いていても、負荷が大きい（1080pだとCPU40～57%）

メモリ使用量は0.6～0.9GB

table: TriggEyeの起動前後のシステム全体のメモリ使用量

起動前起動中差＝ TriggEyeのメモリ使用量

Linux 1.9GB 2.5GB 0.6GB

Windows 3.2GB 4.1GB 0.9GB

計測に使用したプロセッサはGPU内蔵式なのでVRAM割当量（1～2GB）を加えた合計3.5～6.1GBが必要

GPUはほぼ未使用

OpenFaceの作者曰く、アルゴリズムの性質上、GPUを使うのは難しい（ので、使いたくても使えない）

GPUは解析結果の動画再生に使われているだけ（のはず）

認識精度を上げるコツ

目線だけでなく、顔もまっすぐカメラに向ける

顔が真正面になるほど、OpenFaceの特徴量が正確になる

少し顎を上げると、反応しやすい（カメラを天井付近に設置した場合）

顔をあまり動かさない

動きが多いほど、反応が遅くなる

顔がカメラに近いほど、精度も反応も良くなる

ささやかな副効用

隣の部屋のGoogle Homeが誤起動しない

人間がウェイクワードを発声すると、隣の部屋のGoogle Homeが起動してしまうことがよくあるが、TriggEyeを使う場合は、100均スピーカーのそばのGoogle Homeしか反応しない

2019/8/21