智能眼镜能看出瞳孔大小吗

下面是一个 CSV 文件的表头，来自 Pupil Labs 的眼动眼镜 Neon¹：

timestamp [ns], pupil diameter left [mm], pupil diameter right [mm],
eye ball center left x [mm], ..., eyelid aperture left [mm], eyelid aperture right [mm]

戴上它走一圈，导出的 3d_eye_states.csv 里每秒有 200 行，每一行都有左右两只眼的瞳孔直径，单位是毫米。

这让人有点意外。一副眼镜上的摄像头离眼睛只有两三厘米，还是从镜框边上斜着拍的，它怎么量得出毫米？我们平时说的“智能眼镜”，比如能拍照、能和 AI 说话的 Ray-Ban Meta，也能做到吗？就算量出来了，走在街上忽明忽暗，这个数又能说明什么？

上一篇讲注意力的文章最后提到，想像 HRV 一样戴着就测注意力，瞳孔是最好的候选，只是光照干扰让它离日常使用还远（见《心跳越不规律越健康，那注意力呢》）。这一次我们就拿着这副眼镜，看看“远”到底远在哪里。

先交代几个后文反复用到的词。瞳孔是虹膜（眼睛里有颜色的那一圈）中间的圆孔，光从这里进入眼睛；它的大小由两块肌肉控制，一块收缩、一块扩张，都不受意识支配。眼动追踪是用摄像头算出眼睛在看哪里，瞳孔测量（pupillometry）则是量瞳孔有多大。两件事用的是同一套摄像头，但难度不一样。

一、眼镜怎样看见瞳孔

现象：大多数智能眼镜根本没有看眼睛的摄像头

先回答最直接的问题。Ray-Ban Meta 这一类 AI 眼镜，摄像头都朝外，用来拍照和让 AI “看见”你面前的东西。2025 年发布的 Meta Ray-Ban Display 加了一块单眼显示屏，公开的规格里仍然只有一颗朝外的 1200 万像素摄像头，操控靠手腕上读肌电的 Neural Band，而不是眼睛²。没有朝内的摄像头，就谈不上看瞳孔。

能看瞳孔的，是另一类设备：研究用的眼动眼镜（Pupil Labs Neon、Tobii Pro Glasses 3、Meta 的 Aria Gen 2），以及带眼动追踪的头显（Apple Vision Pro、HTC Vive Pro Eye）。它们的共同点是，镜框或镜片周围装着朝内的红外摄像头和红外 LED。

原理：在红外图像里找最暗的一块

为什么用红外？一是人眼看不见红外光，LED 一直亮着也不晃眼，暗处也能拍；二是在红外下，虹膜不管是什么颜色都比较亮，而瞳孔是一个通往眼底的洞，光照进去几乎不反射出来，于是成了整张图里最暗的一块。算法要做的，就是把这块暗区分割出来，沿边缘拟合一个椭圆。图像里另外还有一两个小亮点，那是 LED 在角膜表面的反光，追踪视线时会用到。

以 Neon 为例，每只眼一个红外摄像头，分辨率只有 192×192 像素，每秒 200 帧，每只眼配一个红外 LED³。

注意摄像头的位置：它装在镜框下沿，从下往上斜着拍。眼镜不可能把摄像头放在眼睛正前方，否则会挡住视线。所以即使我们平视前方，摄像头拍到的瞳孔也不是正圆，而是一个椭圆。

拍到的是一个几十像素宽的椭圆，那它是怎么变成“4.6 毫米”的？

二、从像素到毫米

现象：瞳孔没变，图像里的大小却变了

最直觉的办法是数像素：椭圆越大，瞳孔越大。可是同一个瞳孔，在图像里的大小会因为跟瞳孔无关的原因而变化。

• 眼球一转，瞳孔这个圆片相对摄像头倾斜，投影出来的椭圆变扁。只按几何算，视线偏离摄像头轴 40° 时，短轴缩到 cos 40° ≈ 0.77 倍。
• 眼镜一滑，摄像头离眼睛远了一点，整个瞳孔看上去就小了一圈。Neon 白皮书里，镜架沿视线方向移开 5 毫米，按像素算的瞳孔大小就下降了一成以上³。
• 角膜是一块透镜。我们从外面看到的瞳孔，其实是隔着角膜看到的放大像，放大多少又跟观察角度有关。

这几种效应合称瞳孔投影缩短（pupil foreshortening）。它在桌面眼动仪上就已经很明显⁴，在眼镜上更麻烦：摄像头离眼睛近、角度斜，人又在走动，眼镜会顺着鼻梁慢慢往下滑。白皮书举了一个例子：做一个持续几小时的疲劳实验，眼镜慢慢滑下去，表观瞳孔跟着变小，很容易被误读成“人疲劳了”³。

第一次尝试：量椭圆的长轴

既然眼球转动只会把圆压扁，那么取椭圆的长轴，不就绕开了吗？圆片倾斜时，和转轴平行的那条直径长度不变。

可惜这只在没有角膜、摄像头离得很远的理想情况下成立。Pupil Labs 的 Petersch 和 Dierkes 用光线追踪模拟了头戴式眼动仪的成像：视线偏离到约 50° 时，长轴法会把瞳孔低估最多 7.5%⁵。

第二次尝试：先重建眼球，再求瞳孔

更进一步的办法是3D 眼球模型。眼球在转，但眼球中心在眼眶里基本不动；从一段视频里的许多个椭圆，可以反推出眼球中心的位置，再把每一帧的椭圆还原成三维空间里一个真实的圆，它的直径就是瞳孔大小。这是 Świrski 提出的方法，开源的 Pupil Core 一直在用。

但它忽略了角膜折射，结果反而高估，视角越大高估越多。把角膜折射也算进去（用标准眼模型的四个参数：眼球半径、虹膜半径、角膜曲率半径和折射率），人群平均的误差能压到 ±1%；落到具体某个人身上，仍然有 2.5%–4% 的偏差，因为每个人的眼睛和“标准眼”不完全一样⁵。

解决：让网络直接学一个“个人化”的眼球

Neon 在这条路上又走了一步：用一个叫 NeonNet 的神经网络直接从眼图估计三维眼球状态，并约束它和一个个人化的、带光学参数的眼球模型一致，不需要用户先校准³。按白皮书的测试，水平方向 ±40° 内，人群平均的视角误差小于 5%；垂直方向 ±15° 内也小于 5%；镜架移开 5 毫米，几乎没有影响。

这也解释了为什么上一代产品 Pupil Invisible 干脆不输出瞳孔大小。它的摄像头装在镜腿根部，角度更斜，Pupil Labs 的工作人员在社区里的答复是：“因为摄像头角度，2D 瞳孔检测不够稳定，建不出好的 3D 眼模型”⁶。同一家公司、同样是眼镜，测视线可以，测瞳孔不行，难点就在这一步。

需要说明的是，Neon 的数字来自厂商自己的白皮书，没有经过同行评审。Tobii Pro Glasses 3 也说自己报告的是瞳孔的物理大小（毫米），而不是从外面看到的表观大小⁷，但没有公开同样细的误差数据。

误差压到 5% 以内，对 4.6 毫米的瞳孔来说约是 0.2 毫米。这够不够用？要看我们想测的那个变化有多大。

三、瞳孔为什么会变

光照：瞳孔最主要的工作

瞳孔首先是一个光圈。它的直径大约在 2 到 8 毫米之间变化，进光量相差十几倍⁸。从暗处走到太阳下，瞳孔会在一秒左右缩到很小，这叫瞳孔光反射。光照能带来的变化最大约 6 毫米⁹。

除此之外还有两种跟“想事”无关的变化。一是近反射：看近处时，双眼向内聚、晶状体变凸，瞳孔也会跟着缩小，让近处的东西看得更清楚。二是自发波动：即使光照不变、人不动，瞳孔也在一直轻微地变，其中有一个约每 3–5 秒一次的节律，叫瞳孔震颤（hippus）。

想事：小，但很稳定

在光照不变的条件下，瞳孔还会随“心里的事”变化。Kahneman 在 1973 年的《注意与努力》里就拿瞳孔扩张当作“心理努力”的主要指标：记的数字越多，瞳孔越大¹⁰。上一篇文章里讲过，这背后是脑干里的蓝斑：它释放去甲肾上腺素调节警觉程度，瞳孔大小和它的活动同步。

但这个变化很小。做心算这类费脑的任务时，瞳孔最多扩张约 0.5 毫米⁹。把几种变化放在同一把尺子上，就能看出问题在哪：

暗室里，眼镜已经测得出来

所以第二节的问题有了答案：在光照不变的暗室里，约 0.2 毫米的误差比 0.5 毫米的信号小，眼镜够用。Neon 白皮书在暗室里复现了三个经典结果：瞳孔震颤的频率在 0.18–0.26 Hz 之间；屏幕闪亮后约 0.22–0.27 秒瞳孔开始收缩；做 n-back 记忆任务（看一串字母，判断当前字母是否和 N 个之前的相同，N 越大越费脑）时，8 名受试者全都在最难的 2-back 时瞳孔最大³。

可是，一旦走出暗室，光照的变化就是这个信号的十几倍。走过一片树荫、抬头看一眼窗外、手机屏幕亮一下，都足以淹没“想事”带来的那一点扩张。

那能不能把光照的那一部分算出来，从测得的瞳孔里减掉？

四、扣除光照的影响

第一次尝试：只在光照稳定时用

最简单的办法是绕开问题：只在光照不变的时候看瞳孔。实验室就是这么做的，暗室、固定屏幕亮度、下巴托。可如果只能在暗室里用，眼镜就失去了“戴着就测”的意义。

第二次尝试：先预测光照该让瞳孔多大

更积极的思路是：既然光照对瞳孔的影响有规律，就先根据看到的亮度预测一个瞳孔大小，再看实际测得的比它大了多少。

预测的公式早就有人总结过。Watson 和 Yellott 2012 年综合了七个旧公式，给出一个统一公式，输入亮度、视野里亮区的大小、年龄、单眼还是双眼受光，输出瞳孔直径¹¹。问题在于眼镜上怎么知道“看到的亮度”。

• 用场景摄像头和亮度传感器。 挪威的 Pignoni 等人在眼动仪上加了一个头戴亮度传感器，结合第一视角视频和注视点，估计“光照下应有的瞳孔”，把它当作认知负荷的基线¹²。这套方法在实验室的受控画面里验证过，后来被同一团队用在直升机驾驶和舰船航行演练中。
• 用渲染出来的画面。 在 VR 头显里，画面每个像素有多亮是已知的。Eckert 等人在 VR 里给每个人做一条“亮度→瞳孔”的个人曲线：先用 6 秒一档、顺序打乱的灰屏校准，再用注视区和背景的加权亮度去查这条曲线，效果最好¹³。

把这些拼起来，就是眼镜上扣除光照的大致流程：

眼镜上难在哪里

这条流程在 VR 里比在眼镜上容易，原因是 VR 的光源完全由程序控制。换到眼镜上，至少有三处麻烦（下面三条是根据上述研究推断的，没有找到专门的验证）：

1. 场景摄像头不是测光表。 它会自动调曝光，拍出来的明暗不等于真实亮度；要么锁定曝光、做亮度标定，要么另加一个校准过的环境光传感器。Aria Gen 2 就带了这样一个传感器，还能用紫外通道分辨室内和室外¹⁴。
2. 瞳孔看的是注视点附近。 同一个场景，盯着窗户和盯着桌面，进眼的光差得很远，所以必须用眼动追踪的注视点去取亮度，而不是整张画面的平均值。
3. 看远近也要扣。 近反射会让瞳孔缩小，需要用两只眼的视线交点（辐辏点）估出注视距离再修正。Aria Gen 2 的眼动输出里正好有辐辏点¹⁴，但还没见到有人把它用于瞳孔校正。

所以这个问题目前只有一个保守的答案：技术路线是清楚的，从暗室走到真实街道的那一步，目前还停在实验室和 VR 里。

就算这些都能做，为什么我们手上的眼镜还是拿不到这个数？

五、手上的眼镜为什么拿不到这个数

把前面提到的设备排在一起，答案分成两类：要么没有看眼睛的摄像头，要么有，但数据不给你。

为什么消费级眼镜不装？ 公开资料里没有厂商的解释，以下是推断。一副要整天戴的眼镜，重量、续航和外观都很紧张；朝内的摄像头和 LED 要一直工作，还要实时跑眼模型，耗电不小。对这类眼镜现在的主要用途（拍照、听歌、问 AI），看视线和瞳孔的收益不足以抵消这些成本。

为什么装了也不给？ Vision Pro 有一整套 LED 和红外摄像头盯着眼睛，但 Apple 的隐私说明写得很直白：“你的眼睛输入不会分享给 App、网站或 Apple”¹⁵，App 只知道你最后用手指捏合选中了什么。这和本文讲的瞳孔直接相关：如果瞳孔能反映认知负荷和唤醒程度，那么一个能实时读瞳孔的广告或应用，就能知道你看到什么时心里一动。反过来，Vive Pro Eye 这类面向开发者的头显，SDK 里直接有返回瞳孔直径的接口¹⁶。

六、回到注意力

现在可以回答上一篇留下的那个“远”了。想用眼镜像 HRV 一样被动地看注意力，要过三关：

• 有没有摄像头。 消费级 AI 眼镜现在没有，研究用眼镜有。
• 量不量得准。 带角膜折射的 3D 眼模型已经能把误差压到 5% 以内，暗室里足以测出 n-back 级别的认知负荷。这一关基本过了。
• 能不能扣掉光照。 这是真正的距离。光照带来的变化是认知信号的十几倍，扣除的方法在 VR 和受控实验里可行，在真实街道上还没有被验证。

一个折中的想法是，像 HRV 的晨测一样，不追求全天连续，而是每天在同一个光照稳定的场景（比如固定的书桌前）测几分钟，比较自己不同日子、不同时段的变化。上一篇提到的瞳孔困倦测试就是这样做的：暗室里盯着看 11 分钟，困了以后瞳孔会出现缓慢的大幅波动。这只是推断，还没有见到有人用眼镜这样做。

小结

1. 智能眼镜能看到瞳孔吗？ 要有朝内的红外摄像头。研究用眼动眼镜和部分头显有，Ray-Ban Meta 这类消费级 AI 眼镜没有。
2. 斜着拍的像素怎么变毫米？ 眼球转动、眼镜滑动和角膜折射都会改变图像里的瞳孔大小。量长轴、3D 眼球模型都不够，要把角膜折射算进去，人群平均误差才压到约 ±1%，Neon 在真实佩戴下做到 5% 以内。
3. 瞳孔为什么会变？ 主要是光照（最多约 6 mm），还有看远近和自发波动；想事带来的扩张最多约 0.5 mm。暗室里误差比它小，眼镜已经测得出来。
4. 街上能不能扣掉光照？ 思路是先按注视点亮度预测光照该有的瞳孔，再看残差。VR 和实验室里可行，眼镜上还缺测光、注视点取亮度和近反射修正的验证。
5. 为什么拿不到？ 消费级眼镜因为重量、续航没装；装了的头显出于隐私不开放；能拿到数据的设备都在研究者手里。

参考资料