如何在无外接硬件的独立设备Unity3D移动项目中实现眼动追踪？

架构老林

2026-5-15

嘿，这个问题问到点子上了——外接眼动追踪硬件不仅成本高，还限制了移动端的便携性，靠设备自身实现才是实用的路子。我来分享几个亲测有效的方案，全都是不需要额外硬件的：

方案一：基于前置摄像头的视觉式眼动追踪（纯软件实现）

这是兼容性最广的方案，只要设备有前置摄像头就能用，核心是靠计算机视觉检测眼部关键点来推导视线：

第一步：获取前置摄像头画面
在Unity里用WebCamTexture就能直接调用前置摄像头，把画面拿到手。示例代码：

WebCamTexture webcamTexture;
void Start() {
    // 遍历设备找到前置摄像头
    WebCamDevice[] devices = WebCamTexture.devices;
    foreach (var device in devices) {
        if (device.isFrontFacing) {
            webcamTexture = new WebCamTexture(device.name, 640, 480); // 降低分辨率节省性能
            webcamTexture.Play();
            // 可选：把画面显示在UI上方便用户对齐
            GetComponent<RawImage>().texture = webcamTexture;
            break;
        }
    }
}

第二步：提取眼部关键点
别自己训练模型，直接用现成的计算机视觉工具，比如MediaPipe的Face Mesh。它能实时检测面部468个关键点，其中包含瞳孔中心、虹膜边缘、眼角这些眼动追踪必需的点位。你可以在Unity的Package Manager里找到MediaPipe相关的包，集成后直接调用API获取这些关键点的2D/3D坐标。
第三步：计算与映射视线方向
拿到眼部关键点后，结合面部的3D姿态（MediaPipe也能输出），把2D的眼部偏移转换成3D视线向量。比如用瞳孔中心相对于内外眼角的比例，来判断视线的左右上下偏移，再投射到场景中，就能知道用户在看UI或3D物体的哪个位置了。

方案二：利用AR Foundation调用原生硬件眼动追踪

现在不少旗舰移动端（比如iPhone 12+、部分安卓旗舰）自带原生眼动追踪硬件，用AR Foundation能直接调用系统API，精度和性能都比纯软件方案好太多：

先在Package Manager里安装AR Foundation和对应平台的Provider（iOS装ARKit，安卓装ARCore）
启用眼动追踪：在AR Session Origin的配置里，iOS要在ARFaceTrackingConfiguration中勾选enableEyeTracking；安卓需要设备支持ARCore的眼动追踪功能

获取视线数据：通过ARFace组件的leftEyePose和rightEyePose就能拿到双眼的姿态，其中forward向量就是视线方向。示例代码：

[SerializeField] ARFace face;
void Update() {
    if (face != null && face.leftEyePose.HasValue) {
        Vector3 gazeDir = face.leftEyePose.Value.forward;
        // 把视线投射到场景里检测交互对象
        if (Physics.Raycast(face.transform.position, gazeDir, out RaycastHit hit, 10f)) {
            Debug.Log($"用户正在注视: {hit.collider.gameObject.name}");
            // 这里可以添加UI高亮、触发事件等逻辑
        }
    }
}

提醒：这个方案只支持原生硬件支持的设备，兼容性不如纯软件方案，但体验是最好的。

方案三：用第三方Unity插件快速集成

如果不想自己折腾计算机视觉和算法，直接用成熟的第三方插件就行，省心省力：

EyeTrackingUnity：有纯软件版本，基于摄像头实现，支持iOS和安卓，自带校准流程，能直接输出视线交互的触发事件，适合快速落地。
GazePointer：轻量级插件，专门针对移动端优化，结合面部检测实现视线追踪，对UI项目友好。
这些插件大多开箱即用，不过部分可能需要付费，根据自己的项目需求选就行。

几个关键优化小贴士

性能优先：移动端算力有限，纯软件方案建议把摄像头分辨率降到640x480，模型推理帧率控制在15-30帧，避免掉帧影响体验。
校准不可少：第一次使用时引导用户看几个屏幕上的固定点，校准视线偏移，能大幅提升追踪精度。
环境适配：尽量让用户在光线充足的环境下使用，避免逆光或强光直射脸部，不然眼部检测的准确率会暴跌。

内容的提问来源于stack exchange，提问作者IDK