一般而言，有两种跟踪眼球的方案，即普通摄像头和红外摄像头。
普通摄像头方便小型化，低成本但是精度低，红外方案体积大，造价高，同时精度高。
但随着技术的发展，优缺点不能一刀切，针对普通摄像头方案，2016年麻省理工开设的“Eye tracking for everyone”就利用了卷积神经网络（CNN）预测用户对手机或者平板的注视位置，只使用普通摄像机的情况下让精度变为1．34cm到2．12cm。
尽管精度上有所提高，但从目前的市场情况可见虽然该技术还并没有成熟。
红外摄像头则一直都是主流的眼动追踪识别方案
例如Tobii眼动仪采用的技术就是通过识别用户眼球上角膜、瞳孔产生的反射图像，使用两个图像传感器分别采集眼睛与反射图像，通过图像处理算法和一个三维眼球模型精确地计算出眼球、注视点在空间中的具体位置。
解决了小型化问题的True－Depth相机模组是否也采用了相似地技术原理呢？
6月20日，开发者Andrew Zimmer在Twitter发布了一个demo，展示ARKit 2对眼睛注视点位置的实时追踪效果，随着Andrew眼球的转动，注视点点的移动在屏幕上画出一条连贯的曲线。在图中，颜色越暖（橘色、红色），代表注视时间越长。注视点位置的检测精确，识别轨迹流畅连贯，在未来的人机交互中潜力巨大。
有相当数量的患者由于操作不便，与信息时代脱节。其中有不少唯一与设备相互动的渠道就是眼睛，眼球追踪加入智能手机的交互模式同样也能造福健全人，让我们在手上没空的情况下操作手机比如做饭看菜谱、开车看导航。
不过同时，技术也带来了很大的隐私问题。相信大家都有同感，在网上浏览过某一类商品之后，pc和手机app的各种广告和弹窗中会根据你的浏览内容推荐一堆类似商品。当未来的APP知道了你因为感兴趣而长时间注视的内容，内容推送会更加精确，人们的注视内容信息会被拿去贩卖，更无隐私可言了。
