简短的回答是：是的，它可以。在您所描述的内容中，在概念上没有什么新的或特别的东西。这听起来像是一个标准的回归任务。现在你实际面临的问题是：你有数据吗？

如果您没有所需的数据，算法将无法学习眼睛之间的距离。它可以是受监督的标签（每张图像 1 个距离，这将是您的回归目标）、从深度图重建、多视图估计等。在给定适当的数据的情况下，您可以通过多种方式做到这一点。

人们非常关注算法，这很好。但仔细查看您的数据通常同样重要（如果不是更重要的话）。

现在，自动驾驶汽车文献就是一个很好的例子。您可以从这篇博文开始，浏览他们引用的论文：https ://towardsdatascience.com/vehicle-detection-and-distance-estimation-7acde48256e1

似乎还有一些关于您的眼睛示例的文献（https://arxiv.org/pdf/1806.10890.pdf，https://www.sciencedirect.com/science/article/pii/S0165027019301578 ）所以浏览这些论文和他们使用的数据集可以引导我回答我的问题：这个任务有数据吗？

是的。有一个名为 OpenCV 的库可用于测量对象之间的距离。

要找出两个物体的距离，我们必须知道参考物体的尺寸。参考对象有两个重要的属性：

1. 我们知道以某些单位（英寸、毫米等）为单位的物体的尺寸。
2. 需要在照片中轻松找到参考对象。

参考对象的尺寸将用于测量其他对象之间的距离。此外，我们首先需要计算“pixels-per-metric”比率，用于确定有多少像素“适合”给定的测量单位。

详细解释请看这个帖子： https ://www.pyimagesearch.com/2016/03/28/measuring-size-of-objects-in-an-image-with-opencv/