視線跟蹤系統(tǒng)中關鍵技術(shù)的研究.pdf

1、人眼獨特的幾何、光學和運動特性將為人臉檢測、識別和人面部表情的理解提供重要的視覺線索。對于人機交互、更精致的人機界面和了解人類的情感狀態(tài)等的發(fā)展，魯棒的并且具有非侵入性的人眼檢測和跟蹤具有很重要的作用。視線跟蹤技術(shù)是機器視覺領域的新課題，在人機交互、人眼疾病診斷和人類行為學習等都有著廣泛的發(fā)展前景。
　　 本文針對視線跟蹤中的一些關鍵技術(shù)及難點展開研究，首先對于視線跟蹤中的人眼檢測，本文實現(xiàn)了基于Adaboost算法的人眼狀態(tài)檢

2、測方法；然后針對桌面式視線跟蹤系統(tǒng)中的圓形瞳孔定位和頭戴式視線跟蹤系統(tǒng)中的橢圓瞳孔定位，本文分別提出了新穎的定位算法；最后在深入調(diào)研現(xiàn)有主要視線跟蹤技術(shù)的基礎上，提出了一種3D桌面式視線跟蹤系統(tǒng)的設計。主要研究成果如下：
　　 1、人眼檢測作為對視線跟蹤中拍攝到的眼部圖像預處理的一個關鍵步驟，包括對檢測眼睛的睜閉狀態(tài)和判斷拍攝到圖像中是否有眼睛，有效的人眼檢測和定位能夠提高視線跟蹤的最終精度。本文實現(xiàn)了一種基于Adaboost算

3、法的視線跟蹤中對人眼狀態(tài)進行檢測和定位的方法，AdaBoost學習方法根據(jù)選取的訓練樣本集訓練出一個弱分類器，然后把在不同訓練樣本集上訓練好的弱分類器按照一定的規(guī)則結(jié)合起來，構(gòu)成一個強分類器，最后將許多強分類器級聯(lián)構(gòu)成一個有效的人眼檢測分類器。在標準人臉庫和實際視線跟蹤系統(tǒng)中的人眼檢測實驗結(jié)果表明，本文實現(xiàn)的方法能夠?qū)崟r準確地對人眼進行狀態(tài)檢測和定位。
　　 2、瞳孔的定位是視線跟蹤中非常重要的一個環(huán)節(jié)，之前的研究表明，當圖像質(zhì)

4、量比較好時，瞳孔定位算法會有比較好的表現(xiàn)，然而，當瞳孔圖像受到眼瞼、睫毛和光斑等干擾嚴重時，算法的魯棒性和準確性會顯著下降。本文提出了一種基于改進的徑向?qū)ΨQ和改進的圓周差分算子的新穎的瞳孔定位算法：首先，一種改進的徑向?qū)ΨQ變換可以得到瞳孔區(qū)域的粗略位置；然后，一種增強的圓周差分算子能夠得到瞳孔的精確定位。實驗結(jié)果表明，與之前的瞳孔定位算法相比，本文提出的算法對于眼瞼、睫毛和光斑等的干擾具有更好的準確性和魯棒性，而且由于采取了這種由粗到精

5、的瞳孔定位策略，算法能夠具有很好的實時性。
　　 3、在視線跟蹤過程中，瞳孔經(jīng)常會呈現(xiàn)出橢圓形，導致傳統(tǒng)的圓周定位算法失效，并且現(xiàn)有的瞳孔定位算法精度很容易受到眼瞼、睫毛和光斑的干擾?；诖?，本文在之前工作的基礎上提出一種基于改進的橢圓差分(ED)和粒子群算法(PSO)的瞳孔定位算法，并利用頭戴式視線跟蹤系統(tǒng)標定信息來限定PSO算法的參數(shù)邊界范圍。橢圓差分能有效的避免睫毛、眼瞼等的干擾，同時為了提高橢圓差分算子的速度，引入了粒子

6、群算法進行瞳孔定位，并利用標定過程得到的先驗信息來限定橢圓參數(shù)的邊界范圍，滿足快速實時定位瞳孔的要求。實驗證明，該算法應用于頭戴式視線跟蹤系統(tǒng)中對橢圓瞳孔定位效果很好，尤其是在眼部圖像受到光斑、睫毛、眼瞼等干擾嚴重時，算法仍然具有較強的魯棒性和準確性，并且算法具有較快的瞳孔定位速度，可以滿足視線跟蹤的實時要求。
　　 4、本文提出一種3D桌面式視線跟蹤系統(tǒng)的設計方案，從硬件架構(gòu)到軟件設計上使得提高視線跟蹤系統(tǒng)具有更好的復雜性和友