視線跟蹤系統(tǒng)中關(guān)鍵技術(shù)的研究.pdf

1、人眼獨(dú)特的幾何、光學(xué)和運(yùn)動(dòng)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(jī)交互、更精致的人機(jī)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(jī)器視覺領(lǐng)域的新課題，在人機(jī)交互、人眼疾病診斷和人類行為學(xué)習(xí)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(guān)鍵技術(shù)及難點(diǎn)展開研究，首先對于視線跟蹤中的人眼檢測，本文實(shí)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(chǔ)上，提出了一種3D桌面式視線跟蹤系統(tǒng)的設(shè)計(jì)。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(yù)處理的一個(gè)關(guān)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(shí)現(xiàn)了一種基于Adaboost算

3、法的視線跟蹤中對人眼狀態(tài)進(jìn)行檢測和定位的方法，AdaBoost學(xué)習(xí)方法根據(jù)選取的訓(xùn)練樣本集訓(xùn)練出一個(gè)弱分類器，然后把在不同訓(xùn)練樣本集上訓(xùn)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(gè)強(qiáng)分類器，最后將許多強(qiáng)分類器級聯(lián)構(gòu)成一個(gè)有效的人眼檢測分類器。在標(biāo)準(zhǔn)人臉庫和實(shí)際視線跟蹤系統(tǒng)中的人眼檢測實(shí)驗(yàn)結(jié)果表明，本文實(shí)現(xiàn)的方法能夠?qū)崟r(shí)準(zhǔn)確地對人眼進(jìn)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(gè)環(huán)節(jié)，之前的研究表明，當(dāng)圖像質(zhì)

4、量比較好時(shí)，瞳孔定位算法會(huì)有比較好的表現(xiàn)，然而，當(dāng)瞳孔圖像受到眼瞼、睫毛和光斑等干擾嚴(yán)重時(shí)，算法的魯棒性和準(zhǔn)確性會(huì)顯著下降。本文提出了一種基于改進(jìn)的徑向?qū)ΨQ和改進(jìn)的圓周差分算子的新穎的瞳孔定位算法：首先，一種改進(jìn)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(qiáng)的圓周差分算子能夠得到瞳孔的精確定位。實(shí)驗(yàn)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(zhǔn)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(shí)時(shí)性。
　　 3、在視線跟蹤過程中，瞳孔經(jīng)常會(huì)呈現(xiàn)出橢圓形，導(dǎo)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。基于此，本文在之前工作的基礎(chǔ)上提出一種基于改進(jìn)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(biāo)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(shí)為了提高橢圓差分算子的速度，引入了粒子

6、群算法進(jìn)行瞳孔定位，并利用標(biāo)定過程得到的先驗(yàn)信息來限定橢圓參數(shù)的邊界范圍，滿足快速實(shí)時(shí)定位瞳孔的要求。實(shí)驗(yàn)證明，該算法應(yīng)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(yán)重時(shí)，算法仍然具有較強(qiáng)的魯棒性和準(zhǔn)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(shí)時(shí)要求。
　　 4、本文提出一種3D桌面式視線跟蹤系統(tǒng)的設(shè)計(jì)方案，從硬件架構(gòu)到軟件設(shè)計(jì)上使得提高視線跟蹤系統(tǒng)具有更好的復(fù)雜性和友