关键词： 视线跟踪   人机交互   支持向量机   虹膜  

摘要： 计算机视觉是一门研究如何使机器“看”的科学,更进一步的说,就是指用摄像机和电脑实现人眼对目标进行识别、跟踪和测量的功能。随着计算机和电子产品的普及和其性能的不断提高,越来越多的人致力于计算机视觉领域的研究。基于人眼检测的视线跟踪技术已广泛的应用到驾驶员疲劳检测、残疾人生活及娱乐交互、视觉游戏等领域。本文介绍了视频图像序列中人眼视线跟踪的相关原理及方法,对动态人脸跟踪、眼睛注视点标定作了深入研究,提出了更适合视频图像人眼视线跟踪的算法,并结合OpenCV开源代码,以VC++6.0为平台建立了一个以视线作为输入信号的简易人机交互系统。 对于人脸及人眼的检测,本文采用的是基于支持向量机的机器学习方法。为了提高人脸跟踪速度,引入基于肤色模型的自适应均值偏移(Camshift)跟踪算法对后续帧进行人脸的跟踪,针对Camshift算法易受场景中类肤色影响的问题,文中提出了改进算法,即在Camshift算法加入模板匹配达到消除类肤色区域的干扰的目的。实验证明,改进算法的实时性及抗干扰能力都优于原算法,实现了复杂场景中人脸准确、快速跟踪。 在实现眼睛定位和跟踪的基础上,本文采用了基于霍夫(Hough)变换的圆检测方法实现眼部图像中虹膜的定位,并获得到虹膜中心在视频窗口坐标系中的坐标。对于虹膜中心坐标到视线注视点之间的映射标定,文章提出了基于支持向量回归机的视线标定方法,摒弃了传统的多项式标定,解决了小样本条件下映射关系可能存在的过拟合和欠拟合的问题,提高了视线标定的精度。 基于本文所述方法开发的人机交互系统,实现了实时人眼视线跟踪,并且利用检测到的视线信息进行人机交互。该系统对硬件没有过高要求,能适应一定的光照变化和头部轻微的旋转和俯仰变化,具有很好的鲁棒性。该系统与目前主流的视线跟踪系统相比它的优势在于具有低成本高效率的特点。

关键词： 视线跟踪   头部姿态估计   亚像素   椭圆拟合   眼角点定位  

摘要： 眼睛是感知世界的重要器官,视线方向可以反映人们感兴趣的点。视线跟踪技术可以检测出人类眼睛的注视方向,得出兴趣点。随着电子技术的不断发展,关于视线研究技术的研究越来越多,一些视线跟踪系统已经应用于人机交互领域。随着研究的不断深入,视线跟踪技术在网络的可用性、广告、包装设计和汽车工程等领域也会有很大的发展空间。但是现有的视线跟踪技术有限,视线跟踪系统存在跟踪精度较低、限制头部运动、干扰性大的缺点。针对上述问题,论文对序列内的视线跟踪技术进行了研究,减小了对使用者头部的限制,提高了系统的准确度和稳定性。 论文的主要工作成果如下： (1)把头部姿态估计方法与二维视线跟踪方法结合,利用头部姿态参数校正用于视线估计的面部特征点间的位置距离,减小因头部发生转动给视线跟踪算法带来的误差。该方法既不需要辅助设备固定头部,又提高了视线跟踪的准确度。 (2)对用于视线跟踪的头部姿态估计算法进行了研究,提出了一种三维头部姿态估计方法。在该算法中,把头部看作圆柱体,头部的转动可以看作是圆柱体的旋转。通过不断变换姿态参数,使得当前的面部纹理与参照纹理相符合,此时的参数即为当前图像的头部姿态参数。利用视频图像帧间头部图像变化较小的特点,利用前一帧图像的头部纹理估计下一帧图像头部的姿态,减少了计算量,提高了计算精度。 (3)在边缘定位方法中对亚像素技术进行了深入的研究。在视线跟踪过程中,利用亚像素技术定位面部特征点(虹膜中心和外眼角)的亚像素位置；根据检测得到的虹膜亚像素级边缘点,利用椭圆拟合方法精确定位虹膜亚像素中心点。该方法减小因二维面部图像特征点定位不够精确给视线方向估计带来的误差,提高了视线跟踪的准确度。 (4)采用简单的头部几何模型,提前采集眼睛位于屏幕固定位置时的面部特征点,根据这些特征点组成的向量与视线方向之间的对应关系,估计当前头部图像中校正后的特征点向量的视线方向。该方法计算简单且能够准确估计视线方向,使序列内视线跟踪系统能够满足实时性要求。实现了视频序列内视线跟踪系统,验证了系统的准确度和稳定性。

关键词： 视线跟踪   特征点提取   人脸检测  

摘要： 在视线跟踪系统中,用正常光照代替红外光源,同时用眼角点来代替普尔钦斑点作为参考点。在检测出瞳孔的基础上,计算出瞳孔和眼角点的差值,并利用两个二次多项式建立差值与屏幕坐标之间的关系,从而确定人眼的注视方向和位置。实验表明,检测的正确率为87%。

关键词： 视线跟踪   眼动特征提取   注视点匹配   亚像素   逐步回归   BP网络  

摘要： 随着科学技术与产业的飞速发展,人机交互技术受限于窄带宽输入,严重阻碍人机的信息交流,世界各国都将其作为重点研究的关键技术,视线跟踪作为新型的人机交互手段,主要研究对眼睛运动特性的检测与识别,有效地探索人脑对外部信息加工与控制机制,其不仅对神经科学、医学临床诊断有重要意义,而且对人机交互学、人机工效学、人机系统工程、自动化工程等都有理论和应用价值,在军事及民用上具有广阔的应用前景,同时视线跟踪技术算法及模型上的不成熟,给我们提供很大的研究和发展空间。 普尔钦斑点法则是瞳孔-角膜反射向量法中精度最高的方法,本论文主要对普尔钦斑点法中的眼动特征信息提取及动态注视点匹配模型两部分关键内容进行研究: 1.眼动特征信息提取算法:研究二级瞳孔及斑点中心定位算法,首先提取像素级的瞳孔参数信息及边缘点邻域信息,利用高斯曲线拟合提取边缘点的亚像素坐标,然后通过椭圆拟合获取瞳孔中心的亚像素坐标,并采用同样的亚像素算法提取斑点中心作为参考点,最终计算眼动特征量化值PC-R向量。 2.注视点匹配模型:研究动态注视点匹配,采用逐步回归分析法(SLRA)来提高模型参数的自适应计算,使模型在用户静止条件下能有效计算注视点信息;研究头部移动外观特征,利用BP神经网络实现头部运动补偿,建立动态人眼注视点匹配模型。 实验结果表明,眼动特征提取算法在准确性和实时性两方面均表现优秀,精度相对于像素级算法有6倍精度提升,实时性上也达到10帧/s;基于逐步回归的静态注视点估算达到0.6°精度,而对于大范围头部运动,结合基于BP神经网络的头部移动补偿模型所实现的自由空间视线跟踪技术,动态估算精度为0.7°,对比现今技术(精度为1°-1.5°)达到领先水平,达到更高的注视外部目标信息分辨率,具有很好的应用潜力,将本论文所设计算法应用于人机交互,如基于视线控制的残疾人辅助系统、人机交互软件GAZETALK,都取得良好的实用效果,证明本文所提出方案的可行性和优越性。

关键词： 视线跟踪   瞳孔-角膜反射   眼动仪   标定  

摘要： 眼动仪是专门用来测试和记录眼睛变化,并由此跟踪视线方向的专业仪器,是视线跟踪技术的产物,其研究在人类认知学、心理学、工业工程和计算机科学等诸多领域都有重要意义。 视线跟踪技术的工作可以分为理论研究和系统实现两个方面。本论文重点讨论了头盔式眼动仪的标定方法及其实现。 文章首先在讨论了眼动仪技术概况的基础上提出了头盔式眼动仪的实现框架,并对框架内的眼图处理模块,标定模块,光学子系统等进行了功能性介绍。 基于瞳孔-角膜反射法所设计的眼动仪光学子系统集成在头盔上,根据眼睛生理特性选择了860nm波段的红外光源。根据反射光斑的成像关系、坐标系变换原理、摄像机标定原理,对头盔设计中眼摄像机和场景摄像机的几何位置关系进行了详细论述。 标定系统设计中,我们基于眼球的生理模型,设计了两种标定方案。第一种根据眼睛的生理特征值和眼睛光学原理,在对视轴光轴等有了清楚的认识后,仿真出了眼睛观察位置与瞳孔、反射光斑的关系,在此基础上拟合出了标定函数式。第二种是根据简化的眼睛模型,基于几何关系推导出了眼睛同注视点关系,通过对关系式的仿真曲线进行拟合得到标定关系式。最后通过基于MFC编辑的软件系统,分别在以计算机屏幕为视场的静态标定和以现实场景为视场的动态标定条件下,验证了标定算法。

关键词： 导引头   视线角   跟踪精度   误差  

摘要： 红外导引头能够使导弹在末段制导中精确地跟踪目标。分析了在跟踪目标过程中影响红外导引头跟踪精度的几种要素,阐述了各种误差的产生原因,并对其进行了初步的定量分析。分析结果对研究如何提高红外导引头的精确打击能力具有重要的指导意义。

关键词： 视线追踪   瞳孔定位   瞳孔跟踪   粒子滤波   瞳孔–角膜反射技术  

摘要： 为解决视线追踪系统中红外图像瞳孔跟踪鲁棒性差的问题,提出一种基于伪彩色图的粒子滤波瞳孔跟踪算法.利用亮暗瞳现象,提出三通道伪彩色图(Triple-channel pseudo-color map,TCPCM)的概念,并将其引入瞳孔跟踪过程.TCPCM充分利用了各通道信息,瞳孔区域的色彩明显与人脸其他部位不同,提高了跟踪的稳定性与精确性.采用了直方图相似性度量与几何相似性度量相结合的二次更新的瞳孔感知模型,提高了粒子权重的可信性.针对实时性要求,引入快速特征提取步骤,减少特征提取的时间,提高特征提取的可靠性.实验结果表明,该算法在瞳孔目标检测效果、跟踪稳定性和运行时间方面都有良好的性能.

关键词： 视线跟踪   人机交互   眼动仪  

摘要： 利用共面4彩色标志点跟踪算法和跟踪角膜反射-瞳孔中心的技术,基于模型和特征相结合的跟踪思想,通过实时稳定地跟踪角膜反射点及用户的瞳孔中心,构建了头部自由运动的视线跟踪系统,实时获取用户注视点的信息,较好地解决了用户头部小范围运动问题。对系统误差的分析结果表明,头部自由运动的视线跟踪系统实时跟踪误差小于1 cm,达到了良好的视线跟踪效果,为视线跟踪技术与人机交互设备的集成和广泛应用奠定了良好的基础。

关键词： 人机交互   头戴式视线跟踪   运动测量   行为学分析  

摘要： 眼睛是人类从外界获取信息的重要器官，也是反映人的心理活动的窗口。科学研究表明，大脑中约有80%~90%的知识和记忆都是通过眼睛获取的。作为人类心灵的窗户，眼睛的运动测量和视线跟踪一直是国内外有关学者所关注与研究的课题。早在19世纪，就已经有人通过观察眼球的运动来研究人的心理活动。随着视线跟踪技术的发展，视线跟踪的应用从传统的心理学，行为学分析等推广到商业、军事、娱乐、日常生活、人机交互等各个领域，前景十分广阔。

关键词： 视线跟踪技术   标定算法   注视点估计   瞳孔定位   人机交互  

摘要： 注视信息反应了人的感兴趣点，在人机交互中可以通过注视输入信息；同时，眼睛也是接收信息的主要通道，因此利用视线作为人机交互接口，会使人机交互更加自然和方便。视线跟踪技术是未来智能人机交互接口的关键技术之一，在游戏、虚拟现实和智能计算，军事领域等都有着广泛的发展前景。\n 本文研究头戴式视线跟踪系统中的关键技术，主要工作和研究成果如下：\n 1、分析了头戴式视线跟踪系统标定过程的干扰样本问题，采用随机采样一致性算法剔除样本集中的噪声点，保证了标定结果的准确性。标定过程是视线跟踪一个关键步骤，用于建立眼睛图像与场景图像的映射关系。\n 由于人的眨眼动作、跟踪目标突然改变位置时眼睛反应的滞后性、视线不集中等因素，导致标定过程采集的样本集中存在干扰样本，这些干扰样本会严重影响所训练的映射矩阵的精度。本文采用随机采样一致性算法估计映射矩阵，实验结果表明，该方法可以有效地消除样本集中干扰样本的影响。\n 2、实现了标记点检测和平面几何映射的注视点计算方法。在估计出场景图像中注视点后，通过实时检测场景图像中标记点的位置，构建场景图像和计算机屏幕的平面映射关系，将场景图像中的注视点映射到屏幕上。\n 实验结果表明该方法简单易行，可以较好的估计出用户在真实场景中的注视点坐标。