一种基于MLP的高效高精度三维视线估计方法

随着卷积神经网络(CNN)在计算机视觉领域的广泛应用,以及大量三维视线数据集的公开,基于表观和深度学习相结合的三维视线估计研究受到越来越多的关注。由于CNN结构复杂,这类方法在实时性要求较高的应用场景中还有待进一步改进。近来兴起的研究表明,网络结构更为简单的多层感知机(MLP)模型能够取得与当前最佳CNN、Transformer模型相当的性能。受此启发,提出了一种基于MLP的高效高精度三维视线估计方法,利用MLP模型对双眼、人脸图像提取特征,之后融合推导出三维视线。实验结果表明,对MPIIFaceGaze数据集和EyeDiap数据集中包含的31位不同相貌的受试者,使用提出的方法UM-Net进行视线估计,视线估计精度比肩基于CNN的,并且在视线估计速度上具有明显优势,在实时性要求较高的领域也有较好的应用前景。     

基于瞳孔角膜反射技术的视线估计方法

作为信息获取与人机交互的一种新型方式,视线跟踪技术已经成为计算机视觉领域的热门研究方向。视线跟踪的核心技术是视线估计。针对现有视线估计方法标定复杂、限制头部运动等问题,提出了一种改进的基于二维瞳孔角膜反射技术的视线估计方法。在单相机单光源条件下,通过建立瞳孔角膜反射模型、补偿个体差异误差、补偿头部运动误差等步骤实现单点标定视线估计。实验结果表明,用该算法估计视线,在一定范围内,头部移动不会带来精度的明显下降。     

视线追踪系统中视线估计方法研究

文中提出一种基于瞳孔—角膜反射(PCCR)的视线估计方法(GEMHSSO).针对现有PCCR存在的主要问题:限制使用者头部运动和个体标定问题,提出了一种单相机单光源条件下头部位置的补偿方法,实现了头部位置变化对瞳孔角膜向量影响的解析补偿,并建立一种个体差异的转化模型,进而简化标定过程为单点标定.以此为基础形成一种新的视线估计方法,本方法使精确视线估计的最小硬件要求降低到单相机(未标定)单光源,既不需要繁杂的系统标定,又实现了自然头动视线估计,并且简化用户标定为单点标定.该方法的各个环节都满足实时性要求,为面向人机交互的视线追踪系统提供了有效的解决方案.     

基于标记点检测的视线跟踪注视点估计

传统的头戴式视线跟踪系统需要借助额外的头部位置跟踪器或其他辅助设备才能定位视线方向.针对该问题,提出一种基于标记点检测的注视点估计方法.该方法通过计算机视觉的方法检测标记点,建立场景图像与真实场景中计算机屏幕之间的空间关系,将场景图像中的注视点坐标映射到计算机屏幕中.实验结果表明,该方法简单易行,可以较好地估计出用户在...     

基于表观的归一化坐标系分类视线估计方法

视线估计能够反映人的关注焦点,对理解人类的情感、兴趣等主观意识有重要作用。但目前用于视线估计的单目眼睛图像容易因头部姿态的变化而失真,导致视线估计的准确性下降。提出一种新型分类视线估计方法,利用三维人脸模型与单目相机的内在参数,通过人脸的眼睛与嘴巴中心的三维坐标形成头部姿态坐标系,从而合成相机坐标系与头部姿态坐标系,并建立归一化坐标系,实现相机坐标系的校正。复原并放大归一化得到的灰度眼部图像,建立基于表观的卷积神经网络模型分类方法以估计视线方向,并利用黄金分割法优化搜索,进一步降低误差。在MPIIGaze数据集上的实验结果表明,相比已公开的同类算法,该方法能降低约7.4%的平均角度误差。     

考场环境下考生视线估计方法

考生异常行为的监测容易使监考人员产生视觉疲劳。借鉴监考人员发现异常的过程,提出一种可用于考场异常行为分析的视线估计模型。为了减少图像中视线的信息损失,采用注视向量表示视线的大小和方向。该模型分为生成器、视线合成模块、鉴别器,先将考生头部图像输入生成器生成注视向量,再将头部位置和注视位置输入到合成模块得到真实注视向量。将头部图像与上述所得的两种向量输入鉴别器中,其生成对抗模式达到最优时,可得到生成真实值的生成器模型。实验结果表明,在多个考场环境中,该方法的性能优于所对比的几种方法。其中与Lian等人方法相比AUC（Area Under Curve）提高了2.6%,Ang（Angular error）和Dist（Euclidean distance）分别有效降低了20.3%和8.0%。     

基于特征的视线跟踪方法研究综述

针对基于特征的视线跟踪方法进行了综述.首先对视线跟踪技术的发展、相关研究工作和研究现状进行了阐述; 然后将基于特征的视线跟踪方法分成了两大类:二维视线跟踪方法和三维视线跟踪方法, 从硬件系统配置、误差主要来源、头部运动影响、优缺点等多个方面重点分析了这两类视线跟踪方法, 对近五年现有的部分基于特征的视线跟踪方法进行了对比分析, 并对二维视线跟踪系统和三维视线跟踪系统中的几个关键问题进行了探讨; 此外, 介绍了视线跟踪技术在人机交互、医学、军事、智能交通等多个领域的应用; 最后对基于特征的视线跟踪方法的发展趋势和研究热点进行了总结与展望.     

一种新的单点标定视线估计方法

在单相机单光源条件下,针对现有视线估计方法标定过程复杂的问题,提出一种新的单点标定视线估计方法. 该方法预先建立屏幕中多个点的视线估计统计模型,进而通过插值估计用户在屏幕中的视点. 主要创新工作有：1） 提出一种基于统计的单点标定视线估计模型,降低了标定过程的复杂度;2） 采用增量学习方法进一步更新模型,提高模型对不同用户以及头部运动的适应性. 实验证明,本文方法在设备简单、允许头部运动的前提下,只需单点标定就能够取得较高精度.     

基于Hough变换和梯度信息的人眼视线方向估计

本文主要研究使用廉价的摄像头进行人眼视线方向估计,所采用的方法是在眼部特征分析的基础上引入边缘梯度方向信息.首先对人眼模型进行讨论,并在样本分析的基础上提出了新的眼睛模型.作为眼睛模型的组成部分,上眼睑、内外角点和虹膜检测所采用的技术是基于梯度信息的Hough变换.根据所定义的视线模型和眼部特征分析,人眼视线方向就可以得到有效的估计.将所提出的人眼视线方向估计算法应用于实时视线跟踪系统,并通过凝视点标定、估计结果分类和错估率统计等方法对算法性能进行考察,结果表明所提算法在低分率的图像条件下具有更高的估计精度.     

基于重力场自适应互补滤波的无人直升机水平姿态估计方法

无人直升机姿态平衡仪能自主识别飞机水平姿态并自动进行姿态增稳,可大大降低无人直升机手动遥控的难度.针对姿态平衡仪的低成本要求和应用环境高机动性特点,提出了一种基于重力场自适应互补滤波的水平姿态估计方法.该方法用陀螺仪和加速度计输出进行互补滤波来估计可解算水平姿态的重力场,并自适应调整滤波器增益以减小运动加速度对重力测量的影响.实验证明,该方法测量精度高,易于单片机实现,可以满足姿态平衡仪的应用要求.     

基于组合优化的Kriging参数估计算法

在使用常微分方程组描述的数学模型进行参数估计时,本文使用Kriging代理模型完成优化过程.该代理模型通过少量数据点的训练即可部分替代计算费时的原始目标函数优化过程,因此可以节省大量的计算时间.在Kriging代理模型精化过程中,查找新增点的优化算法对参数估计的结果有重要影响.本文针对非线性且具有sloppiness属...     

基于核估计的电子商务协作过滤方法

论文对电子商务推荐技术进行了讨论,针对电子商务推荐技术存在的问题,提出了一种基于核估计的协作过滤方法,首先将推荐项的评分设定为其他人对推荐项评分的平均值,然后利用主成分分析进行降维,最后采用基于核估计的思想对推荐项进行预测评分。实验表明,该方法可以有效解决在用户评分数据极端稀疏情况下传统相似性度量方法存在的问题,大幅提高推荐系统的推荐质量。     

基于Kalman滤波的MIMO时变信道估计

研究了一种基于Kalman滤波的MIMO时变信道估计与跟踪问题。利用衰落信道功率谱统计特性的先验信息,将信道冲击响应近似为一个低阶自回归滑动平均过程,通过信道传输函数逼近信道功率谱的幅频特性,建立时变衰落单径信道的状态方程,导出MIMO信道状态模型参数,并通过Kalman滤波跟踪信道的时变特性。理论分析和仿真试验表明,该算法在时变信道下具有较好的性能,和传统信道估计方法相比,接收机性能有了较大的改进。     

一种强跟踪有限差分滤波二元估计算法

针对非线性工业过程测量的滞后性和模型不确定性给系统状态估计和模型参数估计造成的困难,在扩展Kalman滤波器（EKF）的基础上,引入有限差分滤波器（FDEKF）和次优渐消因子,提出了一种强跟踪有限差分滤波状态和参数二元估计算法。该二元估计算法将滤波器分解为参数滤波和状态滤波两个过程,分别估计模型参数和系统状态。最后,将该算法应用于一化学反应过程的仿真,结果表明,这种强跟踪有限差分滤波的二元估计算法在原模型或参数存在偏差的情况下,仍能较准确地估计系统状态和模型参数,并具有较强的数值鲁棒性。     

基于卡尔曼滤波的路径行程时间预测方法

为提高常规卡尔曼滤波预测模型的自适应性，本文研究一种基于卡尔曼滤波的实时路径行程时间预测方法。首先通过主成分分析法考察行程时间与其影响因素时间序列之间的相关性，从而选择影响路径行程时间的主要因素，并建立相应的多元回归方程;其次，构造行程时间的卡尔曼滤波状态方程;最后，由一组卡尔曼滤波递推式计算得到行程时间的预测值。将本文算法应用于广州市某交通干道上的行程时间预测，并将本文算法和常规卡尔曼滤波方法进行比较。结论表明本文算法有效，用于路径行程时间预测具有较好的综合性能。     

基于前向平均和时域滤波的OFDM信道估计算法

为减少系统中噪声对信道估计的影响,提出了一种基于抑制噪声的信道估计方法.首先对几个连续0FDM信号相同导频位置的信道频率响应前向平均后线性插值,得到所有子载波的信道估计值;然后在时域利用滑行相关系数估计出的时延进行时域滤波.该方法通过在频域和时域的两次减噪,提高了信道估计的精确性,尤其是所提出的前向平均法适用于快衰落信道.仿真结果表明,该方法可将OFDM系统的误码率性能提高4～5 dB.     

结合率失真优化的自适应全局运动估计方法

全局运动估计的关键在于全局运动模型的选择。结合率失真优化理论,提出一种自适应全局运动估计方法来达到编码优化的目的。该方法的主要思路是：对同一帧图像,分别使用平移运动模型、六参数运动模型和十二参数运动模型进行编码,用率失真优化算法计算3种运动模型下的拉格朗日代价函数值,拉格朗日代价函数值最小的运动模型被选为最佳的当前帧的运动模型。实验证明,该方法具有较好的鲁棒性,对不同分辨率的视频序列均有不同程度的编码增益。     

基于渐进高斯滤波融合的多视角人体姿态估计

针对视觉遮挡引起的人体姿态估计(Human pose estimation, HPE)性能下降问题, 提出基于渐进高斯滤波(Progressive Gaussian filtering, PGF)融合的人体姿态估计方法. 首先, 设计分层性能评估方法对多视觉量测进行分类处理, 以适应视觉遮挡引起的量测不确定性问题. 其次, 构建分布式渐进贝叶斯滤波融合框架, 以及设计一种分层分类融合估计方法来提升复杂量测融合的鲁棒性和准确性. 特别地, 针对量测统计特性变化问题, 利用局部估计间的交互信息来引导渐进量测更新, 从而隐式地补偿量测不确定性. 最后, 仿真与实验结果表明, 相比于现有的方法, 所提的人体姿态估计方法具有更高的准确性和鲁棒性.     

一种利用粒子滤波的实时交通状态估计方法

将粒子滤波理论和宏观随机交通流模型结合,对高速公路交通状态进行实时估计。在该方法中,高速公路被看作是由等距离的路段首尾相接而形成的模型,交通传感器通常设置在路段的交界处,而且数量远少于所需估计的交通状态。采用压缩状态空间的形式,将模型参数也作为交通状态而非常量进行估计。仿真结果表明粒子滤波方法能够有效地估计和跟踪交通状态的变化,并且与扩展卡尔曼滤波方法相比具有更高的精确度。     

捷联导引头目标视线角速率重构方法研究

捷联导引头测量信息中耦合有弹体姿态信息不能直接被比例导引所用.实现了从捷联导引头和弹体角速率信息中重构出目标视线角速率,并运用四阶龙格库塔法建立离散模型,避免迭代发散.捷联导引头大的瞬时视场带来大的背景噪声,任何用于重构系统的测量信息噪声都会反映到重构出的目标视线角速率中去.针对系统模型参数噪声与状态噪声并存的问题,从模型中分离开参数和状态,设计了Joint UKF和Dual UKF提取目标视线信息,简化了系统噪声模型,降低滤波器对噪声标定不准确的敏感性.通过弹目拦截仿真验证了目标视线角速率重构方法的正确性,验证了采用离散方法的合理性,验证了设计的滤波器能有效提取目标视线角速率.