自然光下的新型动态注视点眼动向量

为解决自然光下视线跟踪系统注视点估计精度不高和头部运动受限问题,提出了一种基于虹膜和眼睛内角点特征的动态注视点眼动向量,并以虹膜面积信息对其进行标准化,以消除头部运动对眼动向量的影响.最后结合动态注视点眼动向量与多项式映射模型得到实时注视点,实现眼动向量与注视点的一一映射.采用该眼动向量可提高注视点估计精度,降低头部运动的影响.     

基于低成本眼动记录系统的视线估计研究

高精度眼动记录技术现已非常成熟,但昂贵的价 格限制了当前商用眼动仪的应用 范围,发展灵 活、低成本的眼动记录系统将是眼动跟踪技术的重要研究方向。本文设计了一种 低成本、低侵 入性的耳麦式眼动记录系统。系统由两个普通CMOS摄像机及耳麦式支架构成,两个摄像机 分别记录注 视场景图像及人眼图像,成本仅为当前商用眼动仪的几百分之一。针对系统 采集的数据,提出一种分段 加权环形Hough变换算法提取虹膜轮廓及中心作为特征,采用支持向量回归(SVR)算法 估计注视点与特征点位置 的映射关系。设计了一种简便的标记注视点坐标的方法,实现注视估计。实验结果表明, 对场景图像中随机位置的注视方向估计平均误差为1.57°,表明低成本眼动仪可以满足日常 交互需求。     

图像质量主观评价中眼动信号的可视化分析方法

针对近年来在建立图像质量主观评价过程中得到广泛应用的眼动信号,提出一套基于眼动仪采集的原始眼动数据的可视化分析方法。实现从凝视点到注视点的I-VT滤波过程,设计并绘制单人注视点界面,生成并初步分析注视点叠加热图,为将眼动信号更好地应用于图像质量主观评价,提供了创新性的分析与探究。     

面向残障人士的基于眼动交互的绘画系统

本文建立了一个面向严重肢体残障人士的眼动交互绘画系统.为此,首先给出了眼动数据的预处理与分析方法;为减弱米达斯(Midas)接触问题对眼动行为判别的影响,提出了基于时域约束的注视点聚类算法,可提取出注视点判断用户当前的视点中心,并据此进一步判断用户眼睛行为;针对眼动原始数据中的噪声影响,设计了窗口长度自适应的视点信号平滑处理方法,可减弱视点抖动产生的噪声,实现自由绘画较为平稳的绘画轨迹.在此基础上,设计并实现了基于ASL眼动仪的眼动交互式绘画系统.     

眼动分析技术在航空安全中的应用

阐述眼动分析技术,探讨眼动频率、瞳孔大小变化、平均注视驻留时间、注视点序列以及第一次到达目标兴趣区的时间等参数,对目标在的眼动状况,改进驾驶舱设计、改善注意力分配。     

基于智能视线感知和物联网的家电控制

文章设计实现了一种新的人机交互系统,通过视线跟踪技术和物联网技术的结合,实现对家用电器的智能控制。设计了一套头戴式视线跟踪系统,作为物联网的感知层和服务管理层,通过眼睛摄像头采集眼动信息,结合标定信息,实时计算使用者在视野中的注视点,通过场景摄像头实时获取使用者的视野图像。采用Harr特征和Adaboost算法检测识别视野图像中的家用电器。在识别并锁定目标家电的基础上,激活物联网应用层,实现目标家电的控制。本文系统实现了视线注视对三种家电的模拟开关控制,系统具有较高的稳定性。     

人体运动目标检测与跟踪方法的研究与实现

通过摄像机拍摄到的一段视频,对其中运动的人进行检测与跟踪。在目标检测方面,获取运动行人图像序列,利用自适应背景提取方法得到背景,根据将目标与背景进行分离的分割阈值,对差分图像进行分割,提取运动区域,检测出人体运动目标;在目标跟踪方面,选用基于Kalman滤波的运动跟踪系统,通过估计出运动目标的下一位置,对运动目标进行实时跟踪。这里的实验是在Linux平台上利用Intel的开源OpenCV函数库建立起模型并实现算法。经过多次仿真测试表明,使用Kalman滤波可以很好地解决实验中两个人握手时运动目标间遮挡的问题,并跟踪运动目标,而且处理速度比较快,能够满足一般情况下的实时性要求。     

眼动交互的实时线性算法构造和实现

眼动跟踪技术作为一种新兴的交互手段,具有自然、高效和易于意图理解等优点.我们设计实现了一个桌面眼动跟踪系统作为虚拟装配系统的一个通道,通过摄像机实时采集视频并经过实时的图像处理判断用户对虚拟环境中对象的注视焦点.系统利用了瞳孔-角膜反射向量法理论,设计和实现了一个高效的实时眼动跟踪算法,即线性逼近预测算法.实验证明这一方法很好的解决了眼动通道的实时性问题.     

人机交互系统的实时人眼跟踪技术研究

为了解决面向移动设备的眼动跟踪技术存在的计算效率低、跟踪误差大等问题,采用改进眼动跟踪技术的方法,开展人机交互系统的研究。主要内容包含系统总体架构、系统用户登录、系统功能实现等内容设计,并对系统功能实现展开分析。研究结果表明,系统各功能及界面实现均满足用户要求,可用于指导新手用户对重要信息的浏览,提升用户理解效率。     

反直升机雷群的机动目标跟踪

反直升机雷测距精度较低,而利用角度信息估计目标的距离和速度实质上是一个非线性状态估计问题,这种单站被动式跟踪可能构成一个不可观测系统,将导致跟踪滤波器的不稳定和发散。本文对由反直升机雷构成的雷群的目标定位和跟踪进行了研究,利用最小二乘法和基于“当前”统计模型的自适应滤波组合算法进行数据处理,最小二乘法的估计结果作为自适应滤波的观测值,结果表明算法简单而且有效,在目标机动和非机动时都能得到良好的估计结果。     

眼球图像跟踪及视线指示系统的精度测量

针对市面上眼动仪没有详细的精度测试方案和测试结果的现状,本文探讨了一种基于视频记录法的瞳孔跟踪系统进行详细的精度测试的方法,在自主研发的眼球图像跟踪及视线指示系统（眼动系统）上进行测试,测试内容包括空间分辨率、最小分辨率和注视准确度,其中注视准确度采用九点定标法测量分析.实验数据显示,系统空间分辨率为0.003°,系统最小分辨率小于0.02°;注视准确度结果为0.3°。结果表明该眼动仪具有较高的检测精度,能够达到系统所需的要求。     

Gaze Tracking Based Regions of Interest Detection Using a Web Camera

Regions of interest （ROIs） detection is one of the key techniques in content-based image retrieval. According to the researches on human vision in biological psychology, the interesting regions or objects can be determined by gaze frequency of human beings. The presented research addresses a novel approach of Regions of interest （ROIs） detection which is on the basis of gaze tracking using an ordinary web camera. This approach utilized an ordinary web camera to capture facial images, in which the eye regions were detected by the methods of fast face detection algorithm based on I-Iaar-like features and adaptive eye template matching. Gaze points were then estimated by the neural network whose net-input vectors consist of face position, center of pupil and glint points. Pupil center was computed based on the centroid of the pupil boundary which was obtained through morphological operations. And the glint points were located through the full-range searching in eye regions, aOIs were obtained by computing the density of gaze points. The experimental results show that the proposed method is objectively effective to measure ROIs and performs well for gaze tracking with an ordinary web camera. This approach is good applicable options for usual users and common applications, especially handicapped.     

用于立体显示的人眼位置快速检测

人眼检测实自动人脸检测以及视线跟踪中非常重要的一项技术,它被用于智能人机交互、疲劳驾驶检测、安保以及诸多领域。在此提出了一种基于亮瞳效应的精确人眼实时检测算法。该方法使用主动红外光结构照明来产生亮瞳效应并产生候选点,然后利用连续Adaboost算法来对人眼进行确认,实验结果表明,对于640×480分辨率的连续视频,系统每帧的检测时间小于10ms,检测准确率较高。     

Design and implementation of a real-time eye tracking system

Driver fatigue severely affects driver's alertness and ability to drive safely. There are vital problems related to drivers fatigue on driving of trains, vehicles and airplanes. Therefore, the driver fatigue research is important. In this paper, we first study the impact of eye locations on face recognition accuracy, with Haar-like feature and AdaBoost classifier, face and eye area can be detected quickly and accurately. In the part of eye tracking, cam-shift based mean-shift algorithm is used to track the eyes. This method could automatically adjust the size of tracking window according to the different posture of driver. The performance of our eye detection method is validated by using image database with more than 6000 pictures. In addition, our real-time eye tracking system has been tested on railway line segment (China). There are 5 train drivers involved in the experiment. The validation shows that our eye detector has an overall 93% eye detection rate.     

基于红外电视法的眼睛盯视人机交互技术

介绍基于红外电视法的人机交互技术的工作原理、系统构成、视线方向的检测方法及应用领域,并用图像分析法来检测与判断视线方向,提出了对于使用过程中头部微小变动时视线方向的修正方法.同时阐述了通过眼睛盯视实现对计算机外设的控制.     

面向驾驶员状态监测的人眼凝视方向判别

基于眼球运动规律监测驾驶员状态是当前研究的热点,而获取人眼凝视持续时间、眼球扫视运动频率等眼球运动参数的基础和前提是实时判别人眼凝视方向。首先采用红外光源和红外滤光片的装置,通过CCD摄像头获取"暗瞳孔"图像;接着根据人脸特征粗定位人脸区域,并通过对人脸上半部分水平积分投影粗定位人眼区域;然后在定位出的人眼区域内,利用闪光点与周围瞳孔区域灰度值差异大的特征精确定位闪光点,并在闪光点周围提取暗瞳孔精确定位瞳孔质心;最后建立凝视方向判别模型,根据闪光点与瞳孔的相对位置判别出人眼的凝视方向。凝视区域判别实验结果表明,该算法对于获取眼球运动相关参数有较好的应用前景。     

基于改进的SIFT算子和SVM分类器的瞳孔中心定位

瞳孔定位的精确度很大程度取决于图片质量,但实际应用中通常要在低质量图片下进行瞳孔定位。我们的目标是在图片质量不佳的情况下进行精确的瞳孔中心定位。对于这个目标,本文提出一种基于改进SIFT特征和SVM分类器的瞳孔中心初始定位方法,并通过一个大小可变的修正矩形框得到最终瞳孔中心位置。实验结果表明,相比于其他国内外先进方法,本文的方法可以在低质量(光照不均、表情变化等)图片上拥有更高的瞳孔定位精度,定位结果在瞳孔区域内的精度为87.32%。     

视线跟踪系统中眼睛睁闭检测算法研究

眼睛睁闭检测在视线跟踪系统中具有重要意义.为提高检测的准确性,提出了一种基于Harris算子的检测方法.该方法首先利用Harris算子计算图像的角点量,然后搜索图像中角点量最大的位置,以该位置为中心,设置一个区域,统计该区域内角点量总和占整幅图像角点量总和的比例,通过将该比例与阈值相比较来确定眼睛的状态.实验结果表明,...     

基于时空上下文和随机森林的人眼跟踪定位算法研究

为了得到人眼跟踪过程中更好的鲁棒性和实时性以及跟踪精度,提出一种基于自适应增强分类算法(AdaBoost)、随机森林(RF)和时空上下文(STC)的重定位跟踪算法。该算法结构分为3层,分别为AdaBoost人脸检测、STC人脸跟踪和RF人眼定位。首先,利用AdaBoost在第一帧识别出人脸,从而提取出人脸窗口。接着,使用时空上下文跟踪算法进行人脸跟踪。然后,联合定向梯度直方图(HOG)算法进行相似度判断,以达到目标丢失后继续跟踪的目的。最后,采用随机森林算法进行人眼定位。实验结果表明,与传统的随机森林人眼跟踪算法相比,该算法在跟踪速度达到原方法的2倍左右,并在跟踪精度和鲁棒性上和原算法相同。基本满足在裸眼3D显示时人脸跟踪和人眼定位的精度高、实时性快、鲁棒性好的要求。