奇妙的人体

喷嚏从口腔中喷出的平均速度为160千米/小时。人不可能做到在打喷嚏的同时保持双眼睁开。鼻子和耳朵在不停地生长,但这一生长过程难以察觉。微笑的时候要动用17块肌肉,而皱眉头时要用到43块肌肉。当看到令人愉悦的事物时,人的瞳孔能膨胀45%。全身206块骨头中有1/4在脚上。人的大脑重量只占体重的2%,却要耗费全身所需氧气的25%。相比之下,肾脏和心脏分别消耗12%和7%的氧气。同人体血液化学成分最为相似的物质是海水。人的舌头主要靠舌根部位感受苦味,中间部位感觉咸味,舌尖感觉甜味。人的大脑80%是水分,比血液所含水分还要多。妊娠期间,子宫…     

基于图像处理技术的瞳孔和角膜反射中心提取算法

为了提高瞳孔中心的实时提取精度和抗干扰能力,利用基于瞳孔-角膜跟踪法原理和图像处理的眼动跟踪技术,实现瞳孔和角膜反射中心的精确提取.首先在红外光源条件下,用摄像机捕获人眼图像,通过图像自适应二值化阈值确定图像处理区域,以减小处理时间;其次,利用高低2次二值化阈值提取角膜反射中心;然后求取自适应最佳阈值确定瞳孔位置和大小;最后用梯度法提取瞳孔轮廓特征点,并用椭圆拟合瞳孔的方法确定瞳孔中心.实验结果表明,该算法在保证瞳孔和角膜反射中心提取的准确性和稳定性的同时,能满足实时处理要求.     

改进的遮挡条件下瞳孔检测方法

受到眼睑、睫毛、反光等干扰,提取的瞳孔往往无法近似成标准的椭圆,给瞳孔精确检测带来了难度。针对遮挡问题,提出了一种改进的遮挡瞳孔精确检测方法,该方法首先获取瞳孔图像的感兴趣区域,在对该区域进行阈值分割的基础上,通过滤波去噪和扫描线法去除光源反光的影响;根据沿遮挡瞳孔的分界线进行水平旋转,应用内接平行四边形法确定瞳孔的中心;根据圆形检测理论,提出一种中心修正算法,将求得的两个圆的交点作为眼睑与瞳孔的交点,计算出旋转角度,从而精化瞳孔中心的定位;最后利用五点法计算得到的瞳孔椭圆参数作为初始值,通过最小化拟合椭圆与边缘点之间的欧氏距离,使得该椭圆在非线性最小二乘意义下是最优的。实验结果表明,该方法具有良好的鲁棒性和准确性,在遮挡不超过瞳孔面积一半的情况下,能得到较为精确的瞳孔位置和边界。     

非接触式眼压计人眼跟踪算法研究

非接触式眼压计测量眼压的前提是对人眼瞳孔进行精确跟踪定位.通过对非接触式眼压测量跟踪系统的研究,提出汇聚式双目视觉的人眼瞳孔跟踪方法,采用结合帧差法和Mean-Shift算法的改进算法进行目标跟踪,解决了Mean-Shift算法对瞳孔进行跟踪过程中,有跟踪目标丢失现象的问题,通过下位机驱动三轴电机进行移动,调整系统与人眼的相对位置,以实现人眼瞳孔的精确跟踪.经在样机上实验,其结果表明:系统跟踪定位误差≤0.1 mm,跟踪过程在1s内完成.     

使用驾驶人瞳孔直径的固定物冲突识别方法

以寻找可反映驾驶人心理负荷的交通冲突识别指标及基于该指标的交通冲突识别方法为目的,通过比较分析明确了冲突刺激与瞳孔直径的相关关系,针对原始GSA(gravitational search algorithm)识别方法仅可搜索最优解的缺陷并面向交通冲突识别要求提出了基于瞳孔直径的GSA-T交通冲突快速识别方法.撞固定物冲突验证结果显示GSA-T方法的对比次数和识别时间均比枚举方法少,证明GSA-T方法具有较低时间复杂度和空间复杂度的优势,可满足交通冲突识别和道路安全评价的要求.     

眼震检测中眼动曲线拟合方法研究

眼震检测是判断眩晕的一种重要方法,获取瞳孔位置波动曲线是眼震检测的主要内容,为了建立眼震检测中瞳孔位置波动曲线数学模型,采用最小二乘拟合与傅立叶级数拟合两种方法进行数据处理.通过对比,用Matlab中的Cfiool工具箱对瞳孔位置曲线进行傅立叶级数拟合的效果更好.实验证明,方法对眼动曲线建立的数学模型,能准确反映出瞳孔位置的实时变化情况.拟合结果为眩晕判定提供了重要依据,对今后的眼震研究具有一定的指导意义.     

轻音乐对驾驶疲劳的双向影响

目的本实验探索驾驶负荷累积与轻音乐对驾驶疲劳的影响。方法采用2(驾驶负荷累积)×2(音乐条件)×3(模拟驾驶阶段)混合设计,对32名驾驶员被试进行模拟驾驶实验,采集驾驶员驾驶速度和他们的垂直搜索广度与瞳孔直径。结果第45-60 min时,对于无驾驶负荷累积的被试,轻音乐组车速显著快于无音乐组,轻音乐组垂直搜索广度显著大于无音乐组;对于有驾驶负荷累积的被试,轻音乐组的瞳孔直径小于无音乐组(边缘显著),轻音乐组的车速慢于无音乐组。结论轻音乐对无累积疲劳的驾驶员具有唤醒作用,加快他们的车速,扩大垂直搜索广度,对驾驶绩效具有积极的影响;轻音乐对有累积疲劳的驾驶员会产生催眠作用,缩小瞳孔直径,车速减慢,对驾驶绩效具有消极的影响。     

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.     

一种融合Hough变换和ASM定位瞳孔中心点方法

特征点的准确定位是机器视觉和模式识别的关键技术之一.主动形状模型(ASM)是一种传统的图像特征点定位算法,具有较高的精确性和鲁棒性.为了提高ASM人脸瞳孔特征点定位的精确度,提出了使用Hough变换方法来改进瞳孔特征点的定位.通过ASM算法,初步定位出瞳孔特征点,并使用Sobel算子对图像进行边缘检测,然后在人眼位置选择一个合适的窗口使用Hough圆检测,找出精确瞳孔点相对于ASM初步定位瞳孔点的偏移量.在实验室采集的人脸图像上的对比实验表明,该方法能够显著的改善ASM人眼瞳孔特征点定位准确性.由于使用了初定位进行了搜索范围的限制,计算量也得到了有效的控制.     

基于人眼鼻孔特征的眼动跟踪方法

提出了一种基于人眼鼻孔特征跟踪眼动的算法。首先利用Adaboost的层叠式分类器定位人脸、眼睛和鼻子;然后采用梯度Hough变换检测圆的方法精确定位瞳孔虹膜;最后利用几何方法建立椭圆跟踪模型,实现瞳孔的快速跟踪。实验结果表明,该方法定位眼睛嘴角快速准确,同时对眼睛的跟踪具有较好的鲁棒性和实时性。