一种人眼瞳孔定位方法

为了提高人脸识别系统识别率和算法的运行效率,提出一种依据阈值变化的自适应定位人眼瞳孔的方法.该方法根据最小极区的思想,利用阈值从低到高的动态变化,借助自然约束条件、相似度分析和灰度重心法来精确定位人眼瞳孔的位置.利用该方法在CAS_PEAL、CVL以及自建的人脸库上进行了大量实验.实验结果表明,该人眼瞳孔定位方法可以有效定位人眼瞳孔,并且对于光照、表情都具有较好的鲁棒性.     

基于非接触式眼压计的双目定位方法研究

基于非接触式眼压计对人眼定位系统进行研究,采用汇聚式双目视觉模型对人眼进行定位。阐释了双目视觉原理和相机标定原理与流程,通过标定评价方法对标定结果进行评价,同时搭建双目视觉系统实验平台,对真实人眼进行试验。对眼图处理过程进行了分析,采用HOUGH圆检测与SURF-RANSAC算法进行特征点匹配,最后得到空间点与三维定位点坐标间误差,实验结果验证了方案可行性。     

移动设备眼动跟踪技术

为了在移动设备上开发计算效率和精度较高的眼动跟踪技术,提出从人脸到瞳孔逐级推进的图像处理框架和具体检测方法.采用基于局部二值模式特征的级联分类器,对人脸和非人脸区域进行分类检测.在人脸区域内应用Haar特征级联分类器检测人眼区域;并使用模板匹配法在人眼区域内检测瞳孔位置.在此基础上开发基于眼动跟踪的移动设备阅读辅助系统,根据瞳孔位置的变化定位用户当前阅读的文本行,帮助用户在阅读中断后快速找到阅读起点.测试结果表明:该系统对视线角度的平均检测精度达到1.17°,能精确定位阅读文本,将用户的平均阅读速度提高到每秒12.42个字,验证了所提出的眼动跟踪技术的实用性.     

实时人眼定位算法研究与设计

为了实现准确和实时的人眼定位,提出了一种有效的人眼定位方法。采用基于统计肤色模型和人脸几何特征约束定位人脸,根据在YCbCr色度空间中肤色的聚类性独立于亮度,建立肤色模型,然后采用自适应阈值进行肤色分割。在人眼定位中,通过获取一个属于眼睛区域像素的随机样本,利用期望最大化算法（EM）调整椭圆型眼参数模型。在包含两个眼睛的矩形框内精确定位人眼,计算量小,速度快。实验结果表明,该方法能够准确、快速地定位人眼,可以满足非接触式、不同光照条件、实时的人眼定位系统的要求.     

基于FPGA与投影算法的快速眼动跟踪系统实现

以视觉刺激的方式给被测者眼动任务,并使用高速摄像系统来跟踪被测对象的眼动轨迹,可以获知其心理行为,在心理研究领域具有非常重要的作用。本文介绍了一种基于FPGA硬件和投影算法的眼动跟踪系统,通过LUPA300高速CMOS图像传感器采集眼动图像,利用FPGA实现投影算法从连续的视频帧中获取人眼瞳孔与反射斑的坐标。为提高跟踪的准确程度,包括二值化与数学形态学腐蚀膨胀运算被用于预处理,最终实现了快速瞳孔与反射斑的定位。结果表明,FPGA执行快速投影跟踪算法,可以获得可靠的跟踪准确性,在跟踪算法中利用FPGA对图像首先进行二值化及腐蚀膨胀预处理,可以达到更好的效果。本系统构成简单,实现了实时跟踪,结果准确,为高速眼动跟踪提供了一种新的有效实现方法。     

多技术融合的Mean-Shift目标跟踪算法

在研究经典算法的基础上,提出了一种多技术融合的Mean-Shift目标跟踪算法,有效地解决了经典Mean-Shift跟踪算法存在的缺陷。通过Kalman算法预测估计目标的中心位置,通过分块颜色直方图提取目标区域的空间信息进行,同时采用背景加权和核加权相结合的方式抑制背景像素对目标的干扰。在多个视频数据上的试验结果表明,研究方法有效地克服了经典的Mean-Shift目标跟踪算法对遮挡、背景像素敏感的问题,在复杂环境的背景下对运动目标跟踪更加准确。     

一种基于背景加权直方图的Mean-Shift跟踪算法

经典的Mean-Shift算法以颜色直方图为特征进行跟踪,但在视频目标跟踪中没有有效地利用跟踪目标的空间信息,因而当目标快速移动时,目标极易丢失。针对这一问题,提出了一种基于距离目标形心加权直方图的Mean-Shift跟踪算法。距离目标形心加权直方图可有效利用目标在图像中的位置信息,从而能实现复杂背景下的目标跟踪。并分别用改进的基于距离目标形心加权直方图的Mean-Shift跟踪算法和经典的Mean-Shift跟踪算法,对快速运动的目标进行跟踪实验。结果表明,改进的基于距离目标形心加权直方图的Mean-Shift跟踪算法,具有较强的鲁棒性和实时性,能有效实现复杂场景下的目标实时跟踪。     

基于边缘与灰度梯度的人眼特征定位分析

根据由粗到精的思路,综合利用了眼睛在人脸面部特征中所特有的边缘与灰度分布信息,进行人眼特征定位.首先用横向Sobel算子对人脸图像进行边缘检测,获取人脸区域的横向边缘特征,然后采用图像形态学的方法框定人脸主要特征的大致区域,最后用计算灰度梯度密度的算法,快速精确地定位人眼区域.试验表明,本方法能快速而精确地实现人眼特征的定位.     

MIT中的一种基于全相位的IQ正交相位解调算法

针对MIT系统相位解调过程中信号非整周期采样以及奇异点对相位测量精度的影响,提出一种基于全相位的IQ正交算法,该算法通过对测得的数据进行全相位处理,再进行正交变换,从而有效提高了信号解调精度.通过实验表明,相对传统IQ正交算法,该算法能够降低信号非整周期采样以及奇异点对相位测量精度的影响,且计算复杂度低,运算速度快,能对相位差进行更为实时精确的测量.     

基于小波光照归一化和高判别力特征的人眼定位算法

人眼定位是人脸识别、人脸分析等的前提,但是人眼定位的精度极易受到非均匀光照和噪声的影响。针对这一问题,提出一种结合小波变换光照归一化和高判别力特征的人眼定位算法。首先通过小波变换对人脸图像进行光照归一化处理,然后对人眼候选区域提取LTP和LPQ特征,对每个候选人眼区域计算SVR分类响应值得到人眼概率图,最后对人眼概率图进行高斯拟合,完成人眼精确定位。在人脸数据集CMU-PIE、Yale B和AR上的实验结果表明, 该算法能有效克服非均匀光照对人眼进行精确定位的影响,具有光照变化鲁棒性,比同类算法有更高的定位精度。