一种新的基于瞳孔-角膜反射技术的视线追踪方法

针对现有单相机单光源视线追踪系统存在的几个问题:精度不高、头动受限以及标定复杂,提出了一种新的基于瞳孔-角膜反射(PCCR)技术的视线追踪方法.通过提出的瞳孔边缘滤波算法(RDPEF)和三通道伪彩色图(TCPCM)解决了近红外条件下瞳孔定位误差较大、瞳孔跟踪鲁棒性较差的问题,进而提高了视线特征提取的精度.通过提出的头部位置补偿方法以及个体差异转化模型,使二维映射模型允许使用者头部运动并且只需要单点标定.该方法提高了单相机视线追踪的精度和应用范围,为面向人机交互的视线追踪系统提供了有效的低成本解决方案.     

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。     

视线追踪系统中眼睛跟踪方法研究

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.     

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.     

非接触动态实时视线跟踪技术

视线跟踪技术是智能眼动操作系统的关键技术,是实现先进眼动操作系统作为高级人机交互应用的基础和前提。较为完整地阐述了非接触式视线跟踪技术的发展历程,并详细介绍了现有的实现视线或注视点实时动态跟踪测量的非接触视线跟踪技术,包括2D视线跟踪方法、3D视线跟踪方法和基于3D模型的视线跟踪方法。通过分析和比较现有的三类方法的最新进展,介绍了视线跟踪技术目前面临的科学问题,提出了基于双目立体视觉的头戴式自由空间视线跟踪测量方法,指出了视线跟踪技术应满足基于眼动操作系统的智能人机交互方法向自由空间操作发展的需求,朝着高精度、易配置、更大视线活动范围的自由空间视线测量方向发展。     

视线追踪系统中特征参数提取方法研究

为了提取人眼的高精度亚像素特征参数,利用亮瞳现象,提出了一种基于多通道图像的高精度亚像素特征参数提取方法。该方法首先通过差分图像滤波获得瞳孔区域,进而检测瞳孔区域的边缘,并在眼睛区域附近基于灰度,搜索角膜反射区域; 然后求取其质心用于定位角膜反射区域中心,并对瞳孔边缘做滤波,以消除角膜反射对瞳孔边缘轮廓的影响,进而利用椭圆拟合来定位瞳孔中心;最后提取包括人眼特征和人脸位置的多个参数,另外,还建立了一个多特征参数提取的流程,为下一步的视线估计提供了参数依据。 实验结果及视线追踪系统最终的视线估计结果证明,该方法是有效的。     

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.     

移动设备视线跟踪技术研究进展

针对移动设备视线跟踪技术研究现状进行了综述,介绍了视线跟踪技术的发展及移动设备的资源劣势,将移动设备视线跟踪技术分为利用自身集成硬件和使用外接硬件设备两类,并分别进行了说明。最后,总结分析了移动设备视线跟踪存在的问题,并对其未来发展及研究方向进行展望。     

基于视线跟踪和手势识别的人机交互

提出一种新的基于视线跟踪和手势识别的交互方式用于远距离操作计算机。系统通过摄像头采集用户的图像,利用图像识别算法检测人眼和手指的位置,由人眼和指尖的连线确定用户指向屏幕的位置,通过判别用户手势的变化实现各种操作,达到人机交互的目的。实验结果表明,该交互方式可以较好地定位屏幕和判断用户的操作,实现自然、友好的远距离人机交互。     

单摄像机视线跟踪

提出一种能对环境光强变化、用户头部位置变化自动适应的视线跟踪方法,减少了视线跟踪系统对使用者的头部限制。改进了视线跟踪算法：依据直方图,给出了一种自适应阈值提取方法; 依据瞳孔边界点的灰度信息、梯度信息及瞳孔边界曲线的平滑信息综合判据,给出了一种提取瞳孔边界点的一维算法; 给出了一种随机化椭圆拟合算法; 讨论了去除眼皮、眼睫毛及光斑干扰的方法。实验结果验证了算法的有效性。     

基于计算机视觉技术的手势识别方法

基于计算机视觉技术设计手势识别算法。采集手势图像并进行预处理,进行图像分割和特征提取,与已建立的手势模型库进行匹配,得到最终识别结果。实验证明该设计的手势识别系统能够识别基础的人机交互手势,识别准确率高,稳定性好。     

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。     

一种基于运动信息的多目标跟踪方法研究

为解决多目标跟踪中的遮挡问题,提出一种基于目标运动信息的方法。采用混合高斯模型结合背景差法获取初始运动信息,根据目标短时间内状态的稳定性,对其进行预测,再结合视觉特征达到精确跟踪。由于使用速度和视觉特征信息对目标单独跟踪,从而巧妙地避免遮挡的处理。实验结果表明,该方法实时有效,同时对遮挡问题的处理也有较好的效果。     

基于K-Modes聚类的自适应话题追踪技术

传统自适应话题追踪用向量空间模型表示一个话题模型,通常会对话题模型更新带来错误的反馈。针对传统自适应话题追踪中话题模型的不足,提出基于K-Modes聚类的自适应话题追踪方法（K-MATT方法）,用话题类中心代替话题模型,把命名实体向量空间模型作为话题类中心,在追踪过程中不断迭代更新话题类中心,直到话题类中心稳定。实验证明K-MATT方法是有效的。