基于視頻圖像的瞳孔定位算法研究.pdf

1、隨著人機交互領(lǐng)域相關(guān)技術(shù)的發(fā)展，視線跟蹤技術(shù)得到了廣大研究人員的重視。視覺是人類獲取環(huán)境信息以及感知和認識客觀世界的主要渠道。人類視覺注意在空間中的三維位置稱為注視點（point of gaze），它的變化反映了人的注意力、興趣、情感等變化。精確定位瞳孔是視線跟蹤研究中的重要部分。瞳孔圖像中存在較多客觀干擾因素以及成像瞳孔的變形等問題，制約了定位的準確性，從而影響注視點系統(tǒng)的定位精度和穩(wěn)定性。本文從快速有效地去除噪聲點和提高瞳孔定位精度

2、角度出發(fā)，利用圖像中特征點的位置和梯度信息，提出了一種結(jié)合區(qū)域投票和模型約束的瞳孔定位算法。主要研究內(nèi)容如下：
　　第一，人眼部位檢測和定位是瞳孔定位的前期工作。在采集到測試者視頻圖像之后，采用Adaboost算法用于人臉檢測和定位，然后根據(jù)人臉“三庭五眼”的布局來確定人眼部位，從而為后期的瞳孔定位奠定基礎(chǔ)。
　　第二，詳細闡述了本文提出的一種結(jié)合區(qū)域投票和模型約束的瞳孔定位算法。該算法首先利用改進的星射線算法提取邊緣點，接

3、著結(jié)合梯度特征進行區(qū)域投票，閾值分割出高投票值的瞳孔大致區(qū)域及其質(zhì)心，依據(jù)邊緣點到質(zhì)心的距離值分布規(guī)律提取出內(nèi)點，然后通過模型約束算法迭代優(yōu)化內(nèi)點，從而準確定位瞳孔位置。
　　第三，使用本文提出的算法對人眼數(shù)據(jù)庫中的圖像進行了瞳孔定位。從算法的定位準確度和時間復(fù)雜度方面，將定位結(jié)果和其他三種瞳孔定位算法進行比較，并具體分析了這些算法的優(yōu)缺點。
　　第四，介紹了瞳孔檢測試驗平臺的搭建，包括硬件平臺和軟件平臺，重點介紹了在程序調(diào)