資源描述：
《視線跟蹤系統(tǒng)中眼睛睜閉檢測算法研究》由會員上傳分享，免費在線閱讀，更多相關內(nèi)容在行業(yè)資料-天天文庫。
1、第17卷第1期2012年2月電路與系統(tǒng)學報JOURNALOFCIRCUITSANDSYSTEMSVol.17No.1February，2012文章編號：1007-0249(2012)01-0017-07視線跟蹤系統(tǒng)中眼睛睜閉檢測算法研究*鄧宏平#，李斌，姚鵬，吳偉，王建宇，莊鎮(zhèn)泉（中國科學技術大學電子科學與技術系微軟教育部重點實驗室，安徽合肥230027）摘要：眼睛睜閉檢測在視線跟蹤系統(tǒng)中具有重要意義。為提高檢測的準確性，提出了一種基于Harris算子的檢測方法。該方法首先利用Harris算子計算圖像的角點量，然后搜索圖像中
2、角點量最大的位置，以該位置為中心，設置一個區(qū)域，統(tǒng)計該區(qū)域內(nèi)角點量總和占整幅圖像角點量總和的比例，通過將該比例與閾值相比較來確定眼睛的狀態(tài)。實驗結果表明，本算法具有較高的魯棒性和準確率，并能滿足實時性要求。關鍵詞：眼睛狀態(tài)檢測；Harris算子；角點量中圖分類號：TP751文獻標識碼：A引言視線跟蹤技術是近年來興起的人機交互方式，通過分析由攝像頭獲取的眼部圖像，可以計算出人眼凝視的位置，進而起到利用眼睛控制鼠標的功能。視線跟蹤在軍事、殘疾人輔助、心理學研究和網(wǎng)頁分析等方向有著重要應用。凝視點的位置，是通過眼部圖像中瞳孔中心的
3、位置，結合瞳孔圖像到場景圖像之間的映射矩陣計算出來的。瞳孔中心位置與凝視點位置之間存在一一對應關系。因此，在視線跟蹤的過程中，能否實現(xiàn)瞳孔中心的準確定位，將會直接決定人機交互的質(zhì)量?，F(xiàn)實生活中，人的眼睛會有隨機性的眨眼活動，當眼睛閉合時，系統(tǒng)將無法獲取瞳孔中心的準確位置，因此也無法對凝視點位置進行精確地定位。此時，就有可能造成視線跟蹤的中斷，無法完成正常的人機交互。另外，在視線跟蹤系統(tǒng)中，通常需要凝視某一對象一定時間，才實現(xiàn)鼠標單擊。在此期間，如果出現(xiàn)眨眼情況，凝視點位置將會產(chǎn)生偏移，則有可能造成錯誤的單擊。因此，必須能夠識
4、別出當前幀中眼睛的狀態(tài)，才可避免此種情況的發(fā)生。對于閉眼的情形，可以將前一幀圖像的瞳孔中心位置作為當前幀瞳孔中心位置，或者不作計算，從而不會影響系統(tǒng)的正常工作。當前眼睛狀態(tài)檢測主要有以下幾個難題。第一，光照的影響。不同的視線跟蹤系統(tǒng)，采用的照明系統(tǒng)可能不同，如可見光、紅外光等，光源的位置也不盡相同，有前方、斜上方等。因此，采集到的眼部圖像的光照分布各有不同，即便同一幅圖像內(nèi)，不同區(qū)域的亮度也有較大差別，因此在對圖像進行二值化等操作時，很難選取有效的閾值。第二，眼瞼和睫毛的干擾。眼瞼和睫毛具有很低的灰度。很多基于邊緣的算法會將
5、眼瞼和睫毛誤認為是瞳孔邊緣，從而造成誤判。因此如何降低各種因素的干擾，是提高眼睛狀態(tài)檢測正確率的關鍵。目前常見的眼睛狀態(tài)檢測方法可以分為兩大類：基于圖像的方法[1~8]和基于學習的方法[9~15]。基于圖像的方法充分利用了睜眼和閉眼時，眼部特征的差異，如是否能檢測到虹膜邊緣，眼瞼的方向是否相同，上下眼瞼的距離等。這類方法的優(yōu)點是算法比較容易實現(xiàn)，速度也較快，但容易受到眼瞼、睫毛和鏡面反光等干擾，準確率不高。基于學習的方法把眼睛狀態(tài)的檢測當作一種分類問題來處理，通過提取特征，利用分類器進行學習，根據(jù)學習結果實現(xiàn)眼睛狀態(tài)的檢測。
6、這類方法需要選擇有效的特征，并選擇大量的樣本進行訓練，才能得到比較理想的分類器。文獻[1~3]首先提取眼部圖像的輪廓，然后通過Hough變換檢測虹膜邊緣。Hough變換輪流對圖像中的所有邊緣點進行擬合，然后在參數(shù)空間中尋找最優(yōu)的圓形作為虹膜的邊緣。圖像中邊緣點的數(shù)量1*收稿日期：2010-04-23修訂日期：2010-05-29基金項目：獲得國家自然科學基金廣東聯(lián)合基金資助（U0835002）；國家自然科學基金資助項目（60902062）#通信作者：E-mail：denghp@mail.ustc.edu.cn決定了算法的速度
7、。在提取邊緣的過程中，眼瞼和睫毛的邊緣很難完全濾除，容易被誤認為是虹膜邊緣，從而降低了算法的準確率和速度。此外，Hough變換需要預先估計瞳孔半徑，但在實際跟蹤過程中，瞳孔會受光照等因素的影響而發(fā)生顯著的變化，很難準確地估計其大小，這也增加了Hough變換的難度。此外，Hough變換只能用來檢測圓形瞳孔，當眼睛轉動較大時，攝像機平面與眼球平面出現(xiàn)較大交角，瞳孔邊緣就會呈現(xiàn)出橢圓形狀，此時，Hough變換將失效。文獻[4]中介紹了兩種方法：一種是先對眼部圖像進行二值化，然后利用水平投影曲線進行判斷；另一種方法是先提取眼部圖像的
8、邊緣，然后利用水平投影曲線進行判斷。這兩種方法雖然速度較快，但二值化過程容易受到光照的影響，邊緣的求取又容易受到睫毛以及眼瞼方向等因素的影響，因此水平投影曲線并不能正確地反應眼睛的睜閉狀態(tài)。例如，當眼瞼發(fā)生較大傾斜時，睜眼與閉眼情況下得到的投影曲線，幾乎沒有太大差別。該方法也失去了意義。文
