資源描述:
《眼動(dòng)跟蹤技術(shù)的研究與實(shí)現(xiàn)》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫(kù)。
1、分類(lèi)號(hào):TN911.73單位代碼:10183研究生學(xué)號(hào):2013532115密級(jí):公開(kāi)吉林大學(xué)碩士學(xué)位論文(學(xué)術(shù)學(xué)位)眼動(dòng)跟蹤技術(shù)的研究與實(shí)現(xiàn)TheResearchandImplementationofEyeTrackingTechnology作者姓名:王浩專(zhuān)業(yè):計(jì)算機(jī)應(yīng)用技術(shù)研究方向:計(jì)算機(jī)圖形學(xué)與數(shù)字媒體指導(dǎo)教師:許志聞教授郭曉新副教授培養(yǎng)單位:計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院2016年4月眼動(dòng)跟蹤技術(shù)的研究與實(shí)現(xiàn)TheResearchandImplementationofEyeTrackingTechnology作者姓名:王浩專(zhuān)業(yè)名稱(chēng):計(jì)算機(jī)應(yīng)用技術(shù)指導(dǎo)教師:許志聞教授郭曉新副教
2、授學(xué)位類(lèi)別:工學(xué)碩士答辯日期:2016年5月24日未經(jīng)本論文作者的書(shū)面授權(quán),依法收存和保管本論文書(shū)面版本、電子版本的任何單位和個(gè)人,均不得對(duì)本論文的全部或部分內(nèi)容進(jìn)行任何形式的復(fù)制、修改、發(fā)行、出租、改編等有礙作者著作權(quán)的商業(yè)性使用(但純學(xué)術(shù)性使用不在此限)。否則,應(yīng)承擔(dān)侵權(quán)的法律責(zé)任。吉林大學(xué)碩±學(xué)位論文原創(chuàng)性聲明本人鄭重聲明:所呈交學(xué)位論文,是本人在指導(dǎo)教師的指導(dǎo)下,獨(dú)立進(jìn)行研究工作所取得的成果。除文中己經(jīng)注明引用的內(nèi)容外,本論文不包含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的作品成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體,均已在文中W
3、明確方式標(biāo)明。本人完全意識(shí)到本聲明的法律結(jié)果由本人承擔(dān)。學(xué)位論文作者簽名;曰船7/0年r月曰/告摘要摘要眼動(dòng)跟蹤技術(shù)的研究與實(shí)現(xiàn)眼睛是人們獲取外界各種視覺(jué)信息的第一渠道,研究如何利用人眼的特征來(lái)得到我們想獲取到的信息具有重大的意義。目前,與眼動(dòng)跟蹤技術(shù)的相關(guān)研究是計(jì)算機(jī)視覺(jué)與人機(jī)交互領(lǐng)域的熱門(mén)研究方向。眼動(dòng)跟蹤技術(shù)的應(yīng)用前景非常廣泛,包括軍事航空、生物醫(yī)學(xué)、人機(jī)實(shí)時(shí)交互、機(jī)動(dòng)車(chē)疲勞駕駛檢測(cè)等。本文主要研究了人臉檢測(cè),人眼區(qū)域提取,瞳孔中心定位,視線方向估計(jì)等內(nèi)容,其中對(duì)瞳孔中心定位的相關(guān)內(nèi)容進(jìn)行了重點(diǎn)研究,在前人研究的基礎(chǔ)上,我們提出了一種基于圖像梯度的改進(jìn)
4、瞳孔中心定位算法,該方法可以很好的排除眉毛、頭發(fā)等與瞳孔顏色相似的因素的干擾,對(duì)于較低分辨率的圖像在不同的光照條件下定位比較準(zhǔn)確,并且可以滿足實(shí)時(shí)性的要求。對(duì)一幅包含人臉的圖片進(jìn)行人臉檢測(cè)與臉部特征點(diǎn)檢測(cè)。首先總結(jié)了現(xiàn)有的常用的人臉區(qū)域定位與臉部特征點(diǎn)檢測(cè)方法的適合場(chǎng)景以及它們的優(yōu)點(diǎn)和缺點(diǎn),最后我們選擇使用基于Adaboost人臉檢測(cè)算法來(lái)檢測(cè)人臉,使用可變形的模型擬合方法檢測(cè)人臉的特征點(diǎn),該方法速度和魯棒性都比較好,使用該方法我們可以得到面部的66個(gè)特征點(diǎn),其中左右眼睛各包括6個(gè)特征點(diǎn),左右眉毛各包括5個(gè)特征點(diǎn),通過(guò)這些特征點(diǎn)我們可以準(zhǔn)確的定位構(gòu)造出眼睛區(qū)域。實(shí)驗(yàn)表明,該
5、方法速度快,滿足實(shí)時(shí)性,可以排除眉毛等干擾區(qū)域,并且對(duì)于小范圍內(nèi)的抬頭低頭和頭部側(cè)偏情形定位仍然準(zhǔn)確,并且利用這些特征點(diǎn)我們還可以進(jìn)行初步的視線方向判斷。利用已經(jīng)得到的眼睛區(qū)域圖像我們進(jìn)行一系列的圖像處理,生成了眼睛圖像的權(quán)值圖像,然后結(jié)合權(quán)值圖提出了基于圖像梯度的改進(jìn)瞳孔定位算法,最終估計(jì)出瞳孔中心的位置。在該瞳孔定位算法中我們使用了眼睛區(qū)域圖像的權(quán)值圖以及眼睛區(qū)域圖像的梯度向量。權(quán)值圖的作用是排除眼角、眼睫毛等顏色較暗區(qū)域?qū)ν锥ㄎ坏挠绊?,提高瞳孔定位的?zhǔn)確度。我們利用眼睛區(qū)域圖像生成權(quán)值圖,對(duì)眼睛區(qū)域圖像進(jìn)行一系列的圖像處理操作,例如二值化、形態(tài)學(xué)操作等,可以得到眼球
6、區(qū)域亮度值很高的權(quán)值圖。在我們改進(jìn)的算法中,結(jié)合該權(quán)值圖和圖像I摘要梯度向量,通過(guò)計(jì)算小范圍的圖像梯度向量,篩選掉了明顯不會(huì)是瞳孔中心的點(diǎn),然后通過(guò)計(jì)算并找到平均值最大的點(diǎn),該點(diǎn)作為瞳孔中心的估計(jì)位置。然后我們進(jìn)行了初步的視線方向判斷。傳統(tǒng)的圖像梯度向量定位方法會(huì)遍歷計(jì)算圖像中所有的點(diǎn),且往往會(huì)誤定位到眉毛和眼角處,實(shí)驗(yàn)表明,該改進(jìn)的算法可以很好的排除掉眉毛、頭發(fā)、眼角等干擾區(qū)域的影響,且定位更加準(zhǔn)確。關(guān)鍵詞:眼動(dòng)跟蹤,瞳孔定位,梯度向量,人眼檢測(cè)IIAbstractAbstractTheResearchandImplementationofEyeTrackingTechn
7、ologyEyesarethefirstchanneltoaccesstheoutsideworld,anditisimportanttostudyhowtousethecharacteristicsofhumaneyestogetthewantedinformation.Atpresent,therelatedresearchofeyetrackingtechnologyisahotresearchdirectioninthefieldsofcomputervisionandhuman-computerinter