论文摘要
对人眼注视点的估计是建立在机器视觉和图像处理基础上的研究课题。直接利用眼睛的运动进行交互具有直接、自然的优点。作为测量人类意识行为的有效工具,视线跟踪技术正逐渐受到神经认知学、心理学、工业工程、市场营销和计算机科学等诸多领域的普遍关注。本文在总结国内外研究成果的基础上,对注视点估计中涉及到的人脸人眼定位、特征参量提取、系统设计与搭建等一系列技术问题进行了研究,主要的创新点总结如下：1、提出了一种基于自适应增强算法(AdaBoost)与粒子滤波(Particle Filter,PF)相结合的人脸定位方法,解决了复杂背景下的人脸定位问题。利用AdaBoost解决了PF需要人工给定目标初始位置的问题,同时利用PF解决了AdaBoost存在的误检和漏检的问题,实现了两种方法的有效互补。2、提出了一种基于人脸图像的人眼定位方法。首先以全局的方式采用主动表观模型(AAM)对人脸的形状和纹理建模。然后利用MVLR (Multivariate Linear Regression)和ICIA (Inverse Compositional Image Alignment)不同的收敛特性,在参数拟合过程中先用MVLR估计全局位移参数,再用ICIA估计人脸形状参数,从而得到准确的收敛结果,最终实现了人眼的精确定位。3、提出了一种基于两次多项式拟合的人眼注视点估计方法,首先利用第一次多项式拟合考察当注视点不变时,虹膜中心相对偏移与反射光斑坐标之间的函数关系；然后利用第二次多项式拟合考察当反射光斑的位置确定后,虹膜中心的相对偏移与注视点之间的映射关系。通过两次拟合实现了人眼注视点的有效估计。4、设计并搭建了一套基于红外光源的人眼视线估计系统,并提出了一种测量辅助光源在系统中相对位置的标定方法,为高精度的注视点估计提供了可靠的硬件环境。
论文目录
摘要Abstract第1章 引言1.1 眼动研究的背景与意义1.2 基于非图像处理方法的视线估计1.3 基于图像的视线估计方法1.4 本文的组织结构第2章 常用的线性特征提取方法2.1 主成分分析2.1.1 主成分分析的基本原理2.1.2 马氏距离2.1.3 完全二维主成分分析2.2 线性判别分析2.2.1 线性判别分析的基本原理2.2.2 加权线性判别分析2.3 独立成分分析2.4 实验结果与分析2.5 本章总结第3章 基于AdaBoost和粒子滤波的人脸检测3.1 人脸检测现状3.2 理解AdaBoost3.3 级联框架结构3.4 矩形特征3.4.1 Haar-like特征3.4.2 MB-LBP特征3.4.3 积分图3.5 复杂背景下的人脸检测3.5.1 基于矩形特征的人脸检测3.5.2 结合粒子滤波的人脸检测3.6 本章总结第4章 基于主动表观模型的人眼区域定位4.1 AAM模型的建立4.2 AAM模型匹配4.2.1 MVLR AAM Fitting4.2.2 ICIA AAM Fitting4.3 实验结果与分析4.3.1 利用AdaBoost和矩形特征的人眼定位4.3.2 基于AAM的人眼定位4.4 本章总结第5章 注视点特征参量的提取5.1 Harris算子5.2 Forstner算子5.3 虹膜边缘拟合5.3.1 Canny边缘检测算法5.3.2 普通光照条件下对虹膜外边缘的拟合5.3.2.1 基于Hough变换的椭圆拟合5.3.2.2 最小二乘椭圆拟合5.3.3 红外光照条件下对虹膜内边缘的拟合5.4 注视特征参量的选取第6章 视线估计方法6.1 基于单相机单光源的注视点估计6.2 基于多相机多光源的注视点估计6.2.1 相机标定6.2.2 辅助光源标定6.2.3 映射方法6.2.4 实验结果与分析6.3 本章总结第7章 总结与展望7.1 本文总结7.2 展望参考文献致谢个人简历攻读博士学位期间发表论文
相关论文文献
标签：注视点估计论文; 暗瞳论文; 人脸定位论文;
