基于嵌入式隐马尔科夫模型的人眼注视方向识别

本文提出一种基于EHMM模型的视线方向识别方法,利用2D-DCT变换提取眼动特征观察向量,采用EHMM(Embedded Hidden MarkovModel)模型训练眼动状态样本,得出判别视线方向的视线方向识别分类器。实验结果表明,EHMM相对于普尔钦斑点法、HMM等方法具有更高的可行性。

基于神经网络判定人眼注视方向

人眼追踪在人机交互领域非常重要,现有的方案大多依靠需要携带的设备。本文提出并实现了一种利用神经网络来判断目标人物是否在注视观察者(摄像头)的方案。首先,收集照片数据,然后进行阈值化、聚类等预处理以获得基本参数。其次,构建了以获得的基本参数为输入、分类结果为输出的单隐层神经网络,并将数据分成多个集合以训练和验证神经网络。最后使用收集到的839份脸部照片来评估,测试结果表明这是一种快速准确的算法。

基于参数提取的人眼注视方向的判别

提出了用神经网络来判别人眼注视方向的方法。该方法从人的面部图像中提取出 10个基本参数 ,并进行不同的运算 ,得出能代表注视方向的特征参数。建立神经网络模型对特征参数进行训练 ,并给出测试结果与分析。由于参数的提取和运算都采用基本的几何算法 ,神经网络的规模也很小 ,特征参数提取及判别过程速度快 ,判断结果准确率高 。