基于梯度方向约束的瞳孔定位算法研究

针对传统的随机圆检测(RCD)瞳孔定位算法存在无效采样的次数过多和边缘点无效计算,导致瞳孔定位精度低、计算时间长等问题,提出了一种基于梯度方向约束的随机圆检测(GRCD)瞳孔定位算法,该算法首先利用自适应boost算法(Adaboost)人脸检测算法和三庭五眼法对人眼进行粗定位,然后利用Canny算法提取人眼区域轮廓。接着,对人眼区域轮廓采用GRCD算法获得人的眼球中心坐标,即瞳孔位置。最后,在同等条件下,通过MATLAB仿真实验对GRCD和RCD算法分别进行检测,实验结果表明,GRCD算法在准确率、检验速率、鲁棒性上都优于RCD算法,因此该算法是精确度高,耗费时间短,鲁棒性强的瞳孔定位算法。

基于图像处理方法的人眼动姿态识别技术的研究

传统的获得人眼动姿态技术一般需要利用机械装置或是电极、镜片等直接与眼睛接触,给被试者的眼睛带来不适,具有很大的局限性。提出了基于图像处理方法的人眼动姿态识别技术。首先利用摄像机拍摄人脸图片,再利用水平差分和改进的垂直积分投影实现了人眼位置粗定位。在此基础上,采用了Harris角点检测方法寻找内外眼角,并提出基于Susan模板的差分极大值角点筛选方法来筛选出最佳内外眼角,最后提出了一种基于眼球低灰度值特征的分析方法确定眼球左右移动的姿态。提出的人眼动姿态识别技术具有定位准确率高、速度快、对人眼无伤害等优点,为人眼动姿态识别技术的应用提供了新的途径。