视线追踪系统头动状态下的视线落点补偿方法

头部位置变化的视线估计问题是视线追踪技术中的难点。基于单摄像机无光源视线追踪系统,提出了一种在平移头动的视点估计补偿方法,包括头部深度平移和头部平面平移的补偿方法。首先分析了平移头对视线落点产生偏差的原因,提出利用深度系数和平面移动比例系数对视线落点进行补偿,然后根据投影变换约束计算虹膜中心的空间三维坐标,接下来根据虹膜中心的移动距离对屏幕上的视线落点进一步补偿,得到最终的视线落点。试验证明了本文方法对平移头动下的视线落点补偿具有显著效果。

基于视线水平偏移特征的眼动向量计算方法

视线追踪是一种人机交互技术,在学术界和工业界倍受关注。针对基于多项式回归的非侵入式系统注视点的精度平均误差较大的问题,提出一种基于视线水平偏移特征的眼动向量计算方法。该方法在准确提取人脸图像上虹膜中心和内眼角坐标的基础上,以内眼角坐标为基准点计算虹膜中心相对于内眼角坐标的偏移量,再通过偏移量计算水平眼动向量的权值,然后利用权值对左右眼的水平眼动向量分别加权合成新的水平眼动向量。采用哥伦比亚注视数据集的20名受试人员头部水平角度为0°的数据,在4个回归模型上对该方法进行实验验证。结果表明,与双眼平均眼动向量计算方法相比,该方法能进一步减小注视点水平视角误差、提升系统精度。

使用人眼几何特征的视线追踪方法

目的视线追踪是人机交互的辅助系统,针对传统的虹膜定位方法误判率高且耗时较长的问题,本文提出了一种基于人眼几何特征的视线追踪方法,以提高在2维环境下视线追踪的准确率。方法首先通过人脸定位算法定位人脸位置,使用人脸特征点检测的特征点定位眼角点位置,通过眼角点计算出人眼的位置。直接使用虹膜中心定位算法的耗时较长,为了使虹膜中心定位的速度加快,先利用虹膜图片建立虹膜模板,然后利用虹膜模板检测出虹膜区域的位置,通过虹膜中心精定位算法定位虹膜中心的位置,最后提取出眼角点、虹膜中心点等信息,对点中包含的角度信息、距离信息进行提取,组合成眼动向量特征。使用神经网络模型进行分类,建立注视点映射关系,实现视线的追踪。通过图像的预处理对图像进行增强,之后提取到了相对的虹膜中心。提取到需要的特征点,建立相对稳定的几何特征代表眼动特征。结果在普通的实验光照环境中,头部姿态固定的情况下,识别率最高达到98.9%,平均识别率达到95.74%。而当头部姿态在限制区域内发生变化时,仍能保持较高的识别率,平均识别率达到了90%以上。通过实验分析发现,在头部变化的限制区域内,本文方法具有良好的鲁棒性。结论本文提出使用模板匹配与虹膜精定位相结合的方法来快速定位虹膜中心,利用神经网络来对视线落点进行映射,计算视线落点区域,实验证明本文方法具有较高的精度。