基于人眼鼻孔特征的眼动跟踪方法-论文.pdf

《基于人眼鼻孔特征的眼动跟踪方法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、《工业控制计算机}2011年第24卷第10期61基于人眼鼻孔特征的眼动跟踪方法EyeTrackingMethodBasedonHumanPupilandNostrilFeatures周涛吴雅萱(浙江理工大学信息电子学院信号与信息处理专业，浙江杭州310018)摘要提出了一种基于],JIL鼻孔特征跟踪眼动的算法。首先利用Adaboost的层叠式分类器定位人脸、眼睛和鼻子；然后采用梯度Hough变换检测圆的方法精确定位瞳孔虹膜；最后利用几何方法建立椭圆跟踪模型，实现瞳孔的快速跟踪。实验结果表明，该方法定位眼睛嘴角快速

2、准确，同时对眼睛的跟踪具有较好的鲁棒性和实时性。关键词：Adaboost算法，瞳孔定位，眼动跟踪，几何模型AbstractAmethodforeyetrackingbasedonhumanpupilandnostrilfeaturesisproposed．First，Adaboostalgorithmisappliedtocomposeacascadingdetectortolocatehumanface．eyesandnose；thenusedgradientHoughTransformationforcirc

3、lede—tectiontolocatethepupilandirisaccurately；finalyageometricalmodelisconstructedtorealizethepupilfasttrackingTheexperimentalresultsshowthatthemethodoftheeyepupilandnostrillocatingarefastandprecise．Keywords：Adaboostalgorithm，pupillocation，eyetracing，geometri

4、calmodel眼动追踪(eyetracking)是指利用眼球转动时相对位置不训练得到分类器后，首先利用人脸分类器从图像中提取人脸，然变的某些眼部结构和特征作为参照，跟踪眼球的运动获取眼睛后利用眼睛分类器在人脸上半部分进行检测，高度为人脸上半的睁闭、眼球注视的方向、注视的时间以及注视点的移动轨迹。区域的1／2，用鼻子分类器在人脸区域的1／2以下区域进行检本文根据眼睛与鼻孑L的特征提出了一种有效地眼动跟踪方法。测，获得它们所在的矩形区域，检测的效果如图1、图2所示。其基本思路是在采集视频中定位眼睛和鼻子后，抓住从上

5、而下鼻孔清晰的特点，将鼻孔作为参照点，记录左右瞳孔中心的相对运动。本文工作主要体现在以下几个方面：①利用AdaBoost算法构建层叠式眼睛和鼻子分类器进行眼睛和鼻子检测，提高检测的准确率；②利用梯度Hough变换在人眼区域提取虹膜轮廓和瞳孔中心位置，为后续的跟踪眼睛打下基础；③利用几何方法建立跟踪模型，实现眼球的快速跟踪。1人脸检测与眼睛鼻子定位图1眼睛检测结果20O1年Viold等人在AdaBoost算法的基础上，通过引入Haar特征原型和积分图像法，设计了层叠式人脸分类器。此算法的基本思想是将大量弱分类器通过

6、一定方法级联起来构成一个分类能力较强的分类器，其能够对性能差的弱分类器给以较低权重，而对弱分类器中分类性能好的弱分类器给以较高权重，通过循环自动挑选出若干关键分类器，达到较好的分类效果。一个弱分类器表示如公式(1)所示1'PfJ

7、关系，因此选择一个弱分类器就相当于选择一个特征。假定眼睛是以瞳孔为中心，以虹膜为外周的一个圆。Hough变较为复杂的强分类器是由若干个弱分类器线性组合而成，换圆检测的方法即把图像平面的点根据圆的函数关系式映射到而层叠式分类器则有多个强分类器组成，这种分类器具有通用参数空间，然后找出最大凝视点作为圆心以及对应的半径。之前性，可以根据样本的不同得到各种物体分类器，如眼睛分类器，的方法_6是根据圆方程(x—a)2+(y—b)=r建立一个三维数组A鼻子，嘴巴分类器等。通常层叠式分类器的每一层强分类器都是(a，b，r)，对

8、图像做边缘检测，对于边缘上的每个点，将图像上的根据Adaboost算法训练得到，通过每一层筛选，最后一层得到每个像素作为候选圆心(a，b)，算出半径r，同时在A(a，b，r)上理想的样本。通过这种方法，达到快速地样本检测。在训练人脸累加1，最后进行类似“投票”，A中得票最多的三个参数即为该分类器时，采用的500个人脸样本取自BiolD和AR人脸库，通边界的最佳参数方程。设