視線跟蹤系統(tǒng)中眼睛睜閉檢測(cè)算法研究

《視線跟蹤系統(tǒng)中眼睛睜閉檢測(cè)算法研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫(kù)。

1、第17卷第1期2012年2月電路與系統(tǒng)學(xué)報(bào)JOURNALOFCIRCUITSANDSYSTEMSVol.17No.1February，2012文章編號(hào)：1007-0249(2012)01-0017-07視線跟蹤系統(tǒng)中眼睛睜閉檢測(cè)算法研究*鄧宏平#，李斌，姚鵬，吳偉，王建宇，莊鎮(zhèn)泉（中國(guó)科學(xué)技術(shù)大學(xué)電子科學(xué)與技術(shù)系微軟教育部重點(diǎn)實(shí)驗(yàn)室，安徽合肥230027）摘要：眼睛睜閉檢測(cè)在視線跟蹤系統(tǒng)中具有重要意義。為提高檢測(cè)的準(zhǔn)確性，提出了一種基于Harris算子的檢測(cè)方法。該方法首先利用Harris算子計(jì)算圖像的角點(diǎn)量，然后搜索圖像中

2、角點(diǎn)量最大的位置，以該位置為中心，設(shè)置一個(gè)區(qū)域，統(tǒng)計(jì)該區(qū)域內(nèi)角點(diǎn)量總和占整幅圖像角點(diǎn)量總和的比例，通過(guò)將該比例與閾值相比較來(lái)確定眼睛的狀態(tài)。實(shí)驗(yàn)結(jié)果表明，本算法具有較高的魯棒性和準(zhǔn)確率，并能滿足實(shí)時(shí)性要求。關(guān)鍵詞：眼睛狀態(tài)檢測(cè)；Harris算子；角點(diǎn)量中圖分類號(hào)：TP751文獻(xiàn)標(biāo)識(shí)碼：A引言視線跟蹤技術(shù)是近年來(lái)興起的人機(jī)交互方式，通過(guò)分析由攝像頭獲取的眼部圖像，可以計(jì)算出人眼凝視的位置，進(jìn)而起到利用眼睛控制鼠標(biāo)的功能。視線跟蹤在軍事、殘疾人輔助、心理學(xué)研究和網(wǎng)頁(yè)分析等方向有著重要應(yīng)用。凝視點(diǎn)的位置，是通過(guò)眼部圖像中瞳孔中心的

3、位置，結(jié)合瞳孔圖像到場(chǎng)景圖像之間的映射矩陣計(jì)算出來(lái)的。瞳孔中心位置與凝視點(diǎn)位置之間存在一一對(duì)應(yīng)關(guān)系。因此，在視線跟蹤的過(guò)程中，能否實(shí)現(xiàn)瞳孔中心的準(zhǔn)確定位，將會(huì)直接決定人機(jī)交互的質(zhì)量?，F(xiàn)實(shí)生活中，人的眼睛會(huì)有隨機(jī)性的眨眼活動(dòng)，當(dāng)眼睛閉合時(shí)，系統(tǒng)將無(wú)法獲取瞳孔中心的準(zhǔn)確位置，因此也無(wú)法對(duì)凝視點(diǎn)位置進(jìn)行精確地定位。此時(shí)，就有可能造成視線跟蹤的中斷，無(wú)法完成正常的人機(jī)交互。另外，在視線跟蹤系統(tǒng)中，通常需要凝視某一對(duì)象一定時(shí)間，才實(shí)現(xiàn)鼠標(biāo)單擊。在此期間，如果出現(xiàn)眨眼情況，凝視點(diǎn)位置將會(huì)產(chǎn)生偏移，則有可能造成錯(cuò)誤的單擊。因此，必須能夠識(shí)

4、別出當(dāng)前幀中眼睛的狀態(tài)，才可避免此種情況的發(fā)生。對(duì)于閉眼的情形，可以將前一幀圖像的瞳孔中心位置作為當(dāng)前幀瞳孔中心位置，或者不作計(jì)算，從而不會(huì)影響系統(tǒng)的正常工作。當(dāng)前眼睛狀態(tài)檢測(cè)主要有以下幾個(gè)難題。第一，光照的影響。不同的視線跟蹤系統(tǒng)，采用的照明系統(tǒng)可能不同，如可見(jiàn)光、紅外光等，光源的位置也不盡相同，有前方、斜上方等。因此，采集到的眼部圖像的光照分布各有不同，即便同一幅圖像內(nèi)，不同區(qū)域的亮度也有較大差別，因此在對(duì)圖像進(jìn)行二值化等操作時(shí)，很難選取有效的閾值。第二，眼瞼和睫毛的干擾。眼瞼和睫毛具有很低的灰度。很多基于邊緣的算法會(huì)將

5、眼瞼和睫毛誤認(rèn)為是瞳孔邊緣，從而造成誤判。因此如何降低各種因素的干擾，是提高眼睛狀態(tài)檢測(cè)正確率的關(guān)鍵。目前常見(jiàn)的眼睛狀態(tài)檢測(cè)方法可以分為兩大類：基于圖像的方法[1~8]和基于學(xué)習(xí)的方法[9~15]?；趫D像的方法充分利用了睜眼和閉眼時(shí)，眼部特征的差異，如是否能檢測(cè)到虹膜邊緣，眼瞼的方向是否相同，上下眼瞼的距離等。這類方法的優(yōu)點(diǎn)是算法比較容易實(shí)現(xiàn)，速度也較快，但容易受到眼瞼、睫毛和鏡面反光等干擾，準(zhǔn)確率不高?；趯W(xué)習(xí)的方法把眼睛狀態(tài)的檢測(cè)當(dāng)作一種分類問(wèn)題來(lái)處理，通過(guò)提取特征，利用分類器進(jìn)行學(xué)習(xí)，根據(jù)學(xué)習(xí)結(jié)果實(shí)現(xiàn)眼睛狀態(tài)的檢測(cè)。

6、這類方法需要選擇有效的特征，并選擇大量的樣本進(jìn)行訓(xùn)練，才能得到比較理想的分類器。文獻(xiàn)[1~3]首先提取眼部圖像的輪廓，然后通過(guò)Hough變換檢測(cè)虹膜邊緣。Hough變換輪流對(duì)圖像中的所有邊緣點(diǎn)進(jìn)行擬合，然后在參數(shù)空間中尋找最優(yōu)的圓形作為虹膜的邊緣。圖像中邊緣點(diǎn)的數(shù)量1*收稿日期：2010-04-23修訂日期：2010-05-29基金項(xiàng)目：獲得國(guó)家自然科學(xué)基金廣東聯(lián)合基金資助（U0835002）；國(guó)家自然科學(xué)基金資助項(xiàng)目（60902062）#通信作者：E-mail：denghp@mail.ustc.edu.cn決定了算法的速度

7、。在提取邊緣的過(guò)程中，眼瞼和睫毛的邊緣很難完全濾除，容易被誤認(rèn)為是虹膜邊緣，從而降低了算法的準(zhǔn)確率和速度。此外，Hough變換需要預(yù)先估計(jì)瞳孔半徑，但在實(shí)際跟蹤過(guò)程中，瞳孔會(huì)受光照等因素的影響而發(fā)生顯著的變化，很難準(zhǔn)確地估計(jì)其大小，這也增加了Hough變換的難度。此外，Hough變換只能用來(lái)檢測(cè)圓形瞳孔，當(dāng)眼睛轉(zhuǎn)動(dòng)較大時(shí)，攝像機(jī)平面與眼球平面出現(xiàn)較大交角，瞳孔邊緣就會(huì)呈現(xiàn)出橢圓形狀，此時(shí)，Hough變換將失效。文獻(xiàn)[4]中介紹了兩種方法：一種是先對(duì)眼部圖像進(jìn)行二值化，然后利用水平投影曲線進(jìn)行判斷；另一種方法是先提取眼部圖像的

8、邊緣，然后利用水平投影曲線進(jìn)行判斷。這兩種方法雖然速度較快，但二值化過(guò)程容易受到光照的影響，邊緣的求取又容易受到睫毛以及眼瞼方向等因素的影響，因此水平投影曲線并不能正確地反應(yīng)眼睛的睜閉狀態(tài)。例如，當(dāng)眼瞼發(fā)生較大傾斜時(shí)，睜眼與閉眼情況下得到的投影曲線，幾乎沒(méi)有太大差別。該方法也失去了意義。文