一种主从摄像瞳孔实时精确检测系统

针对瞳孔实时精确检测,提出了一种主从摄像机随动跟踪人眼图像捕获系统用于捕获人眼图像.主摄像机用于定位人脸,从摄像机在云台控制下实时跟踪人眼区域并采集高分辨率人眼图像.为了提高系统的动态性能,针对来自主摄像机分辨率1280×960的人脸图像,采用了一种AdaBoost人脸检测与MOSSE目标跟踪的融合算法,实现了60 fps的人脸快速定位.采用语义分割网络对来自从摄像机的人眼图像进行瞳孔粗定位得到瞳孔感兴趣区域,对瞳孔感兴趣区域采用椭圆拟合算法进行瞳孔精检测.实验结果表明所提出的检测系统及方法可以实现18 fps的瞳孔检测,瞳孔图像有效像素可达2 500以上,检测重复性可达±1.06%.      

基于对称变换的瞳孔定位方法

为解决瞳孔检测中眼镜反光、眼帘遮盖、闭眼等问题,提出了一种基于改进对称变换的
瞳孔定位方法。根据人脸的梯度信息、人眼瞳孔区域与眼镜反光区域梯度方向不同的现象,
改进对称变换算法,以提高定位准确性,采用自评估算法对定位进行评估,并利用自采
集的图像和图库中的图像进行了实验。结果表明,改进的对称变换算法能对瞳孔进行精确定位。     

基于瞳孔直径的交通冲突量化方法

通过进行交通冲突数据、照度数据与驾驶人瞳孔直径数据的统计分析,明确了瞳孔直径随照度的变化而变化,并发现冲突严重程度与瞳孔直径变化趋势的一致性.提出了以瞳孔直径为量化指标,并可根据照度瞳孔直径模型进行瞳孔直径数据补偿的交通冲突量化方法.使用实车试验数据对基于瞳孔直径的交通冲突量化方法进行验证,结果表明:驾驶人对交通冲突严重程度评分以及交通冲突量化所得q值均随车速的提高而增大,且随着车速的提高,增大的幅度递减;证明了所提交通冲突量化方法的量化结果与驾驶人主观评分具有高度一致性,可为基于驾驶人认知进行交通安全评价提供途径.     

改进PF算法对红外图像中瞳孔的跟踪

提出一种基于粒子滤波的红外目标跟踪的新算法. 用该算法对采样粒子进行优化,改进了重采样环节,在不影响跟踪准确率的条件下,提高了算法的速度. 实验结果表明,将此算法运用到瞳孔跟踪中,跟踪比较准确有效. 同时,将Hough变换应用到了瞳孔边缘的定位领域中,此算法有效改进了红外图像中眼睛瞳孔的跟踪效果.     

改进的主动形状模型方法在人脸特征点定位中的应用

针对主动形状模型(ASM)已成功应用于人脸特征点定位提出了两点改进方法.其一,首先用Adaboost方法在图像中检测到人脸区域,然后在人脸区域中检测到瞳孔的位置,为ASM中的点分布模型粗略地定位好初始位置;其二,将原始ASM方法中的关键点的1D纹理模型改进为基于核概率密度估计模型的2D纹理模型.改进的方法在SJTU人脸数据库中进行验证,结果表明,改进的ASM方法提高了特征点定位的精度.     

情绪变化对瞳孔大小的影响

通过对12名志愿者在平静状态以及进行刺激游戏后的眼睛进行拍照,然后使用Photoshop软件对瞳孔直径大小进行提取,并且运用统计学中t检验的方法对其进行分析,本论文得到了不同情绪与瞳孔大小间的关系。实验结果显示,外界刺激所引起的情绪变化能够引起瞳孔大小的改变。实验结论是瞳孔可以作为反映人体情绪变化的指标,在医学上进行相关检测。     

虹膜识别技术中瞳孔特征参数分析

以椭圆形来定义瞳孔,提出了一种计算瞳孔特征参数的方法.用椭圆上的两对点确定椭圆的中心、旋转角度、长半轴、短半轴等参数.实验表明,该方法速度快,检测性能好,可以通过非连续的边缘确定椭圆的参数.最后,比较了该算法确定的椭圆形瞳孔边缘与其它边缘检测算法得到的瞳孔边缘.     

用于瞳孔序列图像分析的实时轮廓检测和参数提取

本文介绍一种医用图像分析系统．该系统连续获取瞳孔图像,根据对图像序列的某些先验知识自动确定门限．在此基础上进行快速边缘检测,并自动修补缺损的目标轮廓．在判定所得轮廓有效后计算目标面积．若数据无效则自动重新采样．序列图像观测结束后对间隔不均匀的数据进行内插校正．系统所提供的分析结果可用于临床和医学研究     

基于机器视觉的人眼瞳孔定位研究

人体生物特征识别技术作为一种智能的人机交互技术,越来越受人们重视。人脸识别和瞳孔定位在视频监控系统和门禁系统中有着广泛的运用。本文所研发的人眼瞳孔定位检测系统采用Adaboost算法,分别检测获得了人脸、眼睛,并通过检测眼睛区域连通体面积来判别眼睛的睁闭,并定位瞳孔位置。     

基于聚类算法的车道线检测方法

针对不确定的外部环境易对现有的快速路车道线检测算法造成干扰并导致误检的问题,提出了一种基于改进的霍夫变换的车道线检测方法.首先对图像进行滤波、边缘识别、二值化的预处理.预处理后,以行为单位提取包含车道线边缘的特征点.对特征点按照欧氏距离组合,在纵向上将特征点建立联系.算法优点在于采用聚类算法将特征点组合,剔除孤立的特征点、明确检测目标、减少错误特征点的干扰和霍夫变换的计算量,提高计算的实时性和正确率.通过约4 000帧不同时间段和外部环境的车道图片对算法进行检验.结果表明:检测方法能很好地实现多种环境下的车道线检测,晴好天气正确率为99.18%,不良天气正确率为97.45%.     

Three-phase Pupil Localization Method in Non-ideal Eye Images

Pupil localization is a very important preprocessing step in many reel applications. Accurate and robust pupil localization in non-ideal eye images is a challenging task. A detailed method of pupil localization in non-ideal eye images is proposed. This method is implemented in three main phases： first, segment the rough pupil region based on Gaussian Mixture Model： then modify the rough segmentation result using morphological method to minimize the influence of some disturbing factors; last estimate the pupil parameters based on minimizing the least square error. The proposed method is first tested on CASIA iris image dataset, and then on our self-captured iris dataset which contains a wider variety of iris images. Experiments show that the proposed method can perform well for nonideal eye images of various qualities.     

一种眼动测量的图像分析方法

提出一种用于鸟类视觉行为学实验的眼动测量的图像分析方法.采用基于遗传算法的多级灰度值聚类法分割普通CCD捕捉的视频图像,用区域生长法标记连通域粗略定位瞳孔区域,并利用瞳孔的近似圆形的几何特性修补光源反射影像形成的孔洞.在此基础上进行边缘检测,利用边缘像素的灰度分布特点修正瞳孔轮廓,采用重心法定位瞳孔中心.用该方法对实验环境照度下捕捉的图像和红外光源辅助照明的图像进行了分析,并与主动轮廓线方法对比.实验结果表明,该方法对眼睛特征的先验知识依赖程度低,抗噪声能力强,瞳孔中心定位精确.     

基于KINECT的人眼视线方向估测方法研究

提出一种基于KINECT的视线方向估测方法,通过KINECT获取人脸图像数据及人脸网格信息,检测和消除人眼区域的光斑,进而利用人眼灰度分布特点对瞳孔进行粗定位得到瞳孔中心;通过计算眼睛参考点与瞳孔中心形成的距离和其连线与坐标轴形成的角度关系对视线方向进行分类处理,完成视线方向的估测。实验结果表明所提出的方法在低分率的图像条件下能准确地估测出人眼视线方向。     

大视场下瞳孔图像的自动聚焦算法

由于视线追踪系统对捕获的瞳孔图像的质量要求很高，而这对瞳孔的精确聚焦又非常重要，为此，首次提出了一种在大视场及光圈、焦距未确定条件下的自动聚焦算法．依据图像灰度信息控制光圈，依据图像中光斑信息调整焦距并实现眼睛定位，使用FSWM算子实现自动聚焦．系统能够在不同光强条件及大小视场情况下实现自动聚焦．实验表明，在不同光照条件及用户不同使用位置的情况下，通过自适应调节，可获得清晰的瞳孔图像．     

基于轻量化网络的眼部特征分割方法

针对高分辨率眼部图像的瞳孔、虹膜特征快速识别与检测问题,提出了一种轻量化语义分割网络DIA-UNet （double input attention UNet）.它采用对称双编码结构同步获取眼部灰度图及其轮廓图特征,并通过双注意力机制实现了解码端的特征筛选,将深层融合特征作为语义分割输出.在CASIA-Iris-Interval和高分辨率瞳孔数据集上测试结果表明,与其他轻量化语义分割网络相比,本文提出的DIA-UNet在保证虹膜、瞳孔分割准确率的同时网络参数个数仅有0.076 Million,处理速度高达123.5 FPS.      

一种非接触式实时视线追踪系统的设计

为方便残疾人和老年人使用计算机进行信息交互,设计了一种非接触式低成本视线追踪系统.系统设计了一种双环形红外光源,通过交替照射用户脸部,用单CCD摄像机得到"亮瞳"和"暗瞳"的相邻两帧图像.将这两帧图像做差得到瞳孔的位置,使用椭圆拟合方式求得瞳孔中心,加之在"暗瞳"图像上得到的普洱钦斑中心,从而确定了局部视线的盯视方向.基于人类视线移动的特点,提出了使用神经网络和卡尔曼滤波相结合的方法进行瞳孔跟踪,最后给出了视线映射模型和校准方式.