人眼对标定界面的注视效果研究

通过眼动跟踪实现精确瞄准注视目标,将成为无人武器的重要操控方式.标定是眼动跟踪的重要环节,受人眼观察及眼动生理特性影响,不同的标定界面会使人眼产生不同的注视效果.通过改变标定界面的背景及标定点的颜色、形状、大小等要素,采用最小二乘回归的方法建立视线估计映射模型进行标定,进行5×5均匀分布25点注视测试,对比分析设计的27组标定界面的注视准确度和精密度,选出最佳标定界面,以此研究人眼对标定界面的注视效果.实验结果表明:27组标定界面中1号界面的注视准确度最好（0.69°±0.43°）,24号界面的注视精密度最好（0.27°±0.083°）;以注视准确度为主、兼顾精密度的准则,1号标定界面为最佳标定界面.      

一种基于标准混合高斯模型的快速人脸检测方法

针对室内移动机器人运动过程提出一种快速而稳定的人脸检测方法.由于室内存在多种物体,背景不断变化,且光照条件可能不断变化,提出采用人脸肤色的标准混合高斯模型与人眼特征相结合的人脸检测法,无需对原始图像进行尺度变换.检测过程首先将经过补光处理及光线增强的人脸库转换到YCbCr空间,求其非线性变换空间YC'bC'r,求出左右脸标准正态密度函数及混合高斯分布;然后根据人眼颜色特征,分别对人脸肤色候选区域进行人眼候选区域提取,利用人眼Gabor模板的不变Hu矩与人眼候选区域的相关性,找出人眼拟合矩形区域,再综合利用人眼与人脸的特征关系以及人脸候选区域的投影关系检测出人脸区域.大量实验表明,新方法速度快,适应性较好,并可扩展检测到侧面人脸.     

基于可见光源与独立成分分析法的实时人眼检测系统

提出一种基于特征与外貌混合检测确定人眼区域的实时人眼检测方法. 首先,依据可见光源在人眼角膜上反射形成耀点特性,通过图像处理算法提取潜在耀点位置,利用人眼几何特征的确定可能人眼候补区域;然后,提取人眼数据库中具有不同外貌特征的200幅人眼图像,采用FastICA算法估计出提取人眼图像的有效成分分析(ICA)基向量;最后,通过计算人眼候选区域在基向量上投影角度判断出左、右人眼区域准确位置. 实验结果表明,在人脸面部旋转、佩戴眼镜、大范围头部运动和不同光照强度下,实时人眼检测具有较高的检测正确率和较好的鲁棒性.      

基于视觉的疲劳驾驶检测算法

在疲劳驾驶检测中,眉毛、眼睛等相似物体常常会引起误判。为了减小误检率,文章提出了一种基于扩展Haar-like特征的AdaBoost算法,并将其应用于对人眼的准确检测中。通过近红外摄像头获取驾驶员的脸部图像,减少光线对检测方法的影响;利用AdaBoost算法直接检测睁眼区域;计算连续闭眼的帧数占总帧数的比值,判定驾驶员的疲劳状态。在白天、夜晚以及光线突变的条件下测试的结果表明,该方法准确率较高,并且在光照和人脸角度变化的条件下,能准确地定位人眼区域,对其进行疲劳检测。     

分散矩形特征结合软级联的人眼检测研究

采用优化的分散矩形特征结合软级联进行了人眼检测研究,针对分散矩形特征会造成特征数量暴增的问题,给出了一种优化解决方案;针对级联分类器训练过程中训练难度不断加大的问题,提出了一种按指数规律调整每层的最小检出率和最大误检率的方法 .优化后训练所需时间缩短为优化前的1/3,改进后分类器性能相比原始特征有所提高.人眼检测实验结果表明：该分类器具有更好的分类能力.     

基于流量状态特性的网络异常流量检测模型研究

提出了一种网络流量异常状态统计模型--混合二次网络状态G(X2,DKS,DKKS,DAKS)模型.该模型从动态性原则以及降低误检率和漏检率思想出发,改进原有统计模型,建立了可以动态设定描述网络流量状态参数的加权统计模型.基于混合二次网络状态模型G(X2,DKS,DKKS,DAKS)的入侵检测系统进一步证明了该模型可以更大程度上提高异常检测性能,降低其误检率和漏检率.     

基于感兴趣区域AdaBoost分类器的视频车辆检测研究

近年来基于视频的车辆自动检测作为城市智能交通系统的一项重要技术一直受到关注.针对AdaBoost分类器目标检测所存在的漏检、误检和计算量过大等问题,提出一种基于混合高斯模型运动区域提取和Haar-like特征的AdaBoost级联分类器的交通视频车辆检测算法,首先通过建立混合高斯模型对运动目标的总体区域进行检测,进而提取基于车辆运动的感兴趣区域,再对其进行基于Haar-like特征的区域AdaBoost级联分类,实现对运动车辆的检测.由于采用了基于运动区域提取和分类相结合的检测模式,通过混合高斯背景模型较准确的提取出ROI作为车辆的候选区域,约束了每帧的搜索区域,使AdaBoost分类器的目标检测更具针对性,提高了检测的准确性,降低了漏检率;同时也减少了分类算法滑动窗口扫描所需要的时间,提高了检测速度.实验结果验证了所提出算法对复杂交通环境车辆检测的适应性和有效性.     

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%.      

改进AdaBoost与SVM快速人脸检测

使用Ada Boost进行人脸检测,存在训练时间长以及误检率高的问题.本文提出了一种新的快速人脸检测方法.首先通过对类Haar特征约束,提高人脸特征选取的有效性,减少整体特征数;然后利用基于梯度方向直方图HOG特征的支持向量机SVM算法对改进后的Ada Boost算法出现的高误检率进行检测优化,以降低误检率,提高检测的准确度.实验结果表明,本文提出的Ada Boost改进算法可以有效地缩短训练和检测时间,结合SVM优化实验可以大大降低误检率,提高人脸检测的正检率,实现快速高效的人脸检测.     

杂乱背景和遮挡环境下基于联合框架的人眼检测与跟踪方法

针对人眼检测与跟踪中背景和遮挡的问题,提出一种联合分级方法,该方法由人眼检测部分和人眼跟踪部分组成.人眼检测部分,首先使用Adaboost人脸检测方法在整个图像中寻找人脸,然后利用提出的人眼滤波器对人眼进行滤波检测.人眼跟踪部分由3个元素组成,即金字塔光流跟踪器、基于压缩传感的在线训练的目标分类器和融合器,其中光流金字塔用于应对目标形变,在线训练的分类器可以处理遮挡和目标消失,而融合器是将跟踪器和分类器获取的位置进行合并,并输出最终的决策.仿真实验结果验证了本文方法的有效性,与基于外观的方法和混合方法相比,本文方法取得了更高的精度,至少提高了7.2%,而且处理视频的帧率达到30fps,满足实时性要求.     

视线追踪系统中基于黎曼几何的落点补偿方法研究

针对非接触式视线跟踪系统中注视点估计算法鲁棒性差的问题,对单相机双光源的视线追踪系统进行了改进.在空间相似三角形注视点估计算法的基础上,提出一种基于黎曼几何的视线落点补偿方法.在眼球模型结构的基础上分析了眼球角膜曲面对视线落点偏差的影响.根据人类眼球生理特点,在黎曼几何中对眼球曲面结构进行建模,提出以最短测地线长度为边长构造平面三角形,以补偿欧式几何中直线距离造成的视线落点的误差.利用非线性多项式模型对眼球视轴和光轴之间的偏差进行拟合,得到最终的视线落点.实验证明,该方法在水平和垂直方向上最大误差均小于1 cm,对视线落点补偿具有显著效果.     

视线追踪系统中注视点估计算法研究

针对非接触式视线跟踪系统中注视点估计算法鲁棒性差的问题,提出一种基于角度映射的注视点估计算法。首先,根据人眼特性及视觉成像原理,瞳孔中心相对于角膜反射光斑的位置与注视点相对于红外光源的位置之间具有一定的角度映射关系,据此估计出注视点近似位置。然后,在眼球模型结构的基础上分析了眼球角膜曲面对注视点造成的偏差,通过弧长对误差进行补偿。最后,利用非线性多项式模型对眼球视轴和光轴之间的偏差进行拟合,得到最终的视线落点。实验证明,该系统具有较高的精度和自由度,在水平和垂直方向上最大误差均小于1 cm。     

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。     

一种视频中基于检测的快速人脸跟踪方法

针对背景复杂多变的视频人脸实时跟踪问题,从检测率、漏检率与错检率3个指标出发,通过改进样本选取的方式对训练样本的比例进行优化,得到一种快速人脸检测方法.在对卡尔曼的初始状态进行选取后,运用具有通过调整参数就能对被跟踪的人脸区域进行放大或者缩小功能的卡尔曼滤波方法来选取候选人脸区域,从而减少搜索时间,提高脸部区域检测速度...     

林火监测中基于视觉的火焰检测方法

基于计算机视觉的火灾监测系统中对火焰的早期检测是防止森林火灾蔓延的关键。提出一种基于运动检测和像素颜色特征相结合的新的火焰检测方法。首先根据图像序列建立背景模型,突出显示运动部分;并采用邻域平均方法对目标和噪声进行分离。其次基于边缘特性,获取序列图像的边缘变化情况,将两者融合得到感兴趣(ROI)区域。最后,将亮度与饱和度分离,产生火焰的有效颜色空间。通过对火焰像素亮度(I)分量区域与饱和度(S)分量区域进行相关性分析来确定火焰。实验结果显示,方法具有良好的快速性,在较短的检测时间下,可以保证较高的检测率和较低的误检率,对火焰序列图像的检测率达到91.78%,对伪火焰图像的误检率达到7.11%。     

一种视频中基于检测的快速人脸跟踪方法

针对背景复杂多变的视频人脸实时跟踪问题,从检测率、漏检率与错检率3个指标出发,通过改进样本选取的方式对训练样本的比例进行优化,得到一种快速人脸检测方法。在对卡尔曼的初始状态进行选取后,运用具有通过调整参数就能对被跟踪的人脸区域进行放大或者缩小功能的卡尔曼滤波方法来选取候选人脸区域,从而减少搜索时间,提高脸部区域检测速度,使基于检测的跟踪能得以实现。通过对2段视频中的人脸进行有效跟踪实验,验证了该方法的可行性。     

一种用于综合电脑验光仪的快速人眼识别算法

针对嵌入式系统中所采用的Hough和随机Hough变换方法来确定人眼位置的方法存在的运算量较大问题,结合综合电脑验光仪所采集图像的特点,本文提出了一种对硬件系统要求较低,且识别速度较快,同时可以保证精度的识别定位人眼瞳孔定位方法。该方法通过获取图像中对象的轮廓,寻找连通区域与边界,然后根据圆度与设定阈值的比值的大小来识别人眼瞳孔并定位其中心位置实现自动跟踪。结果表明该方法可以准确确定人眼位置实现自动跟踪,且运算复杂度较低,运算速度相比于传统Hough变换算法有较大提升,可降低硬件成本。     

基于数理形态学的近红外光图像实时人脸检测

该新型算法首先使用基于Harr特征和Adaboost算法的人脸检测方法寻找人脸候选区域,并对候选区域进行归一化处理;然后利用人眼瞳孔在近红外光图像中会生成白色光斑的特点,使用基于数理形态学的Quoit滤波器精确定位眼睛.为了减小不同瞳孔大小带来的影响,使用了多尺度的Quoit滤波器以提高准确性.实验表明,这种方法不仅准确性高而且速度快,达到了实时人脸检测的要求.