基于样本扩充和改进Lasso回归的视线估计

为了利用眼部特征进行准确的视线估计,提出了一种基于样本扩充和改进Lasso回归的方法,建立眼部特征与视线之间的映射关系.通过对小样本评分得到优质样本,进而完成样本扩充,利用改进的Lasso回归得到准确的视线估计模型.该方法对标定过程中的眨眼等干扰具有鲁棒性,受干扰后仍可保持相对较高的视线估计准确度.实验结果表明:标定过程无干扰,该方法视线估计准确度比传统方法提高11.25%;标定数据加入6.67%异常数据,该方法视线估计准确度比传统方法提高22.62%.     

牙齿的非各向同性、梯度分布和类金属性力学行为

为了研究牙齿力学性能对其持久咀嚼功能的影响, 借助仪器化纳米压入技术测定了牙齿力学性能的空间分布. 结果发现, 牙釉质的弹性模量和硬度, 不仅表现为非各向同性, 而且呈梯度分布. 与扫描电子显微镜的观察相对比, 这些性能与牙齿的微观结构及其分布特征相关. 尤其是从硬度和折合模量之比与压入弹性功与总功之比两方面来看, 牙釉质和牙本质都表现出类似金属的行为, 而不是传统上认为的类似陶瓷. 牙齿的这些力学性能对其持久咀嚼功能起着关键性的作用     

瞳孔检测的图像裁剪与异常瞳孔排除

为获取眼部特征进行视线跟踪,提出了一种具有较高实时性和正确率的瞳孔检测方法.使用模板匹配定位眼睛在图像中位置,裁剪边缘冗余图像,降低瞳孔检测计算量,从而提高实时性;利用瞳孔的形状、颜色等特征以及眼球运动规律,得到瞳孔在图像中分布规律,对错误的瞳孔信息进行排除,从而提高瞳孔检测正确率.实验结果表明,在NVIDIA Jetson TX2嵌入式计算机上,该瞳孔检测方法检测正确率达到95.06%,检测速率为95 fps,耗时平均减少55.33%,具有良好的实用性.      

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.