1 天津大学精密测试技术及仪器国家重点实验室, 天津 300072
2 天津大学微光机电系统技术教育部重点实验室, 天津 300072
针对目前人眼视线跟踪的人机交互技术尚不成熟的现状,提出了一种基于立体视觉的瞳孔空间形态的桌面式双目视线跟踪方法。根据低灰度值分布初步定位瞳孔中心;利用瞳孔区域径向导数极坐标图提取瞳孔边缘点坐标,并使用随机样本一致性(RANSAC)对瞳孔边缘进行椭圆拟合;采用定向二进制简单描述符(Oriented brief,ORB)算法配准双目瞳孔边缘点坐标;通过双目立体视觉模型计算得到瞳孔边缘空间点坐标,最后采用最小二乘法计算瞳孔空间形态并解算出视线方向。实验结果表明,瞳孔中心定位速度达300 frame/s,双眼视线跟踪速度达15 frame/s,视线跟踪最大误差为2.6°。本方法具有较好的准确性、稳健性、实时性,可应用于人眼视线跟踪的人机交互领域中。
机器视觉 双目立体视觉 视线跟踪 瞳孔定位 最小二乘法 激光与光电子学进展
2019, 56(2): 023301
瞳孔定位的精确度很大程度取决于图片质量, 但实际应用中通常要在低质量图片下进行瞳孔定位。我们的目标是在图片质量不佳的情况下进行精确的瞳孔中心定位。对于这个目标, 本文提出一种基于改进SIFT特征和SVM分类器的瞳孔中心初始定位方法, 并通过一个大小可变的修正矩形框得到最终瞳孔中心位置。实验结果表明, 相比于其他国内外先进方法, 本文的方法可以在低质量(光照不均、表情变化等)图片上拥有更高的瞳孔定位精度, 定位结果在瞳孔区域内的精度为87.32%。
瞳孔定位 分类器 SIFT特征 修正矩形框 pupil center localization classification SIFT feature correction rectangular block