实时人眼跟踪与眨眼检测

摘要

计算机视觉从上世纪70年代以来一直处于飞速发展之中，特别是进入21世纪以后，由于计算机性能的不断提升，和数字图像获取的廉价化，这一领域的发展尤为迅速。在计算机视觉领域中，人眼的跟踪和眨眼检测一直是受研究者广泛关注的研究方向。 人眼的跟踪有助于计算机定位出入眼的位置，是人脸识别的基础。而眨眼检测有助于计算机识别出入眼的状态，在疲劳检测、视觉交互领域有广阔的应用前景。 首先，我们回顾了这两个方向的研究历程，包括基于SIFT特征，MeanShiff跟踪等等跟踪方法，以及人眼结构建模、频域模型、条件随机场等眨眼检测方法。 其后，在级联式adaBoost的对象检测算法框架上，本文提出了相对坐标系的样本训练概念，并把这个思想应用到人眼跟踪领域。我们重新定义了正负样本和分类特征，同时对原算法进行改进，使之适应实时跟踪的要求。 同时，针对目前眨眼检测效果不稳定的情况，我们加入了瞳孔定位的算法设计，提高了检测的鲁棒性。 最后，我们在这些算法基础上设计了一套视觉交互系统一EyeMouse。

目录

文摘

英文文摘

论文说明：图表目录

声明

第1章绪论

1.1研究背景

1.1.1研究现状

1.1.2应用前景

1.2本文的研究目标和工作

1.3本文的章节组织

第2章相关研究

2.1人眼跟踪的研究历程

2.1.1阀值法与形态学分割

2.1.2基于SIFT特征的跟踪

2.1.3 Kalman滤波和Meanshift跟踪

2.2眨眼检测的研究历程

2.2.1人眼结构模型

2.2.2频域模型

2.2.3条件随机场模型

2.3本章小结

第3章实时人眼跟踪

3.1级联式adaBoost的对象检测算法框架

3.1.1对象检测的特征定义和积分图计算

3.1.2级联式adaBoost算法

3.2基于相对坐标系的对象检测算法设计

3.2.1 Toy模型

3.2.2抽象模型的样本定义和特征定义

3.2.3在人眼检测的应用

3.3实时化的检测加速新算法

3.3.1原算法瓶颈分析

3.3.2加速算法设计

3.4实验结果

3.5本章小结

第4章眨眼检测与人眼驱动的视觉交互

4.1眨眼检测算法设计

4.1.1阀值法的困惑

4.1.2瞳孔定位

4.1.3眨眼分类器的实现

4.2 EyeMouse

4.2.1位移和点击的视觉交互定义

4.2.2交互算法设计

4.3实验结果

4.4本章小结

第5章总结与展望

参考文献

致谢

作者简历